0
| 本文作者： 任然 | 2018-11-15 22:08 | 专题：2018全球AI+智适应教育峰会 |
雷锋网按：2018年11月15日，全球AI+智适应教育峰会于北京召开。峰会由雷锋网联合乂学教育松鼠AI，以及IEEE（美国电气电子工程师学会）教育工程和自适应教育标准工作组共同举办，邀请了美国三院院士、机器学习泰斗Michael Jordan，斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT学习方案组高级研究科学家Michael Yudelson等顶尖学者；VIPKID、作业帮、沪江网等国内著名教育创业公司创始人；以及Knewton、Byju's、DreamBox、Duolingo、ALEKS、AltSchool等国外最具影响力的AI智适应教育公司共聚北京，共同探讨AI智适应热点话题。
其中，由乂学教育AI首席科学家崔炜主持、北师大智慧学习研究员副院长李艳燕和华中师大国家数字化学习工程技术研究中心教授余新国参与的智慧教育论坛，向大家详细介绍了AI教育目前在学术界的研究方向，以及AI教育理论在实践应用中碰到的难点等问题。
以下为圆桌讨论实录，雷锋网做了不改变原意的整理与编辑：
主持人崔炜：大家上午好，今天很高兴在这里举办Panel论坛，我们也很荣幸邀请到了两位人工智能教育、学术界领域里的专家和教授，与我们一起来探讨一下人工智能教育在学术界当前研究的方向，以及人工智能教育这些理论在实践中的应用过程中碰到的一些困难、难点等等，希望能够有两位教授给我们进行答疑解惑，给我们制定一些方向。
两位教授都是咱们中科院旗下一个智慧教育委员会的主任委员，我想请两位教授分享一下关于智慧教育的看法，我们常提到的智慧教育和人工智能教育之间有哪些差别，或者说他们分别是如何定义的？
余新国：我们之前是工科背景，谈得最多的是人工智能，人工智能是用机器模拟人的智能，需要人用智慧来解决的一些事。目前我们把智能分成几个级别，最简单的就是计算，计算其实也是一种智能，一种推理、搜索。目前人工智能还没有接触到的，就是人类创造新的理论，提出新的理论体系，据我所知现在还没有任何人工智能可以解决这一问题。
前面几十年里，人工智能是模仿人计算的智能，这个已经解决了；模仿人的推理智能也经过了几十年，包括学习的过程也是一种推理的过程，学习以前人的推理。但是学习、推理能力目前还是在中间阶段，有些解决了，有些没有解决，这是我们说的智能。
如果说是智慧的话，那就表示有些事我会，但是不一定要做。比如说这个事很赚钱，但是觉得会伤害别人所以不去做，这是一种智慧。人工智能很强，以后学生看到人工智能这样强大，是不是会显得自己非常渺小，在心里有一种害怕感，AI霸凌了我们的学生？所以我们要增加智慧，让人工智能不要那么强势，又能帮助我们学生学习，这就是智慧学习。
主持人崔炜：余教授对人工智能教育更多是从技术层面定义的，智慧教育除了人工智能之外还得有人性和温度。
李艳燕：我是中科院背景的，专业是计算机。以十多年来在北师大工作的经验来看，从计算智能、感知智能到现在的智慧智能这三个阶段，随着大数据、云计算，计算能力已经让我们很满意了，感知智能方面则是通过人脸、智能驾驶语音等等，也接近了人类满意的程度，甚至某种程度上机器可以打败人类。
而第三方面就是现在或者未来我们正在努力的，就是认知智能。我本人现在的团队正在做知识图谱的相关工作，不管是刚才主题报告里提到的知识空间，还是栗总讲到的纳米级知识点，都在建一个庞大的大规模的知识库或者知识图谱，这对我们后期不管是做任何服务还是推理，都是最重要的一方面。所以认知智能是很重要的瓶颈问题，因为它涉及到大规模的构建，包括专业可信赖度，需要很多学科专家的介入，这是人工智能未来的发展。
从智慧教育的角度，我看到更多是关于学与教的问题。之前我们关注的是技术，现在已经在医疗、金融等领域得到很大的应用，但是教育行业不仅仅需要技术，还需要关于教育学的规律，也就是说学生到底怎么学，学习风格、认知特点，包括各种各样的多元智能都需要我们关注。所以说到智慧教育，我们关心教学规律，包括认知神经和人的基本学习规律、认知原理。
智慧教育除了计算机或人工智能技术之外，还需要关注其他的学科，比如说认知神经学科、心理学包括学习科学等等，只有把多领域的知识融合起来，才能解决或者真正满足我们教学的需求。技术只是一个简单的准确率、精确度的问题，但是所有当过老师的人都知道，学习不是简单的错与对，而是有交互、有情感交流的，如何在智慧教育中，从物理空间到服务，到给学生制定自适应、个性化方案，需要更多的教学原理或者规律，或者人的研究，能更好的提供支持，这是我的理解，谢谢。
主持人崔炜：谢谢李教授，非常清晰明白的把人工智能教育分为了三个阶段，并且谈到了智慧教育大的范围之内的认知学科、教育心理学等等。我认为李教授的观点是把教育里面的教和学分开了，“育”这一块更偏向人性化、人文关怀，更多的是由老师完成的，而不是由技术做到的。
刚才李教授也提到了目前团队做的一些事情，接下来想请教两位教授从目前的工作角度，简单介绍一下国际上关于智慧教育、人工智能教育或者是教育科技一些前沿的研究方向，并与大家分享一下两位教授在各自团队里目前有哪些新鲜的课题，谢谢。
余新国：我先介绍一下我自己的研究，再说比较大一点的东西。我回国有5年的时间，回国之前做的是视频分析方面的工作，随意回国的过程中我就在思考，怎么样把我的背景结合起来，所以就想做视频跟教育结合的东西。
经过这几年的思考和结合，做了几件什么事呢？教育不仅是人工智能的问题，还有教育学的问题，不仅是教育知识，更是教育人，知识只是其中的一部分。所以打造智能环境和智能工具，让学生和智能去玩儿，去做，可能是比较娱乐的方式，是它来控制这个智能本身，而不是智能去控制它，所以我们做智能环境、教育机器人还有教育机器人背景下的智能解答系统。
学生在学习的过程中，从幼儿园到高中阶段最多的任务是做题，但是题目有时候也不是那么容易，特别是家长辅导学生的时候，即使家长以前是学霸，因为工作的原因很多知识可能会忘记，所以我们想做一个自动解题系统。这个方向已经有几十年的研究，以前很多都是数学家在做，推理的部分比较多，70年代的时候人工智能领域最流行的就是推理系统。由于我的背景是多媒体分析，所以我们用多媒体分析的方法，主要是解决题目理解的问题。
最近我们提出来一些方法有相当大的进步，很大一部分题目是可以解了。当然现在人工智能的深度学习方法很厉害，深度学习解决的都是复杂思考问题，将题目理解交给深度学习去做，解决无限的可能性，这是我们大概的思路。
在国际教育领域的大方向来看，我们国家工程技术研究中心还有教育和大数据国家工程实验室，现在的趋势就是用大数据来研究教育。刚才几位专家都讲了，是学习分析、学习过程。在大数据分析中，现在这些算法都是很强的，分析数据基本上是可以的，现在最难的是怎么样收集这些数据，如何描述教育过程中学生的状态、学到了哪些知识点、什么样的知识点是学生最好的力度去学习的、如何通过大数据分析指导什么样的学生可以学到更大力度的知识点而不是学小力度的知识点，这些数据的模型是怎么样的我们现在还不清楚，还没有一个统一的认识。
我们大多数情况下使用的还是问卷、测试等传统方法，但是如何不影响现有学习过程，用无干扰的技术知道学生学习了什么东西，现在还是比较困难的一件事情。我们考试的过程中其实并不是很纯粹、很绝对的知识测验，因为我们本身教的就是这些东西。这些方面应该是在使用大数据分析时大家遇到的一个瓶颈问题，这是我的体会。
主持人崔炜：谢谢余教授，余教授提到了标准化的东西，挺关键的，教育的测量、能力的测量。这次会议很容幸我们也请到了IEEE专委会，还有首席架构师也是专委会的委员之一也会有相关的分享。
李艳燕：我们现在是在国家互联网教育及智能技术国家工程实验室，这是国内唯一一家关于技术和教育融合的单位。我们认为把人工智能技术应用在教育之中这一问题，可以简单分为五个方面：
第一个就是环境，可以是物理空间的，也可以是软件方面的，这是环境构建的，能不能用技术打造一个学习空间。
第二个就是学习的支持，比如说学习分析，如何通过收集学生全过程数据，包括动态衍生的数据对学生做精准的用户画像，这是很多做学习服务的重要基础。像刚才嘉宾报告中提到的，我们不知道学生的漏洞或者学习的弱点在哪儿，我们没办法提供很好的解决方法，所以重在对学生的分析和用户画像构建。
第三个就是从老师角度，面对这么多学生，在线上和线下能不能有一些智能的助手。智能教育系统发展了几十年，但是效果一直不好，受到很多因素影响，局限在小学科领域，比如说代数，卡耐基梅隆大学就有认知助手。但是因为人工智能的发展和大数据的成熟，现在这方面有了一些突破，包括之前我在伦敦参加教育人工智能大会也有专家分享，我们现在已经在做教师助手和智慧同伴等方面有了突破。
第四个是测评，所有学习到最后都要评价，我们能否从个体和群体角度给学生一个综合的评价，这个群体包括班级、年级、区域甚至是国家。我们能否借助相关技术实现多层次、多力度的评测，这是很重要的。
第五个是教育管理，能不能用人工智能支持我们做科学、客观的评价。
所以这五个方面是比较需要关注的，对我自己而言，我现在主要两个方向：
第一个我们要给学生提供一些准确的、个性化的知识性服务。我们有一个知识图谱，现在我带领团队做了一个比较有趣的工作，我们把古诗词用知识图谱构建出来了，刚才栗总提到他小时候学古诗词不好，背诵不好，所以我们搭建一个智能平台，不仅提供语意检索、可视化，同时我们通过游戏化教学，对古诗词学习有兴趣。所有孩子都喜欢玩儿游戏，我们能不能通过游戏来促进他们古诗词的学习，我们做了知识图谱也开发了小程序，欢迎大家来使用。
第二个就是学习分析，今年我刚好申请到国家自然科学基金，基于在线学生大数据进行评估分析，并提供模型。我们到底收集什么样的数据？分析学生的什么？是知识还是技能？如果是知识是哪些知识？技能包括心理模型、认知结构等等，这样来给老师提供更好的反馈和支持，谢谢。
主持人崔炜：谢谢李教授，李教授每次分享信息量都非常大，很有逻辑性。刚才两位教授都分别分享了人工智能教育学术界的研究，学术的东西还是要产品化，这样能进一步帮助到学生，甚至给学生家庭都带来益处。因为两位教授都是在国外工作过，想请两位教授分别聊一下，比如说国外有哪些做得比较好的前沿研究方向或者有哪些比较好的模型、理论的东西，给大家做一些分享，谢谢。
李艳燕：2016~2017年我在卡耐基梅隆大学访学，他们的人工智能实验室和机器人实验室我都去了。我的导师也是计算语言学的，我发现现在全世界主要关注的是人机交互。学习交互过程不是单通道的传递，我们希望在人机交互方面能提供更有效的方式来帮助我们学习。第二个是机器人，排除掉高大上的无人机器人，我们能不能用载体机器人支撑我们的教学，通过有趣的方式做孩子的同伴交流，教师能不能通过这些方式做一些很有趣的活动。
余新国：我在新加坡待了很多年，他们用物联网技术在教育中比较早，解决了学生交作业，跟老师互动的情况。现在研究比较多的，就是刚才李教授说的几个东西。第一是智能环境，因为在网上或是在小的空间里学习的时候，学生在学习的过程中的活动、思维、环境受到局限，活动的范围很小，这是一个不好的地方。现在我们想创造一个智能的环境，让他既学习，又在自然的空间里对身心来说都比较好，这是一个研究。另外就是怎么样更有效的照顾到个性化，我们要理解每个学生不同的学习风格、知识点难易程度的匹配，这可能是很难的。
主持人崔炜：谢谢两位教授，我们知道整个国家都非常重视人工智能，以及人工智能的应用和发展，想请两位教授对人工智能教育，对智慧教育进行一句话的总结，表示一些期望或者看法，谢谢。
余新国：智慧教育或者是人工智能教育有非常大的空间，刚才栗总说了人工智能教育的几个特点，我全部赞成。人工智能成为一个超级老师，超级老师加上智能改造是更加友好的智能教育，可以帮助到很多人，完全颠覆现在的教育，从行业的角度来说这是大有可为的。
李艳燕：让大家一起来拥抱这样的智能时代，为未来的教育变革做好准备，谢谢大家。
主持人崔炜：非常感谢余教授和李教授的分享。
附：圆桌嘉宾介绍
北师大智慧学习研究员副院长：李艳燕
李艳燕，来自北京师范大学，现任北京师范大学教育学部的教授，博士生导师，北京师范大学智慧学习研究院副院长，教育技术学北京市重点实验室副主任，李艳燕教授在率先开展STEAM教育，并面向中小学和大学进行广泛的应用实践。主持了多项国家自然科学和社会科学基金课题，以及STEAM北京市教育规划重点课题，在国内外核心期刊和国际会议上发表论文80余篇，获得中国科协科普部授予的优秀指导教师称号，2008年6月在伦敦的国际教育人工智能大会上作主题报告，李艳燕教授作为访问学者出访美国卡耐基梅隆大学，担任多家国际期刊的执行主编及编委，多次担任国际性大会的主席。
华中师大国家数字化学习工程技术研究中心教授：余新国
余新国，华中师范大学国家数字化学习工程技术研究中心副主任、教授，楚天学者、博士生导师，长期以来从事视频分析、计算机视觉、人机交互、多媒体技术等方面的研究，其研究成果获得国内外专家的广泛引用，其中一篇被引用了160多次，现已在国内外权威杂志和知名的国际会议上发表了论文80多篇，其中第一作者的论文多达40多篇，获得了7项国家专利、2项国内专利。担任了多个国际知名的期刊杂志的审稿人。同时，余教授曾新加坡工作、学习10多余年，近5年来经手的项目经费超过500万美元，目前主要研究的方向有图像识别分析、教育人机交互、智能教育系统，从事多媒体技术等方向的研究。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
