乂学教育崔炜:人工智能在教学机器人中的应用实践
秦予 秦予

乂学教育崔炜:人工智能在教学机器人中的应用实践

过去10多年里,互联网浪潮、人工智能技术逐渐成熟、视频技术的发展等都推动了教育的发展。

6月24日,人工智能先行者大会暨黑马大赛人工智能分赛在京举行,近千名人工智能产业相关创业者、投资人、产业专家参会。本次活动由创业黑马与人工智能新媒体平台黑智联合主办,联合冠名商摩比神奇与战略合作伙伴铂诺对活动进行了支持。

下午,乂学教育首席科学家、自适应学习和大数据专家崔炜进行了主题为《人工智能在教学机器人中的应用实践》的演讲。以下是演讲内容节选,经创业家& i黑马编辑:

大家好,我很高兴第二次站在创业黑马的舞台上,与大家分享乂学教育在过去接近两年的时间里的一些思考与实践。

首先我们回顾一下过去发生了什么。在过去10多年里,互联网浪潮、人工智能技术逐渐成熟、视频技术的发展等都推动了教育的发展,具体来说有以下五波浪潮。

第一是互联网+浪潮。慕课的教育形式让教育资源可获得性大大提升,人们在家里就可以通过网络看到斯坦福、哈佛等大学里的讲课视频,获得高质量的讲课内容。第二是工具化的浪潮。一些教学工具、学习工具,给师生带来很多方便,比如学生可以在没有老师帮助的情况下,通过学习工具,快速找到他们问题的答案。第三是O2O的浪潮。这很好地解决了信息不对称的问题,让更多更好教师资源能够触及更多人。第四是真人一对一的浪潮。通过视频技术,很多人足不出户就能享受到国内外名师一对一的个人辅导。第五也是现在最火的这一波浪潮,就是人工智能的浪潮。现在有很多做人工智能+教育的应用,包括采用图像识别的技术做一些题目搜索,用语音测评的技术做口语的识别等等。

我们再来看看教育行业的痛点。传统教育的场景是一对多,一个老师对几十上百个学生进行授课。这种情况下,老师采用是一刀切的教学方式,不能照顾到不同水平的学生。从学生角度来看,很多学生都不能得到个性化辅导,导致学习无法提升。另一方从教师角度来看,教师资源是教学的核心,但是 优质教师资源稀缺且昂贵。一个最好的老师,在保证教学效果的情况下,最多只能带100个以内的学生。

同时,我们也看到人工智能技术带来了很多应用。比如Alpha Go成功战胜了一位又一位的围棋大师,比如在金融交易所里,有不少是机器在做交易,众所周知,巴菲特每年收益率在20%以上。但是有一家公司能做到年收益率30%以上,叫复兴科技,是由一位数学科学家创立的,采用了人工智能技术构建一个金融交易的模型,构建一个高频交易的策略,写好代码后计算机可以自动化交易。

看了人工智能这么多成功应用之后,结合教育行业的痛点,我们想在教育领域里打造一个类似Alpha Go的教学机器人,给每个人带来个性化的辅导。它能够关注每个学生的学习情况,并且能够提供个性化的学习建议和辅导。

我们先来看看国外这一块的发展情况。其实人工智能+教育在国外已经有十几年的发展历史。国内我们想要打造的人工智能+教育的“特级教师”,在国外对应的概念叫自适应学习。自适应学习本质上就是利用人工智能和大数据分析,依据学生个人的知识状况和能力水平,给学生推荐个性化的学习解决方案,让这个学生学习变得更加有效率。

目前为止,国外已经有几十家自适应教育产品的公司,包括我们都知道的Knewton,它目前已经融资1.5亿美元。很多国外著名的媒体比如经济学人,福布斯,还有比尔盖茨基金会等,都非常认可自适应学习这个发展方向的趋势,因为它回归到教育的本质,真正能做到因材施教。

国外已经有很多公司对学生使用自适应学习产品的学习效果进行了详细分析,有公司发现自适应学习的学习效果,已经非常接近1对1的老师。2014年的研究也发现,通过自适应学习代数课程,问题解决能力能提高25%,集合代数就提高70%,而且还能降低学校整体的辍学率,提升学生升学率。从另一个角度看,自适应学习产品还能在一定程度上减少学校的人工成本,因为学生大部分时间都是在系统上学习,真人老师可能更多属于一个辅助角色。

除了借鉴国外自适应学习产品的经验,我们也需要结合中国国情,打造一款针对中国学生K12领域进行自适应学习产品。其实无论是传统还是MOOC形式的教学,所有学生在每个知识点上花费的时间都是一样的。一个学生对知识点A掌握得好,另外一个不好,但是他们所花的时间一样。

而在咱们的自适应学习系统里,改进了这种学习方式。怎么做呢?

首先,我们通过检测发现他的薄弱知识点,并且详细了解到每个学生在每个细小知识点上不同的掌握情况。

我们知道,我们给学生精准的定位他的知识状态的时候,其实是在一个庞大的知识状态空间里给学生定位到他所处的知识状态。如果一个知识里包括500个知识点,其实搜索的空间就是2的500次方,因为每个知识点对应的两种状态:掌握、没有掌握。2的500次方是个庞大的搜索空间,做穷取法的话其实是非常耗时耗力的。此外,这500个知识点里面有些知识点跟其它的知识点关联比较大,因为它跟其它的知识点连接的更加紧。所以,我们在给学生挑选知识点的时候,要快速的找到知识含量最大的知识点。

因此,我们采用了类似AlphaGO的技术,结合了知识空间理论和信息流技术,在更广泛的人工智能技术框架下,做到了快速缩小知识状态的搜索范围,给学生精准定位他的知识状态,同时快速找到知识含量最大的知识点。这样我们也就做到了,只需要花一两百道题的测试,我们就能针对500个知识点,快速检测出学生的知识状况。

除了快速检测,我们也希望快速定位学生早期出现的问题,而不是等到学生在期末考试才发现。所以,我们系统做到的是持续跟踪、评估学生在学习过程中的学习掌握情况,学生做完每一道题,看完每个知识点或者做完练习题,我们都会相对应得出学生在该知识点上的掌握情况。并且,我们会根据整个知识体系重新为进行学生的个人画像。这就像一个特级老师,不仅仅了解这个学生在某个专题上所掌握的情况,还了解他在整个知识体系中的知识掌握情况,实时跟进。

通过快速检测、持续跟踪和评估、够构建学生的画像,我们就能给学生推荐个性化学习内容,从而匹配他最佳的学习路径。比如40分的学生给他提供40-45分的学习内容,让这个学生迅速获得他学习成就感,从而提升他的学习兴趣和动力。

教育领域的推荐完全不同于电商、资讯的个性化推荐,就像 AlphaGO的模型只能用来下围棋,不能下象棋,我们在构建我们教育领域的个性化学习路径推荐的时候,结合了人工智能+教育测量学、教育理论知识。不仅考察给学生推荐知识点的属性,还同时考察学生当前的能力水平、学习能力、学习效率和学生的当前知识状态,并且实时更新。也就是说,我们的个性化推荐会随着学生的能力水平变化、知识状态的变化,进行实时改进和更新。后台根据这些数据不断更新我们对这个学生的认知。

教育产品是很看重效果的。我们产品上线近一年的时间,大部分使用的学生都能得到有效的学习成绩有效的提升,一位学生原来只能考70多分,使用4个月后提高到了120多分,我们也收到了这位同学的校长的表扬。还有很多学生反馈表示他们喜欢这种新型的人机结合学习模式。

我们希望未来能将个性化教育带给更多的孩子,让他们感受到学习的快乐。

谢谢大家!

在线教育
赞(...)
文章评论
匿名用户
发布