kaiyun·app下载地址-AI教育论坛：AI+教育内容为先需要新数据集衡量学习效率|全球AI+智适应教育峰会

研究项目，2002—2014年代我在ALEKS工作，在智适应环境方面也有很多经验。在所有数学方面的产品我都有牵涉到，2015年我设计了一个新的模型，我指出它也是十分有前景的。后来我重新加入了松鼠AI，是今年重新加入的。

王京涛：我叫王京涛，在中国工作，之前我在匹兹堡大学工作。同时我也是在移动模块和移动互联网方面有一些工作，之前我也在AI方面有很多年的经验，主要是看一下如何应用于人工智能增进教育。

首先我坚信技术能充分发挥更佳的起到，更佳的增进教育，主要是在三个方面：1.我们考虑到如何应用于技术来增进教育。2.如何应用于技术来更佳的增进募课，就是大型网络公开课的发展。3.看一下如何应用于人工智能来更佳的增进整个教育发展。

KP Thai：台上都是十分资深的专家，刚才谈及了人工智能和教育，以及人工智能的引擎也就是机器学习，这样的一些算法。人工智能引擎以及机器学习算法我们讲了很多，内容最重要吗？高质量的内容是什么样的呢？Dan Bindman：感激，我指出高质量内容是十分艰难的，耗资十分便宜。如果要选引擎最重要还是内容最重要的话，我指出内容在很多情况下更加最重要，甚至是最重要得很多。

很多开发公司或者是企业，他们并没非常重视内容，我指出对于高质量的内容来讲不会有几个十分最重要的特征：1.必需是十分明确细节的，你必须在有所不同的问题，有所不同的主题中有很多有所不同的细节区分，这样的话才能大大的往前前进。如果我们两个主题之间没任何的相连，而且他们的差距十分大的话，我们的学生就没办法确实横跨这样的距离。2.对于高质量的内容来讲，要有完整性，必需包括我们必须的所有内容和话题，如果缺陷了一些内容认同不会经常出现问题。

3.第三点有可能是最好的一点，就是期望能有一个深度。刚才我也听见了大家谈及了深度科学知识、深度自学，我也是十分表示同意，就像艺术一样，我们想用于一些内容来增进AI的发展，但是却不告诉确实的高质量内容是什么样的，这是十分难来界定的。对于学生来讲，不管他们学什么，他们只不过习的就是内容，习的就是系统获取的内容，这就是他们的科学知识。

他们的科学知识就是对这些内容的主观体现，所以如果我们的内容质量不低的话，学生就没办法确实从内容中受益，教给适当的科学知识。还有一点十分最重要，通过我这么多年的经验，有些公司没推崇内容，有些人甚至指出做到内容的人并不那么最重要。

但是我指出做到内容的工作尤其的最重要，而且他们的顺利与否对于整个系统的顺利与否也不会充分发挥十分大的决定性的起到。另外一点刚才我也谈及了内容对AI的重要性，同时我们也必须让人工智能和内容有一个相互的对话，并且有一个对系统的过程。

也就是说，怎么样能更佳的增进内容。王京涛：我指出内容显然十分最重要，最少它和算法和其他技术是一样最重要的，这是我想要跟大家共享的一点。教育科技不光是科技，是三合一的东西，我们必须有技术、内容，还有另外的第三个元素，就是政策。

我不是一个政策的制定者，但是我意识到政策是十分最重要的，我们如果有准确的政策就可以确实的让教育降落，所以它并某种程度是技术的问题，我们也必须有适当的利益涉及方的反对。Carsten Ullrich：这是一个十分好的观点，对于技术、内容和算法，以及刚才您提及的政策的内容，我们怎么样通过这样的内容增进技术的实行和进展。在德国还有一点，对于算法以及机器学习和适当的内容，从我的角度来讲，我是更为传统的人，我想更佳的对传统教学科学知识来展开应用于、建模。

有的时候AI可以做到得很好，但有的时候人类教师做到得更佳，教学方法和科学知识怎么样把它确实的跟AI融合一起，这是十分必须考虑到的一个方面。KP Thai：智适应环境实质上是大大适应环境的过程，而且不会花费很长的时间，它的起源有可能是40年以前，如果我们再行往前看的话，有可能100多年前就有这样的一个苗头了。我想问一下，人工智能是确实的颠覆性的技术吗？或者我们必须怎么样新的思维这样的智适应环境教学呢？王京涛：我实在现在创意无处不在，还包括基本研究、深度自学的算法等等，还有数据包、数据的内容、数据集等等，需要让AI和深度自学有飞速发展。所以我想要说道一点，我实在心态和思维模式也十分最重要，思维模式所指的是我们需要做到某件事情或者无法做到某件事情的共识，我们想做到一些事情的话必须一些共识，比如说短期内3年、5年内能解决问题什么问题。

谷歌告诉他我们可以用深度自学来已完成棋士的博弈论，我实在这也是一样的道理。在这之前很多人会实在最少10年之内才能构建用电脑下围棋这个事情，但是最近不管是在教育还是在其他的领域，我们都要转变我们的心态和思维模式。

思维模式转变了之后我们就可以探寻更加多机遇，特别是在是教育行业的机遇，这个看上去较为小，但是显然是觉得再次发生的。Dan Bindman：刚提及了政策制定者的思维模式，我实在在深度内容方面所遇上的一个妨碍，就是政策制定者管理考试的时候一般不会用简单易行的考试，因为评分非常简单，所以深度内容必须转入到政策制定者的视野中，我们要转变政策制定者的心态和思维模式。Carsten Ullrich：最近我也写了一篇文章，是麻省的，提及了当前的架构，很多有所不同领域的架构不会有一个用户模型，以及学习者的模型，以及内容的模式。

所以不会有一个教育学的模式，比如说这样一个内容是怎么样教教的，有所不同的教学内容不会用有所不同的教学模式，所以我实在基本的概念也是十分确切的，我不告诉这是好事还是坏事，但是我实在这是基本的架构能协助我们解决问题当前的问题。在这样的架构之上，我们能获得更好的变革。

KP Thai：除了深度自学的变革之外，刚才也提及了计算机架构，是不是其他领域方面的突破需要有更加多的变革？王京涛：我实在有很多，要让教育技术确实切实可行，某种程度是借出其他领域的突破，在教育行业本身也要有一些技术的突破。我实在可以说道的有很多，但是最重要的一点就是数据集，就是数据科学。要让数据在深度自学中充分发挥更大的起到，比如说很多数据是由大学教授搜集的，所以在深度自学中扮演着了十分最重要的起到。

还有将数据展开分类，对于医学的影像处置和其他影像处置来说，数据集没尤其的关系，我们要再行训练一个影像处置的网络，利用一个特定的数据集才能取得拟合的展现出。我们要用这种数据集拓展很多的创意，这在教育行业中特别是在最重要，当下有可能没这样的数据集和数据科学，要从头开始搜集数据，把它们放在应用于当中，这是教育科技要做到的一件事情。Dan Bindman：我十分表示同意，在AI方面我们花上了很多时间，有很多输出，比如说脸部辨识、大脑扫瞄等等，但是更加最重要的是要让人们有更加多的鼓舞。

如果有更加多的数据集能取决于学生自学的变革集，让就能系统显得更为的强劲。KP Thai：所以我们必须有新的数据集展开取决于，是不是其他的一些手段来取决于智适应环境的自学效率呢？王京涛：这个问题最近经常出现很多次，特别是在是最近的学界中，但是大家不会忽视这个问题。

在社会中大家不会搞坏科学的结论，一个宣传上不会有一些误解，对于科学结论来说人们不告诉这个结论的预设是什么。比如说这个技术对于自学话题来说否简单，必须用什么样的掌控环境，以及否能党内外、规模化，如何跟技术相结合等等，我实在这些都是对外开放的问题，但是这些问题被报导一些突破的时候没获得注目，所以我们应当更佳的注目这些技术的创意和技术的突破，特别是在是教育技术方面的创意和突破，应当获得更好的报导。

所以我个人的建议是，在科研界应当有共识，就是如何去评估和取决于一个好的教育技术和教育体系，当前的教育体系认同是不极致的，我们做到总比不做到要好，而且总比光是宣传要好，我的建议就是对于每个观众来说，如果有一些突破性的技术展开报导的话，一定要去问会在哪里公布结果，以及评估过程是什么，你的论证、检验是什么。Dan Bindman：我实在十分最重要的一点就是有很多人都会有他们的点子，但是一个好的教育体系，只不过很多时候很难定义。但是有很多优势是很更容易寻找的，我们要有一个联合的共识，联合的标准来取决于好的教育系统，也可以在产品之间展开较为，跟同类产品之间展开较为，要有一个联合的数据集，联合的标准，否则的话大家拿苹果跟橘子展开较为，这个衡量标准就不一样了。Carsten Ullrich：当前我们有一些方法，这些方法并不是十分极致，但是我实在总比没方法要好，比没衡量标准要好。

我们看见职业教育、成人教育更为简单，取决于更加无以，比如没考试或者分数对展开取决于，以及对于工作场合的自学就没很多的考试，这时候很多公司就更加多的注目利润。因为对于一个人自学效益很难去取决于，比如是不是发明者了一个科技，还是公布了一个博客，这也是十分对外开放的一个话题。KP Thai：下一步我们要做到什么呢？对于智适应环境自学，我想要让Carsten教授问一下这个问题。

刚才也谈及了我们有很多变革，特别是在是深度自学、机器学习、计算出来方面的变革，我们刚才荐了很多例子，比如说AI以及AI评分器，你们实在我们展望未来下一步应当是什么样的？Carsten Ullrich：我实在这个问题十分好，刚才提及了有很多AI方面的变革，有很多机器学习的方法，有几百万、几千万的数据，比如说AlphaGo是我们经常提及的例子，它超过人类大师级别之前下了4.9亿盘棋士，这是十分大的数据累积，所以它的数据能力也十分强劲，谷歌跟十分强劲的计算能力融合，计算能力的基础就是数据。教育行业每个学习者都是分开的个体，分开的宇宙，相等于每个人的目标是一样的，在玩游戏的时候我们目标一样，就是要通关，但是学生的过程中是十分个性化的，所以要搜集他们的数据。

我们不会注目每一个学校，比如说学校的学生数量还有学生的年龄，他们的目标是要通过哪些考试，以及考试的状况，我实在是一方面。另一方面要看见成人自学、成人教育我们还没过于多数据展开取决于，在这方面没用太多的机器学习的方式。

当然认同不会有更加多的数据，因为不会有新的数据流，现在有面部辨识还有其他的措施来搜集更好的数据。Dan Bindman：我想要说道的是，我们刚提及了很多演讲者，特别是在是今天我们有很多有所不同的视角，刚提及我们并不只必须一个系统，如果是单一系统的话就不是尤其高效，所以我们有更加多的数据产生。

数据的产生量也十分最重要，所以当前的一个事情，我们要注目的是处置数据和面临算法的时候，我们不会运用到AI，区分哪些事情是普适的，哪些不是普适的，Carsten Ullrich：我们常常说道要对外开放数据来源，比如说新东方不会给教师拍电影视频。在上海交大有一个十分好的研究，跟上海另一家公司合作，有100个教室，有摄像头，不会对学生的展现出展开网络分析。

比如说学生是不是精神状态的，是不是昏昏欲睡，是不是跟老师展开对话，对真实世界的分析和评估，把数据统合到体系当中。因为大多数的自学并不是在自学管理系统当中再次发生的，而是在真实世界中再次发生的，我们也做到了一些研究。

比如说用物联网，用各种各样的传感器来做到一些数学的计算出来，在空客公司我们做到了一个工作空间的数据化，这样系统就能告诉员工在做到什么，是不是以准确的方式展开销售。所以我们不会用互联网空间的数字化方式来取决于真实世界中的不道德，这样可以更佳的理解真实世界中的情况，把他们的进展统合到数据系统当中。我想要再行减少一点，因为我个人实在今天有很多方法很有意思，但是也是受限的，就是跟现实的老师比起的话还是有很多容许的，所以如何建模解决问题这个问题，我们如何给真实世界的老师建模。

我们早已看见了这样具备革新性的技术，人工智能依然注目的是传统的科学知识以及传统的自学，我不已思维怎么样能将自学也展开一些变革，这是我们确实必须思维的一个方面。当然我们不是说道要政治宣传教育，只是像刚才所说的，怎么样能把这些人类教师的专业才能展开建模，我指出现在必须的是一种混合的方法，可以将人工智能、机器学习和一些更为传统的方式展开融合。

我们可以在机器学习十分成熟期之后特一些规则，比如说在图书馆待时间过于宽的话，让他活动一下，特一些更为人性化的东西，特一些人类教师不会告诉他的一些内容。Dan Bindman：这有可能也是返回了刚才所说的政策方面，首先我尤其热衷数学，我也尤其热衷教教数学，我也尤其不愿学数学课程，我一点也没实在是不得不习的。

有时候你实在数学题目是没什么意义的，但是事实上还是要展开适当的研究，这些内容是尤其最重要的，政策否影响到整个教育行业，如何影响到我们对于内容的自由选择。王京涛：我想要特别强调自学代表着什么，它实质上是一个科学知识的传送，并不是关于要解读学习者或者指导学习者，而是科学知识的传送，并且在这个过程中要用于适应性的方法。比如说我回答我的女儿晚上不吃什么，是不吃沙拉还是薯条，还是什么都吃，她不会说道都吃，但是现在的智适应环境教育系统没第三个选项，只是要给与学生一些内容，来评估结果，没确实对于中间传导过程的研究，这也是我们必须留意的。

因为在这方面技术可以充分发挥更大的起到，我们也可以确实来看一下技术的变革。KP Thai：大家可不可以再行跟我们非常简单说道一两句，您对于未来人工智能+教育的发展方向，或者您期望一年以后、五年以后，我们在这样的峰会中可以辩论什么样的内容。王京涛：我指出AI+教育应当是三个方面的融合：技术、内容和政策。三方面都考虑到才可以，我们也必需考虑到学习者的多样化和多样性，同时我指出还有十分最重要的一点，如果想让教育科技确实的发挥作用，就要告诉怎么样来大大的增进学生持续的动力。

Dan Bindman：我也要说动力是十分最重要的，可以让我们建构更佳的内容，而且5—10年之后我期望我们需要有这种深度的内容，同时受到政策的反对。Carsten Ullrich：我们必须应用于AI，使有所不同的人有更加多的权利，给他们带给更好的可能性，不是容许他们的发展，而是更佳的增进他们创造力的研发。KP Thai：十分感谢您刚才说道的这个赋权的概念，我十分讨厌。

非常感谢各位，也希望以后能跟大家有持续的交流，谢谢。2018年度AI最佳掘金案例票选人工智能风雨60年，与其说技术升级促使了今天的浪潮，不如说当前的人工智能，再一车站在离商业最近的方位。

去年，首届「AI 最佳掘金案例年度票选」活动日后发售，之后受到了AI方案输出方和AI技术需求方的很大注目。票选从商业维度抵达，找寻用户/客户问题解决问题能力强劲的产品和解决方案。

现在，我们再度车站在AI浪潮之巅，月启动第二届「AI最佳掘金案例票选」。在AI+教育领域我们一共设置了6个奖项，青睐踊跃报名，甄选地址：https://www.leiphone.com/special/custom/AITopTen2018.html涉及文章：机器学习教父 Tom Mitchell ：人工智能将沦为自适应自学的驱动式技术 | 全球AI+智适应环境教育峰会掌门1对1张翼：AI对教育仅次于的赋能是让学生提供关上科学知识宝库的“钥匙” | 全球AI+智适应环境教育峰会印尼仅次于教育公司CEO：技术不会让印尼领先的教育重燃期望 | 全球AI+智适应环境教育峰会天图资本冯卫东：面临AI革命中小学教育何处去？| 全球AI+智适应环境教育峰会原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：kaiyun·app下载地址-www.msjiaji.com