近日，好未來AI工程院機器學習團隊的7篇學術論文連續入選國際人工智慧教育大會（AIED 2020）、教育數據挖掘國際會議（EDM 2020）、國際聲學、語音與信號處理會議（ICASSP 2020）、國際網際網路大會（WWW 2020）等多個國際頂級學術會議，向世界展示了中國AI+教育的發展潛力。
據介紹，本次入選的7篇學術論文主要基於AI+教育場景應用的研究，覆蓋了語音識別、數據挖掘、機器學習等人工智慧研究的多個分支領域。其中，三篇學術論文入選了AIED 2020大會。
資料顯示，AIED是教育應用領域的國際頂級會議，以「為教育計算應用領域提供高質量研究的智能系統和認知科學方法」而聞名。AIED所收錄的論文代表著人工智慧在教育領域應用的最新發展方向和水平。
具體來看，本次入選AIED 2020大會的三篇論文分別是：圍繞教師聲音識別與分離的《Siamese Neural Networks For Class Activity Detection》，通過對線上一對一與線下小班教學場景內的單音軌課堂錄音中的教師聲音進行識別與分離，模型識別結果的AUC分別達到94.2%與85.5%；針對教師提問自動檢測的《Neural Multi-Task Learning for Automatic Detection of TeacherQuestions in Online Classrooms》，提出了用於在線課堂中教師提問的自動檢測的新穎框架，通過對老師提問的類型（開放問句、求知型問句、對話管理型問句、程序型問句）的檢測，從而更細粒度的量化老師的行為；對教師相關的語言行為進行自動檢測的《Automatic Dialogic Instruction Detection for K-12 Online One-on-oneClasses》，針對不同科目和年級調整對老師課堂上行為的要求，幫助老師掌握授課技巧、提升授課質量。
在EDM 2020期間，好未來針對線上一對一授課模式下的學生退學行為進行機器學習模型建模的論文《Identifying At-Risk K-12 Students In Multimodal Online Environments:A Machine Learning Approach》入選。據介紹，這是工業界與學術界首次針對K12在線教育場景的學生退課行為進行預測嘗試，通過對課堂行為和課後服務等多維度數據的分析，及時了解學生的學習狀態和知識掌握情況，並為學生學習方案的調整優化提供幫助。
另外，在ICASSP會議上，在《Multimodal Learning For Classroom Activity Detection》論文中，好未來基於聲紋注意力結構的多模態說話人識別模型方法，準確率超過了SOT A模型10%左右，顯示出了該模型針對教學場景下說話人分離結果的優異性。在另一篇論文《UPGRADING CRFS TO JRFS AND ITS BENEFITS TO SEQUENCE MODELING ANDLABELING》中，好未來將經典的序列模型CRF升級為一個聯合的生成模型——JRF，新模型在各算法指標上都穩定超過了CRF，為更大範圍的各類領域的序列建模和標註任務的改進提供了更大的可能。
同時，好未來關於自由場景下的口語表達能力評測的論文《Dolphin: A Spoken Language Proficiency Assessment System forElementary Education》也入選了國際網際網路頂級會議WWW2020，並在會議上進行宣講。論文基於好未來AI工程院研發的口語表達能力評測進行的方案和算法創新，解決了學生口語表達能力無法快速、規模化、標準化進行評估的問題。
值得一提的是，好未來AI工程院機器學習團隊有70%以上的技術人員曾參與論文及專利的發表。近期，好未來還有多項學術成果入選AAAI2020、NCME2020等國際頂級學術會議。好未來AI工程院更是斬獲2020年世界計算機視覺領域頂級會議CVPR2020—— EmotioNet人臉表情識別競賽冠軍。一系列AI科研成果接連被國際頂級學術會議接收，標誌著國際學術界對好未來科研實力的認可，也意味著好未來用AI技術在教育場景的實踐中提供更多實用價值。
據報導，近年來，好未來不斷加大在AI研發上的投入，目前已圍繞教育場景需求，累計研發包括圖像、語音、數據挖掘、自然語言處理等8大類型、100多項AI能力，打造10餘項教育場景應用AI解決方案，覆蓋「教、學、測、練、評」各教學環節。目前，好未來還將多項AI能力產品化，並廣泛應用在內部多項業務中。