編者按：7月12日-7月14日，2019第四屆全球人工智慧與機器人峰會（CCF-GAIR 2019）於深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網(公眾號：雷鋒網)、香港中文大學（深圳）承辦，深圳市人工智慧與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智慧領域極具實力的跨界交流合作平臺。
7月12日，乂學教育-松鼠AI聯合創始人、首席科學家崔煒博士為 CCF-GAIR 2019 主會場「中國人工智慧四十年專場」做了題為《如何用人工智慧帶來學習效率的革命》精彩演講。
乂學教育-松鼠AI聯合創始人、首席科學家崔煒博士
以下為崔煒博士的演講內容全文，雷鋒網做了不改變原意的編輯與整理。
大家下午好！我是崔煒，來自上海乂學教育科技有限公司，我們做的產品叫做松鼠AI。今天來跟大家分享一下過去4年多時間裡，我們的人工智慧技術在教育這個垂直行業的實踐和經驗。
教育是大家普遍所關心的問題，媽媽們聊天的時候最核心的話題就是孩子的教育，尤其是怎麼提升孩子的學習效率，讓他的學習更高效、成績更好。
傳統教育的困境
一是教育資源分配不均。在北上廣深這些一線地區，如果想為孩子提供一個高質量的教育，很多人都會購買學區房。因為有了學區房，孩子就能上到一個高質量的學校，如果孩子想接受高質量的課外輔導，還要找一個一對一輔導老師，當然輔導費用也不低。
而且在現實中，老師的數量和學生的數量差距也是非常大的，名師的數量和好老師的數量是遠遠滿足不了學生個性化教育需求的。
二是千人一面的學習內容。現在大部分都是千人一面的教育，所有的學生都是藉助一種線性的學習方式，每個學生學習的知識點數量以及在不同的知識點上花的時間都是一樣的，但是每個孩子的學習情況都不同。
三是統一划齊的學習速速。我們大多數人面臨的是千人一面的教育，學習的內容是一樣的，並且學習的速率也都是整齊劃一的。事實上，每個孩子的學習速度都不同。
四是忽略了能力、思想和方法的培養。大多數的學校只是做知識的傳輸，並沒有培養孩子學習的方法。孩子學習的知識過段時間就會忘記，因此孩子需要自己掌握學習的能力，這樣才能不斷地提升。
AI+教育會帶來什麼？
從AlphaGo開始，人工智慧技術在不同的領域都取得了長足的進步，比如說在自然語言處理、計算機視覺、智慧城市等等方面，人工智慧技術能夠部分超越人類的能力。同時我們也相信人工智慧在教育上也能模擬一個優秀老師的豐富知識經驗和豐富的教學經驗，並且它不僅是學習一個人，它還是一個集大成者，因為機器存儲的數據量是很大的。
松鼠AI就是要解決個性化學習的問題，我們希望用AI和大數據的技術手段，幫助每個孩子，給他們帶來高質量、個性化的學習。松鼠AI是基於人工智慧自適應學習的技術，把過去千人一面的教育轉變成千人千面的教育。就像今日頭條給每個人推薦個性化的內容，我們也希望用AI技術實現因材施教，帶來個性化的教育。
松鼠AI希望能夠模擬上百名優秀老師的經驗，這樣就能夠針對不同學生的學習風格、學習的情況，給每個學生帶來他所喜歡和偏好的教學方式，並且給每個學生帶來最適合他的學習內容。
同時我們針對每個學生學習的速度和學習的能力，安排最合適的學習的時間，量身訂作他的個人學習解決方案。我們除了培養學生的知識獲取之外，同時還會在學習的過程中培養學生的思想、能力、方法，讓每位學生具備終身學習的能力，在AI時代不會被淘汰掉。
我們相信人工智慧給教育帶來的不僅僅是一個工具，給教育帶來的是讓個性化的教育規模化，讓因材施教普及化。
AI自適應學習
其實人工智慧跟教育的結合，通過人工智慧、大數據打造教學機器人，並不是最近幾年才有的事情。其實在19世紀20年代，美國的一位科學家Sideny Pressey就發明了世界上首個教學機器，學生在系統上能夠自我做題，並且獲得題目的解答信息。
在最近10年內，人工智慧教育技術才得到一個迅猛的發展，像深度學習在圖象識別領域的應用一樣，也是由於人工智慧算法的成熟和計算力的增強，以及大量數據的積累。教育行業也是由於這些類似的因素，導致了人工智慧在教育行業取得突飛猛進的發展。
在國外，已經有接近1億多的學生使用了人工智慧自適應學習的產品，並且有大量的數據研究有效證明了機器學習能給學生帶來很好的學習效果，包括節省了學習的時間，並且提升了他們的學習通過率。
人工智慧自適應學習的產品大概分為兩種：一是精準「診斷」，了解每個學生的學習狀況；二是高效「治療」，針對每個學生學習的情況定製高效的解決方案。
細化來說有四個方面，首先在學生學習之前做一個自適應的測試，通過動態的自適應測試，我們能夠發現學生的問題。然後，學生在我們的系統上完成學習，系統能夠實時採集到所有數據，形成學生畫像，實時評估學生的學習情況、能力水平。
有了學生畫像之後，我們系統就能夠給學生做一個量身訂作的學習解決方案。這個解決方案包括兩個方面，第一是給學生推薦最合適的學習內容，幫助定製個性化的學習內容。第二是個性化的學習路徑規劃，學生先學習哪些知識點，後學習哪些知識點，以什麼順序完成學習，以最大化提升學生的學習興趣，讓學生單位時間學習到的內容更多，能力提升更高。
AI的能力最主要是體現在幾個方面，第一是精準的知識漏洞的診斷。對一個真人老師來講，要做到精準的知識漏洞診斷，他必須是這個學科專家，必須有幾十年的豐富教學經驗，並且他還需要對這個學生非常了解，對學習的知識體系非常熟悉，才有可能發現這個學生的問題。
AI的技術應用在此，就是要模擬這個老師豐富的知識經驗。我們通過一個自適應的測試，能在學生的知識空間裡快速定位到學生的知識點漏洞在哪裡。知識點的數量是非常龐大的，就整個初中數學來講，我們把知識點進行拆分，可以拆分成3萬多個知識點。如果要找到他的薄弱知識點，問題在哪裡，過去傳統的做法是採用考試和複習的形式，在中考前有幾輪複習考試，高考前有幾輪複習考試，需要花一兩個月的時間，每個學生在一兩個月之後才能知道自己的問題在哪裡。但老師的時間、精力有限，他不能幫到所有的學生。
通過AI技術診斷學生的問題在哪裡，我們主要依靠的是資訊理論、貝葉斯理論、知識空間理論。比如說哪個特別難的知識點學生沒掌握，那說明這個學生後面的一些知識點也不會，通過知識點之間的關聯性，能夠快速在龐大的知識空間裡定位到每個學生的知識和狀態。
找到學生的知識漏洞後，每個學生的知識漏洞、薄弱點不一樣，我們的AI算法接下來會給每個學生定製他的學習路徑，學生學習的興趣不一樣，學習的知識點數量也不一樣。同時我們會給每個學生在每個知識點上安排最合適的內容，依據學生的不同能力水平，來分配學習的時間、學習內容的難度和做題的數量等等，這樣每個學生在系統裡都可以按照自己的節奏去學習，以前一個20小時的課程，今後學生可能只需要10小時就能完成。
松鼠AI智適應學習引擎架構
我們的智適應學習產品從2016年初上線到現在，已經有差不多4年的時間，主要覆蓋了從小學三年級到高中一年級的五門學科：語文、數學、化學、英語、物理。後面我們還會推出科學、歷史、政治、地理等學科。我們目前在全國400多個城市，已經有超過2000個合作校，幫助到了200多萬學生，能夠給他們帶來高質量個性化的學習。
這個智適應系統需要什麼樣的結構來實現這樣的功能呢？我們的系統是用AI引擎驅動的，主要包括5個模塊，分別是：智能推薦引擎、智能反饋系統、學習分析系統、多模塊綜合行為分析系統、虛擬助教。最核心的是智能推薦引擎，包括知識狀態的診斷、能力水平評測、動態學習時間、戰略放棄、追根溯源以及動態學習目標規劃。
我們的系統架構分為三層，我一般把這個架構比作大腦。第一層是學習情境，松鼠AI引擎本體，包含內容圖譜、學習圖譜、錯因分析本體以及動態學習目標。通過這些，我們能模擬一個特級老師豐富的知識經驗、完整的知識體系結構。第二層是核心的推薦引擎，包括學生畫像、學習記錄庫、用戶狀態的評估引擎、實時分類和預測、目標管理引擎、高級診斷和VPA引擎。第三塊是學習管理、系統的核心，相當於人大腦的耳鼻眼，跟用戶實時交互，包括監控預警系統、學習管理系統、採集系統等等。
在每一個功能裡面，我們都是採用了不同的算法，因為學習是一個比較複雜的過程，並且覆蓋了多個環節。松鼠AI引擎是完整地覆蓋了整個教學過程，也就是說在我們的系統裡不需要老師的幹預，學生可以通過這個系統自己完成學習的目標。
我們也採用了深度學習的技術，提升我們推薦的精準性。更重要的一點是，我們在整個學習過程中採用了動態學習目標管理，因為我們知道不同的學生，學習目標是完全不一樣的。對於學渣來說，60分已經是一個很好的目標，但是對學霸來說，90分可能都是不夠的。並且在這個過程中，學生也是在變化的，當學生學習成績提升之後，學習目標也會發生變化，所以在這過程中我們對他的學習目標是始終動態變化的。
學習目標變化包括兩個方面，第一是學習的知識點變化，對學渣來說，單位時間內學習的知識點數量會更少，對學霸來說，單位時間內學習知識點的數量是會更多的。第二是達標目標不同，對學渣來說，達標的知識點要更多，這才是有價值的。我們可以預測學生在學習後面的知識點上的掌握程度，可以預測接下來，單位時間內學習知識點的數量，可以預測學習這個知識點要花費所少時間，還可以預測在期末考試裡面能考多少分數。同時還有一個分類的預測，我們把不同的學生的學習情況進行分類，學生之間也能形成一個小的群體，能夠互幫互助。
知識點、思想、能力、方法拆分
除了有人工智慧算法的應用，在教育裡面跟算法同樣重要的是我們的學習內容。因為再好的算法，如果學習內容質量比較低的話，對學生也是一個災難性的後果。
所以我們有幾點措施，首先是學習的本體，我們對知識點的拆分做到非常精細，保證每個知識點都是最小顆粒度的，學習起來會更加高效，能夠精準定位到學生不會的點在哪裡，不會的原因在哪裡。
除了知識點的拆分，還構建了知識點的關聯性，不同的知識點存在邏輯關係或者是認知關係，就像老師一樣，有自己的方法，在教授這些知識之前，會把最基礎的知識點教授給學生，這些認知的關係、知識圖譜的關係，存在在老師的腦海裡面，我們採用了基於貝葉斯的知識圖譜構建了知識點之間的關聯性。
除了學習知識點之外，我們還做了思想、能力、方法的拆解。因為在未來信息爆炸的時代，學生具備了思想拆分的方法，即使學習的知識忘記了，學生也具備學習的能力，而且這種思想和方法在生活和工作中也是無處不在的。
此外，高質量的學習內容，針對每一個知識點，無論是思想、能力、方法，我們都匹配有不同類型的知識點講解的視頻，以通俗易懂、形式多樣的方式，拍出不同的視頻講解內容。我們的視頻也有適合不同學生的，比如說對學霸來說，我們會推薦難度比較高的視頻；對學渣來說，我們會推薦難度比較低一點的視頻。每一個知識點的講解視頻，大概只有1-7分鐘，根據不同的年級，視頻內容的時長也不一樣。
另外我們還有多輸入學習行為分析，剛才鄭宇博士也講到了，物聯網時代感應無處不在，我們也會通過一些外部的設備採集學生不同的學習情況。例如，通過攝像頭採集學生的眼球運動等動態數據，同時我們還會通過腦環採集學生的腦電波數據，採集多種來源的數據，分析學生在每一時刻的狀況，這一時刻學生是正在走神，還是非常專注，這樣可以更好地幫助這個學生，進行個性化的幹預。
老師在教學模式中，不需要親自去關注這個學生，通過我們給老師提供的教師系統，一個教師的儀錶盤，可以關注到每個學生此刻在學什麼知識點，做什麼題目，這個學生的專注程度如何。教學系統還預備預警的功能，可以提醒老師，這個學生需要關注一下，那個學生需要輔導一下。同時我們的系統為了給學生帶來更好的學習體驗，我們開發了一個人機對話系統，能夠讓學生更好地跟系統進行人機互動，這是我們正在研發的一項功能。
機器教學，老師育人
松鼠AI的智能到了什麼程度？我們請美國的一家機構給松鼠AI做了驗證。我們做了一個實驗組和一個對照組，實驗組是按照我們的方式來做，對照組是按照傳統的授課方式，一個老師帶幾十名學生。
我們通過前測和後測的試卷，保證考察的知識點範圍是一致的，對比前後測卷的考試的差異性，對比他們的學習效果如何，每次時間限定在一周之內，目的是為了讓影響學習過程的幹擾因素降低到最小，因為學習時間越長，幹擾因素越多，對最後的結果影響也會最大。
雖然我們在這四場的實驗裡都是有效證明了，我們比真人老師的教學效果是更好的，但是並不代表我們的系統是一個能夠完全取代老師的系統，是更好的系統。
在我們的教學模式裡希望每個學生能夠提升效率，並且也能幫助老師減負，讓教育變得更加公平。所以我們以機器為輔變成以學生為中心，回歸到因材施教，把教育拆分為教學和育人，教學由機器來做，因為機器的存儲量大計算量大，可以清楚了解每一位學生的學習情況，並且永久記錄下來，這一點能夠做到比所有的真人老師更加清楚了解每位學生的學習情況。
機器是沒有溫度的，但育人是有溫度的，這些事情可以由真人老師來做。真人老師過去需要備課、授課、批改作業，我們可以把老師從這些工作中解放出來，讓老師做更有價值的事情，跟學生溝通、交流，培養學生的創造力、想像力和終身學習能力，這是未來每個孩子應該具備的能力。
我們的系統也在不斷地迭代和優化，我們會分析我們的數據，然後找出我們系統的問題所在，不斷地優化迭代我們的產品。同時我們也在跟世界上頂尖的人工智慧機構合作，去年底我們聘請了美國卡內基梅隆大學的計算機學院院長、機器學習教父 Tom Mitchel 教授作為我們的首席人工智慧科學家。此外，我們跟CMU聯合成立了一個大規模個性化學習教育的聯合實驗室，我們還和美國斯坦福國際研究院成立了AI自適應學習的研究室。
我們在其它一系列的學術會議上受邀做分享以及在我們自己舉辦的一些活動分享上，主要是針對人工智慧在教育中的應用，也希望全球對人工智慧教育感興趣的專家能夠和我們一起來做這件事情，讓教育變得更好，讓我們這個社會變得更好。
謝謝大家。（雷鋒網）
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。