美國時(shí)間4月8日,第十屆ASU+GSV全球教育科技峰會(huì)在美國加州圣地亞哥召開。ASU+GSV
是由亞利桑那州立大學(xué)和全球硅谷(GSV)于2010年開始合作舉辦,通過規(guī)?;瘎?chuàng)新提升學(xué)習(xí)和職業(yè)成果,現(xiàn)如今已經(jīng)成為全美乃至世界高規(guī)格的教育科技盛會(huì)。
松鼠AI松鼠AI創(chuàng)始人栗浩洋受邀參加今年ASU+GSV峰會(huì),與新東方創(chuàng)始人俞敏洪、扎克伯格-陳計(jì)劃基金創(chuàng)始人普莉希拉·陳等在內(nèi)的4500余名全球科教從業(yè)人士暢談科教創(chuàng)新。同時(shí),松鼠AI團(tuán)隊(duì)也在峰會(huì)期間組織了兩場研討會(huì),和ASU+GSV與會(huì)者深入探討了AI+教育的行業(yè)發(fā)展和未來創(chuàng)新。
人工智能教育標(biāo)準(zhǔn)化
第一個(gè)研討會(huì)是圍繞電汽和電子工程師協(xié)會(huì)IEEE的自適應(yīng)教學(xué)系統(tǒng),討論人工智能在教育中的標(biāo)準(zhǔn)化機(jī)會(huì)。
參與討論的嘉賓包括;
Richard Tong,松鼠AI首席架構(gòu)師;
Bob Sottilare, IEEE智適應(yīng)教學(xué)系統(tǒng)工作組主席(Chair of IEEE AIS Workgroup, Science Director, Intelligent Training at Soar Tech);
Avron Barr, IEEE學(xué)習(xí)技術(shù)標(biāo)準(zhǔn)委員會(huì)現(xiàn)任主席(Chair of IEEE Learning Technology Standards Committee);
Robby Robson, IEEE 標(biāo)準(zhǔn)協(xié)會(huì)董事會(huì)成員,前IEEE智適應(yīng)教學(xué)系統(tǒng)工作組主席(Member of Board of Governors, IEEE Standards Association (IEEE-SA))
在該演講討論中,四位演講人分別介紹和討論與IEEE 相關(guān)的自適應(yīng)指令系統(tǒng)設(shè)計(jì)、標(biāo)準(zhǔn)化和實(shí)施最佳實(shí)踐的現(xiàn)狀,探索標(biāo)準(zhǔn)化所用組件和流程的機(jī)會(huì)在應(yīng)用AI的教育系統(tǒng)中,包括AI自適應(yīng)學(xué)習(xí)技術(shù),基于AI的推薦引擎,以及使用機(jī)器學(xué)習(xí)來模擬學(xué)生交互和偏好以改善學(xué)習(xí)成果的系統(tǒng)。
Richard Tong:AI重新定義教育行業(yè)
作為開場嘉賓,松鼠AI首席架構(gòu)師Richard Tong的演講圍繞在教育領(lǐng)域應(yīng)用人工智能的意義和影響。
松鼠AI首席架構(gòu)師Richard Tong發(fā)表技術(shù)演講
Richard認(rèn)為,教育技術(shù)對(duì)行業(yè)主要帶來了四個(gè)技術(shù)層面的影響:
替代,像黑板到白板的轉(zhuǎn)變;增強(qiáng),一種技術(shù)來替代已經(jīng)存在的東西;修改,擁有那些學(xué)習(xí)路徑,比如行為或基于項(xiàng)目的學(xué)習(xí)。重新定義。
Richard進(jìn)一步解釋道,“我們認(rèn)為人工智能將要做的就是我們所說的重新定義階段,重新定義意味著我們實(shí)際上正在圍繞教育的方式進(jìn)行范式轉(zhuǎn)換,整個(gè)過程本身實(shí)際上發(fā)生了變化。因此,我們不是基于工廠化流水線的學(xué)習(xí)模型,而是談?wù)摽梢哉嬲龜U(kuò)展的個(gè)性化模型,我們?cè)诠ぷ髦锌吹搅薃I對(duì)于教育的意義,這就是為什么我們帶來標(biāo)準(zhǔn)化的全部承諾。”
Richard認(rèn)為,實(shí)現(xiàn)成功的AI需要四個(gè)元素:商業(yè)模式、專業(yè)知識(shí)、數(shù)據(jù)、計(jì)算。計(jì)算能力是一個(gè)廣泛的概念,不僅體現(xiàn)在GPU的數(shù)量和多少云服務(wù),還有體現(xiàn)在堆棧、以及背后的基本計(jì)算設(shè)施。
Robby Robson:為什么要標(biāo)準(zhǔn)化自適應(yīng)教學(xué)系統(tǒng)(AIS)?
IEEE 標(biāo)準(zhǔn)協(xié)會(huì)董事會(huì)成員、前IEEE智適應(yīng)教學(xué)系統(tǒng)工作組主席Robby Robson的演講圍繞自適應(yīng)教學(xué)系統(tǒng)標(biāo)準(zhǔn)化的意義和影響。
Robby提出,實(shí)現(xiàn)標(biāo)準(zhǔn)化有三個(gè)重要原因:
降低供應(yīng)鏈中的摩擦。從商業(yè)角度來看,標(biāo)準(zhǔn)的作用是真正降低了消費(fèi)者的成本,增加生產(chǎn)者的創(chuàng)新。一切的創(chuàng)新和范式轉(zhuǎn)變,都可以先從標(biāo)準(zhǔn)化入手起步。有利于行業(yè)更好地識(shí)別技術(shù)質(zhì)量。由于人工智能熱度過高,這個(gè)詞目前已經(jīng)成為一種變相的營銷術(shù)語。Bob Sottilare批評(píng)了許多市面上夸大人工智能作用的教育公司,認(rèn)為他們只是把AI當(dāng)成了內(nèi)容營銷工具。為研究和分析提供基準(zhǔn)線。
Robby也簡單介紹了IEEE的背景。作為一個(gè)龐大的全球機(jī)構(gòu),IEEE擁有超過45萬會(huì)員,旗下分不同類別學(xué)科的協(xié)會(huì)。Robson所在的IEEE標(biāo)準(zhǔn)協(xié)會(huì),是一個(gè)由7000多會(huì)員和300多個(gè)企業(yè)會(huì)員組成的全球機(jī)構(gòu),關(guān)心行業(yè)共識(shí)標(biāo)準(zhǔn),關(guān)注行業(yè)采用和市場相關(guān)性,提供相應(yīng)的法律和道德保護(hù)。
Avron Barr:AI的關(guān)鍵在于數(shù)據(jù)重組與整合
IEEE學(xué)習(xí)技術(shù)標(biāo)準(zhǔn)委員會(huì)現(xiàn)任主席Avron Barr的演講圍繞自適應(yīng)教學(xué)系統(tǒng)的數(shù)據(jù)。“市場必須調(diào)整自身以使適應(yīng)性教學(xué)系統(tǒng)和其他AI增強(qiáng)型產(chǎn)品在經(jīng)濟(jì)上可行,而關(guān)鍵問題是:所有這些AI系統(tǒng)需要的數(shù)據(jù)在哪里?”
為了支撐一個(gè)開放的、基于AI的生態(tài)系統(tǒng),整個(gè)社會(huì)必須建立一個(gè)新的基礎(chǔ)設(shè)施,重新收集、共享、整合數(shù)據(jù)。這些數(shù)據(jù)主要來自五個(gè)方面:身份管理(個(gè)人信息)、歷史(過去做過什么,想要做什么)、資格(能力)、活動(dòng)數(shù)據(jù)(比如社交媒體上的信息,地緣信息等等)、還有內(nèi)容。相關(guān)的數(shù)據(jù)擁有機(jī)構(gòu),比如學(xué)校、政府、學(xué)區(qū)、企業(yè),都需要參與進(jìn)來,分享他們的數(shù)據(jù),形成一個(gè)規(guī)模龐大的數(shù)據(jù)庫。
Avron介紹說,學(xué)習(xí)技術(shù)標(biāo)準(zhǔn)委員會(huì)參與了許多標(biāo)準(zhǔn)化制定和討論,其中包括SCORM(共享式內(nèi)容對(duì)象參考模型)的十年更新、xAPI 2.0、學(xué)生數(shù)據(jù)治理、聯(lián)邦機(jī)器學(xué)習(xí)等等。
Bob Sottilare:自適應(yīng)系統(tǒng)的標(biāo)準(zhǔn)和建議實(shí)踐
自適應(yīng)系統(tǒng)是基于計(jì)算機(jī)的程序,通過在領(lǐng)域?qū)W習(xí)目標(biāo)的背景下根據(jù)每個(gè)學(xué)習(xí)者或團(tuán)隊(duì)的目標(biāo)、需求和偏好定制教學(xué)和推薦來指導(dǎo)學(xué)習(xí)體驗(yàn),包括智能輔導(dǎo)系統(tǒng),智能導(dǎo)師,智能媒體。
作為IEEE智適應(yīng)教學(xué)系統(tǒng)工作組主席,Bob歡迎教育從業(yè)人士加入到他的工作:發(fā)展概念方法,制定互操作性標(biāo)準(zhǔn),給與教育者推薦實(shí)踐方法。
在研討會(huì)上,Richard Tong也介紹了今年一些關(guān)于人工智能和教育的相關(guān)活動(dòng)和會(huì)議:
ICICLE 2019, 全稱為2019 ICICLE Conference on Learning Engineering,大會(huì)將于5月20日-5月23日在弗吉尼亞的艾靈頓舉辦。該大會(huì)主要討論學(xué)習(xí)工程,并對(duì)學(xué)習(xí)、知識(shí)對(duì)學(xué)習(xí)經(jīng)驗(yàn)的設(shè)計(jì)、學(xué)習(xí)條件以及支持技術(shù)進(jìn)行深入探討,并探索新興學(xué)習(xí)工程如何解決隱私與個(gè)性化問題。
AIAED 2019,全稱為2019 Artificial Intelligence + Adaptive Education (AIAED),大會(huì)將于今年5月24日和25日在北京召開。這個(gè)為學(xué)術(shù)研究人員和行業(yè)領(lǐng)導(dǎo)者舉辦的國際論壇,討論應(yīng)用于下一代教育的人工智能等重要技術(shù)以及這些技術(shù)如何影響人類自適應(yīng)學(xué)習(xí)。
AIED 2019, 全稱為International Conference on Artificial Intelligence in Education,大會(huì)將于6月25日至29日在芝加哥舉辦。本次大會(huì)的主題是“二十一世紀(jì)全民教育”,討論如何使用人工智能和先進(jìn)技術(shù)幫助實(shí)現(xiàn)全民平等教育。
IJCAI 2019的研討會(huì):基于人工智能的多模態(tài)分析,用于在現(xiàn)實(shí)世界教育環(huán)境研討會(huì)中理解人類學(xué)習(xí)。
基于知識(shí)結(jié)構(gòu)的自適應(yīng)學(xué)習(xí)系統(tǒng)
第二個(gè)研討會(huì)的演講人是松鼠AI首席數(shù)據(jù)科學(xué)家Dan Bindman博士。
Bindman博士于2002年獲得加州大學(xué)爾灣分校數(shù)學(xué)行為科學(xué)研究所的博士學(xué)位。之后,他加入了美國在線自適應(yīng)學(xué)習(xí)的領(lǐng)先機(jī)構(gòu)ALEKS,專注于數(shù)學(xué)和化學(xué),并成為ALEKS數(shù)學(xué)產(chǎn)品的編輯主任和首席架構(gòu)師,2018年加入松鼠AI。
松鼠AI首席數(shù)據(jù)科學(xué)家Dan Bindman發(fā)表技術(shù)演講
Bindman博士帶來的演講主題是“理解基于知識(shí)結(jié)構(gòu)的自適應(yīng)學(xué)習(xí)系統(tǒng)的優(yōu)缺點(diǎn),以及解決這些弱點(diǎn)的新方法”。他的演講可以分成兩個(gè)部分:
首先,基于知識(shí)結(jié)構(gòu)的自適應(yīng)學(xué)習(xí)模型有哪些優(yōu)缺點(diǎn),并闡述了包括知識(shí)點(diǎn)結(jié)構(gòu)、知識(shí)點(diǎn)狀態(tài)和它們之間的區(qū)別以及知識(shí)點(diǎn)結(jié)構(gòu)中的邏輯連接等;
其次,著重介紹了Bindman博士研發(fā)的PKS優(yōu)化模型,該模型由多層學(xué)生能力組構(gòu)成,包含超過20000個(gè)模型參數(shù)的PKS模型,可以準(zhǔn)確判斷學(xué)生個(gè)體和群體的實(shí)時(shí)學(xué)習(xí)情況并為他們量身定制適合每個(gè)學(xué)生的個(gè)性化學(xué)習(xí)內(nèi)容,可以解決此類系統(tǒng)的許多弱點(diǎn),同時(shí)保留其所有優(yōu)勢(shì)。
什么是知識(shí)結(jié)構(gòu)?
知識(shí)結(jié)構(gòu)本質(zhì)上是將課程中的問題聯(lián)系起來。例如,一門典型的代數(shù)課程可能包含500到1000個(gè)問題(也就是俗稱的“知識(shí)點(diǎn)”)。一個(gè)問題可能是“解決某個(gè)方程”,另一個(gè)問題可能是“計(jì)算某個(gè)斜率”。
彼此高度相關(guān)的問題可以聯(lián)系在一起,在這門課程中將這些問題全部連接在一起,就會(huì)形成一個(gè)知識(shí)結(jié)構(gòu),這對(duì)有效評(píng)估學(xué)生知識(shí)和學(xué)習(xí)能力起到關(guān)鍵作用。
什么是知識(shí)狀態(tài)?
學(xué)生知識(shí)狀態(tài)可以表示成一個(gè)向量,代表學(xué)生對(duì)課程中所有問題的知識(shí)或掌握。值得注意的是,學(xué)生掌握知識(shí)的狀態(tài)對(duì)于所有問題而言都是二元(二進(jìn)制)的,即“已知”或“未知”,或者可以看成“1”或者“0”。
比如,一門課程包含1000個(gè)問題,學(xué)生掌握知識(shí)的程度通過向量可以表達(dá)為 {0,1,1,……,1,1}。
知識(shí)狀態(tài)和知識(shí)結(jié)構(gòu)什么關(guān)系?
這取決于不同問題之間是否有聯(lián)系,Bindman博士列舉了兩種極端的可能性:“完全無聯(lián)系”或者“全部互相聯(lián)系。”
假設(shè)一門課程中有3個(gè)問題,如果它們之間完全沒有關(guān)系,那么一個(gè)學(xué)生掌握這些問題的可能性是“3的二次方”,也就是8種(從{0,0,0}, {0,0,1}...{1,1,1})。
可如果這三個(gè)問題之間是互相聯(lián)系、難度遞增的關(guān)系,那意味著學(xué)生只要掌握難度高的問題,那難度相對(duì)低的問題也就不在話下了,他的知識(shí)狀態(tài)就可以減少到4種({0,0,0}, {1,0,0}, {1,1,0}, {1,1,1})。
這樣依次類推:問題的聯(lián)系越多,知識(shí)狀態(tài)的可能性就越少;相反,問題之間毫無聯(lián)系,知識(shí)狀態(tài)的可能性就越多。
由此Bindman博士衍生出下一個(gè)問題:你需要問多少個(gè)問題才能獲悉學(xué)生的知識(shí)狀態(tài)?
結(jié)合之前得出的結(jié)論,如果問題之間毫無聯(lián)系,那你需要依次提問1000個(gè)問題才能知道答案;相反,如果問題之間互相聯(lián)系、難度遞增,那你只要問10個(gè)問題就可以了:先問第500個(gè),如果學(xué)生答對(duì)了,那就可以問更難的問題,問第750個(gè);如果回答不出,則往反方向去中間數(shù)提問即可。
那么如何將知識(shí)結(jié)構(gòu)用于自適應(yīng)學(xué)習(xí)?
結(jié)合Bindman博士之前的介紹,知識(shí)結(jié)構(gòu)將不同問題相聯(lián)系,學(xué)生只有具備一些必備知識(shí)才能學(xué)習(xí)特定的問題。同時(shí),知識(shí)結(jié)構(gòu)可以大大減少評(píng)估學(xué)生知識(shí)所需的問題數(shù)量。當(dāng)然這也會(huì)帶來問題:如果真正要評(píng)估學(xué)生的知識(shí)狀態(tài),知識(shí)結(jié)構(gòu)里必須包含大量的聯(lián)系。
聯(lián)系本身也分類別:邏輯聯(lián)系和經(jīng)驗(yàn)聯(lián)系。前者基于問題內(nèi)容的邏輯關(guān)系;后者基于問題之間概率數(shù)據(jù)的相關(guān)度,這是通過數(shù)據(jù)收集得到的結(jié)論。比如,學(xué)會(huì)解答問題A的學(xué)生大概也懂如何解決問題B,這就是經(jīng)驗(yàn)聯(lián)系。
經(jīng)驗(yàn)聯(lián)系為什么重要?因?yàn)檫壿嬄?lián)系往往是稀疏數(shù)據(jù),你沒有足夠多的專家去做人工標(biāo)注。經(jīng)驗(yàn)聯(lián)系可以產(chǎn)生大量數(shù)據(jù),雖然這依然會(huì)產(chǎn)生問題,因?yàn)橛行┙?jīng)驗(yàn)聯(lián)系和課本教授知識(shí)的順序不一致。
另一個(gè)知識(shí)結(jié)構(gòu)帶來的挑戰(zhàn)來自于課程形式。如果學(xué)生靠猜答對(duì)了許多問題,那么基于知識(shí)結(jié)構(gòu)的評(píng)估就會(huì)出現(xiàn)誤差。相對(duì)而言,知識(shí)結(jié)構(gòu)適用于需要填空的數(shù)學(xué)、化學(xué)、物理等課程;反之,不適用于語文或英語這種有大量選擇題的過程。
最后一個(gè)挑戰(zhàn)來自知識(shí)結(jié)構(gòu)本身的特質(zhì)。掌握知識(shí)并不絕對(duì)是一個(gè)二進(jìn)制問題,有些知識(shí)你掌握了80%或者60%就能解題,這個(gè)時(shí)候知識(shí)結(jié)構(gòu)就無法精確評(píng)估你到底是不是掌握了知識(shí)點(diǎn)。
綜上,Bindman博士得出以下結(jié)論:在自適應(yīng)學(xué)習(xí)領(lǐng)域,知識(shí)結(jié)構(gòu)可以是一個(gè)非常強(qiáng)大的工具, 但仍需處理許多困難:
要有足夠多的聯(lián)系來對(duì)學(xué)生知識(shí)進(jìn)行有效的評(píng)估,對(duì)特定人群需要收集大量的數(shù)據(jù);對(duì)部分用戶而言,這些數(shù)據(jù)庫的經(jīng)驗(yàn)聯(lián)系可能很有問題,因?yàn)樗膶W(xué)習(xí)流程和學(xué)生自身以及教科書上教授的順序完全不同; 知識(shí)結(jié)構(gòu)不適用于多選題,這基本上排除了許多課程;最后,知識(shí)結(jié)構(gòu)在預(yù)測(cè)方案上能力有限,知識(shí)和聯(lián)系都是二進(jìn)制, 沒有中間地帶。
為了解決以上這些問題,Bindman博士提出了他自己設(shè)計(jì)的模型:PKS。
什么是PKS?
PKS,全稱Probablitistic Knowledge State,即概率知識(shí)狀態(tài)。相比于之前的二進(jìn)制“1”或者“0”來表達(dá),Bindman博士提出,用學(xué)生在某個(gè)特定時(shí)間正確回答每個(gè)問題的概率來表達(dá)學(xué)生的知識(shí)狀態(tài),比如:{0.29, 0.87, 0.63, 0.74……}。
任何時(shí)候任何學(xué)生的PKS完全由學(xué)生在“知識(shí)通道”上的能力決定。知識(shí)通道是模型在擬合時(shí)創(chuàng)建的純數(shù)學(xué)結(jié)構(gòu),Bindman博士表示他不知道它們代表什么,但在擬合之后,可以通過查看針對(duì)一個(gè)問題哪些通過最重要哪些渠道不重要,給研究員帶來一些啟示。
Bindman博士說,知識(shí)通道是一個(gè)黑盒(Black Box),即你不知道它內(nèi)部是怎么運(yùn)行的,在某種意義上它類似于主成分分析(principal component analysis)。
PKS由三個(gè)變量決定:學(xué)生在規(guī)定時(shí)間t的回答問題的能力A(t);問題的權(quán)重W(q),即這個(gè)問題在這個(gè)知識(shí)通道的關(guān)聯(lián)度;以及問題的中心C(q),可以理解成是偏差(Bias)。PKS的值是PKS(q) = Φ[A(t)⋅W(q)+C(q))],其中“Φ”是正態(tài)累積分布函數(shù),“⋅” 是矢量點(diǎn)積。
通過這個(gè)方法,你可以在任何時(shí)間將這個(gè)公式用到所有問題上,在時(shí)間t內(nèi)并行應(yīng)用于這個(gè)等式,以便隨時(shí)獲得所有問題的完整PKS。
使用PKS的另一個(gè)好處是充分利用學(xué)生的學(xué)習(xí)歷史。當(dāng)學(xué)生開始課程時(shí),所有的能力都從零開始;伴隨著學(xué)生的不斷學(xué)習(xí),模型將通過學(xué)習(xí)歷史調(diào)整模型中的參數(shù),然后更精確地評(píng)估學(xué)生能力。
據(jù)Bindman博士介紹,松鼠AI已經(jīng)開始將PKS模型應(yīng)用在中學(xué)數(shù)學(xué)產(chǎn)品上。
- 蜜度索驥:以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 比亞迪第五代DM技術(shù)問世,首搭秦L/海豹06 DM-i,開創(chuàng)油耗2時(shí)代!
- 小紅書沉帖降權(quán)怎么做,有效方法大盤點(diǎn)!
- 亞洲時(shí)刻京東送上電視好禮 以舊換新一體化服務(wù)讓低價(jià)更靠譜
- 互聯(lián)網(wǎng)營銷師和全媒體運(yùn)營師的區(qū)別?
- 聯(lián)想集團(tuán)車計(jì)算“超級(jí)大腦”概念機(jī)亮相
- 華策影視設(shè)立專項(xiàng)基金成立AIGC應(yīng)用研究院
- 三部委審批,聯(lián)合發(fā)布9個(gè)新職業(yè),“互聯(lián)網(wǎng)營銷師”上榜
- 互聯(lián)網(wǎng)營銷師的報(bào)考條件是什么?
- 互聯(lián)網(wǎng)營銷師的適合人群有哪些?
- 互聯(lián)網(wǎng)營銷師行業(yè)前景怎么樣?
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。