松鼠AI亮相ASU+GSV，深入研討AI+教育行業(yè)發(fā)展

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。

生成海報(bào)

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。