2018好未來 AI 訓練營完美落幕：一大波「AI+教育」人才正在靠近！

「隨著科技的快速推進，傳統教育方式在某些層面已經很難賦予我們適應未來的能力。」好未來AI Lab 負責人楊松帆在2018年好未來 TAIL CAMP訓練營上向學員們分享了他對教育行業的看法。在他眼裡，隨著科技發展速度不斷加快，現今遇到的許多問題都沒有先例，因此我們需要具備藉助現有知識解決未知問題的能力。

教育問題是一個源頭問題，它能夠不斷地產生複利，當更好的教育資源提供給教育的接受者，他們便能更好的生活，並且為社會提供更大價值。這樣的良性循環過程無比重要。

好未來AI Lab負責人楊松帆在TAIL CAMP開營儀式發表演講

三大主題，1700人報名，8.5%的錄取率

作為當下最為熱門的技術，人工智慧已經在互聯網金融、自動駕駛、電商等多個行業推出方向明確的應用，但教育領域卻沒有對其足夠重視。在楊松帆看來，這正是 AI+教育的機會所在。

因此，挖掘和培養有夢想的高潛科技人才，是好未來AI Lab一直思考和探索的AI戰略之一，而TAIL CAMP正是實現這一戰略的重要途徑之一。基於好未來AI Lab在「AI+教育」方面的探索，這次的訓練營聚焦於圖像識別、自然語言處理和數據挖掘三個方向，吸引了來自卡耐基梅隆、帝國理工、哥倫比亞、清華、北大等海內外80多所高校，共計1700多名學生報名。

作為數據挖掘訓練營的帶班導師，好未來人工智慧實驗室演算法科學家黃立東為學員們設計了與眾不同的筆試題：數據挖掘方向的筆試題並沒有考數據挖掘！在他看來，不管數據挖掘的演算法多麼「高大上」，最終還需要一行行的代碼將其付諸實踐。兩周的時間或許足夠學員理解一個機器學習演算法，但是有一個良好的編程思維模式需要的時間遠不止這些。所以在筆試部分，他著重考察了候選人的通用編程能力。

最終150名學員提交在線作業後成功入選訓練營，錄取率為8.5%，這幾乎是美國常青藤學校的錄取比例。

全英文閱讀，實戰演練，兩周386份作業

在為期兩周的訓練中，好未來AI Lab負責人楊松帆和清華大學教授李國良等多位一線業界大咖悉心指導，幫助學員們利用訓練營提供的在線數據分析工具，結合多個工業界開源數據集和TensorFlow/Keras/Caffe等深度學習框架，完成了多個准工業界問題的探索項目。

清華大學計算機系教授李國良

從第一天開始，學員們就不敢有絲毫鬆懈。尤其是剛開營的第一周時間裡，許多同學一方面要熟悉平台和語言，另一方面要抓緊時間搭建項目，調整模型和方法。訓練營的導師、志願者和班主任都盡心儘力幫助學員們跟上進度。

「記得第一周截止的前一天晚上，班主任還打電話問我項目的情況。有一天晚上訓練遇到問題時，工程師凌晨1點鐘還在群里給大家答疑。」圖像識別訓練營的「優秀學員」陳汐對訓練營貼心的導師和工作人員讚不絕口。

為了讓學員們在兩周的時間裡充分吸取養分，好未來 AI Lab 的演算法科學家在設計訓練營的筆試、課程內容和課後作業時煞費苦心。作為 AI+教育的嘗鮮者，他們比其他人更加深刻地認識到，除了寫專利，發論文等在AI基礎技術上的持續推進，AI＋教育人才最重要的能力之一就是解決技術在落地過程中遇到的各種難點問題。

為了培養學員與國際接軌的意識，黃立東導師特意準備了全英文的閱讀資料。在設計課程內容時，他的出發點是希望大家對一個「小」的問題有足夠多的認識，除了理解經典的推薦演算法，更要了解數據挖掘的整個思路。

「數據挖掘並不是運行一個黑盒的程序，需要我們對數據本身有足夠多的了解，理解每個演算法的優勢和劣勢，了解如何去客觀的評價每個演算法，以及當演算法效果不好的時候，知道去如何改進和提高。」黃立東說。

訓練營的學員們學習熱情超乎了想像。他們放棄寒假的休息時間，積极參与到與導師、助教和同學的互動討論之中。結課時，150名學員一共提交了386份作業，訓練營畢業率93.7%，並有多位學員申請了好未來 AI Lab 的實習機會，希望繼續自己的 AI+教育之路。

跨界學習， 迎難而上，數據小白的進階之路

好未來人工智慧實驗室演算法科學家張無名全程參與了圖像識別訓練營的輔導交流。

圖像處理技術是過去五年里發展最為快速的方向之一，張無名本以為，學員們應該有比較好的圖像處理和演算法基礎，並熟悉現有的一些經典深度學習演算法。

但讓他意外的是，有相當比例的學員並非深度學習或圖像處理科班出身。他們出於興趣自主學習，基於自身的跨界學習能力順利通過筆試併入選訓練營，最終取得不錯的成績甚至獲得了進入好未來 AI Lab 實習的機會。

此前毫無相關背景的王澤群就是這樣一位「小白」學員。本科是能源動力專業的他現在是一名高中數學老師，報名參加了自然語言處理訓練營。為了不落下功課，他每天學習15個小時，整整堅持了兩周。

通過助教的指導以及與同學們的交流分享，他迅速成長，成績從第一周的排名15上升到第二周的第3，他設計的自動評分作業可以完整覆蓋主流方法，甚至還了嘗試一些相對複雜的深度學習方法。

「收穫非常多，從一個NLP小白，到能頗有深度給別人說一堆NLP的知識，我非常激動，感覺這兩周沒日沒夜昏天黑地是值得的。」王澤群說。這次超出預期的訓練營不僅讓他彌補了知識的空缺，更給了他繼續往自然語言處理方向深造的信心和期待。

實戰演練，友好競爭，AI+教育的落地探索

TAIL CAMP為學員提供了一個短周期，高強度，強反饋的學習環境。訓練營沒有傳統的「教與學」的單線程教學，而是鼓勵學員從解決真實問題的角度，主動學習和探索不同的路徑和方案。通過這樣全方位立體式的學習環境， TAIL CAMP希望給學員傳遞這樣一種理念：只有主動的學習，才是有效的學習。

另一位自然語言處理訓練營的優秀學員陳文帆在第二周的作業中琢磨如何設計一款實用產品。他甚至聯繫到了自己的初中英語老師，想將自己在訓練營獲得的知識現學現用，為老師寫一個自動評分程序。跟老師溝通後他開始思考跨主題的模型、字數差異帶來的影響等實際問題。

「教育是人類的永恆話題，但現在的教育不管是內容還是形式有過時的地方，所以我真心認同

AI+教育是教育改革的機遇。」陳文帆覺得自己這兩周時間都跟打了雞血一樣，「TAIL CAMP 給我的2018開了個好頭」。

在結營儀式的分享環節，被學員們提得最多的一個關鍵詞就是「分享」。「有些看似基礎的分類問題背後也包含了很多技巧。記得群里有同學分享了用不同激活函數和初始化得到的訓練結果，也有同學使用遷移學習優化訓練，大家的各種方法在交流中取長補短。」作為群里的活躍分子，學員陳汐真誠的表達了訓練營這個互相幫助、共同進步大集體的看法。

好未來人工智慧實驗室科學家陳飛對這次訓練營的形式和成果感到非常振奮：「我們能讓更多的人了解『AI+教育是怎麼回事，改變大家認為教育離 AI很遠的認知，進而引入AI人才，改善AI人才都往純技術領域扎堆的情況。 」

2月13日是農曆臘月二十八，也是2018 TAIL CAMP 實戰訓練營閉幕的日子。訓練營為學員們頒發了「優秀作業」、「優秀學員」、「小蜜蜂」和「優秀志願者」等獎項，同時為收到實習 offer 的學員送上了定製的賀卡和禮物。部分優秀學員代表在直播中分享了自己的所感所想。

「這次訓練營跟我的想像完全不一樣。」獲得「優秀學員」稱號的學員陳佳豪來自數據挖掘訓練營。他原本以為這只是換了個名字的培訓班，後來才發現這裡更像是一場競賽，並且潛伏著不少「大牛」人物。「有些小夥伴提到的思路真的是我從來沒有想到的，讓我感受到了交流和寫作的魅力，能結交這些朋友是我在訓練營的最大的收穫。」陳佳豪說。

訓練營結束了，但是好未來AI Lab 的人才培養之路仍在繼續。「好未來AI Lab打造TAIL

CAMP，以無償的方式給更多人學習提升的機會，並為工業界提供開展AI課題研究的第一手資料，我們認為這樣的文化更利於年輕的小夥伴們成長。」楊松帆介紹道，作為國內 AI+教育領域的領軍企業，好未來在人工智慧的人才拓荒上一直努力堅持，力爭吸引更多的優秀人才進入教育行業。

推薦閱讀：