美AI教育高峰對話：在教育領域應用機器學習意味著什麼？面臨哪些現實問題？
機器學習現在很熱，而且只會越來越熱。
這兩年，這兩年，人們對構建機器自主「學習」、改進技術操作的複雜演算法非常感興趣，稱其為 「人工智慧」，或者更好的「機器學習」。
然而，這樣的工作實際上已經持續了幾十年。
比如說，人工智慧進步協會(Association for The Advancement of Artificial Intelligence)早在1979年就已成立。一些人甚至把關於人工智慧的想法追溯到希臘人，或者至少追溯到20世紀40年代可編程數字計算機的早期階段。
近來，Bloomberg Beta機構的投資者Shivon Zilis在下一盤很大的棋。他想把機器學習應用到各行各業，當然，教育行業也被他盯上了。
不過，一些技術專家總在擔心危險的存在。正如《紐約客》所寫的那樣，埃隆·馬斯克(Elon Musk)關於AI的預測一直都是人類會走向世界末日。而據《大西洋月刊》報道，就在上周，悲觀派代表人物馬斯克與樂觀派代表人物馬克?扎克伯格(Mark Zuckerberg)懟上了。
儘管如此，投資者仍然忙著攻城略地: 就在上周，利用機器學習演算法向4500萬學生教授英語的英語流利說C輪融資近億美元，以推進其工作。
在教育領域應用機器學習意味著什麼呢？
7月下旬，EdSurge在舊金山組織召開了一次聚會。與會者包括亞當·布盧姆(CEO of OpenEd)、Armen Pischdotchian(IBM沃森的學術兼技術顧問)、Kathy Benemann（CEO of EruditeAI）,以及Kirill Kireyev（instaGrok的創始人，TextGenome和GYANT的技術主管）。
以下是對這場AI教育界頂尖專家對話的部分摘錄:
Q:人工智慧已經承諾要改變幾代人的教育。這還有多遠?現在出現什麼不同了嗎?
Pischdotchian: 如果你回想一下早年的教育模式，我們稱之為「工廠模式」，老師們對所有學生一視同仁。當然，這不是我們今天要討論的話題。像Chan Zuckerberg（Facebook馬克·扎克伯格之妻）領導的團體正在尋求徹底改革這種模式的方法。教育不能再按照工廠模式來做了。這不是可持續的。對於今天的孩子來說，認清楚未來工作的需求是什麼很重要。
Kireyev: 我們可以看到目前在線教育內容數據的爆炸式增長，數據幫助我們及時看到學生們正在做的事情，這比以前要快得多。例如，當孩子們從事Scratch（簡易編程）工作時，因為他們的操作是基於網路的，所以你可以看到他們是什麼時候開始觀看視頻，什麼時候停止。因此，你可以對他們的行為保持足夠的洞察力。透明的數據收集是非常有價值的。你可以直接使用智能設備來收集數據，這也是為什麼越來越多的人試圖使用人工智慧和機器學習來做事的原因。
Benemann:我們比以往任何時候都需要有更多的數據。對我們來說，數據比收入更珍貴。有了更好的數據，我們可以更好地訓練演算法。但要記住的重要一點是，人工智慧的創造者最終是人類。
Q:好的，我們已經聽到了教育內容數據的爆炸式增長，以及改變學校教育模式的必要性。還會發生什麼事呢?
Blum: 有兩大趨勢正在發生，我們這邊也是剛剛起步。第一，我們在和IMS Global Learning合作，而技術標準，如Caliper、xAPI（或Experience API）也是剛剛施行。第二，教育領域沒有長期的數據。所以，如果你想將機器學習應用於教育，那麼必須使用另一種方法——強化學習。這樣儘管你沒有一百萬個數據記錄，也可以去探索教育領域。這也是谷歌Alpha Go提升圍棋技藝的方法。
Q:我們在教育中看到了哪些應用?現在已經在使用了嗎?
Pischdotchian: 這是一道在學習場景中如何發現痛點的問題。如果一個人的數學能力很強，那麼系統該如何將其識別出來，然後告訴老師，使其成為更合格的學生導師呢？IBM正在和芝麻街（一檔教孩子們讀書的兒童節目）合作，使其成為大學裡的機器學習發展平台。此外，面部識別技術也可以成為派上用場的「教師」：我們在麻省理工學院有一個活動，每個教室都裝有攝像頭（學生們也知道）。如果一個教授正在講課，他不需要再抬頭數一數多少學生在睡覺，面部識別技術已經可以識別出學生的情緒（如無聊、走神），然後系統向教授發送相關信息。
一份來自Shivon Zillis的機器智能3.0狀態的調查
Q:這是否表明，沒有人工智慧，市場上的「自適應」技術並不是真正的自適應?
Benemann: 自適應技術屬於這一領域。有些教育工具是自適應的，但他們自稱是「人工智慧」(不過，我們有自己判別的辦法)。
Kireyev: Instagrok是一個視覺搜索引擎。我們使用機器學習來識別重要的事實、概念，然後讓學生自適應學習。學生可以重新合成、組織知識。TextGeonome是另一個項目。我們正在建設一個基礎設施來做深入的基於人為操作的辭彙開發。我們考慮的問題是:根據學生的年級水平，他們接下來需要學習哪些單詞呢?
Blum: 在參加ACT(美國高考)的過程中，我們關注的問題是:如果確定了學習的差距，什麼是幫助學生學習的最好的教學材料?除了提供教學材料，我們還想提供最好的教學資源。這一切都需要機器學習來精準地定位。在學習的某些領域，如果不使用機器學習預測模型，學生就可能錯過進入大學的機會。
Q:當「人工智慧」這樣的詞成為銷售產品的標籤時，人們反而會感到擔憂。假設我是一名教師，一家技術公司對我說「我的數學教學工具是AI支持的」，我該問什麼呢?
Blum: 這個問題和解釋能力有關。如果對方打AI標籤，那麼作為受眾，我想知道更多:所謂的AI支持，說的是有監督系統呢?還是自然語言處理?如果對方只會說「AI」，沒有別的，那就沒太多可信度了。當對方使用AI標籤時，這就是一個談話邀請，可以讓他們談論一下他們背後的技術是什麼。
Benemann: 供應商應該討論學生應用的結果和老師的實踐，不要只談人工智慧。最好到某個地區，對產品使用者做一個案例研究，比較出AI教學工具提高了多少課堂效率，又減少了多少被浪費的時間。
Q:在保護學生數據隱私和安全的同時，如何滿足人工智慧工具的需求?
Blum: 我們正處在一個沒有PII(personally identifiable information：個人可識別信息)的位置。如果你獲得了足夠的信息，那麼有可能解析出某個人是誰。因此，我們需要行業標準。在隱私方面需要更好的標準，如果他們遵循這個標準，就沒有人會被起訴。
Benemann: 我們需要思考這樣一個問題，誰會擁有數據？看看保健市場。這是一個零碎的市場，但是也能看出一種趨勢，患者越來越多地擁有數據。我想我們也可以由學生掌握數據，由他們（學生和其父母）來決定學校是否可以訪問。
Q：工作被AI替代是許多人都擔心的問題，這對教師和其他職業有何影響?
Kireyev: 我看到教師的角色在發生奇妙的變化。他們逐漸成為領導者、指導者，這種感覺是很新奇的。越來越多的教師可以更深入地和孩子們一起學習，而不僅僅是解釋方程是如何被解出來的。
Blum: 職業教育方面，我們需要多一些前瞻性的思考：10年內成為卡車司機意味著什麼?如何影響供應鏈?我們需要努力使職業教育變得更好。
Pischdotchian: 這就是為什麼STEAM (科學、技術、工程、藝術和數學)取代了STEM。右腦掌管的藝術、創造力、心理識別能力日漸重要。心理學、歷史、辯論、幽默和戲劇，這些方面不是人工智慧所擅長的，至少在我們有生之年是這樣的。
AI最擅長取代重複性、簡單的工作。對我們來說，做重複性、簡單的事情容易，對事情深入思考很難。但是怎麼辦呢？成長與舒適是無法共存的。
參考：EDSurge
智能觀編譯整理
推薦閱讀：