AI在教育领域的应用有哪些，真正面临的问题是什么？

不用怀疑： 机器学习 现在越来越流行了。

过去两年内，人们对自动学习的算法和提高自己的学习体验愈发感兴趣，并称之为 人工智能 或是机器学习。其实人工智能已经诞生数十年了。（人工智能发展协会在1979年成立；有些人将该趋势回溯到古希腊，或者是早期可编程计算机早期发展的1940年代）。

最近，Bloomberg Beta的一位投资人Shivon Zilis一直在布局各行各业的机器学习，教育行业也是其中之一。 有些专家担心这样做会有风险。例如，亿隆马斯克一直提醒大家注意他的末日预测，正如《纽约人》写的那样，而他过去几周一直在和更乐观的马克扎克伯格待在一起。（《大西洋月刊》也有报道。）

毫无疑问，现在投资人都在追逐AI潮流，中国语言学习创业公司“流利说”——一家一直在用机器学习算法向全中国4500万人教授英语的公司，近期募集了1亿美金

为了探索教育领域机器学习的潜力，EdSurge上周在旧金山和Adam Blum (OnpenEd的CEO)，Armen Pischdotchian(IBM Watson的学术技术导师)，Kathy Benemann(EruditeAI的CEO)和Kirill Kireyev(instaGrok的创始人)安排了一次会面。Edsurge的Tony Wan主持了这次会面。下面是一些摘录对话：

EdSurge:人工智能在数十年来都被认为很有可能会改变教育，现在有多接近呢？又有什么不同？

Benemann： 现在是数据爆炸的年代。对于我们EruditeAI的人来说，数据比收入更重要。有了好的数据，我们也能够更好地调整算法。但是更重要的是，我们需要认识到我们人类是AI的创造者。

Pischdotchian： 如果你回顾早年教育模式，我们会称之为工厂模式。老师们对所有学生的教学模式都是一样的。然而今天事情却改变了。像Chan Zuckerberg Initiative这样的机构一直想抛弃这种模式。学习不能通过工厂模式，这不是可持续发展之路。现在教育行业需要的是“新领工作”。

Kireyev： 我们见证了教育行业内容上的数据爆炸。我们可以比过去更快知道学生在干什么。当孩子们在Scratch上学习时，他们所有的活动都在网上完成：你可以看他们什么时候看视频，什么时候停止，什么时候感到无聊。你可以分析他们的行为。这些数据都极具价值。而且未来数据和科技的价值更大，所以现在很多人都想从事AI和机器学习的事情。

现在我们知道了数据爆炸和学校模式需要改变，还有什么新内容呢？

Blum： 目前有两大趋势，而且我们才刚起步。我们和IMS全球学习一起合作，一些技术标准，如Caliper和xAPI，才刚起步。其次，很多行业都缺乏长期数据，包括教育行业。所以如果你想知道学生们面临的下一个难题，那么你必须用一种叫做强化学习的新途径。所以即使我没有很多数据，我们也能边探索边发展。这也是Google是如何解决AlphaGo的难题的。

目前AI在教育的应用有哪些？我们已经在使用了吗？

Pischdotchian： 我们要在学习体验中找到模式。我们可以说，如果一个人擅长数学，系统该如何识别学习中的难题，并且让教师了解从而利于他们的教学？IBM和芝麻街就在这方面进行尝试，他们在大学里探索机器学习的发展。教师也能够用上这个系统：我们在麻省理工学院有一个编程团队，并且所有的教室都有摄像头（学生们也知道）。如果教授在讲课而且注意不到是不是半个班级都在睡觉，我们可以用一个面部识别系统来探测（学生）情绪（如无聊）并给教授发信息。

Benemann： 现在人们都在问，教育的哪些领域可以应用AI？AI在教室会是什么样的？AI会取代老师吗？AI能够解放老师吗？自适应平台能够帮助学生学习吗？

（机器智能3.0状况调查，来源Shivon Zillis）

这是否意味着，如果没有AI，市场上的自适应科技并不能做到真的自适应？

Benemann： 有些工具是自适应的，它们也自称是AI（但仍有很长的路要走）。

Kireyev： Instagrok是一个可视化搜索引擎。我们都在利用机器去识别哪些是重要的概念，并且让学生按照规定的路径学习，它们可以集成、组织这些概念。TextGeonome是另一个项目。我们正在开发一个以深度AI为基础的词汇开发结构。我们要解决的问题是：给学生定一个水平，他们接下来需要学习什么单词？

Blum： 在ACT考试中，我们聚焦的点是：如果你认知到了学习的瓶颈，那么最能帮助学生的材料是什么？不只是ACT考试；我们也希望机器学习能够给学生最好的学习资源。

在某些领域，如果你不能理解机器学习预测模式，你就落后了。例如大学招生办。

当你从数据评估模式转向深度机器学习模式（包括神经网络）的时候，大概可解释性是落后的。你可能有一个你无法解释的神经元。所以一个重要的问题是，当预测性算法变得更好时，你的解释力会变弱。在某些严格管制的市场，如教育和医疗市场，会有更多解释性工具被开发出来。

想象你在大学内：他们用统计学数据来挑选即将入学的学生。现在，假设你有一个机器学习的项目能够更好地预测学生的成绩。当然，已经有大学在做这件事情了，只是风险太高，他们还没有披露。但可以肯定的是，他们正在用机器学习来挑选学生。我们还需要一些总结性工具来解释这些选择。尽管深度学习很复杂，对于那些能够入学的学生来说，我们还需要能解释他们为什么被录取。

也有些人担心AI这样的词汇逐渐变成产品的噱头。如果我是一名老师，一个公司告诉我，“我的数学工具是以AI为基础的”，我应该问什么问题呢？

Blum： AI的问题现在是发现和解释。如果你用了AI的标签，我想知道：你说的是符号监督系统？还是自然语言处理？如果你只说了AI，那么你的可信度会降低。如果你只是用了AI的标签，那么就是希望我们能聊聊AI背后的产品了。

Benemann： 销售应该只谈论学生成绩和教师教学，最好不要谈论AI。毕竟AI也只是帮助学生学习和教师教学的一种途径。最好的说法是，我们可以做一个关于产品的案例研究，展示该产品是如何提高效率，减少时间浪费的。

你是如何平衡AI工具和保护学生敏感隐私数据的？

Blum： 我们现在其实是没有个人身份信息的。如果你有足够的信息，你大概可以知道这个人是谁。所以需要有行业标准。如果有标准， 在线教育 开发者也可以做的更好，比如我们说，“这是允许你分享和保存的东西、”我也提出了现在需要更好的隐私标准，如有标准可循，也不会给人起诉的机会。

Benemann： 谁能拥有数据？看看医保系统。医疗市场是一个分裂的市场，但是现在的趋势是病人们能拥有自己的数据。我很好奇，我们未来是否也可以让学生们拥有自己的数据，并决定是否准许学校使用自己的数据

很多人都担心自己的工作被自动化取代。这会影响到老师和其它职业的人吗？

Kireyev： 我发现教师的角色一直在变。领导者，指导者……这是我从教师身上发现的令我兴奋的地方。越来越多的老师和学生们接触更深入，而不仅仅是解释公式的应用。

Blum： 现在我们也在对职业技术教育做出一些改变，但还没有被充分利用。我们需要让思维稍稍超前……未来十年，做卡车司机意味着什么？会怎样影响到跨行业的供应链？我们需要让职业教育变得更好。

Pischdotchian： 现在STEAM（科学，技术，工程，艺术和数学）比STEM（科技，技术，工程，数学）更重要。右脑负责的艺术、创造性、心理学会比分析、数学更加重要。心理学、历史、辩论、幽默与戏剧，这些元素在我们的生活中也会更重要，而这些并非AI擅长的领域。

AI已经为我们生活带来了便利，但也有它的问题。毕竟人类并非那么勤于思考。成长和舒适往往不能共存。

本文来源：edsurge， 原作者：Tony Wan

编译：鲸媒体Ariel