订阅
纠错
加入自媒体

乂学教育CTO樊星:三年内,AI将替代真人老师90%的工作

2018-06-06 16:10
来源: 亿欧网

随着人工智能技术的发展,自适应学习成了教育行业的一个热词。但是什么是自适应学习?自适应学习能否真正做到个性化教育?

近日,亿欧组织了一场线上直播分享活动,邀请到了乂学教育CTO樊星作为主讲人。在近一个小时的分享中,樊星讲解了什么是自适应学习,自适应学习的发展,以及乂学教育在自适应学习方面的探索。以下是分享活动的具体内容。

大家好,是乂学教育的樊星,非常荣幸能代表乂学来跟大家分享一下我们在AI+教育上的探索。

今天的主要话题是乂学如何打造一款教学机器人,让每个学生的学习能够轻松十倍。这听起来可能很科幻,但其实是完全可以存在的。我们知道以前一些所谓的学霸,他们总有很多的技巧,让他们既有时间玩得好,也学得好。今天我要分享的就是如何让每一个孩子都能成为这样的学霸。

至于为什么要说教学机器人,去年,学霸君做了一个高考机器人,能够很好地模拟学生,高考数学考了130多分。但是让AI模拟学生考一个高分,并没有让AI模拟一个老师教孩子如何学习更好,换言之,培养出能教学生的机器人,价值可能更高,这就是我们在做的事情。

乂学是一家人工智能K12教育公司,我们的愿景是希望用人工智能,让系统模拟一个优秀的特级教师,把个性化教育带给全世界的每一个孩子。乂学现在在全国有700家合作校,去年年底拿到了2.7亿元的天使轮融资;和美国的斯坦福大学建立了一个联合实验室,同时在纽约也做了一个AI研发中心。

为什么需要自适应学习?

每个人都希望有一种方法能提高学习效率,这就是自适应学习。

现代教育的起源是德国的格林洪堡大学,当时是为了培养大量合格的产业工人,为工业革命爆发后的业界提供大量合格的劳动力,然后才形成了普及性教育。在现代教育中,每一个孩子都会被打上各种各样的标签,如几年级几班、哪一届、哪一个专业等,这就很像工厂流水线上生产出来的标准化产品,每一个人都有自己的标号,导致教育孩子时是千人一面的,但实际上孩子是千人千面的,每个孩子都有自己不同的特点。

我们做过一个分析,在公立学校里,90%的孩子在学校有2/3的时间是浪费的。因为有1/3的内容孩子已经学会了,另外有1/3的内容是孩子不会且听不懂的,只有1/3的内容是孩子不会且能学会的。

也就是说K12教育最大的矛盾是人民日群众日益增长的教育需求和落后的教育体制之间的矛盾。这话听起来可能类似于邓小平对社会主义初级阶段基本矛盾的定义,邓小平的定义引领了改革开放40年来所有的发展,而我们对K12教育基本矛盾的定义,也会引领接下来十年之内中国K12教育的发展。

这个结论已经得到了一定程度的印证,比如现在一对一的火爆,每一个家长都希望专门有一个非常优秀的老师给孩子做专门的辅导。但是从现在的师生比来看,实现一对一的教育在现在是不可能的,这就是现状。

所以我们需要自适应教育、个性化教育,我们坚信没有任何一个孩子是笨的,只不过没有找到好的教育方法而已,解决这个问题的方法就是自适应教育。自适应教育其实就是根据每个人的情况,采用个性化的教学方法。

自适应学习的发展

自适应教育并不是一个新鲜事,在国外已经发展了很多年了,自适应的鼻祖Knewton已经成为估值10亿美元的独角兽企业。

国外也做过一个对比实验,在一千多所大学里,将不同的学生分为不同的班,一个班用AI自适应系统教学,另一个班用真人老师教学,最终的实验结果是AI自适应系统教的班级的得A率和课程通过率远远大于真人老师教的班级。

乂学具体是怎么做?

关于自适应学习,乂学教育是怎么做的呢?或者说怎么满足个性化教育需求呢?

做法很简单,用人工智能系统模拟的老师,给孩子提供一对一的AI老师,从而把个性化教育带给每一个孩子。AI老师其实就相当于无数个优秀老师的集合,可以给每一个孩子提供个性化辅导。

我们知道即便是优秀的老师,可能也仅对一部分孩子有用,可能对其他孩子就没有用,但如果通过AI把所有优秀老师集中到一起,那么每个孩子都能找到非常适合的优秀老师,然后根据他的问题提出解决方案,达到最好的教学效果。

这种做法是比较困难的,因为老师并不是那么好模拟的,尤其是要把若干个特级老师模拟到系统里。但这个事情的好处是可以不停地累加地做,一开始可以只模拟50%、模拟100%,最后模拟1000%。

针对同样的问题,我们的友商也有其他的解决方法,比如通过资源连接的方法。VIPKID是把大量的北美老师的教学资源和中国的学生连接起来;51talk是把菲律宾外教和成人的英语教学需求连接起来;掌门一对一是把全国的中学老师和学生连接起来。这种资源连接的方法也可以一定程度上缓解问题,但毕竟有一个天花板——即便把全国的中学老师集中起来,可能也没办法给每个孩子提供个性化的解决方案。

个性化教学从逻辑流程上一般会分为三部分,大多数特级教师都是先去检测问题,然后提出个性化学习方案,最后监督执行,并对方案进行优化,AI模拟老师也一样,从检测环节、个性化学习环节、到实施环节,AI个性化系学习系统一般由课程、内容、评估和个性化推荐四个大模块组成,而整个系统会的基础就是知识图谱。

整个个性化学习的过程由以下几个方面组成:首先是实时更新学生画像,即学生对每个知识点掌握的能力如何、是怎么掌握这些知识点的、学习状态如何等。其次是预测孩子的知识状态,即根据学生画像,了解他在整个知识空间里的情况然后做出相对优化的学习计划,也就是学习路径。根据学习路径再去推送相应的、合适的学习内容。这就是AI模拟老师的流程。

那么AI老师厉害还是真人老师厉害呢?去年10月,乂学做一场人机大战。在人机大战中,乂学的AI老师带的班一共有40个人,另外一个班由一个有十年教龄的专业老师带,经过40多个小时的学习之后,AI老师带的班在提分效果上高于真人老师班一倍多。从这个案例看,我们的AI老师已经在一定程度上能代替真人老师,甚至比真人老师做得更好。

AI系统在模拟真人老师时,在两个方面比真人厉害,一个是测评,一个是推荐。

在测评方面,最关键的是如何测得更细更准更快。因为在测评过程中,把问题找得更细、更准,解决的成本就会更低。举个例子,如果学生在一元二次方程上掌握得比较薄弱,解决这个问题,可能需要一个月的时间让学生学习一元二次方程,因为一元二次方程涉及的东西非常多。但是如果可以把问题定位到一元二次方程中的因式分解法掌握不扎实,那解决问题的时间就会缩短为一周。

其实每个真人老师也都懂,但是存在一个悖论,把知识点的检测做到很细的时候,成本就会无限上升,因为需要更多的时间。所以问题的关键是如何在保证检测准确的情况下,同时保证检测的速度。也就是说在检测环节,用AI系统检测要比真人老师更准更细,还能用更短的时间。

个性化推荐环节,需要解决的是如何用更短的时间让学生掌握不会的知识。个性化推荐分成三个方面:如何给学生个性化的学习目标、个性化的学习路径和个性化的学习内容?这就需要用到决策树、协同过滤和深度学习等技术。

首先制定个性化学习目标,在检测环节,一个学生检测出不会A、B、C知识点,另一个检测出不会A、B知识点,两人的学习目标肯定是不一样的。更深一层,如果两个学生都是A、B、C知识点不会,但是一个人只用了20分钟检测,另一个用了40分钟时间检测,系统就可以假设前一个学生的学习能力更强,所以前者的学习目标可能是A、B、C,而后者的学习目标只是A、B。

其次是个性化学习路径和个性化学习内容。

如果两个学生不会的是相同的知识点,但是一个是完全不会知识点的整个概念,另一个只是不会知识点的运用。那么在个性化学习推荐的时候,前者会推送全部的学习视频,而后者只会推荐应用方面的学习视频。少看一个学习视频,学生就能节省4到5分钟的时间,这就是系统推荐的价值。像今日头条一样,每一个时间点系统推送的都是最适合学习学习的内容。

检测和推荐这两点就是AI系统能胜过真人老师的两大最关键的因素——在找问题时,AI老师比真人老师强,在解决问题时,AI老师比真人老师效率高。

总结一下,自适应学习本质上并不新鲜,它其实是一个方法论。自适应学习聚焦的关键词是效率。如果不谈效率,事情就没有意义,而效率由成本和结果组成。举个例子,如果不考虑成本,学生有无限的时间,就完全不需要自适应学习、个性化学习;再比如学生学习没有目标,不考虑结果,那么也不需要用个性化学习找到优化的方法。

基于这一点,对自适应学习做了分级。L0级是非自适应;L1级是真人自适应,如为学生请一对一的老师;L2级是规则自适应,规则自适应就中存在一些优化的方法,比如70分的学生、80分的学生、90分的学生分别该学什么,这是规则需要解决的事情。而现在乂学做的是L3级,也就是算法自适应,可以发现学生哪里不会,应该学哪里,哪里又需要战略放弃等。而不同等级自适应的区别主要就在于效率,它们之间是存在数量级上的差异。

那么人工智能自适应最终会成为什么呢?可能是未来每个人都有AI老师,在它的带领下,每个人都能成为学霸、天才。

Q&A环节

1.AI对教育的帮助和改变主要体现在什么方面?

如果人工智能自适应真正实现的话,那么每一个学生都可以拥有一个AI的特级教师陪伴。所以AI教育能解决的第一个重大问题,就是喊了很多年的教育资源不公平问题。当前教育资源不公平的问题关键是总体资源不够,所以如果AI老师可行,AI系统可以无限复制,而且成本很低,教育资源不公平的问题就迎刃而解了。

第二,可以解决因材施教问题,因材施教是中国数千年以来的教育的梦想。但是不存在一个真人老师是全知全能的,而每个孩子的情况又不一样,所以真人老师不可能做到因材施教。但如果是AI,就可以一直陪伴着学生,针对问题给出建议,从而实现因材施教。

第三,有效提升教育质量和教学效率。教育分为教学和育人,通过AI老师大量替代真人老师教学层面的大部分工作,真人老师就可以把更多的精力去放在育人层面。

2.AI+教育在哪些具体教学场景可以发挥价值,哪些场景做了也没有太大意义?

不存在没有发挥价值的地方,只存在AI对这些场景效率提升高低的情况。如果一个场景中有大量的方法、技巧可以总结,就意味着存在有大量可以进行效率提升的方面,那么AI就可以在这一场景发挥更大的价值。而对于需要大量重复性训练的场景,AI的效率提升效果可能会差一点。

3.三年内AI教师可以多大程度的替代真人教师?

乂学的自适应学习系统,在英语教学上,已经可以代替上海70%的500块钱一个小时的老师了。因为在乂学的实际教学过程中,70%是AI老师,只有30%是真人老师。而AI老师的教学效果可以和500块钱一个小时的老师一对一教学的效果相媲美。

在三年之内,我认为在K12的学科教育里,比如数学、英语,如果按照现在的教学目标或者教学效果要求,AI可以替代现在真人老师90%以上的工作。而真人老师有可能去做一些更高级的工作。

4.目前AI+教育在具体落地应用上有哪些障碍?

首先是数据收集。也就是说如何收集以下数据:学习全流程的数据,比如说学前学中学后;全信息的数据,比如学习表情、学习状态等抽象信息的数据;全时间态的数据,如学生学习时的数据、不学习时的数据、甚至睡觉时的数据。

其次是算法模型需要更进一步的优化。针对各种教学场景、各种学习模块都需要做深入研究,比如英语阅读、英语写作、语文阅读、写作等。

5.AI+教育中算法是否有优劣之分?知识图谱的拆解是越细越好吗?

算法的确是有区别的,不同的算法在效率提升、状态判断、策略规划等方面都有区别。不仅仅是算法,算法的各种参数、模型都会对学习效果有比较大的影响。这就需要针对不同学习内容、不同的学习场景、不同的学习模块下,对算法进行特殊的训练和调教。

关于知识图谱的拆解并不是以细或者不细来衡量,而是以知识图谱拆解的有效性来衡量。一个知识点如果用不到,那么没有拆解的必要;如果用得到,拆解得多细都不为过。所以这其实是一个效率的问题,基于图谱在算法中的应用,知识点的拆解,需要根据具体解决的问题和算法的可用性进行判断。

而对知识图谱拆解的维度、拆解方法的把握,则体现了AI引擎的能力和教研能力,因为拆解需要引擎和教研的深度协同才能完成。

6.教育领域哪些地方是AI不能替代老师的?以后老师的价值主要体现在哪里?

这个问题比较具有争议性。有一个非常明确的判断,教育可以分为教学和育人。教学层面,老师大部分的工作确实会被AI老师替代;但是真人老师有很多不能被替代的东西,就是育人层面的,而这些也是学生所必需的。

所以从长远目标来看,老师在育人方面的职能是AI无法替代的,这也是老师能发挥的最大价值,同时育人也是对学生来说有最大价值。具体来说就是,老师如何引导帮助学生掌握正确运用知识的方法,形成正确的价值观。

在具体的教学过程中,有一些软性的层面也是AI无法做到的,比如情感关怀方面。比如如何引导学生保持积极的学习状态,也是真人老师不能被替代的。

7.畅想一下未来教育将会是什么样子?

可以畅想一下,未来有一个超脑,汇集了亚里士多德、达芬奇、爱因斯坦等若干优秀大脑的智慧。这个超脑,从你出生的那一瞬间,就一直陪伴着你,对你的所有情况都了如指掌,在你遇到任何困难,需要得到帮助的时候,超脑都能给你合适的建议和帮助。在这样一个超脑的陪伴下,我相信每一个孩子都能达到的自己能力和意愿中的发展极限,这就是我们以后教育的样子。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

智慧城市 猎头职位 更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号