芥末堆芥末堆

【GET2016】未来工场王凯峰:AI 将驱动下一波教育创业浪潮

作者:卢楠 发布时间:

【GET2016】未来工场王凯峰:AI 将驱动下一波教育创业浪潮

作者:卢楠 发布时间:

摘要:下一波教育创业浪潮,核心驱动将来自以人工智能为核心的“科技+教研创新”的融合

王凯峰.jpg

芥末堆  卢楠  11月11日

11日下午,在以“创·见·新生态”为主题的GET2016教育科技大会“教育技术主题分论坛”上,未来工场首席产品官王凯峰发表了主题演讲“在线教育迈向智能时代”。

以下为王凯峰演讲重点内容:

AI是教育下一个驱动力

王凯峰指出,从整个产业增长来看,人工智能正在迎来新的产业爆发期,学术研究、行业发展和资本活跃。2018年全球人工智能市场近470亿美金,年复合增长率55.1%。2010年-2015年,AI行业融资数量年复合增长57%,中国的AI融资增长非常高,政府在支持人工智能的发展。

王凯峰认为,下一波教育创业浪潮,核心驱动将来自以人工智能为核心的“科技+教研创新”的融合。目前 AI 已在自适应学习、虚拟助手、专家系统、商业智能等方面有广泛的应用,未来随着技术成熟将会有更多新场景出现。未来教育是人与人工智能协作的时代,充分发挥机器与人类不同的优势是提高生产力的关键。人工智能将会取代简单重复的脑力劳动,而发挥人类的优势创新、复杂决策、情感关怀激励等更大优势。

王凯峰还列出了EDAI 4大应用场景:

  • 个性化学习、自适应学习。

  • 虚拟助手:拍照搜题和对话机器人。

  • 商业智能化:把原来商业里面的智能技术应用到教育里面来,帮助学校和机构更好地解决教学管理效率和企业运营效率的问题。

  • 专家系统:像高考的升学规划还有职业规划、留学咨询等复杂决策的系统

并以前两个场景为例,进行了说明。

EDAI 重点场景1:自适应学习

王凯峰在研究了市面上所有自适应学习法之后,看到大家的切入点有以下几种:

  1. 从教、学、练、测、评切入。人工智能依赖于数据,数据化程度最高的是练习,因此这也是大部分“人工智能+教育创业者”的切入环节,但此环节的to C商业化能力弱,常见策略是向链条两侧延伸或切入to B领域商业化。

  2. 分级阅读。现在中国没有分级阅读的统一标准和垄断出现,这个里面有很大的创业空间。

  3. LMS。这个是学习管理系统,里面包括了作业、练习、教课以及所有的解决方案,在不断地智能化,是我们目前探讨最多的领域。

EDAI 重点场景2:虚拟助手

虚拟助手能够做到的事情可能有陪练、答疑、客服咨询,包括相关进度的督促和掌握,像助教环节、客户环节的事情可以通过虚拟助手来做。虚拟助手也在慢慢演进:

  • 最简单的助教,它能完成在线答疑、进度督促和简单的客服工作,能够更快更简单的被替代掉。

  • 中间是顾问,很多留学企业和咨询公司长不大,是因为没有顾问供给,当他们规模长大之后,发现顾问服务不过来。如果这些机器人替代顾问的话,可以解决学习规划、指导咨询、客户服务的问题。

  • 第三个是老师,包括教学设计、教学服务和孩子整个的成长情感经历,都会慢慢被替代掉。

以下是王凯峰的演讲整理:

我们认为AI是教育下一个驱动力。

来看一下整个的产业增长,前两天有一个叫IDC的公司发布了这样一个预测,大概到2018年全球的人工智能市场近470亿美金,年复合增长率55.1%。同样看到,2010年-2015年,AI行业融资数量年复合增长57%,中国的AI融资增长非常高,我们的政府在支持智能的发展。

人工智能不是在变魔术,它本身不具备思维,它需要更多的数据,更高的性能,更优的算法才能做到更强的智能。我们看到这些数据不断的增长,在2009年达到了40倍,这些数据来了以后需要有更好的云存储方式,更低成本,更好的处理方式。这些数据通过智能算法,才能更好的应用到行业里面去。

我们看一下这张图,这张图特别有意思。它左边的尺度是2000年,后面是2025年。

屏幕快照 2016-11-11 下午7.00.08.png

大家知道人工智能从50年代开始发展,50年代经过了第一次发展,第二次有更大的发展,后来没有真正落地就衰落了。直到2012年,宽带降临,我们才能完成慕课、微课等大的流量视频交付。2014年,直播技术的发展,才引领了2014年、2015年的在线直播网校潮流。我认为,随着移动互联网的发展,更多应用场景的介入,让更多的场景和资本介入,催生了丰富的商业模式,包括O2O,包括像微信的公众号,包括在线直播网校。

随着这些技术不断的发展,第二波是商业化的潮流,到了2016年我们认为进入了商业化时代。

看最右边这条线,2006年深度学习算法刚刚出来,2011年语义识别上线,2012年深度学习算法在语音和视觉识别方面取得了突破,准确率达到了98%以上。2013年,猿题库和英语流利说出现,教你怎么样去扫题看答案,运用语音识别完成了新应用,教你怎么去说英语。包括2014年的3D打印和后面的VR、AR,后面更多是向智能化发展的趋势。2016年有一个标志性事件,就是阿尔法狗战胜了李世石。我们最近看到了很多的案例,很多人开始关注人工智能怎么样解决B端和C端的效率问题。

人工智能到底怎么跟教育结合呢?

  • 首先大量的数据是人工智能的基础,我们需要有多维度、大量级的数据采集,包括语音、图像、运动、肌肉电,让我们获得更多的信息。

  • 第二是有人工智能方面的数据处理方式,让这些数据解读出来。

  • 第三是有自然人机界面,包括VR/AR,数据可视化,机器人和3D打印,都是未来的应用场景。

EDAI 4大应用场景:

  • 个性化学习、自适应学习。

  • 虚拟助手:拍照搜题和对话机器人。

  • 商业智能化:把原来商业里面的智能技术应用到教育里面来,帮助学校和机构更好地解决教学管理效率和企业运营效率的问题。

  • 专家系统:像高考的升学规划还有职业规划、留学咨询等复杂决策的系统

这四大方向是目前的切入点。

这是我们花了一段时间整理的表格,这个表格分为应用层和技术层。上面应用层,主要从四个方面整理。其中,自适应学习里面,左边的K12课内是最密集的,包括像猿题库、狸米学习等应用。虚拟助手里面有微软小英,你可以在微软小英里面和智能机器人交流。专家系统里面,有智能批改和升学规划两个方向,智能批改可以通过校宝科大讯飞的功能,升学规划可以通过申请方和高考派的功能。商业智能,包括运营支持和学情管理。

屏幕快照 2016-11-11 下午7.26.48.png

未来人工智能到底带来什么?

我感觉,人工智能里面,机器的优势和人的优势不一样。机器的优势,是简单环境下面的标准化和规模化。机器可以做到辅助教学、限定对话、文本批改、简单答疑、作业练习、测评批改,人类可以做教学设计、复杂决策、团队协作等。

EDAI应用场景中,第一个概念是自适应学习。

自适应学习是经常提到的概念,包括内容自适应,测评自适应,进度自适应,路径自适应,回馈自适应,目标自适应,这些自适应的过程最终为学生提供个性化的学习过程。

我们可以看到技术实现的基本逻辑是:首先是教学者模型,学习者模型以及整个的知识图谱的建模;建模之后,把不同的自适应性材料,包括题目和内容交付给自适应学习者,同时获得很多的数据,把这些数据通过更加直观的方式展示给使用者,包括把这些数据传递给我们的模型,用来优化模型的算法,这是整个自适应模型的核心。我们可以看到自适应的算法和处理,其实核心是人工智能。

我研究了市面上所有自适应学习法之后,看到大家的切入点有很多的相似点,很多都是从教、学、练、测、评切入。我们可以看到人工智能依赖于数据,数据化程度最高的是练习,因此这也是大部分“人工智能+教育创业者”的切入环节,但此环节的to C商业化能力弱,常见策略是向链条两侧延伸或切入to B领域商业化。

第二个切入点是分级阅读。现在中国的小孩子没有办法读到自己适合的书,因为第一个没有标准,第二个也不知道他适合什么样的,第三个没有中间的匹配环节。自适应先做测定分级,把孩子和内容做一个相应的测定评级之后,通过自适应引擎去推荐。它能够通过阅读后的测评,让我们知道这个孩子读了这本书之后懂了还是没有懂,得到更多的反馈,通过这种方式让更多的孩子得到他适合读的内容。

两个月前发了这份报告之后,国内有很多的人想做分级阅读,因为现在中国没有分级阅读的统一标准和垄断出现,这个里面有很大的创业空间,如果大家有兴趣可以找我们聊一聊。

第三个切入点是LMS。这个是学习管理系统,里面包括了作业、练习、教课以及所有的解决方案。我们看到LMS也在不断地智能化,从原来只能按照大纲一次一次学习、练习,变成现在学生可以按照自己的节奏进行学习的系统,这是自适应学习,是我们目前探讨最多的领域。

EDAI应用场景中,第二个是虚拟助手。

虚拟助手可以帮助我们提供简单的服务。目前来说,能够做到的事情可能有陪练、答疑、客服咨询,包括相关进度的督促和掌握,像助教环节、客户环节的事情可以通过虚拟助手来做。这改变了我们的沟通方式,虚拟助手的边际成本很低,响应速度是毫秒级,有超过1000条知识库来识别文本、语音、动作和图片,把它变成机器可识别的编码。

第二部分是搞清楚他到底想要什么。这个里面包括语义识别,包括要去知道他过去的行为和习惯,追测到他这次想要什么东西,包括知识图谱。从广义来说我们讲的对话机器人,如果是通用机器人的话很难实现,因为它没有办法解决世界上通用的问题;在某一个狭窄领域可以,比如像某一个电商公司聊完之后,这家公司原来有14000名的客服,现在减掉了8000人,中间那部分人全部用机器人替代了,有时候你去网站咨询,是感觉不到是机器人回答的。

虚拟助手也在慢慢演进:

  • 最简单的助教,它能完成在线答疑、进度督促和简单的客服工作,能够更快更简单的被替代掉。

  • 中间是顾问,很多留学企业和咨询公司长不大,是因为没有顾问供给,当他们规模长大之后,发现顾问服务不过来。如果这些机器人替代顾问的话,可以解决学习规划、指导咨询、客户服务的问题。

  • 第三个是老师,包括教学设计、教学服务和孩子整个的成长情感经历,都会慢慢被替代掉。

我们做了四个场景,现在是两个场景的介绍。我们可以看到大量的学习环境在线下,像现在给大家讲课一样,就算把现在这场演讲录下来、拍下来,还是没有办法做数据分析,因为我们缺少过程中我的反应、你们的反应,数据结构没有办法分析,数据反馈没有办法做。如果没有这个过程的话,教和学的过程就很难采集到,人工智能很难渗透到这个领域。

数据是很复杂分层的,每敲一个键盘是一个数据,回答一个问题是个数据,每个学期的数据不一样,每个学生的数据不一样。对于老师来说,了解教学进度是一个维度,怎么教学是另外一个维度。到了学校层、管理层,有很多复杂特征的数据。另外,数据反馈周期长,没有好的反馈周期,就没有办法反馈到系统里面来做真正的效果检验。最后,教育行业里面,科技人才太少,我们希望有更多的科技行业者进入到领域来,跟我们共同改变未来。

这里查看所有嘉宾精彩演讲,立即永久保存,感谢【印象笔记企业版】友情支持。

1、本文是 芥末堆网原创文章,转载可点击 芥末堆内容合作 了解详情,未经授权拒绝一切形式转载,违者必究;
2、芥末堆不接受通过公关费、车马费等任何形式发布失实文章,只呈现有价值的内容给读者;
3、如果你也从事教育,并希望被芥末堆报道,请您 填写信息告诉我们。
来源: 芥末堆
芥末堆商务合作:王老师 18710003484
  • 【GET2016】未来工场王凯峰:AI 将驱动下一波教育创业浪潮分享二维码