乂學教育首席科學家崔煒為參會者帶來了題為《人工智能打造的教學機器人如何提升十倍學習效率》的演講。
以下為崔煒峰會現(xiàn)場演講實錄：
大家好！很高興可以來到這里，感謝希鷗網(wǎng)給我這樣一個機會，跟大家分享我們在人工智能、在教育里應用的實踐經驗。
我今天演講的主題是“人工智能打造的教學機器人如何提升十倍學習效率”。簡單介紹一下我的個人背景，在武漢大學念計算機（本科），然后去國外念了博士，15年年底、16年年初我來做教育，在16年年初的時候，打造出了第一版的機器人學習平臺，我現(xiàn)在負責乂學教育人工智能算法、研發(fā)這塊。
這個大家都不陌生，這是美國的鋼鐵俠，最近又創(chuàng)造了一個新的項目，叫Neurolink。這種設備如果進一步去發(fā)展，去演化的話，很有可能會把學習變化一種非常高效的事情，通過人機接口，快速把知識灌輸?shù)饺四X去。這也說明，咱們現(xiàn)在科學技術的發(fā)展，人工智能發(fā)展速度非?？?。
再來看一下當下的教育領域，相比互聯(lián)網(wǎng)技術、人工智能技術的飛躍發(fā)展，其實咱們的教育領域發(fā)展的非常緩慢?，F(xiàn)在的課堂跟我們傳統(tǒng)的課堂沒有太大的區(qū)別。課堂上還是以老師為主，一個老師管理著幾十號學生。但是，我們知道，一個老師無法依據(jù)每個學生的個性特征提供個性化的輔導。
我們想做的是，我們乂學教育教育在成立之初就是想通過先進的AI、互聯(lián)網(wǎng)、視頻技術，高速的云端技術，希望能夠推動教育企業(yè)的發(fā)展。我們希望通過人工智能的技術改變教育的一些現(xiàn)狀。
人工智能當前在教育里有幾個方面的應用，第一是采用圖像識別的技術，識別出圖片上的學習內容，并且在數(shù)據(jù)庫里給學生進行匹配這個題目的答案或者是解析。
采用語音識別技術，可以給學生的口語進行評測，糾正學生口語發(fā)音中的一些不標準問題。
智能遠處理技術，這種技術可以給學生的主觀體驗，包括學生的作文進行批改、打分，給學生的作文提出相應的修改建議。
自適應學習，這也是我們乂學教育一直做的事情。我們通過人工智能和大數(shù)據(jù)相關的技術，快速、精準的得出學生的學習狀況，并且實時跟蹤學生的學習的狀況，并且給學生提供一個學習方案。
目前，主要在4個學科里，英語、數(shù)學、語文、物理。
人工智能教育在國外并不陌生，在20年前就已經存在了，主要體現(xiàn)在智能輔導系統(tǒng)。但是，那個時候發(fā)展的比較緩慢。人工智能自適應學習在最近十年才得到高速發(fā)展，這也是由于人工智能技術的發(fā)展，互聯(lián)網(wǎng)技術的發(fā)展，推動了人工智能自適應學習的發(fā)展。
在國外，已經在十幾國家得到了應用，在全球有1億多用戶使用了這個產品，在美國有幾十個自適應學習的產品，已經覆蓋了從小學、初中、高中、成人教育和高等教育，已經應用到了100多個學科里。
有了自適應學習之后，在亞利桑那州立大學學習通過率提升17%，課程退學率降低了56%，45%的學生提前四周完成課程。及格率比較提升，學生可以提前完成學習任務。在南卡羅萊納州安德森市有2500多名學生也應用了自適應學習。
我們乂學教育在過去一年多里，成功的推出了四個學科，語文、數(shù)學、英語、物理是剛剛上線。經過半年多的學習，我們發(fā)現(xiàn)在全國不同地區(qū)，不同年紀的學生，在不同的學科里，學生都有不同程度的提升。上海閔行四中9年級英語提升了43.5分，由原來的77分可以提升到120.5分。
我們乂學教育在做人工智能教育這件事，其實本質上是用人工智能相關的技術去模擬一個優(yōu)秀的老師，就類似于阿爾法狗做的事情，它是采用深度學習相關的技術以及結合加強學習，還有數(shù)字搜索等相關技術打造一個會下棋的圍棋高手。
自適應學習分不同的級別，有的自適應學習是采用規(guī)則的自適應學習。我們不同，我們是把整個自適應學習進行拆分，我們拆分到不能再拆分。能做到這一點，才可以精準定位學生學習的漏洞。
我們的自適應學習系統(tǒng)可以實時跟蹤學生的學習情況，學生對知識的掌握熟練情況，這樣才可以做到比這個老師、學生更加了解他的學習情況，找到他的漏洞所在，并且給出解決方案。
自適應有可能會部分應用在教育領域里，我們做的是自適應學習要覆蓋在所有的產品里。我們做的是一個完整的體系每個環(huán)節(jié)都采用了自適應學習，我們都采用了相關的AI技術、大數(shù)據(jù)技術，針對不同的問題給學生提供個性化的解決方案。
下面從幾個方面來講下我們自適應學習產品的特點、特色。
精準診斷。一個老師在給一個學生進行輔導的時候，他其實要先去了解這個學生的問題在哪里，才能夠給這個學生進行因材施教。就像一個醫(yī)院里，一個醫(yī)生跟病人看病，他要知道他的病因，才可以開對應的處方。
傳統(tǒng)的教學模式下，這個老師是通過觀察學生的過程，或者系分析學生的考試試卷，才可以了解這個學生的知識漏洞、薄弱環(huán)節(jié)在什么地方。過去醫(yī)院是通過望聞問切的方式，現(xiàn)在醫(yī)院里也采用了CT、X光的技術，我們把知識體系進行解構，解構成一個空間。
一個數(shù)學題里有1000個知識點，我們就會做出數(shù)學對應的空間。
有一些知識點是有一個先后的學習關系，你必須要先學會整數(shù)，才可以知道整數(shù)的乘法怎么去做。通過這些關系，我們縮小了搜索范圍，我們把這些沒有關系的知識狀態(tài)進行篩減，這樣我們整個的知識狀態(tài)空間的范圍就縮小了。
我們通過信息技術，信息技術是衡量信息的，是一個量化的方法。就像中文和英文，同樣的意思用中文去表達，它所含的信息量會更大。我們能夠做到的是，通過我們的精準策略，我們的準確率能夠達到90%。
二次根式有13個知識點，協(xié)調通過兩個知識點的檢測，我們就可以判斷這個學生在13個知識點上的掌握情況。如果這兩個知識點做錯了，他這13個知識點也沒有完全掌握。
另外兩個學生去跟他測13個知識點，我們先測二次根式的概念、二次根式的有意義條件，二字根式的性質與化簡，如果學生做錯我們的測試就結束了，我們就可以推算出來學生在其他的知識點的掌握情況。
我們通過精準檢測，我們得到的結果是哪些知識是學生掌握的，哪些沒有掌握，對于掌握的就無需學習，只需要掌握他沒有掌握的知識點就可以了。
知識漏洞的追根溯源。很多學生在學習的過程之中，在每個節(jié)點上會花很長時間，但是還是學不會，造成學不會的原因不一定是知識點沒有掌握好，他是一個9年級的學習，很有可能是6年級相關的知識點沒有掌握好。學生一味把時間花在9年級的知識點上，他是永遠學不會的。
我們的系統(tǒng)能夠做到的是，我們的系統(tǒng)能夠在學生學習的過程之中，我們實時對學生的學習水平進行評測。我們能推斷這個學生學不會的原因是什么，是因為6年級的加減乘除沒有學好，還是7年級的一些概念沒有掌握好，通過我們的實時追蹤、評估，我們能夠精準定位到學生知識的漏洞。
我們有了完整的學生畫像，我們精準到學生的知識漏洞，我們就可以進行個性化推薦，包括個性化路徑、個性化內容推薦。
個性化路徑推薦，我們知道每個學生的特征、特點是不一樣的，我們也知道，不同知識點的重要性、程度也都不一樣。所以說，影響學生學習速度、學習效率的因素其實非常多。在很多情況下，一個老師是無法給每個學生給出一個合適的學習路徑、解決方案。甚至有時候老師給到學生的解決方案也不一定是最佳的。
我們知道，沃森是能夠快速的學習很多相關醫(yī)學里的知識，并且能夠根據(jù)病人的病狀提供解決方案。有一個病人生病了，問了很多醫(yī)生都沒有給出解決方案，但是在他生命還有一個月的時間，沃森出現(xiàn)了，然后給了他一個解決方案，這是任何醫(yī)生都沒有想到的，然后又幫他延續(xù)了6個月的生命。
人在計算能力上、在運算上其實是沒有人快的，在這種情況下，我們就可以通過人工智能的方法幫助我們快速的進行診斷，給我們提供一個好的學習解決方案。
學習內容推薦：學習內容有難易程度，很多學生學不好是因為題目難易度不匹配。
我們的學習產品在整個過程是實時采集學生的學習過程和行為數(shù)據(jù)，通過會對數(shù)據(jù)進行采集、存儲、分析。
打造我們產品的時候，為了確保產品的高質量性，確保產品的教學質量，我們會不斷的拿產品去跟同類的其他產品做對比。我們所做的這些都離不開我們背后的支持者。
我今天的分享就到這里，謝謝大家！
