智慧教育產品化需結合認知與心理學科，除AI之外還要有人性的溫度｜全球AI+智適應教育峰會

雷鋒網按：2018年11月15日，全球AI+智適應教育峰會於北京召開。峰會由雷鋒網聯合乂學教育松鼠AI，以及IEEE（美國電氣電子工程師學會）教育工程和自適應教育標準工作組共同舉辦，邀請了美國三院院士、機器學習泰斗Michael Jordan，斯坦福國際研究院（SRI）副總裁Robert Pearlstein、美國大學入學考試機構ACT學習方案組高級研究科學家Michael Yudelson等頂尖學者；VIPKID、作業幫、滬江網等國內著名教育創業公司創始人；以及Knewton、Byju"s、DreamBox、Duolingo、ALEKS、AltSchool等國外最具影響力的AI智適應教育公司共聚北京，共同探討AI智適應熱點話題。

其中，由乂學教育AI首席科學家崔煒主持、北師大智慧學習研究員副院長李艷燕和華中師大國家數字化學習工程技術研究中心教授余新國參與的智慧教育論壇，向大家詳細介紹了AI教育目前在學術界的研究方向，以及AI教育理論在實踐應用中碰到的難點等問題。

以下為圓桌討論實錄，雷鋒網做了不改變原意的整理與編輯：

主持人崔煒：大家上午好，今天很高興在這裡舉辦Panel論壇，我們也很榮幸邀請到了兩位人工智慧教育、學術界領域裡的專家和教授，與我們一起來探討一下人工智慧教育在學術界當前研究的方向，以及人工智慧教育這些理論在實踐中的應用過程中碰到的一些困難、難點等等，希望能夠有兩位教授給我們進行答疑解惑，給我們制定一些方向。

兩位教授都是咱們中科院旗下一個智慧教育委員會的主任委員，我想請兩位教授分享一下關於智慧教育的看法，我們常提到的智慧教育和人工智慧教育之間有哪些差別，或者說他們分別是如何定義的？

余新國：我們之前是工科背景，談得最多的是人工智慧，人工智慧是用機器模擬人的智能，需要人用智慧來解決的一些事。目前我們把智能分成幾個級別，最簡單的就是計算，計算其實也是一種智能，一種推理、搜索。目前人工智慧還沒有接觸到的，就是人類創造新的理論，提出新的理論體系，據我所知現在還沒有任何人工智慧可以解決這一問題。

前面幾十年里，人工智慧是模仿人計算的智能，這個已經解決了；模仿人的推理智能也經過了幾十年，包括學習的過程也是一種推理的過程，學習以前人的推理。但是學習、推理能力目前還是在中間階段，有些解決了，有些沒有解決，這是我們說的智能。

如果說是智慧的話，那就表示有些事我會，但是不一定要做。比如說這個事很賺錢，但是覺得會傷害別人所以不去做，這是一種智慧。人工智慧很強，以後學生看到人工智慧這樣強大，是不是會顯得自己非常渺小，在心裡有一種害怕感，AI霸凌了我們的學生？所以我們要增加智慧，讓人工智慧不要那麼強勢，又能幫助我們學生學習，這就是智慧學習。

主持人崔煒：余教授對人工智慧教育更多是從技術層面定義的，智慧教育除了人工智慧之外還得有人性和溫度。

李艷燕：我是中科院背景的，專業是計算機。以十多年來在北師大工作的經驗來看，從計算智能、感知智能到現在的智慧智能這三個階段，隨著大數據、雲計算，計算能力已經讓我們很滿意了，感知智能方面則是通過人臉、智能駕駛語音等等，也接近了人類滿意的程度，甚至某種程度上機器可以打敗人類。

而第三方面就是現在或者未來我們正在努力的，就是認知智能。我本人現在的團隊正在做知識圖譜的相關工作，不管是剛才主題報告里提到的知識空間，還是栗總講到的納米級知識點，都在建一個龐大的大規模的知識庫或者知識圖譜，這對我們後期不管是做任何服務還是推理，都是最重要的一方面。所以認知智能是很重要的瓶頸問題，因為它涉及到大規模的構建，包括專業可信賴度，需要很多學科專家的介入，這是人工智慧未來的發展。

從智慧教育的角度，我看到更多是關於學與教的問題。之前我們關注的是技術，現在已經在醫療、金融等領域得到很大的應用，但是教育行業不僅僅需要技術，還需要關於教育學的規律，也就是說學生到底怎麼學，學習風格、認知特點，包括各種各樣的多元智能都需要我們關注。所以說到智慧教育，我們關心教學規律，包括認知神經和人的基本學習規律、認知原理。

智慧教育除了計算機或人工智慧技術之外，還需要關注其他的學科，比如說認知神經學科、心理學包括學習科學等等，只有把多領域的知識融合起來，才能解決或者真正滿足我們教學的需求。技術只是一個簡單的準確率、精確度的問題，但是所有當過老師的人都知道，學習不是簡單的錯與對，而是有交互、有情感交流的，如何在智慧教育中，從物理空間到服務，到給學生制定自適應、個性化方案，需要更多的教學原理或者規律，或者人的研究，能更好的提供支持，這是我的理解，謝謝。

主持人崔煒：謝謝李教授，非常清晰明白的把人工智慧教育分為了三個階段，並且談到了智慧教育大的範圍之內的認知學科、教育心理學等等。我認為李教授的觀點是把教育裡面的教和學分開了，「育」這一塊更偏向人性化、人文關懷，更多的是由老師完成的，而不是由技術做到的。

剛才李教授也提到了目前團隊做的一些事情，接下來想請教兩位教授從目前的工作角度，簡單介紹一下國際上關於智慧教育、人工智慧教育或者是教育科技一些前沿的研究方向，並與大家分享一下兩位教授在各自團隊里目前有哪些新鮮的課題，謝謝。

余新國：我先介紹一下我自己的研究，再說比較大一點的東西。我回國有5年的時間，回國之前做的是視頻分析方面的工作，隨意回國的過程中我就在思考，怎麼樣把我的背景結合起來，所以就想做視頻跟教育結合的東西。

經過這幾年的思考和結合，做了幾件什麼事呢？教育不僅是人工智慧的問題，還有教育學的問題，不僅是教育知識，更是教育人，知識只是其中的一部分。所以打造智能環境和智能工具，讓學生和智能去玩兒，去做，可能是比較娛樂的方式，是它來控制這個智能本身，而不是智能去控制它，所以我們做智能環境、教育機器人還有教育機器人背景下的智能解答系統。

學生在學習的過程中，從幼兒園到高中階段最多的任務是做題，但是題目有時候也不是那麼容易，特別是家長輔導學生的時候，即使家長以前是學霸，因為工作的原因很多知識可能會忘記，所以我們想做一個自動解題系統。這個方向已經有幾十年的研究，以前很多都是數學家在做，推理的部分比較多，70年代的時候人工智慧領域最流行的就是推理系統。由於我的背景是多媒體分析，所以我們用多媒體分析的方法，主要是解決題目理解的問題。

最近我們提出來一些方法有相當大的進步，很大一部分題目是可以解了。當然現在人工智慧的深度學習方法很厲害，深度學習解決的都是複雜思考問題，將題目理解交給深度學習去做，解決無限的可能性，這是我們大概的思路。

在國際教育領域的大方向來看，我們國家工程技術研究中心還有教育和大數據國家工程實驗室，現在的趨勢就是用大數據來研究教育。剛才幾位專家都講了，是學習分析、學習過程。在大數據分析中，現在這些演算法都是很強的，分析數據基本上是可以的，現在最難的是怎麼樣收集這些數據，如何描述教育過程中學生的狀態、學到了哪些知識點、什麼樣的知識點是學生最好的力度去學習的、如何通過大數據分析指導什麼樣的學生可以學到更大力度的知識點而不是學小力度的知識點，這些數據的模型是怎麼樣的我們現在還不清楚，還沒有一個統一的認識。

我們大多數情況下使用的還是問卷、測試等傳統方法，但是如何不影響現有學習過程，用無干擾的技術知道學生學習了什麼東西，現在還是比較困難的一件事情。我們考試的過程中其實並不是很純粹、很絕對的知識測驗，因為我們本身教的就是這些東西。這些方面應該是在使用大數據分析時大家遇到的一個瓶頸問題，這是我的體會。

主持人崔煒：謝謝余教授，余教授提到了標準化的東西，挺關鍵的，教育的測量、能力的測量。這次會議很容幸我們也請到了IEEE專委會，還有首席架構師也是專委會的委員之一也會有相關的分享。

李艷燕：我們現在是在國家互聯網教育及智能技術國家工程實驗室，這是國內唯一一家關於技術和教育融合的單位。我們認為把人工智慧技術應用在教育之中這一問題，可以簡單分為五個方面：

第一個就是環境，可以是物理空間的，也可以是軟體方面的，這是環境構建的，能不能用技術打造一個學習空間。

第二個就是學習的支持，比如說學習分析，如何通過收集學生全過程數據，包括動態衍生的數據對學生做精準的用戶畫像，這是很多做學習服務的重要基礎。像剛才嘉賓報告中提到的，我們不知道學生的漏洞或者學習的弱點在哪兒，我們沒辦法提供很好的解決方法，所以重在對學生的分析和用戶畫像構建。

第三個就是從老師角度，面對這麼多學生，在線上和線下能不能有一些智能的助手。智能教育系統發展了幾十年，但是效果一直不好，受到很多因素影響，局限在小學科領域，比如說代數，卡耐基梅隆大學就有認知助手。但是因為人工智慧的發展和大數據的成熟，現在這方面有了一些突破，包括之前我在倫敦參加教育人工智慧大會也有專家分享，我們現在已經在做教師助手和智慧同伴等方面有了突破。

第四個是測評，所有學習到最後都要評價，我們能否從個體和群體角度給學生一個綜合的評價，這個群體包括班級、年級、區域甚至是國家。我們能否藉助相關技術實現多層次、多力度的評測，這是很重要的。

第五個是教育管理，能不能用人工智慧支持我們做科學、客觀的評價。

所以這五個方面是比較需要關注的，對我自己而言，我現在主要兩個方向：

第一個我們要給學生提供一些準確的、個性化的知識性服務。我們有一個知識圖譜，現在我帶領團隊做了一個比較有趣的工作，我們把古詩詞用知識圖譜構建出來了，剛才栗總提到他小時候學古詩詞不好，背誦不好，所以我們搭建一個智能平台，不僅提供語意檢索、可視化，同時我們通過遊戲化教學，對古詩詞學習有興趣。所有孩子都喜歡玩兒遊戲，我們能不能通過遊戲來促進他們古詩詞的學習，我們做了知識圖譜也開發了小程序，歡迎大家來使用。

第二個就是學習分析，今年我剛好申請到國家自然科學基金，基於在線學生大數據進行評估分析，並提供模型。我們到底收集什麼樣的數據？分析學生的什麼？是知識還是技能？如果是知識是哪些知識？技能包括心理模型、認知結構等等，這樣來給老師提供更好的反饋和支持，謝謝。

主持人崔煒：謝謝李教授，李教授每次分享信息量都非常大，很有邏輯性。剛才兩位教授都分別分享了人工智慧教育學術界的研究，學術的東西還是要產品化，這樣能進一步幫助到學生，甚至給學生家庭都帶來益處。因為兩位教授都是在國外工作過，想請兩位教授分別聊一下，比如說國外有哪些做得比較好的前沿研究方向或者有哪些比較好的模型、理論的東西，給大家做一些分享，謝謝。

李艷燕：2016~2017年我在卡耐基梅隆大學訪學，他們的人工智慧實驗室和機器人實驗室我都去了。我的導師也是計算語言學的，我發現現在全世界主要關注的是人機交互。學習交互過程不是單通道的傳遞，我們希望在人機交互方面能提供更有效的方式來幫助我們學習。第二個是機器人，排除掉高大上的無人機器人，我們能不能用載體機器人支撐我們的教學，通過有趣的方式做孩子的同伴交流，教師能不能通過這些方式做一些很有趣的活動。

余新國：我在新加坡待了很多年，他們用物聯網技術在教育中比較早，解決了學生交作業，跟老師互動的情況。現在研究比較多的，就是剛才李教授說的幾個東西。第一是智能環境，因為在網上或是在小的空間里學習的時候，學生在學習的過程中的活動、思維、環境受到局限，活動的範圍很小，這是一個不好的地方。現在我們想創造一個智能的環境，讓他既學習，又在自然的空間里對身心來說都比較好，這是一個研究。另外就是怎麼樣更有效的照顧到個性化，我們要理解每個學生不同的學習風格、知識點難易程度的匹配，這可能是很難的。

主持人崔煒：謝謝兩位教授，我們知道整個國家都非常重視人工智慧，以及人工智慧的應用和發展，想請兩位教授對人工智慧教育，對智慧教育進行一句話的總結，表示一些期望或者看法，謝謝。

余新國：智慧教育或者是人工智慧教育有非常大的空間，剛才栗總說了人工智慧教育的幾個特點，我全部贊成。人工智慧成為一個超級老師，超級老師加上智能改造是更加友好的智能教育，可以幫助到很多人，完全顛覆現在的教育，從行業的角度來說這是大有可為的。

李艷燕：讓大家一起來擁抱這樣的智能時代，為未來的教育變革做好準備，謝謝大家。

主持人崔煒：非常感謝余教授和李教授的分享。

附：圓桌嘉賓介紹

北師大智慧學習研究員副院長：李艷燕

李艷燕，來自北京師範大學，現任北京師範大學教育學部的教授，博士生導師，北京師範大學智慧學習研究院副院長，教育技術學北京市重點實驗室副主任，李艷燕教授在率先開展STEAM教育，並面向中小學和大學進行廣泛的應用實踐。主持了多項國家自然科學和社會科學基金課題，以及STEAM北京市教育規劃重點課題，在國內外核心期刊和國際會議上發表論文80餘篇，獲得中國科協科普部授予的優秀指導教師稱號，2008年6月在倫敦的國際教育人工智慧大會上作主題報告，李艷燕教授作為訪問學者出訪美國卡耐基梅隆大學，擔任多家國際期刊的執行主編及編委，多次擔任國際性大會的主席。

華中師大國家數字化學習工程技術研究中心教授：余新國

余新國，華中師範大學國家數字化學習工程技術研究中心副主任、教授，楚天學者、博士生導師，長期以來從事視頻分析、計算機視覺、人機交互、多媒體技術等方面的研究，其研究成果獲得國內外專家的廣泛引用，其中一篇被引用了160多次，現已在國內外權威雜誌和知名的國際會議上發表了論文80多篇，其中第一作者的論文多達40多篇，獲得了7項國家專利、2項國內專利。擔任了多個國際知名的期刊雜誌的審稿人。同時，余教授曾新加坡工作、學習10多餘年，近5年來經手的項目經費超過500萬美元，目前主要研究的方向有圖像識別分析、教育人機交互、智能教育系統，從事多媒體技術等方向的研究。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！