松鼠AI出席Developer Week開發者大會，詳解AI自適應學習平台背後的核心技術

機器之心原創

機器之心編輯部

伴隨著技術的發展，網路教育領域先後出現六次變革，分別是互聯網 浪潮、工具化浪潮、O2O 浪潮、內容獲客浪潮、真人一對一浪潮、人工智慧浪潮。目前基於人工智慧技術的自適應學習系統正在國內外快速發展，那麼什麼是自適應學習？自適應學習平台背後的核心技術是什麼？松鼠 AI 在 DeveloperWeek 2019 大會上的兩場演講分別從技術和理念兩個方面對此作了介紹，本文簡要總結了報告內容。

DeveloperWeek 是舊金山地區規模最大的開發者大會，每年吸引來自 70 多個國家的 8000 開發人員、工程師、軟體架構師、開發團隊、經理和高管聚集在舊金山灣區，探討最新的開發者技術、語言、平台和工具。DeveloperWeek 覆蓋所有新技術，包括 VR 開發、人工智慧開發、區塊鏈開發、IoT 開發、無伺服器技術、微服務技術、新型 JavaScript 框架等。

DeveloperWeek 2019 現場。

DeveloperWeek 2019 於 2 月 20 日-24 日在美國舊金山舉行，松鼠 AI首席數據科學家 Dan Bindman 參會，並作了主題為《A New Model for Knowledge Assessment and AI Adaptive Learning》的 keynote 演講，從技術角度解讀松鼠 AI 自適應學習平台背後的核心技術。此外，松鼠 AI 與斯坦福國際研究院（SRI）聯合實驗室研究員 Sam Wang、松鼠 AI 產品經理 Elaine Yin 還做了主題為《How Good Is Good Enough? Learning from Rigorous Evaluations of An AI-powered Education System》的演講，從理念、產品的角度詳細介紹了自適應教育系統。

培生集團在《解碼自適應學習》（Decoding Adaptive Learning）的研究報告中，將自適應學習定義為一種教育科技手段，它通過自主提供適合每位學生的獨立幫助，在現實中與學生產生實時互動。

知識評估是自適應學習系統中最關鍵的環節之一，它可以幫助系統了解學生的真實學習水平、學習能力，方便提供個性化的幫助和指導。松鼠AI首席數據科學家 Dan Bindman 在 DeveloperWeek 2019 keynote 演講中詳細介紹了其為自適應學習系統中的知識評估開發的新模型：PKS。

學到多好算好

強大的自適應學習系統應具備三個重要組成部分：高質量和完備的內容體系；連續且精確的學生知識水平「診斷」；最好的「藥方」，即最適合學生個體的課程。毫無疑問，如何連續且精確地「診斷」學生的學習狀態是非常重要的一環。

松鼠 AI 首席數據科學家 Dan Bindman 在 DeveloperWeek 2019 上發表 keynote 演講。

松鼠 AI 首席數據科學家 Dan Bindman 的演講從技術層面上詳細講述了如何評估學生的學習狀態。他使用的評估指標是概率知識狀態（Probabilistic Knowledge State，PKS），即學生在指定時間內回答出每個問題的概率。PKS 的計算公式如下所示：

學生在 t 時刻的學習狀態由 PKS 來描述，其中 q 表示問題，t 表示時間，Φ 表示標準正態累積分布函數，· 表示向量點積，向量 W(q) 為問題 q 的權重，向量 A(t) 則是學生在 t 時刻的知識能力，而 C(q) 為中心概率值。這裡 A(t) 和 W(q) 進行向量點積，向量的維度純粹為數學概念，沒有任何實指意義，且為先驗值，Dan 稱之為知識軌（knowledge channel）。

舉例來看（假設知識軌為 5）：

顯然在這個例子中，該學生對問題 q_2 回答得較好，q_1 涉及的知識點則需要進一步鞏固，而回答 q_3 則顯得有些困難。

在具體實踐中，當學生開始一門課程時，由於沒有學生的任何歷史記錄，所以學生的能力 A(t) 初始化為 0。隨著學生的學習開始，模型獲取學生的歷史記錄，以精確估計他的知識能力 A(t")。隨後基於學生的學習歷史記錄根據固定規則生成一系列問題，用於評估學生的能力。這裡，「測試」和「學習」並沒有嚴格區分，模型從第一個問題到最後一個問題不斷更新每個學生的 PKS，為學生推送不同難度係數的學習內容，智能調整學習路徑，實現循序漸進的高效學習。而所有問題的選擇由 AI 決定。

PKS 是衡量學生知識能力的很好標準，也是自適應學習系統的強大工具。自適應學習的目標是為每個學生提供恰好合適（既不太難也不太容易，而是處在「sweet spot」）的學習內容，促使學生更有效地學習。我們可以利用平均 PKS 來確定學生更適合學習哪個課程，以及確定某個課程中更適合學生的問題。例如：

如上圖所示，藍色代表是太容易的問題，淺綠色代表最合適的問題，紅色代表太難的問題。通過這種方法我們可以了解到，對於 Joe 來說這個時間點他應該怎麼去選擇。比如這裡有 A、B、C 三門課，PKS 平均值分別是 0.65、0.79、0.43。顯然 C 課程對 Joe 太難了，大部分問題都不知道該如何回答。而課程 B 對 Joe 來講大部分都是比較容易的，所以整體來說 B 課程太容易了。另一方面 A 課程則大多數問題最合適 Joe，且有少部分較難的，所以接下來的課程安排會盡量安排 A 課程的學習。

平均 PKS 可以表示學生的知識水平，方便教師進行成績排名，了解學生在班級內的學習水平：

Dan Bindman 從技術角度解讀了自適應學習系統中的知識評估模型 PKS，而松鼠 AI 與斯坦福國際研究院（SRI）聯合實驗室研究員 Sam Wang 和松鼠 AI 產品經理 Elaine Yin 則從理念和產品的角度介紹了松鼠 AI 自適應學習系統。

AI 自適應學習

自適應學習是一種教育科技手段，它通過自主提供適合每位學生的獨立幫助，在現實中與學生產生實時互動。

——《解碼自適應學習》，培生集團

自適應學習背後的技術簡單來講是將知識分解成許多細粒度知識點，通過不斷測試來實時了解學生對不同知識點的掌握程度，並根據學生的掌握程度自動規划下一步學習內容，保證學生一直能夠學習最適合自身水平的知識點。

那麼自適應學習目前狀況如何呢？

創立於 2008 年的 Knewton 是一家自適應教育平台公司，主要面向發行商、學校及全球的學生提供預測性分析及個性化推薦。其核心產品——自適應學習引擎，可以使用個性化數據展現學生的特徵，在學生學習數據搜集、個性化學習內容推送等技術上處於領先地位。

歐美國家的自適應學習產業已經發展了幾十年，而中國的教育產業也不甘落後。松鼠 AI Elaine Yin 在演講中介紹了松鼠 AI 的智適應學習系統。

松鼠 AI 的智適應學習系統

在松鼠 AI 智適應學習系統中，學生的學習之旅。

該演講還介紹了松鼠 AI 智適應學習系統的幾個特點：

在線課程 線下學習中心

70% 松鼠 AI 智適應學習系統 30% 真人教師

全面詳盡的知識圖譜，展示超納米級細粒度知識點

在智適應學習系統中使用 AI 技術達到精準掃描、檢測、追根溯源等精準學習效果

採用多模態行為分析 (MIBA) 監測來分析學生面部表情和行為，從而評估學生注意力的集中程度，檢測並分析出學生的學習情緒，實現對學生學習狀況的準確解讀，幫助教師推斷出真正的問題區域，從而實施個性化教育。

知識圖譜展示細粒度知識點

該演講展示了松鼠AI智適應學習系統提供的詳盡知識圖譜和知識點九級拆分。

知識圖譜示例。

松鼠AI提供的知識點九級拆分示例。

松鼠 AI 智適應學習系統中的 AI 技術

松鼠 AI 智適應學習系統利用知識圖譜技術和知識空間理論評估學生的知識水平；

利用貝葉斯網路、貝葉斯推斷、貝葉斯知識追蹤和項目反應理論（IRT）掌握學生的實時學習進程，從而評估每個學生對知識的掌握情況並預測未來學習技能；

利用其自適應學習引擎，結合演算法、內容、數據和教學設計為學生動態推薦最合適的學習內容。

松鼠 AI 與斯坦福國際研究院（SRI）聯合實驗室研究員 Sam Wang 在演講中介紹了 SRI EDU 目前的研究方向：系統性地研究、嚴謹地評估教育創新的結果，並分享了他關於教育領域人機命題的研究。

在成都的人機教師研究中，研究者從成都市 20 所中學隨機抽取 163 名 8 年級學生，將其分為人工智慧實驗組和專家教師對照組（按照實驗前進行的測試成績平均分配）。兩組學生經過將近 6 小時的學習後再次進行測試，結果表明實驗組的學生平均分高於對照組。

此外，該演講還介紹了網路教育的六次浪潮：互聯網 浪潮、工具化浪潮、O2O浪潮、內容獲客浪潮、真人一對一浪潮、人工智慧浪潮。

第一次浪潮是基於互聯網的教育，即 MOOC，它部分地解決了教育資源不平等分配的問題，但缺陷是很多學生無法堅持完成課程，且缺乏針對個體的教學。

第二次浪潮是工具化的浪潮。隨著移動互聯網的發展、智能手機的普及，教學領域中的工具類產品應運而生。工具化滿足了學習者的部分需求，但並未解決教育的本質問題，沒有介入到教學過程中。

第三次浪潮是 O2O 浪潮，它基於移動互聯和位置服務（LBS）技術的成熟，利用 LBS 技術為學習者匹配身邊的老師，讓用戶找到最近、最優質的老師來提供教學服務，起到中介作用。

第四次浪潮是內容獲客浪潮。其優勢在於逐漸切入教育本質，提供優秀的內容資源。缺點是內容的輸出價值感不強，無法形成教學完整閉環。

第五次浪潮則是真人一對一教育，即每個老師每次只教一個學生，針對學生的學習進度設計課程。其優勢在於教學質量有保證，師生之間能夠實時互動。但是這種教育屬於勞動密集型，且不同教師的教學水平參差不齊。

伴隨著人工智慧的興起，自適應學習漸漸掀起了教育領域的第六次浪潮。

從這兩個演講中，我們可以較多地了解自適應學習系統，以及 AI 技術在教育行業中的應用。

DeveloperWeek 2019 一覽

作為大型開發者大會，DeveloperWeek 2019涉及大量關於開發技術、平台、工具等的討論。

松鼠 AI 介紹了如何利用 AI 技術助力教育事業，及其智適應學習系統的產品和技術細節。此外，英偉達工程副總裁 Claire Delaunay、Slack 聯合創始人和 CTO Cal Henderson、Eventbrite 技術架構師和聯合創始人 Renaud Visage、Stack Overflow CTO David Fullerton 等也發表了精彩的演講。

英偉達工程副總裁 Claire Delaunay 介紹了 ISAAC 平台，ISAAC 是英偉達為機器人創業者進行增強學習的專屬訓練平台，於 2018 年 6 月推出，集成了軟體、硬體和虛擬世界機器人模擬器。擁有 15 年機器人研究經驗的 Claire Delaunay 該在演講中介紹了構建機器人的關鍵性挑戰、AI 在自動機器突破中的關鍵作用等。

英偉達工程副總裁 Claire Delaunay 現場展示英偉達 ISAAC 平台。

Slack 是增長最快的 SaaS （為企業提供軟體服務）公司，它在發展過程中展現了極強的產品擴容性。Slack 聯合創始人和 CTO Cal Henderson，也是 O』Reilly 暢銷書《構建可擴展的網站》（Building Scalable Websites）的作者，在 keynote 演講中講述了雲系統對產品擴容性和便捷性的幫助。

Slack 聯合創始人和 CTO Cal Henderson（左）在現場。

在線活動策劃服務平台 Eventbrite 成立於 2006 年，經歷了多次互聯網變革：社交媒體、大數據分析、移動互聯網浪潮和 API 的廣泛使用。Eventbrite 技術架構師和聯合創始人Renaud Visage 分享了 Eventbrite 在這 13 年裡從一個簡單的網頁產品成長為全球活動和票務管理技術平台所面臨的機遇與挑戰。此外，他還分享了自己對 API 的理解。

Eventbrite 技術架構師和聯合創始人 Renaud Visage 的分享。

知名問答社區 Stack Overflow 的 CTO David Fullerton 回顧了 Stack Overflow 十餘年的歷程，他表示目前 Stack Overflow 每月有超過 5 億瀏覽量和 1700 萬問題，這些數字不僅僅表示流量和瀏覽量，還代表數百萬開發者在這裡互相幫助並節約了大量時間。他表示：「Stack Overflow的願景是幫助每個開發者學習和分享知識」。

Stack Overflow CTO David Fullerton 的現場演講。

DeveloperWeek 2019 的主題是「開發者技術時代」（DevTech Age）。正如大會對該主題的詮釋：「我們正處於開發者技術時代，開發者技術和工具是最具顛覆性也最基礎的技術創新。」

本文為機器之心原創，轉載請聯繫本公眾號獲得授權。

------------------------------------------------

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！