精彩刺激的赛车竞速游戏-松鼠AI首席架构师RichardTong：每个学生都应该得到一对一的智适应导师|全球AI+智适应教育峰会

按：11月15日-16日，“全球AI+智适应环境教育峰会”在北京嘉里中心大酒店盛大揭幕，峰会由牵头乂习教育松鼠AI，以及IEEE（美国电气电子工程师学会）教育工程和自适应教育标准工作组联合举行，汇集国内外顶尖阵容。AI智适应环境自学是目前产学研三界关注度最低的话题之一。此次峰会，主办方邀了美国三院院士、机器学习泰斗Michael Jordan，全球普遍认为机器学习之父Tom Mitchell，斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT自学方案组高级研究科学家Michael Yudelson等顶尖学者。

16日下午，松鼠AI首席架构师 Richard Tong 公开发表主题为“AI自适应教育的架构和策略”的精彩演说。Richard Tong 讲解了松鼠AI智适应环境教育的架构和策略，详尽阐述了平台架构的四个层面，并谈及自适应平台架构的愿景是为每一位同学打造出超级AI导师，这将使自学显得有效地、高效、更有人。

以下为演说国史（做到了不转变本意的编辑与整理）：松鼠AI的自适应架构多谢大家能参与AIAED大会，刚才大家听见的都是商业、投资涉及的，我返回技术，谈一谈我们自适应的架构。我们谈架构，大家就要理解架构首先是为什么？我们在做到自适应教育这样的领域，想要理解架构这个事，我们创建整个愿景不会获取一个依据，来告诉他我们这个架构该怎么设计。我们的愿景是什么呢？大家这几天有可能听见了很多，我们要有一对一的智适应环境导师，让每个学生的自学更加高效、有效地、更有人，和他能更加切合。

我们想要谈一谈我们是怎么走过来的，我们的愿景也是创建在美国一些先驱的实践中基础上的，我们的企业里从很多公司教给了很多，还包括Dream Box这些公司。这和我们自己怎么来构建这个东西涉及，有几个较为最重要的，把我们长年的愿景转化成确实要获取实践中的环节。刚才我为什么要提及一些先驱，因为我们车站在巨人的肩膀上。

我们做到AI教育的时候，我们要看见AI教育的本质是什么，要想要作好的核心因素在哪里，而且之所以我们从以前这些公司里教给了东西，究竟哪些东西给我们获取了协助。只不过AI教育更好的是一种AI应用于，AI应用于跟传统技术应用于有不一样的地方，有四个关键环节和关键因素：商业模型。AI能无法顺利或者能无法堕，还不是由于技术要求的，而是由产生的产品能无法落地来要求。

AI所拒绝的能力和做到AI技术人的能力包含的。数据，特别是在是先进设备AI涉及的，比如说深度自学，即使传统机器学习对数据的量拒绝大，对质的拒绝也相当大，所以AI要考虑到数据的问题。

AI拒绝很强的计算力。在这四个方面实质上是缺一不可的，里面只要有一个地方有短板就顺利没法。

我们自学到了先驱的什么东西呢？一些传统的，在美国是不切实际或者是OK的东西，在中国是敢的，或者在中国不会有相当大的障碍。我之前在Kenwton老大很多中国企业辩论自适应的合作，但是相当大的问题就是在中国这些东西都堕没法地。为什么呢？因为B2B拒绝大家专业化的分工，专业化分工的前提是什么？拒绝要有比较的稳定性，模块要比较比较稳定。

但是AI这件事你不会找到，特别是在在目前的阶段来说，它对各环节的拒绝都很高，要把它融合一起制成一个产品，第一要大大递归，第二在模块上的变化是十分大的，所以我们一开始智适应环境在中国落地的时候，Kenwton告终了，当时跟好未来等等做到了很多项目，效果都很差。很差在什么地方呢？不是技术很差，而是在中国落地的时候周期过于宽，一个产品在中国获得好的智适应环境技术，去落地的时候对内容有相当大的拒绝，对教学方式有相当大的拒绝，对获取产品的方式也有相当大的拒绝。在这些东西不成熟期的情况下，一个周期过去了，试错还没试完了，时间早已没了。

而且教育这个行业对整个学期的拒绝，对整个上线的拒绝有很多不可控性。比如说每年春季、秋季开学的时候，产品没准备好的话，上没法线的话，这次递归的机会就错失了。本来9月1日要上线，如果9月16日你还没上线，下次再行想要上线就是春节以后了，AI拒绝递归十分慢，而且融合性十分强劲，这样的公司在中国做到B2B基本上是没机会的。

在中国我们也教给了一些东西，在AI的情况下必须十分强劲的能力，也就是说要想要把AI的项目作好，人员既要不懂教育的整个场景，又必须有很强的AI本身的能力，很多时候必须有很强的工程能力，要有很多能力的融合。中国的机器学习或者是AI自学，跟美国比起还有相当大的差距。

中国一开始做到的时候，栗总做到松鼠AI的时候，要寻找把四项需要都需要拼成一起的东西。把好的商业模式，AI的能人，需要获得数据的途径以及要融合强劲的计算力，把这些东西需要融合在一起才有顺利的可能性。所以我们自己设计的话，我们是从头到尾原始的AI倒数的自适应，另外我们从数据角度来讲是全面、原始、快速增长的数据模型。

为什么我们要做到这么一个东西？这也和一开始说道的教育里面仅次于的智适应环境解决问题的痛点是什么涉及。自适应仅次于的痛点来自于传统教育的陈旧或者是违宪性，只要是老师一对多的情况下，我们实在一定是违宪或者陈旧的。也就是说学生在传统课堂里花的时间，和一个一对一比起有一个相当大的效率差距。

我们为什么不接纳像双师课堂，或者是课后人工智能作业，这是渐进性的提升，有一定的协助，但是没解决问题最显然的效率低落问题。最显然的效率低落问题，是一个老师哪怕给三个学生或者是十五个学生，还是四十个学生，教教的时候，每个学生在习的过程里因为自己每个人的拒绝不一样，针对一个人好的东西，针对另外一个人不一定好。

人工智能就是要临床他在自学过程中的问题，根据他的自学路径切合。如果你没这样一个原始的切合机会的话，这个AI就构建没法。崔博士那天谈到我们产品的时候大家也告诉，AI就是要解决问题这七个问题，需要精确的临床学生的自学状态、获取有效地的自学路径、制订合理的自学目标、在教室里还有辅导老师给他获取一个适合的预警机不会，以后能用主观因素的理解协助小孩获取信心、态度、习惯，协助家长给小孩获取更佳的学环境，这是整个AI自适应平台的拒绝。我们自己明确是怎么做的呢？给大家获取一个框架，我们谈一些产品和系统，这个东西是什么呢？这张是谈主要系统的模块，在这个模块之间我想要专门托几个我们指出对我们来说，从设计角度较为最重要的东西。

因为AI里很最重要的是数据，数据来自于两个方向，一个是能大量的累积，另外数据要有深度的关联。这张图里有两块是和数据涉及的，最右边的LRS，中间有一个MDS，这两个东西给我们获取的是把自学不道德数据，和我们的科学知识图谱、题库、内容库和教学内容的东西连接起来，这样才能超过数据有效地的长年用于。以前我们在实行过程中找到了一个相当大的问题，很多企业的数据是单维度的，有可能有学生所有做题的记录，有可能有学生所有考试的记录，有可能有学生所有英语读者的东西，发音的数据，但是单个来看的话，数据有效性很受限制。

如果你想要从里面寻找数据的话，如果只有一个维度的数据的话，你能做到的事情十分受限，而且必须大量的人工去辟标签或者人工的做到适当的对系统。如果你的数据是多维度的，是有涉及联系的，如果一个学生不光有做题的数据，还有做到题之后看视频的数据，还有做题的时候当时表情的数据，还有做题的时候脑电波的数据，这样我们可以在各个方面把这些数据融合一起，需要做的东西比以前要非常少，它能获取的可能性小得多。即使不说道脑电波或者表情数据，哪怕把自学目标理解了，就是学生做到一道题的时候，当时自学的目标是什么，想学的是什么知识点，这套题做到之前早已理解了哪些知识点，不理解哪些知识点。如果告诉了这个信息以后，你的做题数据还包括以后的其他学生不道德数据，对你的机器学习和整个老师的临床来说有十分大的起到，我们是通过MDS把数据融合一起，LRS把数据累积一起。

另外想谈一下自适应引擎，不管是刚才一起作业他们提及的东西，还是掌门一对一提及的，都提及了较为类似于的东西。我们的适应环境引擎获取了两个最基本的功能，它自己的大脑里必须有什么东西，第一个是理解一个学当时自学的状态，理解他对知识点理解的程度，和所有知识点之间的联系，相互之间的关联性是什么样的。

第二个是引荐路径，我告诉这个东西以后怎么给你好的引荐，这是我们的引擎最重要的核心部分。这个机器必须告诉什么呢？一方面必须告诉学生长年的数据，就越长时间就越好，还有一个他必须理解自学它习的东西，像一个GPS导航系统一样，学生要去哪儿？这些地方之间的关联是什么？还有一个学生可以做到的事情是什么，可以看的内容是什么，和我们导航系统的东西有什么联系，这样才好给他引荐。

第三个就是学生自己的状态，还包括他的自学目标是什么。有了这些，自适应引擎就可以并转一起了，后面还有很多其他涉及的东西，因为时间的关系我们就不一一讲解了。

为未来打造出超级AI导师我想要谈一谈我们以后要做到的，未来要打造出AI教室所必须的东西。刚才由于三个层面所谓模型的信息，最顶上那一层是DKT还有Dan新的研发的一个模型，可以很好的理解学生的状态，当然还有其他的模型，可以根据记忆的消退来给学生获取以后的自学机会。第二层是多输出的，或者是通过有所不同的信号来输出，来理解学生的情感和注意力的状态，这样它主要的目的是为了给老师获取更佳的预警，老师什么时候介入学生、获取学生，获取这样一个层级的起到。

第三层是我们较为新的研发的东西，通过对话的形式协助学生做错因分析，协助学生做到一些明确的“临床”，这个在研发的过程中，我们跟CMU在做到一些新的东西。我们为未来打造出超级AI导师，在国际上有大量的合作，现在早已跟我们有合作关系的有SRI、UC Berkeley，中国社科院，澳大利亚UTC，现在立刻要创建合作关系的还包括CMU，孟菲斯大学，西班牙的IIA和MIT，我们都在谈判中。

我们期望通过跟顶级机构创建合作关系，利用我们的标准和数据共享以及开放平台的优势，来获取更加强劲的AI功能，为每一个小孩获取超级AI教师，多谢大家。（演说全文完）(公众号：)2018年度AI最佳掘金案例票选人工智能风雨60年，与其说技术升级促使了今天的浪潮，不如说当前的人工智能，再一车站在离商业最近的方位。去年，首届「AI 最佳掘金案例年度票选」活动日后发售，之后受到了AI方案输出方和AI技术需求方的很大注目。

票选从商业维度抵达，找寻用户/客户问题解决问题能力强劲的产品和解决方案。现在，我们再度车站在AI浪潮之巅，月启动第二届「AI最佳掘金案例票选」。

在AI+教育领域我们一共设置了6个奖项，青睐踊跃报名，甄选地址：https://www.leiphone.com/special/custom/AITopTen2018.html涉及文章：掌门1对1张翼：AI对教育仅次于的赋能是让学生提供关上科学知识宝库的“钥匙” | 全球AI+智适应环境教育峰会天图资本冯卫东：面临AI革命中小学教育何处去？| 全球AI+智适应环境教育峰会完满告一段落！“全球AI+智适应环境教育峰会”亮点与干货集锦松鼠AI栗浩洋：AI将对教育带给颠覆性变革 | 全球AI+智适应环境教育峰会原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：五分赛车网站-www.kouennkainotomo.com