摘要:心理学、历史、辩论、幽默与戏剧……AI不擅长的领域还有哪些?

不用怀疑:机器学习现在越来越流行了。

过去两年内,人们对自动学习的算法和提高自己的学习体验愈发感兴趣,并称之为人工智能或是机器学习。其实人工智能已经诞生数十年了。(人工智能发展协会在1979年成立;有些人将该趋势回溯到古希腊,或者是早期可编程计算机早期发展的1940年代)。

最近,Bloomberg Beta的一位投资人Shivon Zilis一直在布局各行各业的机器学习,教育行业也是其中之一。有些专家担心这样做会有风险。例如,亿隆马斯克一直提醒大家注意他的末日预测,正如《纽约人》写的那样,而他过去几周一直在和更乐观的马克扎克伯格待在一起。(《大西洋月刊》也有报道。)

1

毫无疑问,现在投资人都在追逐AI潮流,中国语言学习创业公司“流利说”——一家一直在用机器学习算法向全中国4500万人教授英语的公司,近期募集了1亿美金。

为了探索教育领域机器学习的潜力,EdSurge上周在旧金山和Adam Blum (OnpenEd的CEO), Armen Pischdotchian(IBM Watson的学术技术导师), Kathy Benemann (EruditeAI的CEO)和Kirill Kireyev ( instaGrok 的创始人)安排了一次会面。Edsurge的Tony Wan主持了这次会面。下面是一些摘录对话:

EdSurge:人工智能在数十年来都被认为很有可能会改变教育,现在有多接近呢?又有什么不同?

Benemann现在是数据爆炸的年代。对于我们EruditeAI的人来说,数据比收入更重要。有了好的数据,我们也能够更好地调整算法。但是更重要的是,我们需要认识到我们人类是AI的创造者。

Pischdotchian如果你回顾早年教育模式,我们会称之为工厂模式。老师们对所有学生的教学模式都是一样的。然而今天事情却改变了。像Chan Zuckerberg Initiative 这样的机构一直想抛弃这种模式。学习不能通过工厂模式,这不是可持续发展之路。现在教育行业需要的是“新领工作”。

Kireyev: 我们见证了教育行业内容上的数据爆炸。我们可以比过去更快知道学生在干什么。当孩子们在Scratch上学习时,他们所有的活动都在网上完成:你可以看他们什么时候看视频,什么时候停止,什么时候感到无聊。你可以分析他们的行为。这些数据都极具价值。而且未来数据和科技的价值更大,所以现在很多人都想从事AI和机器学习的事情。

现在我们知道了数据爆炸和学校模式需要改变,还有什么新内容呢?

Blum:目前有两大趋势,而且我们才刚起步。我们和IMS全球学习一起合作,一些技术标准,如Caliper和xAPI,才刚起步。其次,很多行业都缺乏长期数据,包括教育行业。所以如果你想知道学生们面临的下一个难题,那么你必须用一种叫做强化学习的新途径。所以即使我没有很多数据,我们也能边探索边发展。这也是Google是如何解决AlphaGo的难题的。

目前AI在教育的应用有哪些?我们已经在使用了吗?

Pischdotchian: 我们要在学习体验中找到模式。我们可以说,如果一个人擅长数学,系统该如何识别学习中的难题,并且让教师了解从而利于他们的教学?IBM和芝麻街就在这方面进行尝试,他们在大学里探索机器学习的发展。教师也能够用上这个系统:我们在麻省理工学院有一个编程团队,并且所有的教室都有摄像头(学生们也知道)。如果教授在讲课而且注意不到是不是半个班级都在睡觉,我们可以用一个面部识别系统来探测(学生)情绪(如无聊)并给教授发信息。

Benemann: 现在人们都在问,教育的哪些领域可以应用AI?AI在教室会是什么样的?AI会取代老师吗?AI能够解放老师吗?自适应平台能够帮助学生学习吗?

2(机器智能3.0状况调查,来源Shivon Zillis)

这是否意味着,如果没有AI,市场上的自适应科技并不能做到真的自适应?

Benemann: 有些工具是自适应的,它们也自称是AI(但仍有很长的路要走)。

Kireyev: Instagrok是一个可视化搜索引擎。我们都在利用机器去识别哪些是重要的概念,并且让学生按照规定的路径学习,它们可以集成、组织这些概念。TextGeonome是另一个项目。我们正在开发一个以深度AI为基础的词汇开发结构。我们要解决的问题是:给学生定一个水平,他们接下来需要学习什么单词?

Blum: 在ACT考试中,我们聚焦的点是:如果你认知到了学习的瓶颈,那么最能帮助学生的材料是什么?不只是ACT考试;我们也希望机器学习能够给学生最好的学习资源。

在某些领域,如果你不能理解机器学习预测模式,你就落后了。例如大学招生办。

当你从数据评估模式转向深度机器学习模式(包括神经网络)的时候,大概可解释性是落后的。你可能有一个你无法解释的神经元。所以一个重要的问题是,当预测性算法变得更好时,你的解释力会变弱。在某些严格管制的市场,如教育和医疗市场,会有更多解释性工具被开发出来。

想象你在大学内:他们用统计学数据来挑选即将入学的学生。现在,假设你有一个机器学习的项目能够更好地预测学生的成绩。当然,已经有大学在做这件事情了,只是风险太高,他们还没有披露。但可以肯定的是,他们正在用机器学习来挑选学生。我们还需要一些总结性工具来解释这些选择。尽管深度学习很复杂,对于那些能够入学的学生来说,我们还需要能解释他们为什么被录取。

也有些人担心AI这样的词汇逐渐变成产品的噱头。如果我是一名老师,一个公司告诉我,“我的数学工具是以AI为基础的”,我应该问什么问题呢?

Blum: AI的问题现在是发现和解释。如果你用了AI的标签,我想知道:你说的是符号监督系统?还是自然语言处理?如果你只说了AI,那么你的可信度会降低。如果你只是用了AI的标签,那么就是希望我们能聊聊AI背后的产品了。

Benemann: 销售应该只谈论学生成绩和教师教学,最好不要谈论AI。毕竟AI也只是帮助学生学习和教师教学的一种途径。最好的说法是,我们可以做一个关于产品的案例研究,展示该产品是如何提高效率,减少时间浪费的。

你是如何平衡AI工具和保护学生敏感隐私数据的?

Blum:我们现在其实是没有个人身份信息的。如果你有足够的信息,你大概可以知道这个人是谁。所以需要有行业标准。如果有标准,在线教育开发者也可以做的更好,比如我们说,“这是允许你分享和保存的东西、”我也提出了现在需要更好的隐私标准,如有标准可循,也不会给人起诉的机会。

Benemann: 谁能拥有数据?看看医保系统。医疗市场是一个分裂的市场,但是现在的趋势是病人们能拥有自己的数据。我很好奇,我们未来是否也可以让学生们拥有自己的数据,并决定是否准许学校使用自己的数据。

很多人都担心自己的工作被自动化取代。这会影响到老师和其它职业的人吗?

Kireyev: 我发现教师的角色一直在变。领导者,指导者……这是我从教师身上发现的令我兴奋的地方。越来越多的老师和学生们接触更深入,而不仅仅是解释公式的应用。

Blum: 现在我们也在对职业技术教育做出一些改变,但还没有被充分利用。我们需要让思维稍稍超前……未来十年,做卡车司机意味着什么?会怎样影响到跨行业的供应链?我们需要让职业教育变得更好。

Pischdotchian: 现在STEAM(科学,技术,工程,艺术和数学)比STEM(科技,技术,工程,数学)更重要。右脑负责的艺术、创造性、心理学会比分析、数学更加重要。心理学、历史、辩论、幽默与戏剧,这些元素在我们的生活中也会更重要,而这些并非AI擅长的领域。

AI已经为我们生活带来了便利,但也有它的问题。毕竟人类并非那么勤于思考。成长和舒适往往不能共存。

 

本文来源:edsurge

原作者:Tony Wan

编译:鲸媒体Ariel