自適應(yīng)學(xué)習(xí)專家王楓詳解智慧教育中的“人工智能”
谷歌研發(fā)的阿爾法狗（AlphaGo）4:1打敗韓國圍棋名將李世乭，一時(shí)間人們開始相信，在未來，諸多職業(yè)將被人工智能取代。假如人工智能介入教育，那么學(xué)習(xí)的過程將會(huì)發(fā)生什么樣的變化？人工智能是否可以取代人類老師？如果能，又會(huì)有多少老師被它所取代？什么是真正的自適應(yīng)學(xué)習(xí)？本文通過整理王楓博士口述將揭秘自適應(yīng)學(xué)習(xí)的前世今生。什么是自適應(yīng)學(xué)習(xí)系統(tǒng)？針對(duì)這個(gè)最普遍的入門級(jí)問題，王楓博士所給出的回答是這樣的：“其實(shí)簡單地說，這套學(xué)習(xí)系統(tǒng)就是能夠根據(jù)學(xué)生的不同情況進(jìn)行“自動(dòng)適應(yīng)”，然后給出學(xué)生最適合他的學(xué)習(xí)內(nèi)容，根據(jù)不同學(xué)生的情況，可能會(huì)推送不同的題目或者視頻等內(nèi)容。在這種推送的背后所隱藏的，是大數(shù)據(jù)和智能技術(shù)在教育層面的深度應(yīng)用。”對(duì)于教育產(chǎn)品來說，王楓博士認(rèn)為交互性是處于核心位置的。“所謂的交互性，并不是簡簡單單指界面上的交互，而是學(xué)生在學(xué)習(xí)過程中不斷地獲得反饋。一般而言，交互性體現(xiàn)在三個(gè)方面：一是老師和學(xué)生的交互，其最理想的情況是優(yōu)秀的老師可以針對(duì)幾個(gè)學(xué)生的特點(diǎn)，給予針對(duì)學(xué)生的個(gè)性化的教學(xué)和輔導(dǎo)。二是指學(xué)生之間的交互，最理想的狀態(tài)是優(yōu)秀的學(xué)生可以跟其他學(xué)生深入交流。第三就是普遍最受重視的，學(xué)生與系統(tǒng)內(nèi)容的交互。這才是最核心的解決辦法，因?yàn)橛?jì)算機(jī)系統(tǒng)的運(yùn)算能力、準(zhǔn)確性、信息量以及供應(yīng)力是相當(dāng)強(qiáng)大的。但目前的MOOC模式能夠?qū)崿F(xiàn)的是知識(shí)的“可獲得性”，是純粹單向的“送達(dá)”。但我們所謂的自適應(yīng)學(xué)習(xí)，是在這個(gè)交互性的領(lǐng)域?qū)崿F(xiàn)智能化。”“舉個(gè)例子來說，就像我們平時(shí)看到的一些互聯(lián)網(wǎng)巨頭，他們都已經(jīng)實(shí)現(xiàn)了所謂的個(gè)性化推送。比如淘寶或者亞馬遜，都可以通過對(duì)用戶的瀏覽和購買行為進(jìn)行追蹤分析，然后實(shí)現(xiàn)對(duì)商品的建議性推送。而教育領(lǐng)域的人工智能，則需要考慮學(xué)習(xí)過程的復(fù)雜性，對(duì)于任何一個(gè)學(xué)生，不論處于什么樣的學(xué)習(xí)狀態(tài)，其下一步要學(xué)習(xí)什么，怎么學(xué)，目前的程度是什么，都是需要綜合判斷和測量的。如果在技術(shù)層面模擬一個(gè)優(yōu)秀老師的教學(xué)過程，面對(duì)這些復(fù)雜的問題，一定要基于大數(shù)據(jù)進(jìn)行分析和演算，對(duì)學(xué)生的特征進(jìn)行測量和量化描述，最終推送適合某個(gè)學(xué)生的學(xué)習(xí)內(nèi)容。”能舉個(gè)自適應(yīng)學(xué)習(xí)的例子嗎？我們生活中有這樣的自適應(yīng)學(xué)習(xí)嗎？“這種例子肯定是有的，我們先假設(shè)一種情況：如果有一位學(xué)生做了十道一元一次方程的題目，結(jié)果他做對(duì)了六道題，做錯(cuò)了四道題；然后這個(gè)學(xué)生又去做了十道一元二次方程的題目，結(jié)果是對(duì)了兩題，錯(cuò)了八道題。那么這個(gè)時(shí)候老師應(yīng)該怎么辦？”“這個(gè)時(shí)候，不同的老師就會(huì)有不同的反應(yīng)。水平比較差的老師，這時(shí)候會(huì)要求學(xué)生再去做一批一元二次方程的題，讓學(xué)生多練，覺得這樣學(xué)生自然就會(huì)熟能生巧；水平中等的老師呢？他會(huì)降低難度，讓學(xué)生去做一些難度低一點(diǎn)的一元二次方程，看看學(xué)生的情況；而好的老師則會(huì)發(fā)現(xiàn)他的問題不在于一元二次方程，而是在于一元一次方程的基礎(chǔ)沒有打牢。所以會(huì)要求學(xué)生回到一元一次方程或者求根的過程里去學(xué)習(xí)和練習(xí)。——這就是自適應(yīng)學(xué)習(xí)系統(tǒng)，模擬優(yōu)秀教師的教學(xué)過程去給學(xué)生提出個(gè)性化的要求。”“以上只是對(duì)問題的簡化描述，而現(xiàn)實(shí)情況更復(fù)雜。比如 A學(xué)生是不會(huì)一元一次方程； B學(xué)生是不會(huì)求根；C學(xué)生可能是連方程的移位都不會(huì)；其他學(xué)生每人都有每人的薄弱點(diǎn)，每一個(gè)學(xué)生的情況不一樣，綜合的知識(shí)點(diǎn)數(shù)量如此龐大，出現(xiàn)的問題幾乎是所有情況的乘積。因此，如果希望通過簡單的編程方式去判斷學(xué)生的情況，那么我們?yōu)榱司幊趟枰A(yù)設(shè)的規(guī)則路徑幾乎是天文數(shù)字。因此，試圖通過簡單程序的判斷來解決問題的方法是不可行的。”“而這個(gè)例子只是數(shù)學(xué)這一個(gè)學(xué)科，數(shù)學(xué)的許多知識(shí)點(diǎn)有明確的前提后續(xù)關(guān)系，好比只有先學(xué)到知識(shí)點(diǎn)甲，并且練習(xí)熟悉后才可以學(xué)知識(shí)點(diǎn)乙。如果學(xué)生掌握了乙知識(shí)點(diǎn)，那可以推斷學(xué)生也已經(jīng)掌握了甲知識(shí)點(diǎn)，這個(gè)過程姑且還容易追溯。但在實(shí)際應(yīng)用中，還有很多情況更加復(fù)雜，例如英語，其知識(shí)點(diǎn)的關(guān)系是離散的，并不一定先學(xué)習(xí)名詞的單復(fù)數(shù)后才可以學(xué)不定冠詞的用法，各個(gè)知識(shí)點(diǎn)呈現(xiàn)的只是相關(guān)性。這種學(xué)習(xí)過程只能通過優(yōu)秀教師去以極強(qiáng)的經(jīng)驗(yàn)來進(jìn)行綜合判斷和指導(dǎo)；對(duì)于計(jì)算機(jī)系統(tǒng)而言，這個(gè)過程基本沒有簡單的規(guī)則可以預(yù)設(shè)，因此幾乎不可能通過簡單的編程手段來實(shí)現(xiàn)這一類的教師智能，只能采用類似阿爾法狗的人工智能算法來進(jìn)行運(yùn)算模擬。”“所以，解決學(xué)習(xí)的‘交互性’是我們通常可以看到的問題，很多企業(yè)也在做著各種有益的嘗試。但如果要徹底解決這一問題，計(jì)算機(jī)系統(tǒng)需要 “模擬優(yōu)秀教師的教學(xué)過程”，這并非通過簡單的計(jì)算機(jī)編程就可以實(shí)現(xiàn)，而是需要通過人工智能的技術(shù)手段進(jìn)行深度的模擬，這就是自適應(yīng)學(xué)習(xí)系統(tǒng)的目標(biāo)和根本定義。”自適應(yīng)學(xué)習(xí)系統(tǒng)分哪些層級(jí)？“從最廣義上說，任何能夠通過學(xué)生的反饋而推薦不同題目或知識(shí)點(diǎn)的系統(tǒng)，都有著‘自適應(yīng)學(xué)習(xí)’的功能意味，但我們所強(qiáng)調(diào)的自適應(yīng)學(xué)習(xí)，一定是基于某種技術(shù)深度的。簡單地說，常見的自適應(yīng)學(xué)習(xí)系統(tǒng)可以分為三個(gè)層次：第一種是最簡單的自適應(yīng)學(xué)習(xí)系統(tǒng)，系統(tǒng)預(yù)先設(shè)定學(xué)習(xí)路徑，通過簡單的路徑設(shè)定來指導(dǎo)學(xué)習(xí)過程，這叫做所謂基于規(guī)則的自適應(yīng)學(xué)習(xí)系統(tǒng)。第二種的復(fù)雜度稍高，系統(tǒng)并不預(yù)設(shè)學(xué)習(xí)路徑，而是在后臺(tái)具有一定的算法，根據(jù)每一個(gè)學(xué)生的做題記錄，來推斷學(xué)生的問題所在和能力水平，為學(xué)生匹配學(xué)習(xí)內(nèi)容。第三種是最為復(fù)雜的自適應(yīng)學(xué)習(xí)系統(tǒng)，也就是在基于人工智能的自適應(yīng)學(xué)習(xí)系統(tǒng)里，解決學(xué)生的學(xué)習(xí)路徑的問題和內(nèi)容推送的問題。就學(xué)習(xí)路徑而言，比如說知識(shí)點(diǎn)的跳轉(zhuǎn)，還是拿前面的例子來說，關(guān)于知識(shí)點(diǎn)之間的相關(guān)性，通常會(huì)通過知識(shí)圖譜來設(shè)定。但就知識(shí)圖譜而言，每一個(gè)知識(shí)點(diǎn)的相關(guān)性是需要專家預(yù)設(shè)的，專家的預(yù)設(shè)是主觀的，不同專家也有不同的判斷結(jié)果，所以最終的圖譜難免也是主觀的。因此比較完善的自適應(yīng)學(xué)習(xí)系統(tǒng)的做法是，先通過專家預(yù)設(shè)的知識(shí)圖譜來進(jìn)行階段性使用，最終根據(jù)使用后學(xué)生留下的海量行為數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，最終優(yōu)化知識(shí)圖譜達(dá)到準(zhǔn)確客觀的程度。最終系統(tǒng)會(huì)以這個(gè)客觀的知識(shí)圖譜，為學(xué)生匹配最優(yōu)化的學(xué)習(xí)路徑。在學(xué)習(xí)內(nèi)容方面，首先需要擁有最優(yōu)質(zhì)的學(xué)習(xí)內(nèi)容，這是毋庸置疑的；這里的關(guān)鍵是，在針對(duì)某一學(xué)生的學(xué)習(xí)路徑下，我們需要匹配什么樣的內(nèi)容給學(xué)生。這里所謂的適合，是指難度稍高于學(xué)生當(dāng)前的水平，既不能高得太多，也不能是學(xué)生已經(jīng)掌握的重復(fù)性內(nèi)容。在這個(gè)問題上，內(nèi)容與學(xué)生的水平相匹配，那么內(nèi)容的難度以及學(xué)生的水平就需要客觀地測量，這里面不僅僅采用IRT理論，而是采用更為復(fù)雜的知識(shí)空間等算法。”自適應(yīng)學(xué)習(xí)系統(tǒng)的構(gòu)成部分是什么？對(duì)于這個(gè)問題，王楓博士的回答是這樣的：從系統(tǒng)結(jié)構(gòu)來看，自適應(yīng)學(xué)習(xí)系統(tǒng)由三大部分組成：內(nèi)容模型、學(xué)生模型（也叫檢測模型）、推薦模型（也叫教學(xué)模型）。首先是內(nèi)容模型，就是以此為依據(jù)來建立詳細(xì)的學(xué)習(xí)內(nèi)容和知識(shí)點(diǎn)結(jié)構(gòu)圖。知識(shí)圖譜的構(gòu)件先要把知識(shí)點(diǎn)顆粒度拆成納米級(jí)別。而知識(shí)點(diǎn)的呈現(xiàn)方式有視頻、音頻、文字、圖片等。題庫里有題目、答案、解析；解析里面又可以分文字解析、視頻解析和圖片解析等。然后每個(gè)知識(shí)點(diǎn)還要打上標(biāo)簽，標(biāo)簽包括知識(shí)點(diǎn)內(nèi)容、學(xué)習(xí)時(shí)間、學(xué)習(xí)風(fēng)格、傾向性（喜歡音頻學(xué)習(xí)還是視頻學(xué)習(xí)）、內(nèi)容質(zhì)量、難易度、區(qū)分度等。顆粒度很細(xì)，標(biāo)簽很多，就可以使學(xué)生實(shí)現(xiàn)匹配的更精細(xì)化，例如一個(gè)學(xué)生做50道題，圍繞相關(guān)知識(shí)點(diǎn)，背后需要有至少1200道題的題庫量。知識(shí)圖譜拆分由專業(yè)的老師來做，最初的標(biāo)簽也是由老師來打，但是后期，隨著學(xué)生數(shù)據(jù)越來越多，系統(tǒng)對(duì)標(biāo)簽進(jìn)行自動(dòng)更新，例如難易度等級(jí)，這樣就慢慢淡化了前期老師的主觀因素。其次是學(xué)生模型，也就是檢測模型。它能夠?qū)崟r(shí)測評(píng)每一個(gè)學(xué)生在每一個(gè)知識(shí)點(diǎn)的掌握水平，并且通過大數(shù)據(jù)分析方法推算和量化學(xué)生在當(dāng)前知識(shí)點(diǎn)以及相關(guān)知識(shí)點(diǎn)的能力水平。自適應(yīng)學(xué)習(xí)系統(tǒng)能對(duì)學(xué)生進(jìn)行動(dòng)態(tài)檢測，學(xué)生每做一組題和每看一段視頻，系統(tǒng)對(duì)學(xué)生的專項(xiàng)能力值和整體能力值都會(huì)不斷修正判斷，系統(tǒng)對(duì)學(xué)生就越來越了解。值得注意的是，對(duì)于學(xué)生做錯(cuò)的題目，到底學(xué)生粗心大意還是真的不會(huì)，系統(tǒng)也要有一個(gè)判斷。比如，如果是粗心寫錯(cuò)的，系統(tǒng)可以通過其他題目中的相鄰知識(shí)點(diǎn)和關(guān)鍵知識(shí)點(diǎn)的檢測，發(fā)現(xiàn)學(xué)生已經(jīng)掌握了某個(gè)知識(shí)點(diǎn)，因此分析之后不再推薦這個(gè)知識(shí)點(diǎn)給學(xué)生練習(xí)。第三個(gè)是教學(xué)模型，也叫推薦模型。能根據(jù)每個(gè)學(xué)生的最新能力水平，提供相應(yīng)的反饋，并匹配出最為合適的學(xué)習(xí)內(nèi)容。如果說前兩個(gè)模型是系統(tǒng)的進(jìn)口的話，教學(xué)模型（推薦模型）就是出口，根據(jù)檢測結(jié)果，給學(xué)生推薦下一步學(xué)什么。在傳統(tǒng)線性教育中，老師會(huì)讓學(xué)生自己整理錯(cuò)題集，有經(jīng)驗(yàn)的老師則根據(jù)學(xué)生的錯(cuò)題來判斷他掌握知識(shí)的程度，而自適應(yīng)系統(tǒng)通過后臺(tái)數(shù)據(jù)發(fā)掘和算法找到學(xué)生的薄弱點(diǎn)，推薦最適合于當(dāng)前學(xué)習(xí)的題目、視頻、解析等等（這些內(nèi)容也都是顆粒度為“納米級(jí)”的）。需要說明的是，后面兩個(gè)模型是開發(fā)難點(diǎn)，需要應(yīng)用到數(shù)據(jù)科學(xué)、教育測量學(xué)、標(biāo)簽技術(shù)和機(jī)器學(xué)習(xí)等技術(shù)。考慮到不同學(xué)科、年段、地區(qū)的考試風(fēng)格和側(cè)重都非常不一樣，平臺(tái)型的自適應(yīng)產(chǎn)品無法解決所有問題，因此還應(yīng)該根據(jù)學(xué)生用戶群體和學(xué)習(xí)目標(biāo)，來定制開發(fā)學(xué)習(xí)產(chǎn)品。目前優(yōu)學(xué)云測評(píng)系統(tǒng)將學(xué)生性格特點(diǎn)、學(xué)習(xí)習(xí)慣和風(fēng)格等非智力因素與實(shí)際學(xué)習(xí)知識(shí)掌握情況相結(jié)合，運(yùn)用大數(shù)據(jù)分析技術(shù)精準(zhǔn)定位學(xué)生薄弱知識(shí)點(diǎn)，為學(xué)生推薦相應(yīng)練習(xí)。很重要的問題：自適應(yīng)學(xué)習(xí)系統(tǒng)可以完全替代老師的工作嗎？“這個(gè)問題也是很多人一直在關(guān)心的問題，對(duì)于人工智能代替人肉教師這個(gè)猜想，我是這么認(rèn)為的：自適應(yīng)學(xué)習(xí)系統(tǒng)將替代傳統(tǒng)的教學(xué)模式，但是它能夠替代的只是模式，而不是老師。對(duì)于老師來說，自適應(yīng)學(xué)習(xí)系統(tǒng)只能替代掉老師80%的工作。比如批改、推薦題目、機(jī)械地講解等，但是是不會(huì)完全替代老師的。畢竟，從學(xué)習(xí)的本身來看，95%以上的中小學(xué)生都不適合只面向系統(tǒng)進(jìn)行自主學(xué)習(xí)，學(xué)習(xí)需要監(jiān)督。如果有了自適應(yīng)學(xué)習(xí)系統(tǒng)，老師以后就可以去處理更多的主觀性信息，例如學(xué)生的學(xué)習(xí)傾向性如何，學(xué)生的學(xué)習(xí)計(jì)劃如何，要如何組織學(xué)習(xí)活動(dòng)等。另外，老師還可以基于自適應(yīng)學(xué)習(xí)系統(tǒng)，參與開發(fā)出更具個(gè)性化、本地化的內(nèi)容，例如自己專門錄一段視頻講解，發(fā)給自己的學(xué)生學(xué)習(xí)等。自適應(yīng)學(xué)習(xí)不是用來替代老師的，而是用來幫助老師，給老師減負(fù)的。”圖片來源：網(wǎng)絡(luò)
內(nèi)容來源：鯨媒體微信公眾號(hào)
文章有刪改
1. 優(yōu)學(xué)云測評(píng)推出培訓(xùn)機(jī)構(gòu)個(gè)性化教學(xué)解決方案
2. 優(yōu)學(xué)云測評(píng)推出中小學(xué)校個(gè)性化教學(xué)解決方案
3. 優(yōu)學(xué)云測評(píng)推出招生平臺(tái)流量提升方案
4. 優(yōu)學(xué)云測評(píng)推出企業(yè)人才發(fā)展平臺(tái)解決方案——人才庫管理
5. 優(yōu)學(xué)云測評(píng)幫助個(gè)性化教育成為現(xiàn)實(shí)
優(yōu)學(xué)云測評(píng)精選的每一篇文章都會(huì)注明來源和作者（除非找不到），文章版權(quán)歸原作者所有，若有侵犯權(quán)益，請聯(lián)系我們刪除。本文所述內(nèi)容僅代表作者觀點(diǎn)，不代表優(yōu)學(xué)云測評(píng)立場。對(duì)于本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、準(zhǔn)確性和合法性本公眾號(hào)不作任何保證或承諾。