对于AI+教育的重点问题，这3位人工智能专家有话说

毫无疑问，人工智能（AI）等新技术正在渗入教育行业。但究竟新技术+教育将带来哪些应用场景的改变，对此，各家公司有不同的路径和畅想。

从左到右分别为王翌、王卓和林远东

11月16日，「AI早餐汇」受邀参加以“共建丨让更好的教育来得更快”为主题的GET2017教育科技大会“人工智能论坛”，几家致力AI+教育的科技公司创始人和专家悉数到场。就AI和教育结合的核心因素、AI如何驱动教育教学方式变革等热点话题给出了自己的见解。

流利说创始人兼CEO王翌：AI+教育结合的五大核心元素

教育和医疗可能是人类所有的花费里面，最昂贵的两个，它不仅花了很多的钱，还要花用户很多时间，对于所谓结果，很多时候还不一定可预测，结果不一定能拿到。

王翌认为，如今教育行业的基本矛盾，是持续增长的个性化需求和日益稀缺的师资之间的矛盾。

很多人都学了12年英语，一个普通中国年轻人，大概在英语学习上花的时间是2000—2500小时，结果90%的人是哑巴英语，看到一个老外会脸胀的通红，可能不能自如沟通，而欧标报告显示只要学习1000—1200小时，可能就能从一个零基础到接近母语水平程度，效率差别非常大，提升空间巨大。

目前，英语流利说的人工智能系统可以个性化给用户确定起始级别，这是一个可变长度自适应的定级测试。然后，通过智能算法给学生个性化的推送学习内容，每个人的内容、顺序，甚至里面的选项，都是因人而异设定的。整个课程，像一个无形的手，牵着学生往前走，不紧不慢。

王翌总结，教育的未来可以用个性化、高效率这两个词概括，当下AI和教育结合的五大核心元素：团队、数据、技术本身、产品体验、内容。

至于AI+教育如何炼成，首先需要一个好的团队。其次，要积累大量数据。此外，在人工智能老师背后，需要一个学习理论来指导。

科大讯飞教育事业群副总裁王卓：人工智能技术应该给教育带来怎样的价值？

王卓认为：第一，人工智能技术要对教育数据采集的手段进行变革。大量教和学的过程化数据都是以视频、音频、图片的方式存在的，但这只是数字化。想要形成数据化，就需要人工智能技术。

人工智能技术要能把音频都转成文字，把以前写在纸上的作文识别出来，把以前在纸上写的学科试题答卷智能解析出来。用人工智能技术对课堂教学场景进行分析，是人工智能技术在数据采集和分析方面的重要价值。

第二，为教师减负增效。很多老师都在做重复性的工作，比如批改作业、重复备课。人工智能可以大幅提高老师的效率，让计算机来承担那些简单重复的工作。

第三，帮助学生实现个性化的学习，提高学习效率。一个初三学生可能花3个小时来练习一套题，第二天做这套题可以得100分。通过后台数据分析，可以在半小时里教给学生他想学的、欠缺的、需要提升的东西，剩下两个半小时的时间，学生可以做别的事情。

第四，为管理决策提供大数据，为科学治理提供支撑。国家对教育的年度投资已经达到了GDP的4%。想要知道投下去的资源是否产生了相应的效果，可以用人工智能技术分析教育大数据，给国家相关部门提供科学的决策依据。

目前，科大讯飞对教学过程性数据的采集有一个完整的链条。从课堂互动、作业到考试，都会收集对应的数据。不同数据的采集方法有所不同。

比如，用智慧课堂设备采集课堂教学互动和授课数据，用手机采集日常学生作业和练习的数据，用校级云阅卷系统采集校内考试数据，用区域数据中心采集中考、会考等区域统考数据，为个性化学习打下数据基础。

驰声科技创始人林远东：教育+技术结合的四个阶段

据介绍，驰声科技是国内教育行业最大的口语评测技术解决方案提供商，大致在6个细分行业提供智能口语评测技术。林远东参与和观察了很多合作伙伴应用驰声所提供的人工智能技术，所包装的各种各样的产品。这个过程中去体验，到底教育和技术结合的过程中，有哪些趋势和哪些规律。

他认为教育和技术的结合有四个阶段。

第一个阶段，移动互联网的信息技术的普及。这个阶段作为一对一的视频载体或者教学辅助的工具，都无可避免地发现所有的教学行为、所有的学习数据都变得在线化、移动化，而且大量的数据采集、存储、分析和后续的分析和推动，实际上现在的信息整体都被存储下来了，这在移动信息或者是互联网技出现是没有办法想象的，由此形成了整个教育改良运动的非常重要的一个基础。

第二个阶段，人工智能技术阶段。很长一段时间里面，技能的习得是需要大量的人工干预的。举个例子，智能口语评测技术出现之前，人们练习口语的唯一途径是找到熟知英语口语的人，跟他一起练习。使得整个过程难以大量快速普及，很少人真正有机会张嘴说好一口外语。人工智能技术去做这个技术和改良运动的推动，它使开口练习发音技能变成了可能。

第三个阶段，教育融合。最明显的特征是自适应学习，即基于对一个学习个体的深度理解，从而规划出对他最高效的学习路径和学习内容。海量数据的自动化时代对教学的挑战是人的角色的变化，自适应学习和个性化学习本质的关键点和瓶颈是教师的角色改变和整个主流教学模式的改变，或者说教师角色的重新被定义。

第四个阶段，大数据阶段。人工智能和移动信息技术的发展，越来越多将取代教师大部分的功能，而教师转向针对采集到的海量数据去做决策，这是自适应学习的第一步。

而自适应的学习发生以后，老师对于个性化学习的决策数据开始被收集，所有人工智能的起由和推动都是数据，当这一部分数据被大量的采集，人工智能在进一步往前去替代人对于个性化学习的决策才变得可能。

随着未来海量数据和自适应学习数据这个阶段被真正意义上的记录、存储和分析，人类从大量的数据里面学习到学习的规律、教学的规律才成为可能，那个阶段才是真正意义上教育和技术进入大数据梦想的阶段。

原文发布时间为：2017-11-24

本文作者：Chloe&Linda

本文来自云栖社区合作伙伴“AI早餐汇”，了解相关信息可以关注“AI早餐汇”微信公众号