【OpenTalk】孟鴻：AI改變教育，得跨過產(chǎn)品場(chǎng)景化的坎

　　??多知網(wǎng)6月25日消息，多知網(wǎng)第十二期OpenTalk活動(dòng)上，AI新媒體《量子位》創(chuàng)始人孟鴻分享了從AI垂直領(lǐng)域的視角觀察人工智能的內(nèi)容?！读孔游弧返闹饕繕?biāo)是圍繞人工智能的技術(shù)和產(chǎn)品來做內(nèi)容上的追蹤。

　　透過AlphaGo看AI技術(shù)傳播

　　在AI傳播上，早前最能傳播自己的是IBM，二十年前IBM做了“深藍(lán)”，通過不斷下棋，后來又參加了智力答題的活動(dòng)，在宣傳之后開始在各個(gè)行業(yè)推“沃森”。20年后，出了比深藍(lán)更會(huì)宣傳自己的“deepmind”，做了AlphaGo，整個(gè)流程非常嚴(yán)謹(jǐn)。

　　deepmind在2014年拿到Google的融資，決定要做圍棋的AI，到2015年8月，加入深度學(xué)習(xí)和蒙特卡洛搜索，包括后面加進(jìn)來的強(qiáng)化學(xué)習(xí)。這部分都做的很完善了，就開始做下一步的規(guī)劃，找人對(duì)弈。

　　（樊輝赴倫敦對(duì)弈現(xiàn)場(chǎng)）

　　當(dāng)時(shí)deepmind請(qǐng)樊輝去倫敦做對(duì)弈，這是當(dāng)時(shí)的現(xiàn)場(chǎng)局，復(fù)盤時(shí)，問樊輝，“你剛才那一步為什么不擺在這個(gè)位置，擺這個(gè)位置不就贏了嗎”，樊輝就抱頭，覺得很不可思議，價(jià)值觀要崩塌了。

　　在這之后，外界仍然不知道AlphaGo，因?yàn)橐恢北Ｃ?，也和樊輝簽了保密協(xié)議。

　　deepmind在等《Nature》的封面。2016年1月，deepmind將整體數(shù)據(jù)和對(duì)人的戰(zhàn)績(jī)編輯為論文，發(fā)表《Nature》，由于做了前提準(zhǔn)備，文章有很強(qiáng)的理論基礎(chǔ)，后續(xù)就開始和李世石、柯潔的下棋。

　　從傳播角度講，AI技術(shù)方面，讓宣傳有更大突破，搭配論文的發(fā)表會(huì)更好一點(diǎn)。論文不會(huì)出賣技術(shù)，AI的技術(shù)里面有很多參數(shù)是保密的，大家能夠復(fù)制的幾率并不很高。

　　AI2是微軟的聯(lián)合創(chuàng)始人艾倫創(chuàng)立的研究人智能機(jī)構(gòu)，想做通用人工智能，通過答題的方式實(shí)現(xiàn)。他們其中一個(gè)產(chǎn)品是答題系統(tǒng)。比如，根據(jù)食物鏈的圖，太陽(yáng)、植物、蟲子、青蛙、蛇，問：當(dāng)蛇的數(shù)量增長(zhǎng)的時(shí)候，青蛙的數(shù)量怎么樣？AI給的答案是會(huì)減少。把圖片做識(shí)別處理，用一個(gè)算法得出一個(gè)結(jié)論。

　　還有一個(gè)問答，兔子的毛什么時(shí)候最厚？四個(gè)備選答案是“春、夏、秋、冬”，系統(tǒng)給出的答案是冬天。為什么選擇這個(gè)答案，這套AI系統(tǒng)會(huì)參考美國(guó)四年級(jí)的自然教材里講到的，熊的毛冬天最厚，根據(jù)這個(gè)答案推斷。

　　還有數(shù)學(xué)的問題，過程中把題干拆解，到底怎么解決這個(gè)問題的？

　　今年3月，我們?nèi)グ菰L了一位圖靈獎(jiǎng)的得主，他當(dāng)時(shí)提到，AI2最開始想做的實(shí)驗(yàn)是直接讓人工智能通過AP測(cè)試（美國(guó)大學(xué)預(yù)科測(cè)試），試了很長(zhǎng)時(shí)間，但通不過，就去請(qǐng)教這位圖靈獎(jiǎng)得主。

　　他說不能一開始就做AP測(cè)試，人人工智能要先有能理解中學(xué)知識(shí)的能力，這之前要先有理解小學(xué)知識(shí)的能力，一步步成長(zhǎng)。于是，AI2重新從初級(jí)的階段開始研發(fā)，再進(jìn)展到目前的程度。

　　 人工智能正在改變教育，同時(shí)也會(huì)存在一些疑慮

　　在來看看AI教育，從普華永道的角度來看AI，改變教育是非常樂觀的一件事。

　　（普華永道報(bào)告）

　　調(diào)查報(bào)告中，有58%的人認(rèn)為AI會(huì)改變教育。在五年內(nèi)會(huì)被AI取代的職業(yè)中，排名第一的職位與教育相關(guān)。

　　從麥肯錫的角度來看AI，情況可能沒那么樂觀。

　　（麥肯錫報(bào)告）

　　麥肯錫報(bào)告對(duì)整個(gè)德國(guó)的持久行業(yè)用7個(gè)維度做了分析，圓圈的大小代表維度上所需要的時(shí)間占比，紅色是被替代的可能性最高，藍(lán)色最低。第一個(gè)是餐飲行業(yè)，最容易被AI自動(dòng)化所取代；最低的是教育行業(yè)，它認(rèn)為被自動(dòng)化的比例非常低。

　　從這兩個(gè)報(bào)告來看，既有對(duì)人工智能改變教育的樂觀，同時(shí)也會(huì)存在一些疑慮。

　　回到線下教育，來看一些國(guó)外的案例。

　　第一個(gè)案例叫Gooru，Gooru融合了大量多媒體教學(xué)資源，用機(jī)器學(xué)習(xí)的方式打標(biāo)簽，把資源打上標(biāo)簽提供給教師，教師用這些資源和學(xué)生做互動(dòng)，可以實(shí)時(shí)追蹤學(xué)生，實(shí)現(xiàn)差異化的教學(xué)。Gooru的投資者有谷歌和微軟。

　　ThirdSpaceLearnig提供1對(duì)1面向小學(xué)生的數(shù)學(xué)輔導(dǎo)，過程中沒有太多的人工智能成分在，把輔導(dǎo)過程記錄下來，積累數(shù)據(jù)。數(shù)據(jù)在AI上面數(shù)據(jù)非常重要，哪怕公司不具備做進(jìn)一步挖掘的潛力，應(yīng)該盡可能多準(zhǔn)備一些數(shù)據(jù)，ThirdSpaceLearnig拿數(shù)據(jù)和倫敦大學(xué)學(xué)院合作，利用大學(xué)的資源在數(shù)據(jù)中尋找模式和挖掘，得到的結(jié)果也是優(yōu)化教學(xué)結(jié)果。

　　Knewton在機(jī)器學(xué)習(xí)里面做了什么事情？把數(shù)據(jù)拿出來，根據(jù)得到的數(shù)據(jù)判斷這個(gè)學(xué)生該學(xué)什么，通過這些數(shù)據(jù)預(yù)測(cè)出你需要掌握的知識(shí)內(nèi)容。

　　Grammarly，有很多朋友說在用他們服務(wù)，Grammarly做AI寫作，通過數(shù)據(jù)和算法告訴你哪些是錯(cuò)的，哪些詞是可以修改的，在瀏覽器做一個(gè)插件就可以用使用。

　　LCALearning做的是線上的課程，包括錄課在內(nèi)，他們也通過分析眼睛的動(dòng)作來追蹤學(xué)生的學(xué)習(xí)情況。

　　AI產(chǎn)品在未來：產(chǎn)品場(chǎng)景化，底層技術(shù)標(biāo)準(zhǔn)化、透明化

　　大家講起AI是革命，是顛覆。但是最大的焦慮是做AI很難找到一個(gè)場(chǎng)景，很難找到讓用戶使用產(chǎn)品的場(chǎng)景。

　　這是很現(xiàn)實(shí)的問題，生活中真正遇到人工智能的產(chǎn)品并不是特別多。怎么場(chǎng)景化，可能需要做產(chǎn)品的同學(xué)們更多去探索。

　　我們看人工智能的項(xiàng)目，天使輪AI創(chuàng)業(yè)公司和C輪創(chuàng)業(yè)公司風(fēng)險(xiǎn)是一樣的，跟傳統(tǒng)的行業(yè)不一樣，AI創(chuàng)業(yè)公司從天使輪到C輪，風(fēng)險(xiǎn)性沒有降低。很多的創(chuàng)業(yè)公司沒有建立起自己的門檻，不具備銷售能力和真正產(chǎn)生商業(yè)模式的基礎(chǔ)，只有一個(gè)概念，真正要落地就很困難。

　　底層技術(shù)還需要標(biāo)準(zhǔn)化、透明化。

　　卡耐基梅隆唯一還在職的華裔背景的教授說，現(xiàn)在底層技術(shù)還需要標(biāo)準(zhǔn)化和透明化。一方面，過去看數(shù)據(jù)庫(kù)行業(yè)也很亂，有比較標(biāo)準(zhǔn)的模式出來，大家都會(huì)按照一定的標(biāo)準(zhǔn)化去生產(chǎn)。另一方面，現(xiàn)在很多神經(jīng)網(wǎng)絡(luò)或者深度學(xué)習(xí)，很難反推原理，它基本是一個(gè)黑盒子，沒有辦法有的放矢地優(yōu)化。

　　我們會(huì)感覺到，AI說起來很大。但從另外一個(gè)角度看，它其實(shí)剛剛起步，需要解決的問題和面對(duì)的困難還很多，有一本書說，當(dāng)AI快趕上來的時(shí)候，它已經(jīng)超過去很遠(yuǎn)了。

　　這是從我們的角度跟大家分享了一些AI的內(nèi)容。（多知網(wǎng) 黎珊）