【OpenTalk】孟鸿:AI改变教育,得跨过产品场景化的坎

2017-06-26 08:40:10发布   来源:多知网   作者:黎珊   0条评论

  ​​多知网6月25日消息,多知网第十二期OpenTalk活动上,AI新媒体《量子位》创始人孟鸿分享了从AI垂直领域的视角观察人工智能的内容。《量子位》的主要目标是围绕人工智能的技术和产品来做内容上的追踪。

  

  透过AlphaGo看AI技术传播

  在AI传播上,早前最能传播自己的是IBM,二十年前IBM做了“深蓝”,通过不断下棋,后来又参加了智力答题的活动,在宣传之后开始在各个行业推“沃森”。20年后,出了比深蓝更会宣传自己的“deepmind”,做了AlphaGo,整个流程非常严谨。

  deepmind在2014年拿到Google的融资,决定要做围棋的AI,到2015年8月,加入深度学习和蒙特卡洛搜索,包括后面加进来的强化学习。这部分都做的很完善了,就开始做下一步的规划,找人对弈。

  

  (樊辉赴伦敦对弈现场)

  当时deepmind请樊辉去伦敦做对弈,这是当时的现场局,复盘时,问樊辉,“你刚才那一步为什么不摆在这个位置,摆这个位置不就赢了吗”,樊辉就抱头,觉得很不可思议,价值观要崩塌了。

  在这之后,外界仍然不知道AlphaGo,因为一直保密,也和樊辉签了保密协议。

  deepmind在等《Nature》的封面。2016年1月,deepmind将整体数据和对人的战绩编辑为论文,发表《Nature》,由于做了前提准备,文章有很强的理论基础,后续就开始和李世石、柯洁的下棋。

  

  从传播角度讲,AI技术方面,让宣传有更大突破,搭配论文的发表会更好一点。论文不会出卖技术,AI的技术里面有很多参数是保密的,大家能够复制的几率并不很高。

  AI2是微软的联合创始人艾伦创立的研究人智能机构,想做通用人工智能,通过答题的方式实现。他们其中一个产品是答题系统。比如,根据食物链的图,太阳、植物、虫子、青蛙、蛇,问:当蛇的数量增长的时候,青蛙的数量怎么样?AI给的答案是会减少。把图片做识别处理,用一个算法得出一个结论。

  

  还有一个问答,兔子的毛什么时候最厚?四个备选答案是“春、夏、秋、冬”,系统给出的答案是冬天。为什么选择这个答案,这套AI系统会参考美国四年级的自然教材里讲到的,熊的毛冬天最厚,根据这个答案推断。

  还有数学的问题,过程中把题干拆解,到底怎么解决这个问题的?

  

  今年3月,我们去拜访了一位图灵奖的得主,他当时提到,AI2最开始想做的实验是直接让人工智能通过AP测试(美国大学预科测试),试了很长时间,但通不过,就去请教这位图灵奖得主。

  他说不能一开始就做AP测试,人人工智能要先有能理解中学知识的能力,这之前要先有理解小学知识的能力,一步步成长。于是,AI2重新从初级的阶段开始研发,再进展到目前的程度。

   人工智能正在改变教育,同时也会存在一些疑虑

  在来看看AI教育,从普华永道的角度来看AI,改变教育是非常乐观的一件事。

  

  (普华永道报告)

  调查报告中,有58%的人认为AI会改变教育。在五年内会被AI取代的职业中,排名第一的职位与教育相关。

  从麦肯锡的角度来看AI,情况可能没那么乐观。

  

  (麦肯锡报告)

  麦肯锡报告对整个德国的持久行业用7个维度做了分析,圆圈的大小代表维度上所需要的时间占比,红色是被替代的可能性最高,蓝色最低。第一个是餐饮行业,最容易被AI自动化所取代;最低的是教育行业,它认为被自动化的比例非常低。

  从这两个报告来看,既有对人工智能改变教育的乐观,同时也会存在一些疑虑。

  回到线下教育,来看一些国外的案例。

  

  第一个案例叫Gooru,Gooru融合了大量多媒体教学资源,用机器学习的方式打标签,把资源打上标签提供给教师,教师用这些资源和学生做互动,可以实时追踪学生,实现差异化的教学。Gooru的投资者有谷歌和微软。

  

  ThirdSpaceLearnig提供1对1面向小学生的数学辅导,过程中没有太多的人工智能成分在,把辅导过程记录下来,积累数据。数据在AI上面数据非常重要,哪怕公司不具备做进一步挖掘的潜力,应该尽可能多准备一些数据,ThirdSpaceLearnig拿数据和伦敦大学学院合作,利用大学的资源在数据中寻找模式和挖掘,得到的结果也是优化教学结果。

  

  Knewton在机器学习里面做了什么事情?把数据拿出来,根据得到的数据判断这个学生该学什么,通过这些数据预测出你需要掌握的知识内容。

  

  Grammarly,有很多朋友说在用他们服务,Grammarly做AI写作,通过数据和算法告诉你哪些是错的,哪些词是可以修改的,在浏览器做一个插件就可以用使用。

  

  LCALearning做的是线上的课程,包括录课在内,他们也通过分析眼睛的动作来追踪学生的学习情况。

  AI产品在未来:产品场景化,底层技术标准化、透明化

  大家讲起AI是革命,是颠覆。但是最大的焦虑是做AI很难找到一个场景,很难找到让用户使用产品的场景。

  这是很现实的问题,生活中真正遇到人工智能的产品并不是特别多。怎么场景化,可能需要做产品的同学们更多去探索。

  我们看人工智能的项目,天使轮AI创业公司和C轮创业公司风险是一样的,跟传统的行业不一样,AI创业公司从天使轮到C轮,风险性没有降低。很多的创业公司没有建立起自己的门槛,不具备销售能力和真正产生商业模式的基础,只有一个概念,真正要落地就很困难。

  底层技术还需要标准化、透明化。

  卡耐基梅隆唯一还在职的华裔背景的教授说,现在底层技术还需要标准化和透明化。一方面,过去看数据库行业也很乱,有比较标准的模式出来,大家都会按照一定的标准化去生产。另一方面,现在很多神经网络或者深度学习,很难反推原理,它基本是一个黑盒子,没有办法有的放矢地优化。

  我们会感觉到,AI说起来很大。但从另外一个角度看,它其实刚刚起步,需要解决的问题和面对的困难还很多,有一本书说,当AI快赶上来的时候,它已经超过去很远了。

  这是从我们的角度跟大家分享了一些AI的内容。(多知网 黎珊)