近日，“全球AI+智適應(yīng)教育峰會”在北京嘉里中心大酒店盛大開幕，峰會由聯(lián)合乂學教育松鼠AI，以及IEEE（美國電氣電子工程師學會）教育工程和自適應(yīng)教育標準工作組共同舉辦，匯聚國內(nèi)外頂尖陣容。
AI智適應(yīng)學習是目前產(chǎn)學研三界關(guān)注度最高的話題之一。此次峰會，主辦方邀請了美國三院院士、機器學習泰斗Michael Jordan，全球公認機器學習之父Tom Mitchell，斯坦福國際研究院（SRI）副總裁Robert Pearlstein、美國大學入學考試機構(gòu)ACT學習方案組高級研究科學家Michael Yudelson等頂尖學者。
圖為：新東方AI研究院院長 瞿煒博士
在大會下午主論壇上，新東方AI研究院院長瞿煒博士發(fā)表了精彩演講。瞿煒博士在人工智能領(lǐng)域有近20年的豐富研究經(jīng)歷，此前在西門子公司有過工作經(jīng)歷。新東方作為中國最早在美上市的教育公司，在全球已經(jīng)有超過2000萬的學生使用他們的平臺。瞿煒博士在現(xiàn)場的演講正是新東方在AI時代的最新思考。
瞿煒博士認為，通用AI已經(jīng)走向瓶頸，場景AI將迎來新的蓬勃發(fā)展。而對于AI+教育來說，盡管是極具潛力的市場，但是依然面臨著諸多挑戰(zhàn)，比如語音識別、人臉識別、文字識別、視頻分析等。新東方AI研究院雖然剛剛成立，但會在整體戰(zhàn)略上走向“開放”，并將以N-Brain聯(lián)盟為基點，在數(shù)據(jù)、場景、資源層面做更多與業(yè)界、學界的合作。
以下大部分為瞿煒的演講原文，做了不改變原意的編輯與整理。
作為一個接觸AI接近20年的老兵，根本就沒有想到AI能成為一個行業(yè)，甚至在2016年左右的時候，隨著AlphaGo為公眾所熟悉，AI幾乎是指數(shù)級地變成了一個行業(yè)，所有的互聯(lián)網(wǎng)公司都在擁抱AI，所有的行業(yè)也越來越多地去touch AI。
但是新東方很冷靜，俞老師（注：俞敏洪）很冷靜，并沒有著急，給大家的感覺是新東方在做什么？其實我們一直在做AI，各個BU一直在應(yīng)用AI，但是我們很冷靜地在思考教育+AI到底應(yīng)該怎么做？什么才是最好的時機來擁抱AI？
AI的冬天來了，但春天也不遠
事實上，AI在兩年的火熱之后，冬天已經(jīng)來臨了，就像外面北京的冬天來到了一樣。
語音識別其實已經(jīng)很成熟，但是機器學習、NLP、計算機視覺這幾個技術(shù)（占到AI最重要部分的分支）其實已經(jīng)過了它的頂峰。以深度學習為例，經(jīng)過幾年大規(guī)模的應(yīng)用，其實越來越多的研究者已經(jīng)發(fā)現(xiàn)，它已經(jīng)到達了一個瓶頸。我們發(fā)現(xiàn)AI并不是像我們想像的那樣真的能去替代人。
中國有一句固話叫“冬天來了，春天還遠嗎”？AI的一個冬天來了，它的下一個春天是什么呢？其實，很多AI行業(yè)中的人也意識到了是場景化的AI。
通用化的AI在過去的兩年中得到了極大的普及，為公眾所接受，很多創(chuàng)業(yè)公司如雨后春筍般地興起，獲得了大量的投資，這兩年大家都感受到了，甚至融資的速度超越了前幾年互聯(lián)網(wǎng)的速度。
但是，它的冬天來了，因為很多AI的公司并沒有商業(yè)化變現(xiàn)，當他們落地的時候發(fā)現(xiàn)，變現(xiàn)是如此地困難。尤其是在ToC領(lǐng)域。這是為什么呢？
實際上是因為AI和行業(yè)的結(jié)合非常非常困難，不是那么容易的。所以我們看到通用的AI的發(fā)展將會變成這樣一個趨勢，但是場景化的AI在AI和行業(yè)的結(jié)合領(lǐng)域會產(chǎn)生無窮無盡的機會。
AI+教育將會是對整個教育科技的重構(gòu)
AI+汽車已經(jīng)形成了垂直的平臺，百度的阿波羅、谷歌的Waymo都產(chǎn)生了這樣的平臺，AI+生活催生了Facebook的出現(xiàn)，AI+教育會出現(xiàn)什么呢？我們非常期待。這也新東方對AI+教育這件事深度的思考。
我們認為AI+教育并不一定就是通用AI技術(shù)直接嫁接到教育領(lǐng)域，像出現(xiàn)了很多產(chǎn)品級的應(yīng)用一樣，更多的AI+教育將會是對整個教育科技的重構(gòu)。很多數(shù)據(jù)都已經(jīng)準備好，比如說大數(shù)據(jù)、云計算，但在AI+教育領(lǐng)域必將出現(xiàn)一個新的大腦，我們姑且稱之為教育大腦，也必將會出現(xiàn)新的操作系統(tǒng)，這種操作系統(tǒng)可能是在云，也可能在端，因為所有的AI系統(tǒng)肯定是一個軟硬結(jié)合的系統(tǒng)。
個性化的學習平臺將會雨后春筍地涌現(xiàn)
個性化的學習平臺將會雨后春筍地涌現(xiàn)。我們認為它一定是開放的，為什么？因為個性化的學習太難了，很難一個公司把它實現(xiàn)。因為這么多的國家，這么多的人群，不同的年齡段、不同的學科，這個問題對研究界而言，幾乎是沒有唯一解的，所以不可能由一家公司來完成。
新東方AI研究院在“新東方AI+教育戰(zhàn)略”基本的步驟，大家可以關(guān)注教育大腦的具體應(yīng)用。
這張圖很多在座的朋友們可能都已經(jīng)看到很多次了，不光是在教育領(lǐng)域，其實很多的領(lǐng)域都可以用這張圖來表示，但我們關(guān)心的這8個領(lǐng)域，最關(guān)注的是他們在這個教育上有什么樣的不一樣，而不僅僅是這8個詞。所以我借此機會介紹一下我們關(guān)注的20個挑戰(zhàn)。
“AI+教育”的20個挑戰(zhàn)
語音識別的挑戰(zhàn)：中英混合、專有名詞識別難、強噪聲
通用的語音引擎真正應(yīng)用到教育這個場景下的時候，其實并不像在很多場景下那么有效，比如說通用的新聞，其實我們很多的云引擎，無論是谷歌、訊飛、百度的都可以做到接近人或者是超越人的水平，97%以上是沒有任何問題的，99%在特定的場景下也是可實現(xiàn)的。但當進入到教育這個場景下的時候，卻發(fā)現(xiàn)它們并不產(chǎn)生作用。比如我們應(yīng)用到中英混合識別問題，新東方的很多課程都是在拿中文教英語，所以當你看這個波形的時候，中英之間的切換幾乎是糅在一起的，這對語音識別是一個挑戰(zhàn)的問題。
另外進入到教育領(lǐng)域，其實它的場景是非常非常零碎的。你去分科施教的時候，會發(fā)現(xiàn)在數(shù)理化有很多的公式和名詞是要分別的，現(xiàn)有的中英文的引擎，我們發(fā)現(xiàn)原有的識別率在現(xiàn)有的場景下會下降到70%左右。還有一個是很多朋友即將面對的，中國人學英語的時候，我們的發(fā)音（尤其是孩子們的發(fā)音），我們稱之為“chinglish”，用中文引擎用英文引擎識別都不是有效的，所以我們認為是第三種引擎。
還有我們的線下教室是強噪聲、強混響的語音問題，這個問題解決起來非常困難。亞馬遜的Echo之所以能被大規(guī)模地應(yīng)用起來，其實關(guān)鍵是解決了一個工程的問題，就是語音識別的問題，當語音識別應(yīng)用到教育場景下的時候，這樣一個語音增強的工程問題必須要面對，否則我們基本上很難去實現(xiàn)線下場景下真實的語音識別。
還有多人混合下的聲文識別問題，教育場景下無論是線上還是線下，尤其是一對多的情況，經(jīng)常會出現(xiàn)多個孩子同時回答一個問題，多個孩子同時討論一個問題，這種情況下做語音識別，不得不面臨如何去把這個聲音分開的問題，這些問題都非常挑戰(zhàn)。
人臉識別的挑戰(zhàn)：超低分辨率、強畸變角度、遮擋
進入到人臉識別，這是這一撥AI炒得最熱的，但進入到教育這個場景下的時候很多人臉識別公司也不見了。我們在和幾乎大家能看到的所有國內(nèi)、國外最牛的人臉公司進行合作。這三個是我們列舉的很實際的問題。
第一個是超低分辨率下的人臉識別的問題，右邊這張圖是一個真實的線下課堂場景，就用一個簡單的監(jiān)控攝像頭試圖來覆蓋整個教室，你會發(fā)現(xiàn)問題出現(xiàn)了，當你能看清楚第一排的學生的時候，你就無法看清楚最遠這一排的學生，你試圖要看清楚兩邊的孩子的時候，必須要用一個廣角鏡頭，而這導致了很大的畸變，所以在教育的場景下是非常非?，F(xiàn)實的，很難像普通的人臉識別問題一樣給你一個大頭照這么簡單。畸變的角度下的人臉識別問題就出現(xiàn)了。
孩子們是非?；钴S的，這也是教育的本質(zhì)所在，這就導致了人臉識別不是一個靜態(tài)的，而是老老實實地等著你去識別，你如何在動態(tài)的情況下、大遮擋的情況下而不是僅僅是局部遮擋的情況下能夠?qū)崿F(xiàn)人臉的識別？這是必須要解決的一個問題，不解決表情怎么識別，怎么時時刻刻知道孩子在干什么，所以說起來容易，理想很美好，現(xiàn)實其實是很骨感的。
文字識別挑戰(zhàn)：數(shù)理化的公式、手寫體難識別
進入文字識別領(lǐng)域，我們面臨的問題是數(shù)理化的公式、圖形、圖像識別問題，還有包括手寫體的識別問題，這都是我們必須要解決的。
NLP的挑戰(zhàn)：多輪對話難以實現(xiàn)、智能批改有局限
還有NLP（自然語言處理）的挑戰(zhàn)，最經(jīng)典的是多輪對話，這個多輪對話還不是普通意義上的客服機器人，我們希望答疑甚至是替代老師，一定是基于內(nèi)容的。當基于內(nèi)容領(lǐng)域的時候，這個多輪對答更困難，號稱能做到二十七輪對話的話是非常非常困難的，我不認為在未來的一兩年內(nèi)能發(fā)生這樣一件事，但也許我們能解決三輪、五輪、七輪。
線上線下課堂自動提煉的問題，新東方也是很多教育公司可能的剛需，我們有這么多的課堂，這么多的老師，如何能用AI的手段自動地提煉課堂的內(nèi)容是解決教學一體化的非常重要的手段。
中英作文的智能批改閱卷，其實已經(jīng)有成熟的產(chǎn)品了，但我們的實踐發(fā)現(xiàn)，要做到真正意義上的批改，必須要進入語義層面，這是非常非常有挑戰(zhàn)的。
視頻分析的挑戰(zhàn)：線下的情況太復雜
其實有很多公司也在向這個方向努力。我們完整的教學過程既包括了老師的分析，也包括了學生的分析。對于老師，我們希望對他所有的教學過程進行評價，對于學生，我們希望對他的微表情進行分析?？墒窃诂F(xiàn)在的場景下，線上簡單一些，尤其是英語的教學，因為我們幾乎可以正對著他，有一個大頭照；但線下的情況太復雜了。
圖譜的挑戰(zhàn)：高精知識地圖缺乏
我們幾乎沒有看到任何一張基于學科的高精知識地圖。當AI進入到無人駕駛領(lǐng)域，高精地圖已經(jīng)成為了一個必然的選項，但我們講了半天的AI+教育，卻很難看到一張基于學科的知識地圖，所以這是一個非常非?；A(chǔ)的工作。
AR·VR的挑戰(zhàn)：AI合成教師需要互動
最近一個星期最火的事情就是新華社和搜狗一起做了一個AI合成主播。主播技術(shù)簡單，因為它是一個單向的，但當我們把這件事放在教育領(lǐng)域談的時候，就是個挑戰(zhàn)，因為AI合成教師不僅僅是一個單向的講，而是需要互動。
機器學習的挑戰(zhàn)：自動標注難、場景零碎、個性化難
自動標注的問題。所有的AI都牽扯到標注，因為我們現(xiàn)在接觸到的絕大部分是監(jiān)督式的。AI如何做自動的標注，小數(shù)據(jù)量的情況不是問題，但像新東方這樣擁有海量的公司做這樣的事情的時候，我們發(fā)現(xiàn)自動標注是我們必須要面對的問題。
教育場景是如此地零碎和復雜。其實具體到每一個小的場景下的時候，我們發(fā)現(xiàn)，小樣本級的訓練問題是如此地突出，這次大會有一個主題就是自適應(yīng)學習，你會發(fā)現(xiàn)專注到每一個孩子的時候，其實它的樣本數(shù)據(jù)并不多，尤其是冷啟動階段。
個性化學習問題。這可能是我們繞不開的問題，因為一開始的時候不可能對所有的孩子都有一個模型來進行推理，如何把一個模型個性化到一個孩子的身上是一個難題。
新東方的開放戰(zhàn)略：以N-Brain聯(lián)盟為基點，數(shù)據(jù)、場景、資源全部開放
上面這20個問題每一個都如此具有挑戰(zhàn)性，把它做成了，也許能成為一家偉大的公司，至少能對這個行業(yè)產(chǎn)生很大的影響。我們面臨這20個，可能還不止20個，新東方怎么辦？我們的思考其實很簡單，就是開放。
新東方愿意把數(shù)據(jù)拿出來，把場景拿出來，把資源拿出來，因為我們知道我們的起步很晚，我們不可能在所有上述領(lǐng)域再去重新來過，新東方AI研究員也不可能以一己之力跟那么多的公司PK，所以我們能做到的就是“開放”。
我們兩個星期之前成立了N-Brain聯(lián)盟。“N”，首先它代表了N種教育場景，也代表了N種可能，更代表了N個model。N在自然數(shù)集里其實代表了無窮的概念，也代表了力，也代表了氮元素占到了大氣層78%的比例，我們希望以這種形態(tài)，能和在座的各位朋友合作，共同做好AI+教育這件事情。
目前，我們已經(jīng)和美國的伊利諾伊大學、中國自動化科學研究所這樣頂尖的AI研究機構(gòu)合作，我們也和北京師范大學、斯坦福大學這樣頂級的教育領(lǐng)域、心理學領(lǐng)域、認知科學領(lǐng)域、腦科學領(lǐng)域的研究機構(gòu)合作，以及與GSV（注：全球硅谷投資公司）等一起合作，我們一起團結(jié)資本的力量，還有像騰訊、網(wǎng)易這樣互聯(lián)網(wǎng)的公司，甚至包括很多很多的創(chuàng)業(yè)公司，我們正在合作，越來越多的公司加入進我們這個聯(lián)盟。新東方可以把數(shù)據(jù)貢獻出來，我們也愿意把所有的場景貢獻出來，我們也愿意把資源貢獻出來。
新東方AI研究院不僅僅是一個研究的機構(gòu)（注：2018年7月成立），同時我們也愿意做一個橋，連接內(nèi)部的資源和外部所有的資源，一起把“AI+教育”這件事情做好，我們的目的不是為了新東方自己用，而是希望向所有的機構(gòu)和所有的公立學校開放。
2018年度AI最佳掘金案例評選
人工智能風雨60年，與其說技術(shù)升級促成了今天的浪潮，不如說當前的人工智能，終于站在離商業(yè)最近的位置。
去年，首屆「AI 最佳掘金案例年度評選」活動一經(jīng)推出，便受到了AI方案輸出方和AI技術(shù)需求方的極大關(guān)注。評選從商業(yè)維度出發(fā)，尋找用戶/客戶問題解決能力強的產(chǎn)品和解決方案。
現(xiàn)在，我們再次站在AI浪潮之巔，正式啟動第二屆「AI最佳掘金案例評選」。
在AI+教育領(lǐng)域我們一共設(shè)置了6個獎項，歡迎踴躍報名，報名地址：https://www.leiphone.com/special/custom/AITopTen2018.html
下載文檔
