打造德国版“去哪儿”，Omio获新一轮1亿美元融资
06-18
【大佬直播】AI自适应教育专题第三期。
朗博首席科学家贾彦明以“AI+大数据语言学习的实践与思考”为主题，详细解读了朗博的AI+教育经验。
目前，本期共享音频和全文记录已上线，“AI投资研究网”会员可在“AI投资研究网”页面免费查看。
本文总结了本次分享的要点，并整理成PPT，帮助大家提前清楚地了解本次分享的要点。
人工智能在教育行业的应用，以及朗博的观点； AI在朗博的语言学习系统中具体是如何实现的？教育新零售，以及教育新零售下AI学习助手如何帮助大家更有效地学习；人工智能在未来教育场景中的前景。
以下为浪博首席科学家贾彦明的部分摘录，经雷锋网【人工智能投资研究网】整理编辑，不改变原意。
大家好！我是贾彦明，来自浪博的首席科学家。
我在浪博主要从事人工智能和大数据方面的工作。
还完成了具有自主知识产权的口语评分和作文评分引擎。
今年我也完成了AI学习助手的研发，并发表了多篇相关文章。
发表论文并申请了一些专利。
感谢雷锋网“人工智能投资研究网”给了我和大家交流的机会。
朗博成立于2019年6月，是一家基于智能学习技术和行为大数据分析、以语言培训行业标准输出为核心的英语教育科技公司。
产品已覆盖留学考试，以及国内四六级考试和通用学习产品，并可提供课程练习、考核、问答社区等一站式服务。
1、人工智能在教育行业的应用 贾彦明提到，什么是教育？从本质上讲，教育就是利用知识作为工具教他人思考的过程。
它分为两部分。
一部分以知识为工具，指知识的传递过程。
二是教别人思考，就是你学了知识后，可以吸收、内化为自己的能力。
只有这样，你才能思考并运用所学到的知识来解决问题。
AI+教育真正重要的是什么？他认为教学和研究非常重要，另一个就是数据和技术。
首先，教学和科研是基础。
如果有好的教学和研究，就可能产生一家伟大的教育公司。
但如果没有好的教学和研究，而只有精湛的技术，那绝对不是一个好的教育公司，因为教学和研究是基础。
第二个是数据和技术。
其实数据更重要，因为数据相当于原材料。
就相当于你现在看到的石油和煤炭，技术只是加工原材料的工具。
而且随着开源工具的发展，技术远不如数据重要。
所以，综上所述，一个企业如果没有教学研究和数据，就会出现问题。
所以，我总是说，没有教育、没有数据就谈AI+教育是流氓。
综上所述，AI+教育的关系就是AI技术辅助教育，帮助我们改善学习效果，提高学习效率。
还有一点就是它可以提高大家的学习体验，让大家学得更舒服、更轻松。
2、AI在朗博的实践 朗博提供什么？朗博提供基于专家经验和能力图谱的标准化产品。
解释为什么能力图很重要，因为您以前可能听说过更多关于知识图的知识。
为什么要强调能力？因为无论是练习还是考试，能力才是最根本的东西。
所以，我们以能力突破为基础，也以提高真正的语言能力为目标，而不仅仅是应试。
二是标准化。
标准化就是这个东西可以量化、可以控制。
朗博提供标准化产品。
在此基础上，我们将拥有基于人工智能和大数据的个性化学习平台。
简单来说，相当于我来这里读书。
首先，我量化自己的能力，进行能力评估。
我会知道你哪里有问题并评估它们。
然后我会给你一个计划，在你个人能力不足的地方训练你的能力。
然后你做练习，然后参加测试，并重复直到达到你的目标。
会有智能评估技术和行为数据辅助个性学习，让过程更加顺畅。
比如，当我们做完练习的时候，我不知道自己做得怎么样，但是加上智能评价之后，我就知道自己做得怎么样了。
我做得怎么样，那么系统会智能地引导我继续做下去。
当我们有了数据之后，我们也可以清楚地解释出哪一块和哪一块之间的关系。
是词汇差还是语法差，我们都可以通过数据看到。
通过这样的平台，我们可以为每个人提供适合自己的个性化学习计划。
具体来说，人工智能的第一个应用场景是基础智能评价技术，更加客观、及时。
例如，基于语音识别的口语评估技术主要用于评估发音的质量，相当于评估发音是否标准的技术。
我们还有基于声学空间的发音评估。
左边是学生读汉字时的发音。
你可以看到，当他发U的时候，这些声音彼此非常接近。
这意味着发音是比较标准的，因为他每次发音时，都能集中在某个区域。
所以是比较标准的。
再看右边，是同一个学生，但他读英语的方式不同。
这说明发音控制得不太好。
同时，我们还可以利用每个声音的聚类大小以及每个声音的聚类中心之间的距离来判断该学生更可能发出哪个声音，从而指出他的问题并提供帮助他纠正它。
除了口语评估之外，我们还有一些主观评估块，主要使用自然语言处理方法。
我们强调能力培养体系，很多问题都是我们自己出的。
教研老师都很好，就是为了真正训练能力，而不是像普通的试题，实际上起不到能力训练的作用，只是简单的问题。
事实上，我们在评分论文时大多使用自然语言。
例如，我们可以对学生写的论文的结构进行打分，比如他的论点是否清晰，论证的好坏，理由段落的好坏，是否有让步的段落，结论是否明确，以及结构是否完整。
我们会要求教研老师做一些标签，通过机器学习模型训练一个结构评分模型。
在内容上，我们也采用了主题模型，相当于学生写的论文是否与主题相关，是否能够支持当前的论点。
教研老师会帮我们做一些标签，然后我们来训练模型。
最后是语言能力，包括拼写检查和语法检查。
拼写检查器使用winnow算法加语言模型。
我们使用全面的语法检查模型，包括基于规则的模型、分类模型和神经网络翻译模型来执行语法检查。
为了让大家更清楚的看到适应性学习的过程是一个测试和学习的过程。
在测试过程中，我们会知道您的哪些能力薄弱，并提供一些快速准确的评估模型。
考试结束后，还得学习。
在正常的传统学习中，应该叫教学，相当于老师帮你制定一个学习计划，然后你按照这个计划来学习，这就是学习路径规划。
规划好之后，就开始学习，也就是实践的过程，这也是能力培养的过程。
中间，我们会有一个知识跟踪模型来告诉我们练习的进度和结果。
你可以看看这些模型。
首先我们先介绍一下快速评估模型，因为其实我们还有一个更精准的模型，需要的时间更长，需要两个多小时，而且评估也更准确。
但有时我们实际上需要一些快速的评估模型，而且必须相对准确。
所以这个时候我们采用了基于信息增益的快速评估模型，基本上就是说你通过做少量的题就可以得到你能力点的基本范围。
其实它的原理并没有那么复杂，但是我们需要大量的数据。
相当于我们可以利用大量的线下学员来解答问题。
我们可以看到，有些问题与能力点评价有很强的相关性。
从信息的角度来看，他们贡献的信息较多，其他人提供的信息较少。
，这时候我们会选择离线提供信息最多的问题，我们会记录这些问题的正确答案和错误答案之间的关系以及能力点的范围。
当我们上网时，意味着学生只需要做刚刚记录的信息量最大的问题即可。
做完之后，大量的同学已经帮我们计算了这些问题和能力之间的关系。
一旦这两件事结合起来，我们就可以通过少量的问题知道能力属于什么范围。
二是基于贝叶斯方法的能力水平预测。
我们可以用很少的问题帮助学生在短时间内衡量自己的能力水平，剩下的就是根据能力来做。
基于能力的推荐方法有很多，比如贝叶斯方法、强化学习、KNN等方法，每种方法都有各自的适用场景。
这里我给大家介绍一下利用贝叶斯网络实现学习路径规划的基本原理。
简单来说，贝叶斯网络相当于各个节点之间存在一定的相关性。
节点之间的相关性是通过条件概率来体现的，相当于当我一个能力点高的时候，与其相关性就是某个节点的能力点高或者低的概率是多少。
整个网络通过专家经验确定节点和网络结构，其余条件概率通过数据作为基本模型计算。
当一个学生来的时候，我们可以根据他现在的情况、未来的目标、通过考核可以获得的能力点以及他输入的相应分数来推断。
在这样的条件下，他的其他一些节点是怎么回事呢？相当于他能力点低的概率和能力点高的概率。
然后我们就可以选择适合该学生的最佳学习路径。
规划好学习路径后，他就开始练习。
练习的时候会有一个知识追踪模型。
它实际上是根据学生的答案序列，通过知识跟踪模型来获得知识掌握的概率。
这就是知识跟踪的概念。
那么传统的知识追踪，如图所示，左边是贝叶斯模型，深度学习的知识追踪在后面。
左边的模型如果只针对一个知识点的话相当于计算得非常精确。
后续的深度学习知识追踪模型需要大量的数据。
我们提出了贝叶斯深度学习的跟踪模型，将之前深度学习得到的每个参数点转化为概率分布。
在这种情况下，模型会更加准确。
相当于用所有学生来推断下一个学生的表现，而不仅仅是当前模型的不动点。
总的来说，朗博语言学习系统中的AI大致有这样的结构。
首先，会有一个通过方法课传递知识的过程，然后适应性学习系统会有一个吸收、内化、将知识转化为能力的过程。
人工智能和大数据将在各个环节发挥作用，让学习模型更精准、让学习更高效、让学习体验更美好。
3、教育新零售与AI学习助手如何解决双师难题？教育新零售实际上是基于新零售，即马云在2016年提出的一种利用线上服务和线下体验的新零售模式。
在教育方面，浪博提供集中厨房式标准化产品供应等线上服务，以及本地化标准流程线下服务，主要是辅导、反馈、陪伴，中间通过数据打通。
如果没有人工智能，学生将首先通过方法课程和自适应学习系统在线学习。
下一步就是线下导师帮他做一些归因分析，提供解决方案，还有一些可以陪伴他，监督他的学习。
把中间的数据打通就可以了。
有了AI，基于学生数据，利用AI技术可以更准确地评估学生的学习过程和能力提升，从而为他提供更客观、准确的归因和解决方案。
线下导师可以利用AI学习助手进行简单的督导，更多的是陪伴，让人机界面更加清晰，各尽其长，帮助学生更高效地学习。
4.人工智能在未来教育场景中的一些展望。
第一个是学习的内容和过程要标准化，但每个人也应该个性化，因为标准化可以量化，然后我们可以为每个人提供个性化的东西。
二是教育新零售，利用大数据和人工智能来弥合线上线下的差距，是更有效的学习方式。
它将解决双师模式存在的问题，大数据和人工智能将为学生提供一致的线上线下服务。
最后一点是人工智能无法取代教师，因为教育是一个有温度的职业，它无法取代教师。
然而，教师的角色将会发生变化。
有的人能力高，传授知识水平高，有的人水平稍低。
对于新手或刚刚入门的人可以进行简单的辅导。
那么剩下的就是浪博这样的学习产品，需要老师成为产品经理，进行系统设计。
基本上，我认为未来人工智能与教育也会有同样的关系。
完整内容及视频可在雷锋网“人工智能投资研究中心”查看。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-18
06-17
06-17
06-18
06-21
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态