0
| 本文作者：张莉 | 2018-11-15 23:22 | 专题：2018全球AI+智适应教育峰会 |
雷锋网按：11月15日，“全球AI+智适应教育峰会”在北京嘉里中心大酒店盛大开幕，峰会由雷锋网联合乂学教育松鼠AI，以及IEEE（美国电气电子工程师学会）教育工程和自适应教育标准工作组共同举办，汇聚国内外顶尖阵容。
本次峰会邀请了美国三院院士、机器学习泰斗Michael Jordan、全球公认的机器学习之父、卡耐基梅隆大学计算机学院院长、机器学习系创系主任Tom Mitchell 教授、斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT学习方案组高级研究科学家Michael Yudelson等顶尖学者；新东方、好未来两大教育行业巨头AI部门负责人及一起教育科技、掌门1对1、作业盒子等国内著名教育创业公司创始人；以及Knewton、Byju's、DreamBox、Duolingo、ALEKS、AltSchool等国外最具影响力的AI智适应教育公司共聚北京，共同探讨AI智适应热点话题。
其中，下午的AI教育学术论坛，由松鼠AI 首席架构师、Knewton前亚太区技术负责人RichardTong主持，IEEE 学习技术标准委员会现任主席Avron Barr、IEEE 委员会成员、前IEEE 学习技术标准委员会主席Robby Robson、孟菲斯大学心理系和智能系统研究所教授Arthur Graesser参与讨论，与会嘉宾共同探讨了全球合作标准以及数据分享问题，并且宣布IEEE自适应教学系统行业标准中国工作组正式成立。
以下为圆桌讨论实录，雷锋网做了不改变原意的整理与编辑：
主持人Richard Tong：非常感谢参与这个小组讨论，在今天的环节中我们的主题是全球合作标准以及数据分享，所以我觉得这是我们这个小组讨论的主题。我的第一个问题是关于我们在建立标准的时候，能够给我们带来什么样的好处？
Robby Robson：第一，从标准的角度来看，它能解决一个问题，之前我们对标准有一个迷思，就是消费者不知道买什么就什么都不买，所以，不管你是消费者还是公司，还是研究者，在这个过程中，你能做出自己的贡献，能让标准的市场首先建立起来，并且能给这个市场更多的宣传。
第二，我们刚刚提到了交换这样一个概念，以及可迁移性这样的概念。因为我觉得学生并不是仅仅在一个地方接受教育，他们经常会四处走动去不同的国家，所以从一个体系到另一个体系，从AI到教育到大学，再到网络课程，他们是不是都是相互适应的，学生的数据，如何从一个体系迁移到另一个体系？所以我觉得，参与这个过程之后，你就能帮助定义这些数据到底是什么，他们的重要性到底是什么，它如何进行运作，所以我觉得会有很多知识产权方面的好处和经济方面的好处，只要你参与了这个标准制定的过程。
Avron Barr：我想再补充一点为什么要参与呢？我觉得原因是，我们现在正在发展标准，标准改变的很快，有很多的创新，但我们仍然会有这样的一个标准。所以制定这样的标准并没有那么简单，我们会听到很多不同的声音，所以会有很多不同的预测和估计。
主持人Richard Tong：我想继续您刚刚提到的这一点，一般来说我们看到亚洲的公司在标准制定的过程中，不管是学习技术还是学习工程方面，亚洲的标准都不是很多，比如说华为、像摩托罗拉，最近被联想所收购了，这些公司都在5G的标准中有非常多的参与，或者是在IEEE的标准中都有参与，但是在技术方面，尤其是软件的技术方面，在学习技术、教育技术的方面他们参与并不是很多，所以从利益的角度，您提到了为什么有这样的情况，我们如何改变，从社区的角度要做什么样的事情，让更多的亚洲公司尤其是中国的公司参与到这个过程中，我们应该怎么做呢？
Avron Barr：首先你说的非常对，现在有亚洲和中国的公司参与，但我觉得并不多，我们现在有一个全新的标准制定的阶段，所以我觉得对市场来说，标准非常地重要，它的重要性对客户来说没有那么明确。所以我觉得参与度还不是这么多，Robby可以来补充一下。
Robby Robson：我觉得非常有趣的一点是，昨天我收到了一封邮件，这个人就是在WiFi无线网领域或者说在以太网方面非常擅长。他来自于华为，他跟我说，如何加入到这个标准制定的过程中，我刚刚跟他谈到了几个项目，他非常感兴趣，也会跟老板汇报是否参与这些项目。
我觉得有历史的原因，一直以来，一些国际化的公司，比如说在中国、在欧洲，政府会看ISO，或者是国际标准组织或者是IEC，或者是国际技术委员会这样的组织，他们会依照这些组织来传达标准。过去10年中，我们越来越多的关注到不同的行业一些技术标准，这也是IEEE以及其他的一些组织所关注的一些事情。现在，IEEE在深圳也有办公室，在欧洲很多地方都有办公室，所以现在我们看到有一个非常大的的趋势，标准制定越来越需要全球性参与，但我个人觉得，中国公司、日本公司、新加坡公司、韩国公司，应该要去提高他们在标准制定过程中的话语权和参与度。
主持人Richard Tong：接下来，下一个话题就是关于合作的，因为标准是合作的一种方式，所以在这个层面来说，我们几乎是技术方面和客户方面的领先者，也有很多合作我们也做得非常好，您能分享一些合作方面非常好的故事和有益的经验吗？
Arthur Graesser：我想谈成功的合作，我给大家举三个例子。
第一个例子是我们有专业的学会，他们调查了人工智能、教育，大概调查了40年了，而且这些公司非常国际化，比如说人工智能、教育还有智能辅导体系，还有教育当中的数据矿工等等，他们都做了很多的研究。他们也会在全球各地举办会议，比如在亚洲、亚太地区、欧洲、北美和南美四处都举办会议，这样人们可以更好地进行合作。我个人觉得，有这样的国际化的视野非常重要，还有很多的项目也会从中而来，我觉得这是一种形式。我个人也非常建议大家去参加这样的会议，因为它就像今天这样的会议一样，当然它主要是关注于标准，今天这样的活动也能够让会议进一步地壮大。
第二个例子是国防部也发挥了非常重要的作用来尝试AI在教育领域的作用。比如说美国教育部还有美国的国防部，他们会有一个联合实验室，能够进行分散式的学习，他们在世界上12个国家都有分散式的学习中心。我有一个非常熟的同事他也是美国方主要的网络协调人，会帮助我们做这样一个项目。
第三个例子是ASF和卡耐基梅隆大学，以及斯坦福、MIT这样的学校来合作，鼓励数据的开放，并且是以一个非常系统性的方式遵循标准进行数据的开发和共享。所有的项目我们都希望有相应的中国同事的参与。
主持人Richard Tong：我们再来谈一些具体的问题，我们谈到数据，数据是人工智能中的非常重要的部分，它变得特别特别地重要，松鼠AI也在创造、产生、储存、分析数据方面投入了很多的资本和资金，这也成为了我们的一个秘笈。我们和其他人分享数据方面也有一些疑虑，我想听听大家的想法。
Arthur Graesser：很多的系统会成为精品系统或者是精英系统，一开始的范围都比较小，如果他们分享数据的话，就能够有快速的发展。比如说你在一个学校中的几个班里面有一些数据，或者是你在全球有所有的数据，那可以看到这样的数据量是非常不一样的，而且在这个过程中也是很多人想要将这些数据扩展，比如说我们如果想要有智能的辅导系统，我们在这个方面比如说一分钟可以有几百个数据，对这些数据的分析，我们怎么样来进行？让他们可以让用户所使用？就像我刚才所说的，这些大学像孟菲斯大学、MIT或者是斯坦福或者是卡耐基梅隆大学也是创造了这样的方式，他们是根据数十万或者是数百万不同的数据来进行分享的，并且来给相应的排列。
Avron Barr：从刚才所说的精英的模式到最终共享的模式，从供应商的角度来说，是没有必要来分享数据的；但是从顾客或者是客户的角度来讲却有很多的原因，其中一个大家可以想像一下，学校是从Alex购买新的产品，明年他们会从另外一个供应商中买另外一个产品来教物理，一开始那个产品是用来教数学的，同样的学生会用两个不同的平台来学两个不同的学科。在这方面就可以有一些数据的交互，可能从顾客的角度来讲，如果这样的数据能在平台间有交互的话，对他们的学习有更大的促进作用。
Robby Robson：我们知道有的时候大家会通过设立不同的软件来竞争，比如说谷歌、亚马逊或者是刚才我们谈到的这些企业，他们在发展的过程中，如果我们能有足够的数据，全世界的数据，那确实是非常有价值的。但是，大家想要的并不是数据，而是数据背后的信息以及最后的价值。在教育科技行业，没有人可以拥有现在我们所有的信息，所以，如果你想要竞争的话，可能你就需要所有的信息，就是你来产生对你自己来说非常重要的信息，可能在这方面你需要比别人做得好，才能做得好，但是你不和其他人分享数据的话，就永远不能达到领先的地步。
主持人Richard Tong：我们刚刚谈到这了一点，Arthur你可以不可以分享我们怎么来融合数据或者是聚合数据？怎么样能够让这些数据更好地帮助我们进行机器学习或者是来促进机器的发展？
Arthur Graesser：现在我们有非常非常的、大量的信息，在这个过程中可以使用一些函数，可以使用一些不同的方法，让我们在AI中得到一些指导。同时，还是可以来了解什么样的信息是有用的，或者说对哪些人有用，并且让我们知道哪些信息是真正有用的，这样的话就能够有各个不同的机构可以一块儿来合力贡献知识的成分或者是一些相关的信息，比如说一个年级包括多少人，有什么样的项目，什么样的学科，所以如果我们都能有这样一个共同的基础的话，我们得到的数据才能够真正地在一个成体系的过程中加以利用。其中也是会涉及到机器学习，机器学习可能会涉及到一些我们之前不知道的内容，我们在这里需要进行教育数据的挖掘。在这个过程中也需要有一些新的方式来融入到我们已有的学习中，可以让其他人看到这些数据，并且能够在这个过程中加以拓展，加以应用。
Richard Tong：我知道刚才我们谈到了这样的一个不同的概念，还有刚才所说的数据的挖掘，数据的收集等等。
Arthur Graesser：这个是从匹兹堡大学的学习中心和一个基金会来发展出来的，当时也是为了来发展智能的辅导系统。这个过程中我们还是想要有更多的不同的对话，也就是在智能辅导系统中它可能会有很多的交流，或者很多的沟通，其中会有一些自然语言的处理。在这个过程中我们知道这些数据本来并不是就储存在那里的，而是要不断地分析，这是我们所做的事情。
IEEE自适应教学系统行业标准中国工作组成立
活动现场，IEEE自适应教学系统行业标准中国工程组成立。
松鼠 AI 首席架构师、Knewton前亚太区技术负责人 Richard Tong和Avron Barr、Robby Robson共同按手印启动。Richard Tong表示，“关于2247.X的标准是今年开始制定的，也是从DOD以及其他军用领域发展而来，是一个比较宽泛的人工智能的框架，也是一个引子。建立这个中国工程组，就是希望把国际合作的精神发扬光大，能够让更多的学界、行业界都参与进来，让学习工程的打造成为社会运行的一部分。“同时，Richard Tong表示，将在明年7月份左右在国内组织召开中国工作组的相应会议。
附：圆桌嘉宾介绍
IEEE 学习技术标准委员会现任主席：Avron Barr
Avron是IEEE学习技术标准委员会主席，负责学生、教师使用的教育产品标准方面的制定。在斯坦福大学学习人工智能，认知科学和教学技术。他在硅谷共同创立的公司Teknowledge于1986年被收购。Avron专注于教育技术的快速发展，并坚信人工智能软件很快会大大促进新工具的设计、研发和使用，为教育带来重大变革。他在斯坦福大学学习人工智能、认知科学并获得了硕士学位。
IEEE 委员会成员、前IEEE 学习技术标准委员会主席：Robby Robson
Robby在学术界和工业界有20多年领导研究和开发项目方面的成功领导经验。在2000至2008年期间，担任IEEE学习科学标准委员会主席。应用领域包括从因子算法和计算语言学到学习管理系统，数字图书馆和能力管理。自1995年以来，一直致力于新兴技术在学习、教育、培训和相关领域的应用。现为能力和技能系统项目的主要研究者（www.cassproject.org），并致力于智能辅导系统以及自然语言处理（NLP）和机器学习的商业应用。
孟菲斯大学心理系和智能系统研究所教授：Arthur Graesser
Arthur Graesser博士是孟菲斯大学心理学系和智能系统研究所的教授，也是牛津大学教育系的名誉研究员。 从加州大学圣地亚哥分校的心理学专业获得博士学位。主要研究领域涉及认知科学，话语处理和学习科学。Graesser教授曾担任70项研究项目的首席研究员或联合PI，他在孟菲斯大学指导的项目总金额约4500万美元，资金主要来自美国国家科学基金会、教育科学研究所等。由于Graesser教授在研究领域的突出贡献，他获得了2012年孟菲斯大学首个终生成就奖，是该校最高等级的研究奖项。
雷锋网2018年度AI最佳掘金案例评选
人工智能风雨60年，与其说技术升级促成了今天的浪潮，不如说当前的人工智能，终于站在离商业最近的位置。
去年，首届「AI 最佳掘金案例年度评选」活动一经推出，便受到了AI方案输出方和AI技术需求方的极大关注。评选从商业维度出发，寻找用户/客户问题解决能力强的产品和解决方案。
现在，我们再次站在AI浪潮之巅，正式启动第二届「AI最佳掘金案例评选」。
在AI+教育领域我们一共设置了6个奖项，欢迎踊跃报名，报名地址：
https://www.leiphone.com/special/custom/AITopTen2018.html
相关文章：
IEEE详解：AI时代教育标准应该呈现怎样的状态？ | 全球AI+智适应教育峰会
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
