對話AI教育專家：AI技術如何解決因材施教的實際問題
與教育專業人士的辯論：人工智慧如何解決學生個人化教育的難題？
人工智慧+教育可以有多少種想象方式？
人工智慧的融合正在重新定義傳統的教學方法和學習方式。從智慧學習助手到互動問答系統，再到用於個人化學習解決方案的人工智慧平台，這些前沿技術將以這樣或那樣的方式滲透到教育的方方面面，並顯著改善學生的學習體驗。
本期，我們邀請到了格靈深凈體育業務線產品經理夏鳳飛、精準學習合夥人張寧、AskSia創始人任貝拉，與矽星人工智慧分析師黃曉毅一起，探討從傳統課堂到網路學習平台，從小學到高等教育，人工智慧技術如何促進學術界與企業界在各個層面的更緊密合作。他們還將討論人工智慧在應對創用CC和及時性挑戰方面的見解和創新套用。
以下是辯論實錄
人工智慧在實施個人化指導方面處於什麽位置？您遇到的主要挑戰和困難是什麽？
張寧：優秀教師之所以成為優秀學習者，不僅要有解決問題的能力，還要有備課和診斷學生錯誤認知的能力。
首先，在當今的人工智慧解題能力中，除了提出幾個謎題類問題的一般效果外，其余內容基本不存在問題；此外，在真實的個人輔導場景中，師生之間的互動通常是就已知話題展開對話，涉及的知識內容總K12非常有限，而不是解決一個未知問題中的復雜知識點。
其次，課堂教學更註重線上下接觸中模仿教師的知識結構，並將其轉化為人工智慧模型的具體行為。
目前的人工智慧技術已經能夠進行課堂教師的標準授課，包括開場白、任務問題、基於學生學習情況的提問、知識點講解、自發提問以及辨識學生對知識點理解的差異。虛擬教師可以進行 45 分鐘的單獨授課。透過為虛擬教師客製語音、互動技能和視覺特征，虛擬教師幾乎可以模擬真實教師在特定場景中的所有技能。基於這一評估和技術可行性，我們計劃在今年實施並推出用於客製輔助教學的人工智慧模型。
黃曉毅：您剛才提到了人工智慧實施個人化教學的幾個關鍵點：第一，人工智慧本身要能夠回答問題；第二，人工智慧要能夠教學生。比如，人工智慧與學生互動時，要準確了解學生在哪些方面有困難，那麽如何才能做到這一點呢？
張寧：要做到這一點，我們會詳細記下每一道題，包括定理和解題步驟。例如，在解題過程中，我們會記下定理的具體套用或問題的多種解法，最好還能記下解題的一般錯誤概念。這些詳細的註釋為語言模型提供了重要的先驗知識，人工智慧可以利用這些知識幫助學生更有針對性地辨識和糾正錯誤。
人工智慧應更深入地模擬教師的角色，模擬應包括 20 多種不同的教學風格。例如，有些教師可能會要求學生表演熟悉的情境，看看他們在理解某個話題時是否有困難。如果學生不能正確地再現某個話題的條件，這說明學生的理解能力有問題，教師應調查問題的原因。
這些教學策略和邏輯應納入人工智慧模型，使教學互動更加自然有效。此外，教學過程中的語言風格和幽默等因素對於提升學生體驗也很重要。這些因素雖然淺顯易懂，但卻能使教學過程更加生動活潑、引人入勝，從而提高學生的學習興趣和參與度。
黃曉毅：這個觀點很有意思。在人工智慧出現之前，人工智慧教學追求的是透過構建知識圖譜來實作精準教學，註重知識點之間的聯系，但實際上要了解學生是如何學習這些知識點的，在學習過程中遇到了哪些具體困難。
貝拉-冉：詳細的解釋是我們產品的一大優勢，我們發現使用者喜歡我們產品的一個主要原因就是我們提供了非常詳細的解釋。
有些產品可能只提供正確答案，而不提供如何解決問題的資訊，甚至大規模語言模型也可能存在準確性問題。提供的答案可能是錯誤的，解決問題的步驟也可能被扭曲。因此，我們希望透過最佳化我們的架構來提高解題的準確性並提供更詳細的解題步驟，從而克服現有大規模語言模型（如 GPT4）的局限性。
黃曉藝：技術上是如何實作的？
Bela Len：從技術上講，我們使用基於思維鏈（COT）架構的代理技術來提高模型的準確性和精確度；在 8.15 版本的超級亞洲功能中，我們在涉及推理的高難度數學問題上測試了這一架構，發現傳入函式的準確性比 GPT4O 高出約 30%。未來函式的準確性比 GPT4O 高出約 30%。
夏鵬飛：我們和其他人不一樣，體育領域的特點在於即時反饋，一方面學生在進行活動後可以立即得到反饋，從而更好地理解和提高自己的技能，另一方面體育活動很難留下痕跡，人工智慧必須能夠做到實分時析和反饋，而不是回溯，這是和其他領域不一樣的地方。
換句話說，人工智慧會即時告訴學生，他們在完成任務時需要糾正什麽。除教育領域外，我們的人工智慧還可用於商業領域，因為商業領域通常有標準化的課程和評估標準。
要實施客製化訓練，可以從課程和評估標準中抽象出希望學生掌握的運動技能，精確定義每個動作，並將其與特定的運動素質或技能聯系起來。例如，如果一名學生不能正確完成引體向上和仰臥起坐，就可以斷定該學生缺乏核心力量，並推薦適當的練習來提高核心力量。
同時，考慮到體育教師的專業背景不同，他們對提高具體技能的角度和方法也不盡相同，透過整合不同型別的學科，提出了一套提高技能和實踐的建議，首先透過趨同分析發現問題，然後分解建議，提出解決方案。
生成式人工智慧技術目前是否足以滿足人們希望實作的場景，如果不能，還缺少什麽？
張寧：用於文本生成的人工智慧技術已經很先進了，只要有足夠的數據，就可以處理大量的文本數據，尤其是自主學習模型。在某些領域，如法律和醫療領域，大規模語言模型有足夠的效能，但模型效能有限，主要原因是數據收集和實際執行方面的技術問題。
然而，盡管視覺人工智慧領域的影像辨識技術取得了重大進展，但人工智慧理解復雜影像和預測未來事件的能力仍有待提高。李培培教授對地理空間智慧技術的研究旨在改善這一狀況，雖然具體的實施時間表尚未確定，但它為人工智慧的發展提供了一個前景廣闊的方向。
夏鳳飛：我們與北京大學的教師討論了如何提高非標準動作辨識演算法的準確性，尤其是在動作套用開發方面。主要的挑戰在於，即使我們定義了標準和常見的錯誤動作，但由於執行錯誤動作的個體的多樣性，標準化測試也很困難。
例如，即使演算法模仿的是同樣的錯誤握筆姿勢，但如果細節因人而異，或者同一個人多次做出同樣的錯誤握筆姿勢，辨識要求就會更高。為了解決這個問題，我們打算提高演算法的通用性，使其能夠適應各種非典型行為。我們的目標是開發一種文本到動作的技術，根據錯誤率生成標準化動作的視訊，從而最佳化演算法的訓練和測試。
過去，訓練數據依賴於歷史數據收集，這是一種低效且有限的方法。為了進一步評估和改進演算法，我們建議模擬飛機設計中使用的風洞實驗，生成具有特定誤差水平的演算法標準化運動思想。我們還將探索使用大型模型來提高小型模型的通用性，這對於開發可適應不同非標準場景的演算法非常重要。
貝拉-沃倫：但在此後的幾十次叠代中，GPT 已經有了顯著的改進，其回答畢達哥拉斯定理的能力也有了很大的提高，薩爾-汗在 OpenAI 釋出會上提出了這個問題。作為消費級人工智慧套用的開發者，我們需要了解大型語言模型的能力，並據此設計我們的產品功能。
設計產品需要全面了解使用者的使用習慣和所需的互動模式，尤其是對於不太熟悉技術的學生而言。雖然有些學生已經學會使用 GPT 進行學習，但大多數學生並不了解它的作用。因此，在開發相關產品時，有必要在廣義語言模式的基礎上研究和設計適合目標受眾的互動方式，然後開發滿足他們需求的功能。
人工智慧已經到來，為什麽教育是第一個被引入的場景？
張寧：中國：基於成本效益的人工智慧在中國教育領域的快速套用。在中國和美國，所有年經常性收入超過1000萬美元的人工智慧初創企業都表現出了成本效益，這在人工智慧技術的能力範圍之內。例如，在中國，人工智慧客服市場因客服成本低而發展緩慢，而在美國，人工客服成本高昂，使得人工智慧客服產品（如牙科服務）獲得了快速的經濟報酬。教育領域的情況也類似，虛擬教師的發展能夠提供 45 分鐘的額外教學，對課堂教學起到有益的補充作用。這為人工智慧教育產品創造了價值空間，教育機構願意投資最佳化這些產品。將人工智慧技術開發成行業專用產品需要大量資金，但其在教育領域的寶貴套用卻能吸引投資。中國市場的特殊性為人工智慧的套用提供了肥沃的土壤，中國市場在這方面實力雄厚，因為其他行業在世界範圍內的發展方式並不相同。
貝拉-冉：我也有類似的想法。從成本的角度來看，如今，許多學生在某一科目上遇到問題時都會求助於助教，但助教在課外時間，例如假期或學習周可能無法提供幫助。輔導也是一種解決辦法，但費用昂貴。而我們的產品則可以幫助完成一系列任務，每月只需 10 美元。我們產品的數據顯示，在學習周等需求旺盛的時期，收費會大幅增加。這是因為學生需求量大，需要獲得助教或輔導員的幫助。傳統家教價格昂貴，但由於我們的產品只需 10 美元即可提供服務，因此有更多學生願意購買。
黃曉毅：現在看來，不僅人工智慧技術在教育領域的套用已經足夠成熟，而且教育市場的需求也非常旺盛，兩者共同推動著人工智慧技術與教育的緊密結合。在這個問題上，Gelling DeepFoot有什麽看法？
夏鵬飛：我從事過教育行業，從教育計算公司到人工智慧公司，我堅信AIGC的第一個教育套用必須滿足三個方面的準確性：政策的準確性、原理的準確性和套用場景的準確性。政策的準確性是第一個方面。近年來，在教育部的領導下，以提高教師專業技能、學習效率和學生學習積極性為目的，緊跟全球科技發展步伐，人工智慧技術在教育領域的套用已經成為一種趨勢，市場也在不斷擴大。提高公眾對教育的滿意度，關鍵在於確保教育的公平、有效和科學，而人工智慧在提高教育公平方面大有可為。確立正確的原則也很重要。教育部門已經為發展人工智慧尋求技術支持，人工智慧技術的成熟在某些場景下可以創造實際價值，可以得到很好的套用和發展。正確的套用需要技術與產業的深度融合。教育資訊化已經到了3.0階段，需要將技術滲透到教與學的關鍵環節，人工智慧技術的成熟，加上政治和資金的支持，使其在教育領域的套用變得合理而必要。AIGC 並不是教育領域的第一項新技術，但每一次技術革新都會給教育帶來創新機遇。AIGC 的套用將在確保準確性方面對教育領域產生積極影響。
什麽樣的學習者可以被定義為基於人工智慧的學習者？
張寧：我們產品的獨特之處在於，人工智慧引導學生學習本學期的知識點和習題，並幫助他們完成，這與傳統的被動自學有很大不同。
當然，培訓產品必須避免絕對的精確性和排他性，任何培訓方法都不可能取代所有其他方法，但市場需要像我們這樣的產品，為現有培訓網站提供有用的服務和補充。
即使有了主動工具，自學仍然很重要。有些學生可能依靠自學來解決問題，而有些學生可能需要更多的指導和幫助。目前市場上已經有一些自學產品，如基於資源的平台、KU Study Machine 和 AnswerNotes 應用程式，它們可以利用人工智慧提供研究、解釋和啟發式指導。
相反，我們利用生成式人工智慧技術提供基於技能的培訓產品，無需全天候聘請真人教師，從而填補了市場空白。我們的目標是提供結合個體差異和不同學習場景的培訓產品，以滿足自學需求，並在需要時提供個人化支持。"我開玩笑說，一年級的時候，我在課堂上低頭拿起了一支鉛筆，從那以後我再也沒有註意過它，"他說。對於可能缺乏關鍵概念的學生，我們的產品可以提供全面的指導，幫助他們建立對學科的基本理解，培養他們提出問題和自主學習的能力。這些產品可以根據不同的學習需求進行客製，為教育領域帶來創新和附加值。
Xiaoyi Huang：你需要一種互動的交流方式來了解問題所在，人工智慧可以做到這一點，但學生們都在自己努力，所以他們需要一種細致入微的視角來了解他們的需求。
然而，目前的機器學習市場已經相當成熟，包括銷售渠道。精準學習產品在進入這一市場時會面臨哪些困難和挑戰，人工智慧能否成為顛覆性的工具？
張寧：產品差異化是行銷的關鍵。如果新產品只是更新了行銷口號，而沒有真正的差異化，行銷成本就會非常高。我們認為，我們的新產品是對市場的有益補充，因為它填補了學習場景中的一個重要空白。此外，AIGC 技術還降低了短視訊的傳播成本，大大降低了包括行銷材料、課程視訊和指令碼在內的制作成本。這是與過去相比的重大變化。我們目前的行銷策略還包括透過小紅書等平台上的視訊和圖片進行'口碑行銷'或'播種'。
面對如此眾多的小型套用，AskSia 是如何想到進入人工智慧+教育領域的？
貝拉-冉：我們致力於公平教育，人工智慧技術，尤其是自然語言處理和機器學習，可以透過提供個人化的學習路徑和智慧指導，幫助學生個人成長。自去年7月以來，我們一直致力於為世界各地的高中生和大學生開發客製化的人工智慧輔導，讓更多國家和使用者能夠獲得優質的教育資源。
AskSia 專註於高中生和大學生的學業困難和需求，透過提供個人化的學術建議和反饋，以及業界領先的教學準確性和最佳化，顯著提高學習效果。
傳統教育存在個人化不足的問題。乘著互聯網的浪潮，以全球教育技術產品為標桿，我們旨在透過打造ARR高達數億美元的個人化人工智慧教師，推動教育領域的創新和變革。
黃曉毅：你說未來應該是人工智慧驅動的，跟現在的人工智慧有什麽不一樣，你對未來的場景有什麽判斷或者設想嗎？
Bella Ren：目前市場上的人工智慧培訓產品大多以人工智慧問題為主，基本上都是學後的場景，但人工智慧的場景需要是多方面的，比如可以是課堂上的人工智慧。如果我們看一下課堂場景，如果課堂上有問題，通常是學生舉手問老師，或者課後把問題寫下來。但在這裏，我們遇到的是即時問題，人工智慧可以打破這一障礙。我們正在做一個專門針對課堂場景設計的東西，叫做A+SIA：它是每個班級的互動畫布，專門用於記錄課堂內容，可以建立總結、索引和拓展--比如參考例題、拓展閱讀等，幫助學生更即時地理解和更新課堂內容，可以幫助學生即時理解課堂內容，並在考試時進行更新。
黃曉毅：國內外人工智慧教育有差異嗎？主要區別是什麽？
貝拉-沃倫：自推出以來，我們一直瞄準全球市場，自去年以來，我們已在 30 多個國家開展業務，目前在全球擁有約 51 萬使用者。我們走向全球市場的原因是，我們認為教育有很多共同點，因此國內和國際教育技術之間沒有太大差別。當然，不同地區可能有不同的側重點。例如，在美國的理科學習場景中，大學生對微積分的要求可能更高，因為他們更關註微積分等課題。過去，當我們專註於北美市場時，我們在微積分方面下了很多功夫。而在其他地區，比如日本，培訓的側重點可能會有所不同，以不同的知識領域為中心。但我認為共同點是，無論在哪個國家，學生都必須學習理科和文科等基礎學科。這意味著，人工智慧的主要特點和目標在全世界都是相同的。
Gelling Deep Pulse起步很早，可以說是一家從人工智慧1.0時代走向人工智慧2.0時代的公司，在人工智慧1.0時代，大多數科技公司可能都賺不到錢，那麽現在有什麽變化呢？
夏鳳飛：人工智慧的盈利問題要多角度辯證地考慮。人工智慧技術在不斷發展，也在不斷融入商業模式，但它的成熟和套用需要時間。作為人工智慧企業，我們要創造商業價值、社會價值和技術價值。就商業價值而言，我們的目標是盈利，但為了保持技術領先地位，我們也會投資創新活動，包括探索短期內可能無法盈利的技術。以 "深度凝膠 "為例，我們有盈利的活動，也有需要更多短期投資的活動，但我們相信這將在未來帶來更大的商業報酬。在社會價值方面，我們也很積極。例如，去年我們透過年齡匹配演算法幫助找到了數十名被拐兒童，這直接體現了我們的社會價值。人工智慧的未來充滿想象，新技術也在不斷發展。保持積極和一貫的態度，提供優質的產品和服務，並透過實際案例展示人工智慧的價值：這就是未來的發展方向。
黃曉毅：將 GL Deep Pulse 套用於高校體育和奧運比賽場景有何不同？這些場景的具體挑戰是什麽？AQA 如何應對這些挑戰？
夏鵬飛：人工智慧在教育領域的套用具有更廣泛的套用前景和騰飛潛力。AQA體育活動從體育大學和國家隊開始，現在又回到了教育領域。人工智慧的主要挑戰之一是數據；在競技體育中，數據是有限的，生成和制作模型的主要要求是為少數人 "客製"，而訓練場景強調的是普遍性，是為一群學生 "客製"，而不是為一個運動員 "客製"。訓練方案強調的是普遍性和針對學生群體的 "客製"，而不是針對單個運動員的 "客製"。就市場規模和其他商業化形式而言，我們傾向於選擇大學體育，因為市場規模大，易於實施。我們並不否認競技體育的價值，在與一支競技體育團隊合作一年半之後，我們為該團隊體育技能的顯著提高和我們基於高品質專業體育數據的體育人工智慧模型感到自豪。我們之所以選擇教育領域，是因為我們相信教育領域為技術的廣泛套用和對社會的積極影響提供了更廣闊的平台，同時也具有更大的商業價值，而戰略權衡可以支持、發展和實作人工智慧技術的社會和商業價值。
