AI教育從業者討論：如何用AI解決因材施教的問題
與教育界的 AI從業人員交談： AI怎樣才能破解「因材施教」的問題？
你可以想像出，在人工智能與教學之間，存在著怎樣的可能？
人工智能技術的引入，改變了教育模式與教育模式。從智能學習助手到互動式問答系統，再到基於人工智能的個人學習系統，越來越多的尖端科技開始深入到教學的各個環節，提升了人們的學習感受。
本期節目中，我們特邀到了慧通運動事業部總經理夏鵬飛，精準學習的合夥人張寧，阿斯卡科技的共同創立者任貝拉，以及矽基 AI專家黃曉毅，從傳統教室到網絡教學，從小學到大學，深入地探索了 AI對產學研結合的推動作用。此外，本專案還將探索利用人工智能技術來處理數據分享與即時化等問題。
下面是一段錄音。
現在，在使人類與人類進行個人溝通的過程中，人工智能發展到哪一步了？遇到的最大的挑戰與難題有哪些？
張寧：就技術難易來說，我們在個別化教育中引入了解決問題的技能，但是這並非惟一重要的原因。好的老師是好的學習老師，除了解決問題的技巧外，更重要的是善於準備，善於發現錯誤。
首先，從解答的角度來看，當前的 AI只會做幾道智力題，而在現實的一對一教學情景中，師生之間的交流通常都是以已知的問題為中心進行，總體來說，K12所涵蓋的知識範圍十分狹窄，不可能解答出一個又一個的、又是一個又一個的、充滿著各種不確定性的問題。
其次，在課程設計上，我們更加重視模擬線上一課老師的技術架構，並把它轉換成 AI模式中的特定動作。
當前的人工智能技術已可以將老師的日常教育過程，例如開場白，提問作業，提問學生的學習狀況，講解知識點，即興提問，對學生對知識點的理解缺陷進行評價等等。在45分鐘的一對一指導下，建立一個網絡老師是非常有可能的。若此名老師具有個人化的語音、互動技巧及視覺效果，則可在一個特定情境下，模仿真正老師的全部技巧。基於上述研究成果，本專案擬於年內完成該演算法的原型系統，完成該演算法的實際套用，並推動該演算法的產業化。
黃曉毅：您剛剛談到了一些重點。要想讓 AI進行個人化的教育，就必須要學會如何解答問題，並且要學會如何教導學生。當然也有很多問題，比如，當和同學們交流時， AI要精確地知道他們在那個階段有什麽問題，你怎麽做？
張寧：沒錯，我們的試題庫中包含了上千萬個問題，為 AI和同學之間高效地進行會話和溝通提供了寶貴的素材。為此，本課程對每個問題都有詳盡的說明，其中包含了原理及解決方法。比如，在解決一個問題時，我們會著重於某個理論在解決問題時的特殊運用，或者一個問題有很多不同的解決方法，同時也要註意一些容易犯的錯誤。在此基礎上，我們將為學習過程中的學習過程和結果進行分析，從而為學習過程中的學習過程和學習過程中的問題，以及如何更好地進行學習。
此外， AI還需要更深入地模仿老師的作用，它包含了20種不同的個人教育方法。比如，一些老師會讓他們重復一遍主題中已經知道的詞匯，以此來判斷他們是否能夠很好地理解這個主題。若不能準確地將主題詞重復出來，則表明其對主題的理解有問題，因此，老師應對問題的具體成因進行深入研究。
為了使課堂的互動更加自然，更加有效，必須將上述的教育策略與邏輯融入到人工智能模式中。另外，在課堂上，教師的語言形式、課堂上的幽默風趣都是提高課堂學習經驗的關鍵。盡管這樣做很膚淺，但卻可以讓課堂變得更加生動，更加吸引人，從而增強了學習的積極性。
黃曉毅：你的看法是非常有趣的。在 AI時代以前， AI教育就是以構建知識地圖為基礎，強調知識點間的關聯性，從而達到精確的教學目的。但是，最重要的是要弄清楚他們是怎樣掌握的，他們在學習中會碰到什麽樣的問題。
貝拉-任對此，我認為，對我們的商品進行詳盡的說明也是一大亮點。透過和使用者的交流，我們知道他們之所以喜愛我們的商品，最重要的一點就是因為我們對商品進行了詳盡的講解。
一些軟件只能解答而沒有解答，甚至連一個大規模的語言模式都會有精確度上的問題，回答也許會有問題，而解答的過程也會出現混亂。為此，本專案擬突破現有大規模建模方法的限制，基於gpt4等大規模建模方法，對框架進行最佳化，提升問題求解精度，並給出具體的解決方案。
黃曉藝：從科技角度講，這是如何實作的呢？
在技術方面，貝拉-任采用了以思考鏈為基礎的智能體技術，以提升建模的精度和精度。我們在8.15釋出的 Superasksia中采用了這個框架，並對幾個高難度的計算問題進行了測試，其精度較gpt4o提高30%左右。在這個新特性上，我們的準確性要高於gpt4o30%。
夏鵬飛：我們不同於一般的運動，它的特征是及時的反饋，它可以讓學員在做完一個運動之後就可以獲得及時的反饋，從而對自己的技術有一個更加深刻的認識，並且不斷的提升自己的技術水平；另外，運動運動的軌跡難以被捕捉，所以它需要具備對運動過程進行即時的分析與反饋，而非事後的處理，這也是它有別於其它專業的地方。
所以，我們的 AI可以告訴他們什麽時候該改正，什麽時候該做什麽。另外，我們的 AI技術並不局限於教學，而是套用於其它商業環境，這些商業環境一般都有標準化的教學計劃和評價準則。
在個體化的教育中，我們可以將想要學習的動作技巧提取出來，並把這些技巧與具體的動作品質或技術相關聯，達到個體化的教育目的。舉個例子，假如有一位同學做得不好，那就說明他的身體有問題，然後建議他做一些運動，以改善他的身體素質。
在此基礎上，基於多個學科的特點，針對不同的教育領域，針對不同職業背景下的具體能力提升策略，提出相應的策略，並提出相應的對策。
目前產生型的 AI科技對於你所期望的方案來說，已經足夠了嗎？若是不足，那還差了些什麽？
張寧：現在的人工智能文字產生技術非常的完善，尤其是在有了自我指導的情況下，在大規模的文字資料的情況下，它能夠很好地應對海量的文字。例如，在一些特定的套用中，比如法律、醫學等，這些套用中，大語種的建模能力已經能夠滿足要求，但受限於數據收集與套用等方面的問題。
然而，在面向視覺化的人工智能研究中，雖然目前已有較大進展，但是對於復雜場景的認知以及對將來發生的事情的預測還需要進一步提升。李飛飛教授致力於太空智慧科技的研究，目的是為了改變這種狀況，盡管目前還沒有確切的日期，但是它展現出一種非常有前途的未來。
夏鵬飛：我們最近和北大教授交換了一些關於改進運動測試中的一些問題，特別是針對運動訓練中的一些應用程式。最大的困難是，雖然已經確定了標準的動作，但是因為每個人的失誤行為之間的差別，使得標準化的檢測變得非常困難。
比如，同樣一個錯誤的持筆式，不同的人會有不同的表現，甚至同樣的錯誤的行為，同樣的錯誤，同樣的情況下也會出現不同的情況，這需要更高的運算能力。針對此問題，本專案擬對該方法進行深入研究，使其具有普適性，使其能夠適應多種非標準化行為。研究內容包括：發展基於文字到行為的自動辨識方法，實作基於錯誤等級的規範化行為影片的自動辨識，以提高演算法的效能。
目前，傳統的學習演算法多依靠傳統的歷史數據進行學習，其有效性和適用範圍都受到限制。本專案提出在飛行器試驗中開展風洞試驗，利用相應的計算方法產生符合一定精度要求的規範行為錄像，進而產生規範化的錯誤行為錄像，進而對該方法進行更精確的評價與最佳化。另外，本專案還將研究如何利用大規模數據來提升小規模模型的推廣效能，以滿足多樣化、非標準化套用環境的需求。
貝拉-任我於二月對 GPT進行了檢測，結果顯示，該軟件並不擅長於求解數學難題。但是自那以後， GPT經過了十多個版本的反復，並且有了長足的進展，就像薩爾·汗在 OpenAI會議上展示的破解畢達哥拉斯定理的本領一樣。因此，在面向使用者的 AI軟件開發中，需要對大數據量的建模進行深入研究，並根據其特點進行相應的功能設計。
對於那些對科技知識不多的學生來說，產品的設計要求他們能夠更好地理解他們的行為模式。作者透過對實驗結果的分析，認為有些同學對 GPT的運用比較熟練，而對 GPT的作用卻不甚清楚。所以，在進行相關的產品研發時，應該以整合的語言模式為依據，對物件導向的互動模式進行研究，並根據具體的套用要求，進行相應的功能的研發。
AI已經到來，為何首先要倒在教育上？
張寧：中國的教學系統之所以能夠如此迅速地使用人工智能，很大程度上是由於其低成本的原因。無論是中國還是美國，每一家每年平均營收在一千萬美金以上的新公司，都表現出了具有一定的性價比，並且必須要在人工智能科技的範疇之內才能完成。以中國為例， AI客戶服務的市場增長速度很慢，這在一定程度上是因為客戶服務費用低廉；美國的人工客戶服務費用更高，這也就意味著像牙醫這樣的人工智能客戶服務類的產品很快就開始賺錢了。在教學方面也是如此，我們已經建立了一個線上老師線上教學系統，它能線上上教學中增加45分鐘的時間。這就為人工智能教學產品帶來了更多的增值機會，同時也激勵著各院校對其進行最佳化配置，因為要把這些成果轉換成具體行業的商品，所需投入的金錢是巨大的，而在教育方面，高附加值的套用則是值得投入的。由於中國特有的特點，中國擁有豐富的 AI技術使用空間，而由於國際上各產業的發展不盡相同，因此其在這一領域表現出了明顯的優勢。
貝拉-任我持有同樣的觀點。因為學費的原因，許多人開始向助理尋求幫助，但是他們卻沒有辦法在課余的時候，例如節假日或者讀書的時候。另外，去補習班也是一個選擇，但是成本很高。與此形成鮮明對比的是，我們的這個軟件一個月只要10美金，並且能夠協助同學們做不同的作業。商品資料表明，在一些需求旺盛的時段，比如讀書星期，購物和付款速度都會顯著提高。這是由於對大量的學員的需求以及與教學助理或指導老師的交流。常規的補習成本比較高，但我們的課程只要10美金，所以很多同學都很樂意接受。
黃曉毅：從目前的情況看，目前，無論是在教學環境方面，還是在教學領域，都有很大的發展空間，這兩方面因素一起，使得人工智能和教學的融合更加密切。在這樣的主題下，林深彤又將如何定位？
夏鵬飛：本人曾在教育界工作，曾由一家教育界的企業轉型為一家人工智能企業，本人堅定地認為，要將人工智能投入到教育中，首先要做到政策上的正確、原理上的正確、運用的環境上的正確。政策的正確與否是首要考量。近幾年，隨著教育部的引導，將人工智能技術運用到教育行業中，以提升老師的業務水平、提升同學們的學習效率與動力、與世界科技發展同步，形成了一股熱潮。保障教育公平、高效和科學是提升公共教育滿意度的關鍵，而 AI技術對促進教育公平具有重要意義。準則的正確也是關鍵。為了推動中國的資訊化建設，中國的教育事業不斷向更高層次發展，尤其是在一些特定的領域，隨著人工智能的不斷發展，它能夠產生很大的價值。目前，中國的教學資訊化發展到了3.0，要求將科技融入教學的各個關鍵部份，而隨著人工智能的不斷發展，再加上政府、財政等方面的大力扶持，使得它在教學領域中的運用變得越來越重要。在教育界， AIGC並非首個出現的新科技，但是每次科技創新都為教育界提供了一個機會。如果能確保數據的精確性，那麽 AIGC系統的使用將會給整個教育產業帶來正面的沖擊。
哪種學習機可以被稱作「自然 AI」？這種學習者為何能夠大振幅地改善他們的學習成績？
張寧：創新之處就是，我們的設計采用了 AI技術，可以讓同學們更好地掌握所學的知識，也可以更好地理解所學到的內容，從而避免了以往的被動學習。
當然，在教育過程中，不能出現完全正確或排斥的現象，也不能用一種方式代替其它方式。然而，像我們這種提供了一種服務和一種有效的輔助教學模式的產品，正是我們所需要的。
即便是在我們的積極幫助學習者的幫助下，自我學習也是非常關鍵的。有的同學可以自己學習，有的同學則需要老師的指點。現在市面上已經出現了資源平台、科大訊飛學習引擎、蟲蟲書等自主學習的軟件，它們在引入人工智能的同時，還可以進行搜尋、解釋和啟發式的引導。
因此，我們透過推出以科技為基礎的教學服務，讓學生不必24小時24小時地僱用真正的老師，從而彌補了這一市場的缺口。本專案旨在根據學生自身的特點和實際情況，為學生設計適合學生自主學習的教學軟件，並根據學生的實際情況進行針對性的教學。有一個玩笑：「開學的時候，我把頭埋進了教室裏，然後就一直不明白。」針對尚未掌握核心知識的學員，透過該軟件進行全方位的引導，使其具備紮實的基礎知識，提高其提問與自學的能力。我們可以針對學生的不同需要量身定做，從而為學校提供更多的革新與增值。
黃曉毅：所以說，最重要的就是要能正確地辨別出哪些是不懂的，而那些不懂得怎樣去辨別的，常常會讓他們搞不懂自己的問題所在。他們要求有一個互動式的溝通模式，這樣才能精確地確定出問題，而這些都是由 AI來完成的，而這些都是由學生自己來完成的。
但是，現在的學習機，其市場是非常成熟的，其中就有銷售渠道。在這個領域，精確教學的套用將會遇到怎樣的難題與挑戰？
張寧：市場的關鍵在於要有不同的市場定位。如果一個新的產品僅僅是一個重復的市場標語，而沒有一個顯著的區別，那麽市場的費用將是巨大的。我們把這個新的專案看作是一個很好的補充，可以彌補我們在這個領域的一個很大的缺口。另外， AIGC還可以減少影片的推廣費用，包括市場推廣材料，課程錄像，劇本等。這和我們以前見過的完全不一樣。當前的市場戰略也包含了"口碑傳播"——在像小紅書這樣的平台上，透過錄像和照片來種植種子。
有那麽多的套用軟件， skSia又是怎麽想到要進軍 AI+教學呢？那麽，海外的留學市場又是怎樣的呢？
貝拉倫我們努力爭取平等的受教育的機會。以自然語言處理、機器學習等人工智能為代表的人工智能能夠為學習者提供個人化的學習途徑與指導，並為他們的個性發展提供支撐。從七月開始，我們就開始為全世界的孩子提供一個有針對性的 AI學習指導，使他們能夠更好地服務於世界各地的孩子。
盡管市場上已經出現了很多小規模的軟件，但是 AskSia聚焦於學員們的難點與提升需要，借助行業內最先進的精準與教育專家技術，為學員們提供個人化的學習指導與反饋，極大地提升了學員的學習效率。
傳統的教學方式缺乏個性。透過建立一個個人化的 AI輔導平台，帶動整個教育產業的革新和革新，力爭在網絡時代，顛覆世界上的主流教學技術，達到上億美金的 ARR規模。
黃曉毅：剛才你說過，將來肯定要靠 AI來輔助，那肯定和今天的 AI不太相同。是否有任何關於將來某個更遙遠的方案的評價或前景？
任蓓蓓認為，現在市面上的 AI教學產品，大多都是以 AI為核心，屬於後學習的領域，不過，它的套用範圍肯定很廣，就像在教室這樣的場合，也可以用到人工智能。比如，在以前的課堂上，如果有什麽問題，一般都是在上課的時候舉手提問，或者是在下課後將題目寫下來。但是，人工智能可以突破這一局限，我們現在在研發一種特別為教室情景而設計的函數，叫做 A+ SIA，可以為每次上課產生一個互動帆布，用於對上課內容進行筆記，進行教學內容的匯總、索引和擴充套件（例如，參考例題、擴充套件延伸等）。比如，參照例子，擴充套件閱讀——），可以更好地協助學生對課程的知識進行及時的了解，並有助於他們對課程的知識進行及時的回顧，從而有助於他們進行考試。
黃曉毅：國產 AI和外國 AI有什麽不同？不同之處在哪裏？
貝拉-任阿斯卡西亞公司從成立之日起就將目標釘選在了國際市場上。從過去一年起，我們的業務已經擴充套件到30多個國家，在全世界的客戶超過5100萬。我們把目光投向全球，就是覺得國產的 AI和國外的差別不大，畢竟兩者有著許多相同的地方。當然，各個區域的重點也各不相同。以美國為例，在大學裏，他們更看重像是數學這樣的學科，所以他們需要更多的數學知識。當我們把重點放在北美的時候，我們對數學進行了大量的研究。而在其它地方，例如日本，則有不同的教學重心，不同的教學重點。我想兩者之間的類似點是一樣的，不管是什麽國度的學生，都要修一些基本的學科，如理科、文科。這種相似性表明，整個世界範圍內，人工智能教學的主要職能與目的是一致的。
格林深瞳成立時間比較長，算得上是一個從人工智能1.0過渡到人工智能2.0的企業， AI1.0的時候，很多技術公司都不賺錢，但如今，發生了什麽改變？
夏鵬飛：對於 AI的贏利，我們要從多方面辨證地認識。雖然 AI科技一直在進步，並且能夠進入到商用環境中，但是它的完善與運用還有待時日。我們致力於創造商業，社會和科技的價值。從企業的角度來看，利潤是我們的目的，但是我們同時也會對一些有創意的企業進行投入，其中就有一些近期不能獲利的科技，以此來維持我們的科技優勢。就拿 GerlingDeepPupil來說，這家公司既有賺錢的生意，也有一些在短期內還需加大投入的生意。同時，我們也在不斷地為實作社會的價值而奮鬥。例如，我們在過去一年中，透過跨年齡間的配對方法，發現了幾十個被販賣多年的孩子，取得了直接的社會效益。」我們要以一種樂觀、務實的心態，透過大量的例項來展示 AI的價值，為使用者帶來更好的體驗與體驗，這正是我們所要走的路。
黃曉毅：在奧林匹克運動會上使用 GL深眼，與其他運動專案相比，有何區別？這些方案有哪些特定的問題？普洛斯是怎樣處理它們的？
夏鵬飛：將人工智能引入到教學中，其使用範圍將會更加廣闊，並具有廣闊的使用前景。普洛斯從運動學院和國家足球隊開始其運動事業，如今又回到了教育界。對 AI來說，一個主要的問題就是數據。在競賽運動方面，由於數據匱乏，需要為"個人化"的個別個人提供大量的建模工具，而在教學情景中，則著重於普及和"個人化"的學生，而非個別的運動員"個人化"。與個別的運動員相比，教育計劃註重普及和"個人化"，並以每個學生為物件。無論是從市場的大小還是從其它的商業考慮，我們都比較看好學校的運動場地，這是一個很好的選擇。但這並非意味著我們否定了體育運動的意義。在為競賽運動隊伍工作一年多以來，我們的隊伍對於運動的認知大大提高，而我們的運動訓練 AI模式，則是以高品質的運動資料為基礎，為之自豪。為了落地、發展和實作人工智能的社會效益和經濟效益，本專案將聚焦於教育這一新興產業，充分發揮其巨大的經濟作用。
