对话AI教育专家：AI技术如何解决因材施教的实际问题
与教育专业人士的辩论：人工智能如何解决学生个性化教育的难题？
人工智能+教育可以有多少种想象方式？
人工智能的融合正在重新定义传统的教学方法和学习方式。从智能学习助手到互动问答系统，再到用于个性化学习解决方案的人工智能平台，这些前沿技术将以这样或那样的方式渗透到教育的方方面面，并显著改善学生的学习体验。
本期，我们邀请到了格灵深净体育业务线产品经理夏凤飞、精准学习合伙人张宁、AskSia创始人任贝拉，与硅星人工智能分析师黄晓毅一起，探讨从传统课堂到网络学习平台，从小学到高等教育，人工智能技术如何促进学术界与企业界在各个层面的更紧密合作。他们还将讨论人工智能在应对知识共享和及时性挑战方面的见解和创新应用。
以下是辩论实录
人工智能在实施个性化指导方面处于什么位置？您遇到的主要挑战和困难是什么？
张宁：优秀教师之所以成为优秀学习者，不仅要有解决问题的能力，还要有备课和诊断学生错误认知的能力。
首先，在当今的人工智能解题能力中，除了提出几个谜题类问题的一般效果外，其余内容基本不存在问题；此外，在真实的个人辅导场景中，师生之间的互动通常是就已知话题展开对话，涉及的知识内容总K12非常有限，而不是解决一个未知问题中的复杂知识点。
其次，课堂教学更注重在线下接触中模仿教师的知识结构，并将其转化为人工智能模型的具体行为。
目前的人工智能技术已经能够进行课堂教师的标准授课，包括开场白、任务问题、基于学生学习情况的提问、知识点讲解、自发提问以及识别学生对知识点理解的差异。虚拟教师可以进行 45 分钟的单独授课。通过为虚拟教师定制语音、交互技能和视觉特征，虚拟教师几乎可以模拟真实教师在特定场景中的所有技能。基于这一评估和技术可行性，我们计划在今年实施并推出用于定制辅助教学的人工智能模型。
黄晓毅：您刚才提到了人工智能实施个性化教学的几个关键点：第一，人工智能本身要能够回答问题；第二，人工智能要能够教学生。比如，人工智能与学生互动时，要准确了解学生在哪些方面有困难，那么如何才能做到这一点呢？
张宁：要做到这一点，我们会详细记下每一道题，包括定理和解题步骤。例如，在解题过程中，我们会记下定理的具体应用或问题的多种解法，最好还能记下解题的一般错误概念。这些详细的注释为语言模型提供了重要的先验知识，人工智能可以利用这些知识帮助学生更有针对性地识别和纠正错误。
人工智能应更深入地模拟教师的角色，模拟应包括 20 多种不同的教学风格。例如，有些教师可能会要求学生表演熟悉的情境，看看他们在理解某个话题时是否有困难。如果学生不能正确地再现某个话题的条件，这说明学生的理解能力有问题，教师应调查问题的原因。
这些教学策略和逻辑应纳入人工智能模型，使教学互动更加自然有效。此外，教学过程中的语言风格和幽默等因素对于提升学生体验也很重要。这些因素虽然浅显易懂，但却能使教学过程更加生动活泼、引人入胜，从而提高学生的学习兴趣和参与度。
黄晓毅：这个观点很有意思。在人工智能出现之前，人工智能教学追求的是通过构建知识图谱来实现精准教学，注重知识点之间的联系，但实际上要了解学生是如何学习这些知识点的，在学习过程中遇到了哪些具体困难。
贝拉-冉：详细的解释是我们产品的一大优势，我们发现用户喜欢我们产品的一个主要原因就是我们提供了非常详细的解释。
有些产品可能只提供正确答案，而不提供如何解决问题的信息，甚至大规模语言模型也可能存在准确性问题。提供的答案可能是错误的，解决问题的步骤也可能被扭曲。因此，我们希望通过优化我们的架构来提高解题的准确性并提供更详细的解题步骤，从而克服现有大规模语言模型（如 GPT4）的局限性。
黄晓艺：技术上是如何实现的？
Bela Len：从技术上讲，我们使用基于思维链（COT）架构的代理技术来提高模型的准确性和精确度；在 8.15 版本的超级亚洲功能中，我们在涉及推理的高难度数学问题上测试了这一架构，发现传入函数的准确性比 GPT4O 高出约 30%。未来函数的准确性比 GPT4O 高出约 30%。
夏鹏飞：我们和其他人不一样，体育领域的特点在于即时反馈，一方面学生在进行活动后可以立即得到反馈，从而更好地理解和提高自己的技能，另一方面体育活动很难留下痕迹，人工智能必须能够做到实时分析和反馈，而不是回溯，这是和其他领域不一样的地方。
换句话说，人工智能会实时告诉学生，他们在完成任务时需要纠正什么。除教育领域外，我们的人工智能还可用于商业领域，因为商业领域通常有标准化的课程和评估标准。
要实施定制化训练，可以从课程和评估标准中抽象出希望学生掌握的运动技能，精确定义每个动作，并将其与特定的运动素质或技能联系起来。例如，如果一名学生不能正确完成引体向上和仰卧起坐，就可以断定该学生缺乏核心力量，并推荐适当的练习来提高核心力量。
同时，考虑到体育教师的专业背景不同，他们对提高具体技能的角度和方法也不尽相同，通过整合不同类型的学科，提出了一套提高技能和实践的建议，首先通过趋同分析发现问题，然后分解建议，提出解决方案。
生成式人工智能技术目前是否足以满足人们希望实现的场景，如果不能，还缺少什么？
张宁：用于文本生成的人工智能技术已经很先进了，只要有足够的数据，就可以处理大量的文本数据，尤其是自主学习模型。在某些领域，如法律和医疗领域，大规模语言模型有足够的性能，但模型性能有限，主要原因是数据收集和实际执行方面的技术问题。
然而，尽管视觉人工智能领域的图像识别技术取得了重大进展，但人工智能理解复杂图像和预测未来事件的能力仍有待提高。李培培教授对地理空间智能技术的研究旨在改善这一状况，虽然具体的实施时间表尚未确定，但它为人工智能的发展提供了一个前景广阔的方向。
夏凤飞：我们与北京大学的教师讨论了如何提高非标准动作识别算法的准确性，尤其是在动作应用开发方面。主要的挑战在于，即使我们定义了标准和常见的错误动作，但由于执行错误动作的个体的多样性，标准化测试也很困难。
例如，即使算法模仿的是同样的错误握笔姿势，但如果细节因人而异，或者同一个人多次做出同样的错误握笔姿势，识别要求就会更高。为了解决这个问题，我们打算提高算法的通用性，使其能够适应各种非典型行为。我们的目标是开发一种文本到动作的技术，根据错误率生成标准化动作的视频，从而优化算法的训练和测试。
过去，训练数据依赖于历史数据收集，这是一种低效且有限的方法。为了进一步评估和改进算法，我们建议模拟飞机设计中使用的风洞实验，生成具有特定误差水平的算法标准化运动思想。我们还将探索使用大型模型来提高小型模型的通用性，这对于开发可适应不同非标准场景的算法非常重要。
贝拉-沃伦：但在此后的几十次迭代中，GPT 已经有了显著的改进，其回答毕达哥拉斯定理的能力也有了很大的提高，萨尔-汗在 OpenAI 发布会上提出了这个问题。作为消费级人工智能应用的开发者，我们需要了解大型语言模型的能力，并据此设计我们的产品功能。
设计产品需要全面了解用户的使用习惯和所需的交互模式，尤其是对于不太熟悉技术的学生而言。虽然有些学生已经学会使用 GPT 进行学习，但大多数学生并不了解它的作用。因此，在开发相关产品时，有必要在广义语言模式的基础上研究和设计适合目标受众的交互方式，然后开发满足他们需求的功能。
人工智能已经到来，为什么教育是第一个被引入的场景？
张宁：中国：基于成本效益的人工智能在中国教育领域的快速应用。在中国和美国，所有年经常性收入超过1000万美元的人工智能初创企业都表现出了成本效益，这在人工智能技术的能力范围之内。例如，在中国，人工智能客服市场因客服成本低而发展缓慢，而在美国，人工客服成本高昂，使得人工智能客服产品（如牙科服务）获得了快速的经济回报。教育领域的情况也类似，虚拟教师的发展能够提供 45 分钟的额外教学，对课堂教学起到有益的补充作用。这为人工智能教育产品创造了价值空间，教育机构愿意投资优化这些产品。将人工智能技术开发成行业专用产品需要大量资金，但其在教育领域的宝贵应用却能吸引投资。中国市场的特殊性为人工智能的应用提供了肥沃的土壤，中国市场在这方面实力雄厚，因为其他行业在世界范围内的发展方式并不相同。
贝拉-冉：我也有类似的想法。从成本的角度来看，如今，许多学生在某一科目上遇到问题时都会求助于助教，但助教在课外时间，例如假期或学习周可能无法提供帮助。辅导也是一种解决办法，但费用昂贵。而我们的产品则可以帮助完成一系列任务，每月只需 10 美元。我们产品的数据显示，在学习周等需求旺盛的时期，收费会大幅增加。这是因为学生需求量大，需要获得助教或辅导员的帮助。传统家教价格昂贵，但由于我们的产品只需 10 美元即可提供服务，因此有更多学生愿意购买。
黄晓毅：现在看来，不仅人工智能技术在教育领域的应用已经足够成熟，而且教育市场的需求也非常旺盛，两者共同推动着人工智能技术与教育的紧密结合。在这个问题上，Gelling DeepFoot有什么看法？
夏鹏飞：我从事过教育行业，从教育计算公司到人工智能公司，我坚信AIGC的第一个教育应用必须满足三个方面的准确性：政策的准确性、原理的准确性和应用场景的准确性。政策的准确性是第一个方面。近年来，在教育部的领导下，以提高教师专业技能、学习效率和学生学习积极性为目的，紧跟全球科技发展步伐，人工智能技术在教育领域的应用已经成为一种趋势，市场也在不断扩大。提高公众对教育的满意度，关键在于确保教育的公平、有效和科学，而人工智能在提高教育公平方面大有可为。确立正确的原则也很重要。教育部门已经为发展人工智能寻求技术支持，人工智能技术的成熟在某些场景下可以创造实际价值，可以得到很好的应用和发展。正确的应用需要技术与产业的深度融合。教育信息化已经到了3.0阶段，需要将技术渗透到教与学的关键环节，人工智能技术的成熟，加上政治和资金的支持，使其在教育领域的应用变得合理而必要。AIGC 并不是教育领域的第一项新技术，但每一次技术革新都会给教育带来创新机遇。AIGC 的应用将在确保准确性方面对教育领域产生积极影响。
什么样的学习者可以被定义为基于人工智能的学习者？
张宁：我们产品的独特之处在于，人工智能引导学生学习本学期的知识点和习题，并帮助他们完成，这与传统的被动自学有很大不同。
当然，培训产品必须避免绝对的精确性和排他性，任何培训方法都不可能取代所有其他方法，但市场需要像我们这样的产品，为现有培训网站提供有用的服务和补充。
即使有了主动工具，自学仍然很重要。有些学生可能依靠自学来解决问题，而有些学生可能需要更多的指导和帮助。目前市场上已经有一些自学产品，如基于资源的平台、KU Study Machine 和 AnswerNotes 应用程序，它们可以利用人工智能提供研究、解释和启发式指导。
相反，我们利用生成式人工智能技术提供基于技能的培训产品，无需全天候聘请真人教师，从而填补了市场空白。我们的目标是提供结合个体差异和不同学习场景的培训产品，以满足自学需求，并在需要时提供个性化支持。"我开玩笑说，一年级的时候，我在课堂上低头拿起了一支铅笔，从那以后我再也没有注意过它，"他说。对于可能缺乏关键概念的学生，我们的产品可以提供全面的指导，帮助他们建立对学科的基本理解，培养他们提出问题和自主学习的能力。这些产品可以根据不同的学习需求进行定制，为教育领域带来创新和附加值。
Xiaoyi Huang：你需要一种互动的交流方式来了解问题所在，人工智能可以做到这一点，但学生们都在自己努力，所以他们需要一种细致入微的视角来了解他们的需求。
然而，目前的机器学习市场已经相当成熟，包括销售渠道。精准学习产品在进入这一市场时会面临哪些困难和挑战，人工智能能否成为颠覆性的工具？
张宁：产品差异化是营销的关键。如果新产品只是更新了营销口号，而没有真正的差异化，营销成本就会非常高。我们认为，我们的新产品是对市场的有益补充，因为它填补了学习场景中的一个重要空白。此外，AIGC 技术还降低了短视频的传播成本，大大降低了包括营销材料、课程视频和脚本在内的制作成本。这是与过去相比的重大变化。我们目前的营销策略还包括通过小红书等平台上的视频和图片进行'口碑营销'或'播种'。
面对如此众多的小型应用，AskSia 是如何想到进入人工智能+教育领域的？
贝拉-冉：我们致力于公平教育，人工智能技术，尤其是自然语言处理和机器学习，可以通过提供个性化的学习路径和智能指导，帮助学生个人成长。自去年7月以来，我们一直致力于为世界各地的高中生和大学生开发定制化的人工智能辅导，让更多国家和用户能够获得优质的教育资源。
AskSia 专注于高中生和大学生的学业困难和需求，通过提供个性化的学术建议和反馈，以及业界领先的教学准确性和优化，显著提高学习效果。
传统教育存在个性化不足的问题。乘着互联网的浪潮，以全球教育技术产品为标杆，我们旨在通过打造ARR高达数亿美元的个性化人工智能教师，推动教育领域的创新和变革。
黄晓毅：你说未来应该是人工智能驱动的，跟现在的人工智能有什么不一样，你对未来的场景有什么判断或者设想吗？
Bella Ren：目前市场上的人工智能培训产品大多以人工智能问题为主，基本上都是学后的场景，但人工智能的场景需要是多方面的，比如可以是课堂上的人工智能。如果我们看一下课堂场景，如果课堂上有问题，通常是学生举手问老师，或者课后把问题写下来。但在这里，我们遇到的是实时问题，人工智能可以打破这一障碍。我们正在做一个专门针对课堂场景设计的东西，叫做A+SIA：它是每个班级的互动画布，专门用于记录课堂内容，可以建立总结、索引和拓展--比如参考例题、拓展阅读等，帮助学生更实时地理解和更新课堂内容，可以帮助学生实时理解课堂内容，并在考试时进行更新。
黄晓毅：国内外人工智能教育有差异吗？主要区别是什么？
贝拉-沃伦：自推出以来，我们一直瞄准全球市场，自去年以来，我们已在 30 多个国家开展业务，目前在全球拥有约 51 万用户。我们走向全球市场的原因是，我们认为教育有很多共同点，因此国内和国际教育技术之间没有太大差别。当然，不同地区可能有不同的侧重点。例如，在美国的理科学习场景中，大学生对微积分的要求可能更高，因为他们更关注微积分等课题。过去，当我们专注于北美市场时，我们在微积分方面下了很多功夫。而在其他地区，比如日本，培训的侧重点可能会有所不同，以不同的知识领域为中心。但我认为共同点是，无论在哪个国家，学生都必须学习理科和文科等基础学科。这意味着，人工智能的主要特点和目标在全世界都是相同的。
Gelling Deep Pulse起步很早，可以说是一家从人工智能1.0时代走向人工智能2.0时代的公司，在人工智能1.0时代，大多数科技公司可能都赚不到钱，那么现在有什么变化呢？
夏凤飞：人工智能的盈利问题要多角度辩证地考虑。人工智能技术在不断发展，也在不断融入商业模式，但它的成熟和应用需要时间。作为人工智能企业，我们要创造商业价值、社会价值和技术价值。就商业价值而言，我们的目标是盈利，但为了保持技术领先地位，我们也会投资创新活动，包括探索短期内可能无法盈利的技术。以 "深度凝胶 "为例，我们有盈利的活动，也有需要更多短期投资的活动，但我们相信这将在未来带来更大的商业回报。在社会价值方面，我们也很积极。例如，去年我们通过年龄匹配算法帮助找到了数十名被拐儿童，这直接体现了我们的社会价值。人工智能的未来充满想象，新技术也在不断发展。保持积极和一贯的态度，提供优质的产品和服务，并通过实际案例展示人工智能的价值：这就是未来的发展方向。
黄晓毅：将 GL Deep Pulse 应用于高校体育和奥运比赛场景有何不同？这些场景的具体挑战是什么？AQA 如何应对这些挑战？
夏鹏飞：人工智能在教育领域的应用具有更广泛的应用前景和腾飞潜力。AQA体育活动从体育大学和国家队开始，现在又回到了教育领域。人工智能的主要挑战之一是数据；在竞技体育中，数据是有限的，生成和制作模型的主要要求是为少数人 "定制"，而训练场景强调的是普遍性，是为一群学生 "定制"，而不是为一个运动员 "定制"。训练方案强调的是普遍性和针对学生群体的 "定制"，而不是针对单个运动员的 "定制"。就市场规模和其他商业化形式而言，我们倾向于选择大学体育，因为市场规模大，易于实施。我们并不否认竞技体育的价值，在与一支竞技体育团队合作一年半之后，我们为该团队体育技能的显著提高和我们基于高质量专业体育数据的体育人工智能模型感到自豪。我们之所以选择教育领域，是因为我们相信教育领域为技术的广泛应用和对社会的积极影响提供了更广阔的平台，同时也具有更大的商业价值，而战略权衡可以支持、发展和实现人工智能技术的社会和商业价值。
