本文摘要：按：11月15日-16日，“全球AI+智適應環境教育峰會”在北京嘉里中心大酒店盛大揭幕，峰會由牽頭乂習教育松鼠AI，以及IEEE（美國電氣電子工程師學會）教育工程和自適應教育標準工作組聯合舉行，匯集國內外頂尖陣容。

按：11月15日-16日，“全球AI+智適應環境教育峰會”在北京嘉里中心大酒店盛大揭幕，峰會由牽頭乂習教育松鼠AI，以及IEEE（美國電氣電子工程師學會）教育工程和自適應教育標準工作組聯合舉行，匯集國內外頂尖陣容。AI智適應環境自學是目前產學研三界關注度最低的話題之一。

此次峰會，主辦方邀了美國三院院士、機器學習泰斗Michael Jordan，全球普遍認為機器學習之父Tom Mitchell，斯坦福國際研究院（SRI）副總裁Robert Pearlstein、美國大學入學考試機構ACT自學方案組高級研究科學家Michael Yudelson等頂尖學者。16日下午，松鼠AI首席架構師 Richard Tong 公開發表主題為“AI自適應教育的架構和策略”的精彩演說。Richard Tong 講解了松鼠AI智適應環境教育的架構和策略，詳盡闡述了平臺架構的四個層面，并談及自適應平臺架構的愿景是為每一位同學打造出超級AI導師，這將使自學顯得有效地、高效、更有人。

以下為演說國史（做到了不轉變本意的編輯與整理）：松鼠AI的自適應架構多謝大家能參與AIAED大會，剛才大家聽見的都是商業、投資涉及的，我返回技術，談一談我們自適應的架構。我們談架構，大家就要理解架構首先是為什么？我們在做到自適應教育這樣的領域，想要理解架構這個事，我們創建整個愿景不會獲取一個依據，來告訴他我們這個架構該怎么設計。我們的愿景是什么呢？大家這幾天有可能聽見了很多，我們要有一對一的智適應環境導師，讓每個學生的自學更加高效、有效地、更有人，和他能更加切合。

我們想要談一談我們是怎么走過來的，我們的愿景也是創建在美國一些先驅的實踐中基礎上的，我們的企業里從很多公司教給了很多，還包括Dream Box這些公司。這和我們自己怎么來構建這個東西涉及，有幾個較為最重要的，把我們長年的愿景轉化成確實要獲取實踐中的環節。剛才我為什么要提及一些先驅，因為我們車站在巨人的肩膀上。

我們做到AI教育的時候，我們要看見AI教育的本質是什么，要想要作好的核心因素在哪里，而且之所以我們從以前這些公司里教給了東西，究竟哪些東西給我們獲取了協助。只不過AI教育更好的是一種AI應用于，AI應用于跟傳統技術應用于有不一樣的地方，有四個關鍵環節和關鍵因素：商業模型。AI能無法順利或者能無法墮，還不是由于技術要求的，而是由產生的產品能無法落地來要求。AI所拒絕的能力和做到AI技術人的能力包含的。

數據，特別是在是先進設備AI涉及的，比如說深度自學，即使傳統機器學習對數據的量拒絕大，對質的拒絕也相當大，所以AI要考慮到數據的問題。AI拒絕很強的計算力。

在這四個方面實質上是缺一不可的，里面只要有一個地方有短板就順利沒法。我們自學到了先驅的什么東西呢？一些傳統的，在美國是不切實際或者是OK的東西，在中國是敢的，或者在中國不會有相當大的障礙。我之前在Kenwton老大很多中國企業辯論自適應的合作，但是相當大的問題就是在中國這些東西都墮沒法地。為什么呢？因為B2B拒絕大家專業化的分工，專業化分工的前提是什么？拒絕要有比較的穩定性，模塊要比較比較穩定。

但是AI這件事你不會找到，特別是在在目前的階段來說，它對各環節的拒絕都很高，要把它融合一起制成一個產品，第一要大大遞歸，第二在模塊上的變化是十分大的，所以我們一開始智適應環境在中國落地的時候，Kenwton告終了，當時跟好未來等等做到了很多項目，效果都很差。很差在什么地方呢？不是技術很差，而是在中國落地的時候周期過于寬，一個產品在中國獲得好的智適應環境技術，去落地的時候對內容有相當大的拒絕，對教學方式有相當大的拒絕，對獲取產品的方式也有相當大的拒絕。在這些東西不成熟期的情況下，一個周期過去了，試錯還沒試完了，時間早已沒了。而且教育這個行業對整個學期的拒絕，對整個上線的拒絕有很多不可控性。

比如說每年春季、秋季開學的時候，產品沒準備好的話，上沒法線的話，這次遞歸的機會就錯失了。本來9月1日要上線，如果9月16日你還沒上線，下次再行想要上線就是春節以后了，AI拒絕遞歸十分慢，而且融合性十分強勁，這樣的公司在中國做到B2B基本上是沒機會的。在中國我們也教給了一些東西，在AI的情況下必須十分強勁的能力，也就是說要想要把AI的項目作好，人員既要不懂教育的整個場景，又必須有很強的AI本身的能力，很多時候必須有很強的工程能力，要有很多能力的融合。

中國的機器學習或者是AI自學，跟美國比起還有相當大的差距。中國一開始做到的時候，栗總做到松鼠AI的時候，要尋找把四項需要都需要拼成一起的東西。把好的商業模式，AI的能人，需要獲得數據的途徑以及要融合強勁的計算力，把這些東西需要融合在一起才有順利的可能性。

所以我們自己設計的話，我們是從頭到尾原始的AI倒數的自適應，另外我們從數據角度來講是全面、原始、快速增長的數據模型。為什么我們要做到這么一個東西？這也和一開始說道的教育里面僅次于的智適應環境解決問題的痛點是什么涉及。自適應僅次于的痛點來自于傳統教育的陳舊或者是違憲性，只要是老師一對多的情況下，我們實在一定是違憲或者陳舊的。也就是說學生在傳統課堂里花的時間，和一個一對一比起有一個相當大的效率差距。

我們為什么不接納像雙師課堂，或者是課后人工智能作業，這是漸進性的提升，有一定的協助，但是沒解決問題最顯然的效率低落問題。最顯然的效率低落問題，是一個老師哪怕給三個學生或者是十五個學生，還是四十個學生，教教的時候，每個學生在習的過程里因為自己每個人的拒絕不一樣，針對一個人好的東西，針對另外一個人不一定好。人工智能就是要臨床他在自學過程中的問題，根據他的自學路徑切合。如果你沒這樣一個原始的切合機會的話，這個AI就構建沒法。

崔博士那天談到我們產品的時候大家也告訴，AI就是要解決問題這七個問題，需要精確的臨床學生的自學狀態、獲取有效地的自學路徑、制訂合理的自學目標、在教室里還有輔導老師給他獲取一個適合的預警機不會，以后能用主觀因素的理解協助小孩獲取信心、態度、習慣，協助家長給小孩獲取更佳的學環境，這是整個AI自適應平臺的拒絕。我們自己明確是怎么做的呢？給大家獲取一個框架，我們談一些產品和系統，這個東西是什么呢？這張是談主要系統的模塊，在這個模塊之間我想要專門托幾個我們指出對我們來說，從設計角度較為最重要的東西。因為AI里很最重要的是數據，數據來自于兩個方向，一個是能大量的累積，另外數據要有深度的關聯。

這張圖里有兩塊是和數據涉及的，最右邊的LRS，中間有一個MDS，這兩個東西給我們獲取的是把自學不道德數據，和我們的科學知識圖譜、題庫、內容庫和教學內容的東西連接起來，這樣才能超過數據有效地的長年用于。以前我們在實行過程中找到了一個相當大的問題，很多企業的數據是單維度的，有可能有學生所有做題的記錄，有可能有學生所有考試的記錄，有可能有學生所有英語讀者的東西，發音的數據，但是單個來看的話，數據有效性很受限制。如果你想要從里面尋找數據的話，如果只有一個維度的數據的話，你能做到的事情十分受限，而且必須大量的人工去辟標簽或者人工的做到適當的對系統。如果你的數據是多維度的，是有涉及聯系的，如果一個學生不光有做題的數據，還有做到題之后看視頻的數據，還有做題的時候當時表情的數據，還有做題的時候腦電波的數據，這樣我們可以在各個方面把這些數據融合一起，需要做的東西比以前要非常少，它能獲取的可能性小得多。

即使不說道腦電波或者表情數據，哪怕把自學目標理解了，就是學生做到一道題的時候，當時自學的目標是什么，想學的是什么知識點，這套題做到之前早已理解了哪些知識點，不理解哪些知識點。如果告訴了這個信息以后，你的做題數據還包括以后的其他學生不道德數據，對你的機器學習和整個老師的臨床來說有十分大的起到，我們是通過MDS把數據融合一起，LRS把數據累積一起。

另外想談一下自適應引擎，不管是剛才一起作業他們提及的東西，還是掌門一對一提及的，都提及了較為類似于的東西。我們的適應環境引擎獲取了兩個最基本的功能，它自己的大腦里必須有什么東西，第一個是理解一個學當時自學的狀態，理解他對知識點理解的程度，和所有知識點之間的聯系，相互之間的關聯性是什么樣的。

第二個是引薦路徑，我告訴這個東西以后怎么給你好的引薦，這是我們的引擎最重要的核心部分。這個機器必須告訴什么呢？一方面必須告訴學生長年的數據，就越長時間就越好，還有一個他必須理解自學它習的東西，像一個GPS導航系統一樣，學生要去哪兒？這些地方之間的關聯是什么？還有一個學生可以做到的事情是什么，可以看的內容是什么，和我們導航系統的東西有什么聯系，這樣才好給他引薦。第三個就是學生自己的狀態，還包括他的自學目標是什么。

有了這些，自適應引擎就可以并轉一起了，后面還有很多其他涉及的東西，因為時間的關系我們就不一一講解了。為未來打造出超級AI導師我想要談一談我們以后要做到的，未來要打造出AI教室所必須的東西。剛才由于三個層面所謂模型的信息，最頂上那一層是DKT還有Dan新的研發的一個模型，可以很好的理解學生的狀態，當然還有其他的模型，可以根據記憶的消退來給學生獲取以后的自學機會。第二層是多輸出的，或者是通過有所不同的信號來輸出，來理解學生的情感和注意力的狀態，這樣它主要的目的是為了給老師獲取更佳的預警，老師什么時候介入學生、獲取學生，獲取這樣一個層級的起到。

第三層是我們較為新的研發的東西，通過對話的形式協助學生做錯因分析，協助學生做到一些明確的“臨床”，這個在研發的過程中，我們跟CMU在做到一些新的東西。我們為未來打造出超級AI導師，在國際上有大量的合作，現在早已跟我們有合作關系的有SRI、UC Berkeley，中國社科院，澳大利亞UTC，現在立刻要創建合作關系的還包括CMU，孟菲斯大學，西班牙的IIA和MIT，我們都在談判中。我們期望通過跟頂級機構創建合作關系，利用我們的標準和數據共享以及開放平臺的優勢，來獲取更加強勁的AI功能，為每一個小孩獲取超級AI教師，多謝大家。

（演說全文完）(公眾號：)2018年度AI最佳掘金案例票選人工智能風雨60年，與其說技術升級促使了今天的浪潮，不如說當前的人工智能，再一車站在離商業最近的方位。去年，首屆「AI 最佳掘金案例年度票選」活動日后發售，之后受到了AI方案輸出方和AI技術需求方的很大注目。票選從商業維度抵達，找尋用戶/客戶問題解決問題能力強勁的產品和解決方案?，F在，我們再度車站在AI浪潮之巔，月啟動第二屆「AI最佳掘金案例票選」。

在AI+教育領域我們一共設置了6個獎項，青睞踴躍報名，甄選地址：https://www.leiphone.com/special/custom/AITopTen2018.html涉及文章：掌門1對1張翼：AI對教育僅次于的賦能是讓學生提供關上科學知識寶庫的“鑰匙” | 全球AI+智適應環境教育峰會天圖資本馮衛東：面臨AI革命中小學教育何處去？| 全球AI+智適應環境教育峰會完滿告一段落！“全球AI+智適應環境教育峰會”亮點與干貨集錦松鼠AI栗浩洋：AI將對教育帶給顛覆性變革 | 全球AI+智適應環境教育峰會原創文章，予以許可禁令刊登。下文聞刊登須知。