不用怀疑：机器学习现在越来越流行了。
过去两年内，人们对自动学习的算法和提高自己的学习体验愈发感兴趣，并称之为人工智能或是机器学习。其实人工智能已经诞生数十年了。（人工智能发展协会在1979年成立；有些人将该趋势回溯到古希腊，或者是早期可编程计算机早期发展的1940年代）。
最近，Bloomberg Beta的一位投资人Shivon Zilis一直在布局各行各业的机器学习，教育行业也是其中之一。有些专家担心这样做会有风险。例如，亿隆马斯克一直提醒大家注意他的末日预测，正如《纽约人》写的那样，而他过去几周一直在和更乐观的马克扎克伯格待在一起。
毫无疑问，现在投资人都在追逐AI潮流，中国语言学习创业公司“流利说”——一家一直在用机器学习算法向全中国4500万人教授英语的公司，近期募集了1亿美金
为了探索教育领域机器学习的潜力，EdSurge上周在旧金山和Adam Blum (OnpenEd的CEO)，Armen Pischdotchian(IBM Watson的学术技术导师)，Kathy Benemann(EruditeAI的CEO)和Kirill Kireyev(instaGrok的创始人)安排了一次会面。Edsurge的Tony Wan主持了这次会面。下面是一些摘录对话：
EdSurge:人工智能在数十年来都被认为很有可能会改变教育，现在有多接近呢？又有什么不同？
Benemann：现在是数据爆炸的年代。对于我们EruditeAI的人来说，数据比收入更重要。有了好的数据，我们也能够更好地调整算法。但是更重要的是，我们需要认识到我们人类是AI的创造者。
Pischdotchian：如果你回顾早年教育模式，我们会称之为工厂模式。老师们对所有学生的教学模式都是一样的。然而今天事情却改变了。像Chan Zuckerberg Initiative这样的机构一直想抛弃这种模式。学习不能通过工厂模式，这不是可持续发展之路。现在教育行业需要的是“新领工作”。
Kireyev：我们见证了教育行业内容上的数据爆炸。我们可以比过去更快知道学生在干什么。当孩子们在Scratch上学习时，他们所有的活动都在网上完成：你可以看他们什么时候看视频，什么时候停止，什么时候感到无聊。你可以分析他们的行为。这些数据都极具价值。而且未来数据和科技的价值更大，所以现在很多人都想从事AI和机器学习的事情。
现在我们知道了数据爆炸和学校模式需要改变，还有什么新内容呢？
Blum：目前有两大趋势，而且我们才刚起步。我们和IMS全球学习一起合作，一些技术标准，如Caliper和xAPI，才刚起步。其次，很多行业都缺乏长期数据，包括教育行业。所以如果你想知道学生们面临的下一个难题，那么你必须用一种叫做强化学习的新途径。所以即使我没有很多数据，我们也能边探索边发展。这也是Google是如何解决AlphaGo的难题的。
目前AI在教育的应用有哪些？我们已经在使用了吗？
Pischdotchian：我们要在学习体验中找到模式。我们可以说，如果一个人擅长数学，系统该如何识别学习中的难题，并且让教师了解从而利于他们的教学？IBM和芝麻街就在这方面进行尝试，他们在大学里探索机器学习的发展。教师也能够用上这个系统：我们在麻省理工学院有一个编程团队，并且所有的教室都有摄像头（学生们也知道）。如果教授在讲课而且注意不到是不是半个班级都在睡觉，我们可以用一个面部识别系统来探测（学生）情绪（如无聊）并给教授发信息。
Benemann：现在人们都在问，教育的哪些领域可以应用AI？AI在教室会是什么样的？AI会取代老师吗？AI能够解放老师吗？自适应平台能够帮助学生学习吗？
（机器智能3.0状况调查）
这是否意味着，如果没有AI，市场上的自适应科技并不能做到真的自适应？
Benemann：有些工具是自适应的，它们也自称是AI（但仍有很长的路要走）。
Kireyev：Instagrok是一个可视化搜索引擎。我们都在利用机器去识别哪些是重要的概念，并且让学生按照规定的路径学习，它们可以集成、组织这些概念。TextGeonome是另一个项目。我们正在开发一个以深度AI为基础的词汇开发结构。我们要解决的问题是：给学生定一个水平，他们接下来需要学习什么单词？
Blum：在ACT考试中，我们聚焦的点是：如果你认知到了学习的瓶颈，那么最能帮助学生的材料是什么？不只是ACT考试；我们也希望机器学习能够给学生最好的学习资源。
在某些领域，如果你不能理解机器学习预测模式，你就落后了。例如大学招生办。
当你从数据评估模式转向深度机器学习模式（包括神经网络）的时候，大概可解释性是落后的。你可能有一个你无法解释的神经元。所以一个重要的问题是，当预测性算法变得更好时，你的解释力会变弱。在某些严格管制的市场，如教育和医疗市场，会有更多解释性工具被开发出来。
想象你在大学内：他们用统计学数据来挑选即将入学的学生。现在，假设你有一个机器学习的项目能够更好地预测学生的成绩。当然，已经有大学在做这件事情了，只是风险太高，他们还没有披露。但可以肯定的是，他们正在用机器学习来挑选学生。我们还需要一些总结性工具来解释这些选择。尽管深度学习很复杂，对于那些能够入学的学生来说，我们还需要能解释他们为什么被录取。
也有些人担心AI这样的词汇逐渐变成产品的噱头。如果我是一名老师，一个公司告诉我，“我的数学工具是以AI为基础的”，我应该问什么问题呢？
Blum：AI的问题现在是发现和解释。如果你用了AI的标签，我想知道：你说的是符号监督系统？还是自然语言处理？如果你只说了AI，那么你的可信度会降低。如果你只是用了AI的标签，那么就是希望我们能聊聊AI背后的产品了。
Benemann：销售应该只谈论学生成绩和教师教学，最好不要谈论AI。毕竟AI也只是帮助学生学习和教师教学的一种途径。最好的说法是，我们可以做一个关于产品的案例研究，展示该产品是如何提高效率，减少时间浪费的。
你是如何平衡AI工具和保护学生敏感隐私数据的？
Blum：我们现在其实是没有个人身份信息的。如果你有足够的信息，你大概可以知道这个人是谁。所以需要有行业标准。如果有标准，在线教育开发者也可以做的更好，比如我们说，“这是允许你分享和保存的东西、”我也提出了现在需要更好的隐私标准，如有标准可循，也不会给人起诉的机会。
Benemann：谁能拥有数据？看看医保系统。医疗市场是一个分裂的市场，但是现在的趋势是病人们能拥有自己的数据。我很好奇，我们未来是否也可以让学生们拥有自己的数据，并决定是否准许学校使用自己的数据
很多人都担心自己的工作被自动化取代。这会影响到老师和其它职业的人吗？
Kireyev：我发现教师的角色一直在变。领导者，指导者……这是我从教师身上发现的令我兴奋的地方。越来越多的老师和学生们接触更深入，而不仅仅是解释公式的应用。
Blum：现在我们也在对职业技术教育做出一些改变，但还没有被充分利用。我们需要让思维稍稍超前……未来十年，做卡车司机意味着什么？会怎样影响到跨行业的供应链？我们需要让职业教育变得更好。
Pischdotchian：现在STEAM（科学，技术，工程，艺术和数学）比STEM（科技，技术，工程，数学）更重要。右脑负责的艺术、创造性、心理学会比分析、数学更加重要。心理学、历史、辩论、幽默与戏剧，这些元素在我们的生活中也会更重要，而这些并非AI擅长的领域。
AI已经为我们生活带来了便利，但也有它的问题。毕竟人类并非那么勤于思考。成长和舒适往往不能共存。
第三十四届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：yulina
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
