9小时做决定,跨越10000公里,67岁机器学习教父“跳槽”中国
松鼠AI创始人李浩阳(左)与Tom Mitchell教授签约
在线教育泡沫已泡沫三年,融资总额近50亿,但互联网未能改变教育和AI能力。
AI+教育的火花已开始燎原。 我们来看看最近教育圈发生的两件事:一是幼儿园版AI教程的发布;二是人工智能教程的发布。 二是机器学习领域的教父级人物跳槽加入一家成立仅四年的公司。 中国初创企业。
11月16日,世界机器学习教父、人工智能领域顶尖科学家汤姆·米切尔教授正式宣布加入松鼠AI,担任首席人工智能科学家,引起业界轰动。行业。
米切尔教授到底有多厉害?
米切尔长期从事机器学习和认知神经科学的研究。 他是世界上最经典、最广泛使用的机器学习教材的作者。 在全球机器学习领域,米切尔教授被公认为业界“教父”、机器学习第一人。
这些还不够——米切尔还担任人工智能领域世界排名第一的卡内基梅隆大学(CMU)计算机科学学院院长(而他的前院长安德鲁·摩尔刚刚来到谷歌担任AI负责人接替他)李飞飞的人)。 1997年,他与他人共同创立了卡耐基梅隆大学自动学习与发现中心,这是世界上第一个大学机器学习系,也是第一个提供机器学习博士课程的机构。 米切尔于 1997 年至 2016 年间担任该部门的负责人。
1997年出版的《机器学习》(《机器学习》)一书是人工智能领域最经典的教材之一。
米切尔因其对机器学习、人工智能和认知神经科学进步的贡献而享誉国内外。 发表学术论文和专着130余篇,广泛发表于《Science》、《Nature》等世界顶级学术期刊。 他最经典的代表作是《机器学习:一种人工智能方法》,被广泛用作通用教材,被誉为行业圣经。
由于在业界的杰出贡献,米切尔还担任美国人工智能促进会(AAAI)主席以及AAAI和美国科学促进会会员。 2007年获得AAAI杰出服务奖,2010年当选美国国家工程院院士,2016年当选美国艺术与科学院院士。
这家神秘的中国公司——松鼠AI,是易学教育全新推出的K12辅导品牌。 易学教育成立于2014年,主营业务为K12领域智能个性化辅导。 主要通过算法结合中国学情开发学习引擎,为每个学生提供专属的学习路径。 截至今年6月,松鼠AI已累计融资近10亿元,估值超过11亿美元,迈入独角兽行列。
钛媒体独家获悉,在加入松鼠AI之前,米切尔教授拒绝了多家价值千亿美元的巨头公司担任首席科学家和董事会成员的邀请,最终选择了这家中国公司。 米切尔教授为何这么做? 一家刚刚成为独角兽的中国企业为何能获得与谷歌、Facebook、微软、IBM首席科学家同等水平的全球顶尖AI专家的认可?
人才流动是行业标杆。 当整个互联网行业面临流量拐点时,AI激活的教育会成为下一个超越TMD的爆发性增长行业吗?
而已经67岁的米切尔,加入一家成立仅四年的中国人工智能教育创业公司,多年后回顾这个行业,会不会成为一个里程碑式的时刻?
教育行业真正的革命即将来临
“我一直对教育领域很感兴趣,写过教材,也一直相信教育是我职业生涯的重要组成部分。最近我开始关注AI在教育领域的应用,因为现在时间相对比较长。”成熟。” 米切尔最近在一次AI+教育主题会议上接受采访时这样说道。
这句话的背后机器学习英语,其实是大有深意的。 人工智能在教育领域应用的成熟,很可能意味着这个自古以来的传统行业将真正驶入数字化的快车道。 从历史的角度来看,音乐、媒体、零售、通信、交通等所有数字化行业无疑都将迎来翻天覆地的变化和爆发式的增长。 这样的挑战和机遇是对顶尖人才的最大吸引力。
从全球来看,教育行业只有一个核心痛点:优质师资资源匮乏。
为什么优秀教师资源如此稀缺? 松鼠AI CEO周伟曾在钛媒体T-EDGE峰会上分享了一个现实:以上海杨浦区为例,在数百万人中,只有一名初中英语特级老师。 “因为他需要20年、30年的经验来不断积累,这样的师资资源是我们可遇不可求的。”
事实上,稀缺的不仅仅是优质师资资源。 据教育部今年8月发布的《2017年全国教育发展统计公报》显示,全国共有义务教育学校21.89万所,在校学生3313.78万人,在校生1.45亿人,专任教师949.36万人。 特级教师的数量不足千分之一。 这种巨大的差距,使得保证基本教学质量成为一项艰巨的任务,更不用说能够最大限度提高孩子学习效率的个性化问题了。
正是这个瓶颈,使得互联网和移动互联网技术虽然给教育带来了一些改变,但并没有像其他领域那样实现巨大的改变和影响。 它们只是提高了获取教育资源的便利性,但并没有对教育学习产生任何影响。 效率带来了很大的进步,但并没有解决教育的深层次问题。
也就是说,过去互联网和移动互联网只是解决了教育行业“钱太多”的问题,包括录播教育或者手机APP教育。 所谓的录制只是把线下教育搬到线上,降低了成本,但也暴露出新的问题:一是课程完成率很低,二是互动性差,学生学习过程中遇到的问题无人解决。过程。 和帮助,对学生的自主性要求很高,学习时间无法保证,所以学习效率没有得到明显的提高。
此前流行的在线“一对一”教育形式虽然带来了个性化学习,但这种模式对教师的依赖性非常强。 好老师的资源总是有限的,他们的精力也是有限的。 当学生数量快速增加时,高素质教师的比例就会被严重稀释,整体教学质量将难以维持。 维持甚至争夺优质教师资源也将需要巨大的成本。 事实上,特级老师的班费为每小时4000元,收费为每小时150至300元,无论是线上还是线下一对一,都不可能找到最好的老师,这就是为什么上百套价值数千万的学区房仍然供不应求。
恰恰是优质师资资源的核心制约。 这也是教育行业没有出现垄断巨头的原因。 即使像新东方、好未来这样强大,经过近20年的发展,市场占有率仍然不高,无法体现。 产生规模经济。 而且,好老师主要集中在一二线城市。 接下来的三四五线城市很难找到好老师,扩张更加困难。
基于人工智能的自适应教育理论上可以从根本上解决这个问题。
智能自适应学习的概念源于“自适应学习”。 它诞生于人工智能时代,自20世纪70年代以来一直流行。 智能自适应学习模式融合了计算机科学、人工智能、心理测量学、教育学、心理学和脑科学等专业领域。 简单来说,它主要利用计算机算法来规范与学习者的交互,并提供定制的资源和学习活动,以满足每个学习者的独特需求。
早期,由于计算机性能的普及和AI算法的成熟,这种学习模型并未得到广泛应用。 随着人工智能的普及,在中国,粉丝们更愿意将其理解为“智能自适应学习”,这也可以说是人工智能时代自适应学习的升级。
钛媒体观察发现,近两年,中国几乎所有有实力的教育机构,超过50家,都提出了“AI+”的发展目标。 “AI+教育”到底能做什么,场景一一清晰。 目前,已有数亿家长体验过,包括智能测评、照片搜索、智能排课、表情识别、语音识别等。
但上述方法在整个K12行业的落地还非常有限。 艾瑞数据显示,中国教育市场总规模3万亿,K12课外辅导市场总规模6000亿,其中新东方、好未来仅占2%。 由此看来,K12课外辅导行业空间巨大机器学习英语,急需新的、革命性的教学方式。
智适应学习系统的革命性在于,它更像是一个“决策AI”,也被视为最有可能颠覆现有教育模式的全新系统。
传统的非适应性学习模式中,由于学生的学习路径、认知过程、表现反馈等数据无法大规模跟踪、存储和分析,难以实现定制化、个性化的学习模式。 通过人工智能形成的智能自适应学习系统以及整个学习过程的闭关数据,可以让系统完全、完美地模拟最好的老师,对学习内容推荐和路径推荐做出合理的决策。 就像今日头条利用读者整个阅读过程的数据来分析用户画像,为成千上万的人进行推荐,而不是依靠编辑选择来向读者进行推荐。 AI智适应系统也改变了以往所有线上线下教育以教师为中心的教学模式,针对数千名学生实施基于用户画像的个性化教学。 千百年来,第一次,学生真正成为主角!
“人类教师在教学过程中会做出很多决定,我们的研发任务是模拟教师可能做出的所有决定,最终通过计算机收集的学生数据做出决定。” 米切尔告诉钛媒体,教师往往需要选择最好的,以提高教学质量,他需要快速了解不同水平的学生应该学习不同的知识,不同性格的学生目前最需要什么不同的帮助,以及采取什么行动接下来应该采取。
松鼠AI让米切尔看到了人工智能技术在教育场景落地的成功模式。 系统首先根据一定的数据模型对学生进行测试。 数据会利用其中一种模型追踪他们的学习过程进度,然后推荐更适合他学习的知识点和试题。 平台会根据学生的学习情况不断调整和迭代学生的学习速度和学习方法。
“全流程智能适配”是他们重点关注的领域。 在米切尔看来,这是一种非常强大的学习方式。 如果系统推荐的内容适合学生,并且学生能够学习,那么经常受到鼓励的学生就会有更高的理解力。 他们研究的另一个方向也是智能适应在学习中的应用之一:学生在学习过程中如何设定动态的学习目标? 90分和60分的孩子学习目标应该是完全不同的。 同样是60分的孩子,目标不同,学习能力也不同,所以学习路径要不断调整,才能准确有效。
解决问题和考试仍然是衡量教育成就的唯一方法。 在长期以“应试教育”指导K12学习的中国,适应性学习有着天然的基因和蓬勃发展的土壤。 这种教育模式最大的优点就是可以定位每个学生的知识差距。
在“考试”这件事上,变化已经开始了。 中国K12教育的“接力棒”——中考、高考一直在不断尝试创新; 在美国,适应性测试的应用更为彻底。
据钛媒体今年11月报道9小时做决定,跨越10000公里,67岁机器学习教父“跳槽”中国,雅思考试已经开始推广机考。 8月,中国大陆首次雅思考试机考在广州举行; 美国高考(ACT)也开始大力推广“机考”模式。 2018年,美国高考在国际考试中心推广的机考模式为Computerized Adaptive Test(以下简称CAT),在最重要的考试——高考中实现了大规模成熟应用。
作为一种非常流行的测试形式,“计算机自适应测试”会根据每个学生的不同情况设置不同的测试问题。 每个考生在同一个考场都会面临不同的试卷和不同的试题。 考试时,出题顺序和内容将根据考生对前题的回答来确定,计算机会根据考生的情况自适应调整下一道题。
CAT 考试中出现的每个问题都有相应的“标记难度”。 假设考生正在参加考试并面临系统给出的第一个问题。 他提交了错误的答案。 这时系统会自动检测到错误的结果,程序会认为该题的难度对于学生的表现水平来说是比较高的。 ,那么第二题会适当降低难度系数,自动匹配与学生水平对应的题。
李浩阳 松鼠AI创始人
智适应教育的最大特点不仅是实现个性化学习,而且让“因材施教”规模化。 优质师资的大规模“复制”,将使基于AI的智适应教育模式大规模商业化盈利。
李浩阳向钛媒体透露,目前AI智适应系统的毛利率为70-80%,未来可高达90%。 教师成本占比会越来越低; 而在操作层面,成本会更低,比如不再需要管理一支教师团队。 这就是AI智能适配在商业模式上的优势。
资本市场方面,今年9月底以“教育+AI”打开美国资本市场大门的流利说,2018年上半年营收2.3亿元。开发了英语口语和写作自动评估引擎。 其变现产品是基于流利说App定制的AI互动课程《懂你的英语》。
上市当天,流利说CEO王毅在接受钛媒体等网络媒体采访时表示,流利说的单位经济模式是所有教育公司中最好的,因为老师不需要工资。 流利说目前的毛利率在76%左右,受益于AI替代教师的商业模式。
在米切尔看来,中国在推动AI产业发展方面具有得天独厚的优势。 无论是数据的规模、数据的多方整合,还是中国政府对行业的支持,都比西方国家更有利于大数据的建立。
同时,松鼠AI在教育领域的人才储备、战略判断和行业落地等方面都极具竞争力。 在Mitchell加盟之前,松鼠AI还引进了在人工智能自适应教育领域也颇有建树的高端人才,如Realizeit的崔巍博士、鼻祖Knewton前亚太区技术总监Richard Tong等。自适应学习领域的专家,以及ALEKS联合创始人兼首席数据科学家Dan Bindman等美国和欧洲顶级人工智能专家。
据钛媒体报道,作为松鼠AI人工智能领域第一负责人,米切尔将带领十余名人工智能科学家团队和数百名人工智能应用工程师和技术团队,在人工智能领域开展基础研究和相关产品。智适应教育领域。 研发应用等
“我认为机器学习和人工智能将成为智能自适应学习的驱动技术。重点主要包括学习目的、学习数据类型、多任务学习理论、无监督学习和强化学习等。” 米切尔说。
重新定义教育和学习
随着人工智能在教育行业的落地,所有教学活动都将快速数字化。 这个过程中产生的海量数据,经过算法的不断分析和优化,必然会重构这个行业的底层逻辑,带来巨大的变化和影响。 ,突破了我们对教育认识的界限。
例如ALEKS创建的知识图谱概念机器学习英语,也是个性化教育的重要基础。 通过知识图谱,可以用1/10的题来测试每个孩子知道哪些知识点,不知道哪些知识点。 因为我们传统的中考、高考只能考一个孩子是80分还是60分,但对于五个80分的孩子来说,他们在每个知识点的知识和不胜任其实是完全不同的。
在此基础上,松鼠AI提出了因错误而重构知识图谱的概念。 “错误原因”的概念是这样的:如果孩子某个知识点没有掌握好,并不一定是该知识点的问题。 可能是其他原因造成的错误,比如对题干的语义理解有问题,也可能只是粗心的遗漏,说明他实际上掌握了这个知识点。 所以,如果我们不抓住所有错误的原因,或者只在知识点上训练孩子,其实他已经掌握了,这是浪费时间,同时,他自己也确实错了。 。 原因还没有解决,以后遇到类似的问题还是会出错。
松鼠AI利用“错误原因”重构ALEKS的知识图谱。 虽然所需计算的数量级大幅增加,但精度确实有所提高。
当他最终说服米切尔教授加入时,李浩阳在美国与这位教授连续聊了九个小时。
李浩阳如何向教授们讲解松鼠AI产品? “我们知识点细分的粒度实际上是 Knewton 和 ALEKS 等美国竞争对手产品的十倍。”
米切尔第一次听到时非常惊讶,问如何实现如此细致的分割? 拆分后对比实验效果如何?
事实上,如前所述,智能自适应学习在美国起步较早,在中国被大众熟知也才几年时间。 但显然,在实际落地场景中,中国初创企业已经领先一步。
曾就职于Realizeit、现宜教育首席科学家崔巍告诉钛媒体,与国外领先的自适应公司相比,他们虽然做了很长时间,积累了大量的数据,而且他们现有的产品模型相对完善,但对于中国来说,智能适应研究本土化的优势更加明显。 因为国内的学习强度和考试内容比国外高,考试题目也比国外高。 另外机器学习英语,中国地大物博,教材也非常具有可穿越性。
例如,李浩阳表示,关于二次方程,ALEKS将其分解为13个知识点,而松鼠AI团队将其分解为107个; 初中英语听力知识点细分为8000多个。 “中国可能需要更多纳米级和超纳米级的分离。” 李浩阳表示,在英语学习方面,中美学生面临着不同的问题,他们不理解连读、爆破音、固定搭配等用法。 相比欧美学生,口语和书面语区分困难的中国学生需要更细粒度的知识点分解。
中国学生的成长环境与美国完全不同,社会文化环境也影响着他们对学习的理解。 由于家庭背景问题,有些同学可能没有经历过飞机、银行这样的场景。 因此,中国学生对很多英语场景和新知识可能不熟悉,需要专门训练。
不仅如此,如果我们思考教育的最终目标,不是最大限度地获取书本知识并在考试中获得高分,而是关注学生的能力,包括他的思想和方法。作为创造力和想象力。 。 松鼠AI现已突破欧美同行在知识点学习上的局限性,开始以举一例的方式培养孩子的学习能力、学习思路和方法。
在划分能力、思路和学习方法时,松鼠AI团队的原则是“三课原则”:第一节可定义,第二节可测量,第三节可教。 只有明确定义某种学习能力,然后衡量每个学生的学习能力水平,才能教授该学习能力,并确保学生掌握该学习能力。 人的综合能力、情商能力也是如此。
“小时候,我的情商很低,不太擅长与人交往。 当我打招呼时我会脸红,我不知道如何开始。” 李浩阳告诉钛媒体。 后来他反复思考,尝试将“情商”分解为30多种能力,如观察能力、语言表达能力、寻找对方感兴趣话题的能力、判断他人心态的能力、甚至受到不公平对待后的自我解决能力等等。
例如,在与别人聊天时,你如何判断对方是否真正对你的内容感兴趣,或者他是否出于礼貌而打断? 如果是前者,那就证明你的表达是有效的。 相反,这不仅是一种失败的表达,还容易引起对方的反感。
李浩阳认为,如果对方根本不想听,而你却一直喋喋不休,那就证明你的情商堪忧。 因此,一开始就要学会观察,发现别人微表情的差异,然后尝试寻找别人感兴趣的话题。
在这种思维模式下,即使是最难衡量的情商能力,也可以细化到“你每分钟看别人两三遍吗?”这样的微小粒子。 观察接受者的情绪变化。
“就像单兵的作战能力可以分解为射击能力、机动射击能力、俯卧撑、跑步、背重物攀爬等,然后进行综合训练,完成单兵的目标训练。 “这次任务,从总体到细分,从细分到综合训练。”李浩阳说。
米切尔被这个想法震惊了,“我当时也思考过情商的问题。因为我们很多学生是计算机专业的,我担心他们有情商问题,所以我也研究了这个问题。二丽的方法并不是为了更有效。它是可行的并且可以产生明确的结果。”
在谈到研发时,教授还与李浩阳分享了他的一项研究。 他表示,通过扫描大脑的热点,他发现当大脑看到不同的单词、想到不同的内容时,热点范围是不同的。 李浩阳还提到,松鼠AI也在通过脑电波测量学生,观察学生在学习过程中注意力是集中还是分散。
此前从未有人以如此细致和大胆的方式解构人类的行为和思想。 未来的学习和教育将以全新的形象出现在我们面前。
更多精彩内容,关注钛媒体微信ID(ID:taimeiiti),或下载钛媒体App
猜你喜欢
发表评论
评论列表