江苏龙网

  1. 首页 > 人文 > >

「智能相对论」？，新基建下的AI+教育：互联网“AI算命”换皮，教育没有AI( 二 )


「智能相对论」？，新基建下的AI+教育：互联网“AI算命”换皮，教育没有AI
文章图片
另一方面也不能怪机构自封“AI” 。 因为概念本身就有重叠 ， 且基于民众认知和媒体宣传的影响 ， 诸如“自适应”“机器学习”等诸多数据处理技术都“被”和人工智能画上了等号 。 因此机构在自我宣传造势方面 ， 也颇有些无奈 。 在采访中就有某中小教育企业创始人自嘲：“不要说什么人工智能 ， 其实现在都还是人工智障 ， 去人工化就不可能 ， 我们自己都知道 。 ”
StackOverflow的数据科学家DavidRobinson就曾提出了一个简单差异定义：数据科学产生见解、机器学习产生预测 ， 而人工智能产生行为 。
数据科学产生见解很容易理解 ， 杰夫·李克（JeffLeek）曾在TypesofDataScienceQuestions对数据科学提供的见解类型进行定义 ， 包括描述性（学生做题）、探索性（不同的学生做题有不同正确率）、因果性（课后习题表明学生A正确率比学生B正确率高） ， 但在这其中人是不可或缺的角色 。 例如 ， 因为技术团队缺失 ， 一些培训机构的线上做题系统便是停留在这一步 ， 下一步还需要老师根据其数据人工进行分析 。 这一类应用 ， “智能相对论”Shellie统一将其归为“简单工具” ， 还不能迈入AI之门 。 但如果做题阅卷后 ， 还可以针对结果勘错或推荐同考点的题目 ， 那么则向AI又迈进一步 。
因此有技术方面优势的机构就更进一步 ， 走到了数据科学和能产生预测的机器学习相结合的进阶阶段 。 这里的机器学习可以看作是一个黑盒模型 ， 生长在“智能”与“工具”的夹缝中 。 例如各搜题软件：小猿搜题、作业帮、阿凡题等 ， 搜题后提供答题解析的同时 ， 还可举一反三自动推送相似题目、点评、考点等相关信息 ， 利用技术进一步提高学生学习的互动性、积极性 。 并可以借此将搜题的用户导流到自己的题库中 ， 增加用户留存 。
「智能相对论」？，新基建下的AI+教育：互联网“AI算命”换皮，教育没有AI
文章图片
“小猿搜题”路径
相似题目的推送 ， 知识点与课程、题目的关联 ， 则都需要投入大量的标注工作量 ， 标注越多才被“训练”得越“聪明” 。 这样的“学习”还出现在许多“养成系”的聊天机器人（小爱同学）、口语测试（羊驼教育PTE模拟考）、语音识别系统（科大讯飞语音识别）等知识图谱算法中 。
「智能相对论」？，新基建下的AI+教育：互联网“AI算命”换皮，教育没有AI
文章图片
但完全去人为化的人工智能定义则存在诸多争议 ， 所代表的更多是一个技术愿望 。 在如今的技术层面上 ， 我们无法达到这个高度 ， 对机构提出如此高的要求属实是难为了 。 目前多是在数据科学和机器学习的协同下 ， 从工具不断努力无限趋近于智能 。 但毕竟不论白猫黑猫 ， 能帮助人类提高工作效率的就是“好猫” ， 将其在易理解的考虑上 ， 将这一类统称为“AI”也无不可 。
业内知识图谱算法程序员李博士解释：“目前很多机构的技术就是一个巧妙的集成 。 ”他举了几个例子 ， 例如拍照线上解题 ， 用的文字识别、题库抓取等技术；注意力监测 ， 是人脸识别、知识图谱等技术；口语测试 ， 是语音识别、集成数据经验算法、知识图谱等技术......“机器知其然 ， 并不知其所以然 。 它本身仍不懂知识点是什么专注是什么 ， 只是由于曾经被人为标注 ， 因此识别了这个标注 ， 按照算法走了人类早前做好的路径 ， 推荐了同类标注内容 。 ”他解释道 。
咨询的多个AI专家也都表示：“目前强行追求技术愿望并不实际 ， 更多的则需要关注AI在不同场景中的表现 。 ”事实上 ， 仅仅只是在机器学习层面 ， 大量标注工作、高门槛的技术含量算法开发 ， 都不是一个中小型机构可以承担的 。 于是许多中小型机构或分公司 ， 便另辟蹊径往小而美的细分领域开发方向 ， 不断在场景中挖掘亮点 。


推荐阅读


上一篇：「新华网客户端」科技+潮流=荣耀30系列

下一篇：『半导体行业观察』AMD 正在开发新的 Ryzen 3 CPU，与英特尔再次竞争？传