首页 > 科技快讯 > 观察+ | 从“自适应”到“智适应”，一个新的AI教育时代

观察+ | 从“自适应”到“智适应”，一个新的AI教育时代

晰数塔互联网快讯
2019-05-23 21:01

（以下内容是36氪音频节目《观察+》的文字版，收听更多精彩解读，请在36氪app订阅《观察+》）

采访 | 龙真梓万阳

编辑 | 崔砚冬

“人工智能+”这两年快速兴起，“人工智能+教育”也正在进入新的发展阶段。与拍照搜题、口语测评、作文批改等基于人工智能技术的工具型产品不同，智适应学习能够将人工智能技术渗透到教学的核心环节，从根本上改变学习的理念和方式。智适应当前发展到了怎样的阶段？智适应相比自适应而言有哪些升级？该如何辩证地看待“人工智能+教育”中，各个支柱相互间的关系？

本期观察员：

胡祥恩，美国孟菲斯大学心理学、计算机工程、计算机科学系教授、华中师范大学心理学院院长；

Lin Zhou，The New School首席信息官、高级副总裁；

栗浩洋，乂学教育松鼠AI创始人

36氪：教育行业发展到现在，已经形成了从自适应到智适应的重心转移。智适应相比自适应，做了哪些升级？

Lin Zhou：自适应学习=adaptive learning, 智适应学习=intelligent tutoring。

自适应一般有两个主要的模块，其一是摸底测试，其二是预设的授课逻辑。

通过摸底测试，自适应学习软件了解了学生的学习水平，对知识的掌握的强项以及薄弱环节。基于摸底测试的结果，授课逻辑可以推荐恰当的学习内容。当学生上完课后，他们从新参加摸底测试。根据最新的摸底测试结果，授课逻辑推荐新的学习内容。然后重复以上的步骤，直到学生达到一定的学习水平，或者退出自适应学习的流程。

智适应学习包括自适应学习的模块。不同点在以下几个地方：

第一，智适应学习对学生的评估综合了摸底测试，以及别的和学习有关的特征。譬如学生花在读书上的时间，对同一内容阅览的次数，阅览的内容中哪些是相关的，哪些是不相关的，面部表情、心跳频率、皮肤温度和导电率，甚至脑电波等等。我们以后还会发现别的特征。

第二，授课逻辑综合了预设模式和发现模式。预设模式可以继续用于对于简单的、直接的，以及事先检测过的并且有效的情况。发现模式主要针对于新的情况。当新的情况出现时，授课逻辑可以有多种解决方式。

我举个类似群体例子来阐述如何解决。首先要找出类似的学生群体。这些相似的学生群体用了不同的学习方法，不同的学习方法导致了不同的学习结果。通过分析类似的学生群体，对学习结果最有效的学习方法被发现了。这时，授课逻辑就可以推荐这种有效学习方法。同时，预设模式也会被更新。

胡祥恩：智适应可以从四个方面来分析：第一个是理论研究，第二个是技术实现，第三个是应用领域，第四个是学习的效果和影响。

从理论上来看，原来在自适应的情况下，大家考虑的是学科理论的应用。比如知识图谱，根据学生已有的知识或技能，判断学生下一步应该学什么。现在的智适应大家会更进一步，从认知理论来考虑学生应该怎么学，或者应该老师怎么教，考虑认知和学习的理论怎么样应用到教学里面去。

技术上，现在大家知道这种从自适应到智适应的转移，事实上是技术带来的推进，这个技术就是大数据和AI。大数据和AI进入学习分析，这些新的技术必然给学习环境带来了革新。已有的技术可以相对精确地告诉学生该学什么，现在的技术可以相对有效的引导怎么学。所以现在有很多新的学习环境，包括智能导学、游戏式学习、在虚拟环境里学习，这方面的技术应用比原来更丰富更深入。

应用领域方面，原来是多数应用数理化或者语言，现在除数理化和语言外还有其他的方法方面的譬如批判性思维，由于理论的发展和技术的发展，原来注重的是学什么，现在注重的是要怎么学。换句话说，原来是把一本书变得比较智能，现在是把老师的教学经验和教学理论融合到具体应用里面。

第四个部分体现在学习效果。相比之下，学习效果的分析落后于技术发展。技术发展太快而且需求也很大，我们对技术盲目的崇拜以至于还来不及分析清楚，就投入市场。尽管对学生没有什么危害，但所推出的产品未必就是最佳的，因为没有效果的比较。

栗浩洋：智适应和自适应的从技术角度来看，最重大的区别就是不再是预先设定好的基于决策树的学习流程，而是通过算法，来实时地根据学生学习时产生的多维度的大数据，比如对错、时间之外的鼠标滑动、知识地图和结构概率、其他学生用户画像对比、脑电波、表情等等，以及对更多几个数量级的知识点、题目等的处理，完成更加接近甚至某些维度远远超越人类智能的教学效果。

另外，智适应的应用可以分为两个方面来看。

对于老师来说，自适应教育以前只是老师的工具，现在智适应教育对老师来说是解放。老师就从过去的抬轿子去工作，变成了现在开着汽车去工作，不仅更轻松了，而且教学效率也更高了。在课堂上，更多的教学是系统完成的，老师是一个监控者，就像驾驶员一样。原来的工具类的自适应只是帮老师把教学效果提升百分之三四十，而现在的智适应是把老师的教学效果提升十倍，甚至是更高。

另外，对学生来说，智适应第一个价值就是减少了大量刷题。在一个班级里，哪怕只有十个学生，每个学生的学习程度都是不一样的。现在的课堂教育像跑马拉松一样，所有的老师都是按照平均速度去教课，相当于跑马拉松的人都要跑成同一个速度。其中，有一半的学生是跟不上的。用了智适应之后，20分的学生也能学会了，因为我们给他学21分的知识，每个学生都发现自己能学会了，有成就感。

36氪：从技术角度来讲，“智适应”教育的“智”目前处于一个怎样的阶段？还有哪些优化的空间？

胡祥恩：“智”体现在大数据和AI开始进入学习系统。不过，大数据和AI都是非常新的东西，所以智适应其实也刚刚开始，还有很多问题没有解决。尤其中国的教育，这是几千年的文明传承的精髓所在，很难说因为一个技术就把它给推翻了。所以，现在还有很多问题需要解决，比如理论问题、技术问题、应用问题和效果问题。因为刚刚开始，还没有威胁到人在文化传承中的主导作用，所以现在还没到非常严峻地面对这个问题的时候。

栗浩洋：智适应的优化空间还比较大。

首先，智适应的缺点在于情感沟通、孩子的性格塑造和价值观塑造。这是智适应完全没有办法代替老师的。在未来十年、二十年，我们都看不到这种明确的方法和希望，这些都需要老师来去做。教书育人中，智适应解决教书的问题，育人问题交给老师。

其次，智适应教育在教书方面，现在做的不够好的地方是人机互动。它现在更像阿尔法狗一样，是后台的策略算法，推送的是老师的视频、不同的题目，通过学生的练习搜集数据来进行，真正的人机交互界面要两年左右的时间才能有巨大的突破。

最后，是数据量的问题。因为现在美国已经有2000万的用户在用智适应教育了，但是在中国只有200万的用户。由于用户量还不够大，所以还需要数据的增加，来让整体效果变得更加完善。

Lin Zhou：“自适应”和“智适应”都是电子教育的一部分。至今为止，电子教育经历了四个版本：第一版是“课本电子化”，第二版是 “反转教室”，第三版是 “自适应”，第四版是 “智适应”。我认为，下一个版本，也就是第五版是 “人性化“。

当我提出这个“人性化“概念时，很多人都不理解。因为从他们的角度来看，电子教育的发展一直是延续着”数字化“的方向。“人性化”从表面上看起来和“数字化“是背道而驰。可是没意识到教育的对象不是机器，而是活生生的人。人类是社会化的生物，有七情六欲，喜怒悲哀，亲朋好友等等，这些是机器没有的。但对人类来讲，他们左右着我们的学习动力、理解力、记忆力、应用力以及很多其他能力。人性化考虑到这些因素，并且利用电子教育技术将这些因素贯穿于教育的过程。通过寓教于动，寓教于情，寓教于乐，寓教于心等一系列方式实现教育的目的。

36氪：有观点认为，理论、技术、应用、学习效果研究是目前“AI+教育”中最重要的支柱，在目前的AI教育中，相较而言，哪个部分更为重要？

胡祥恩：这四个都是重要的支柱，缺一不可。

理论研究肯定是需要的，目前为止，得益于教育科学多年的理论研究的积累，所以我们还没有感觉到有严重的理论问题需要解决。即使有，也是应用理论问题。技术也是非常重要的，因为技术带领革新。应用就不用说了，你要是有理论，有技术，你不用到具体的教学活动里面也是空谈。

其中，我认为，目前最重要的是学习效果，这个可能也是最缺乏的。原因在于，一个是需求大，另外，我们可能有点盲目地相信技术。教育不可能像吃药一样，吃了之后马上见效。有时候学习效果可能很多年后才可能看到效果。所以，我们对学习资源和学习系统的效果评估是非常困难的。也是目前比较薄弱的。

但是没有办法，因为要对学习效果进行分析，需要大量的实验数据，如果不用的话，就没有数据。如果想要有好的效果，必须有各种各样不同的学习资源在用，才能够收集到数据，所以这个是一个很难解决的问题。这就好比在医学领域，一个新的药品进入市场之前要通过很多的临床实验，但是我们在学习这个行业里，没有那么多资金，具体的评估的手段也会有不同，所以这方面还是比较薄弱的。

栗浩洋：在目前的AI教育中，AI技术和教研必须要并进，才能把AI教育做好，最后的效果研究只是一个结果。而单独从AI技术来讲，它就像建筑师一样，不同水平的AI科学家，他能够做到的算法的技术是不一样的。

另外，教育学的研究是无尽深遂的宇宙，要不断地集合教育学的专家，不断地深入研究。因为AI科学家对教育学的认知不够深，而教育学专家对AI的认知也不够深。如何把这两方面的专家打通，具有决定性的作用。

Lin Zhou：这四个支柱都很重要，缺一不可。其中有一个层面贯穿所有的支柱——设计。如何将人性化系统性地设计到理论、技术、应用和效果研究是一项困难的课题。我们大部分都经历了小学、中学、高中、大学，有些人还读了硕士和博士。这是一个大概20年的历程。所以学习是一个循序渐进的过程，而非一些孤立的简单的信息交流。电子教育下一步应针对人，并以整个过程的眼光来设计教育技术，以期达到“既授人以鱼，又如授人以渔”的结果。

人工智能是未来教育不可分割的一部分。未来的教育不是人类教人工智能，然后让人工智能教学生。未来的教育是人类和人工智能一起合作来教学生。人是碳基的生物。碳元素占我们身体的18.5%。人工智能基于半导体芯片，因此我在两年前就将人工智能称为是硅基生物。我想指出一个很重要但是一直被忽视的问题：以上的四根支柱是以人类的眼光来看待教育的结果。我们人类应该问自己 “人类的世界在硅基生物眼中是什么样的？”只有我们能够准确地了解硅基生物对我们世界的感受，我们才能有效地与人工智能合作，并将人工智能有效地应用于教育。

应AI+智适应教育峰会（AIAED）的邀请，我会给大会做个专题讲座。我的讲座的方向就是从硅基生物的眼里看人类世界。我会展示我们大学 The New School的学生在这个方向的项目成果。欢迎并希望你们参加。

「PS：如果想和36氪《观察+》的编辑小姐姐以及上万氪友们近距离交流，欢迎添加氪君微信：hello36kr，加入我们的社群，一起学习玩耍。

如果你所在的公司、行业与新商业世界的热点话题息息相关，并且正在寻求报道，欢迎带着简介联系我们（联系人：龙真梓联系方式：longzhenzi@36kr.com）。」