隨著底層技術(shù)的開源，深度學(xué)習(xí)的突破，人工智能迎來第三次高速發(fā)展，“AI+”快速涌入各個領(lǐng)域。而被稱為“顛覆性技術(shù)”的人工智能，在吸引著大批創(chuàng)業(yè)者進入的同時，也引發(fā)了投資者的情緒高漲。那么，吸引眾人的人工智能到底是什么？目前，AI在教育行業(yè)有哪些應(yīng)用？未來在教育行業(yè)又會如何發(fā)展？

一、一覽人工智能簡史及囊括范圍

人工智能（Artificial Intelligence），英文簡稱AI。維基百科是這樣定義的：“智能主體的研究和設(shè)計，智能主體是指一個可以觀察周遭環(huán)境并做出行動以達到目標(biāo)的系統(tǒng)。”但目前來說并沒有一個統(tǒng)一的定義能準(zhǔn)確描述什么是人工智能。而科學(xué)家對此也存在分歧，不同的定義指向不同的研究方向。

有人工智能領(lǐng)域的科學(xué)家向鯨媒體講述了人工智能技術(shù)的發(fā)展簡史：在人工智能發(fā)展史上，有傳統(tǒng)人工智能方法、經(jīng)典機器學(xué)習(xí)與深度網(wǎng)絡(luò)學(xué)習(xí)這幾種技術(shù)路線。

追溯到1999年，那時一部分科學(xué)家認(rèn)為可以用簡單的人工神經(jīng)網(wǎng)絡(luò)來模擬人腦，只要模擬的數(shù)量足夠多，達到人腦神經(jīng)元數(shù)量，就可以實現(xiàn)泛化的人工智能，這部分科學(xué)家屬于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)學(xué)派。另外有一部分科學(xué)家認(rèn)為，就算機器達到了人腦的神經(jīng)數(shù)量也實現(xiàn)不了像人一樣智能，他們推崇的是經(jīng)典機器學(xué)習(xí)路線。在2000年的時候，人們認(rèn)識到機器可以模擬人腦細(xì)胞，卻無法訓(xùn)練出合理搭配的神經(jīng)元，更談不上訓(xùn)練完之后能擁有智能。通過神經(jīng)網(wǎng)絡(luò)實現(xiàn)泛化人工智能被認(rèn)為是無法實現(xiàn)的，淺層機器學(xué)習(xí)派便在這兩個對抗的學(xué)派中占了上風(fēng)。

2009年至2012年間，“人工智能三駕馬車”（杰弗里·辛頓(Geoffrey Hinton)、延恩·勒昆(Yann LeCun)和約書亞·本吉奧(Joshua Bengio)）分別在世界頂級期刊《nature》上發(fā)表了幾篇文章，其中有一篇關(guān)于深度信任網(wǎng)絡(luò)的訓(xùn)練方法，提出可以采用某種方式對復(fù)雜的深度網(wǎng)絡(luò)進行訓(xùn)練。傳統(tǒng)人工智能的核心是機器按照人定的規(guī)則運轉(zhuǎn)，而這篇論文提出，網(wǎng)絡(luò)在運轉(zhuǎn)過程中，可以自己進行發(fā)現(xiàn)，不需要被人規(guī)定規(guī)則。在科學(xué)家看來，這類的突破才是新的生產(chǎn)力，否則只是生產(chǎn)力的代替。由此出現(xiàn)了深度網(wǎng)絡(luò)學(xué)習(xí)學(xué)派。

那么，目前我們所說的AI是什么？AlphaGo不就是AI嗎？這么說沒有錯，只是并不具體。AlphaGo是人工智能系統(tǒng)，但準(zhǔn)確來說是深度學(xué)習(xí)系統(tǒng)。而深度學(xué)習(xí)只是人工智能的一個分支。

如果用圖形來表示的話，人工智能在這三者中范圍最大，它可以被看做最外側(cè)的大圓，最核心的是深度學(xué)習(xí)，中層的是機器學(xué)習(xí)。深度學(xué)習(xí)是機器學(xué)習(xí)的子集，機器學(xué)習(xí)又被包含于最廣泛意義的人工智能中。

范圍最大的人工智能，其實還可以劃分為強人工智能與普通人工智能兩部分。我們運用人類對事物認(rèn)識的深度來說明他們的區(qū)別：現(xiàn)在人類掌握的特征有三類：第一類是所謂的表象特征，即人類看到或者聽到的事物，圖像、形狀、聲紋等；第二類是聯(lián)系特征，與語義特征有關(guān)。比如漢字“我”和“們”，可以組成有意義的詞語“我們”，這兩個字的連接性很大。而“我”與另外一個漢字比如“一”，這兩個字的連接性就很小；第三類是科學(xué)特征，比如宇宙萬物運行的規(guī)律可以總結(jié)成公式。 人類掌握的前兩類特征，表象特征及聯(lián)系特征都屬于普通人工智能，而科學(xué)特征屬于強人工智能。 如果機器能夠掌握科學(xué)特征進行深度學(xué)習(xí)，那意味著機器可以代替數(shù)學(xué)家工作，可以創(chuàng)造科學(xué)奴役人類。當(dāng)機器可以自動感知科學(xué)，甚至創(chuàng)造科學(xué)的時候，它已經(jīng)邁過紅線進入了強人工智能領(lǐng)域。

目前來說，我們聽到最多的人工智能其實是深度學(xué)習(xí)，深度學(xué)習(xí)因其框架的開源、計算能力的大幅提高，而得到突破性發(fā)展。公司可以在各種開源框架的基礎(chǔ)上搭建特定環(huán)境的解決方案。接下來，我們先來了解下目前比較流行的幾款開源框架。

一個合適的框架可以減少程序員的工作量、降低錯誤率、提高工作效率，且可以快速培養(yǎng)數(shù)據(jù)模型等。 根據(jù)統(tǒng)計數(shù)據(jù)，Google開發(fā)的TensorFlow是目前使用量最大的開源框架，在此基礎(chǔ)上，Google已研發(fā)出Google翻譯、無人駕駛汽車、AlphaGo等產(chǎn)品。而如今，市面上流行的開源框架基本由Google、Facebook、微軟、百度等巨頭開發(fā)而成，可以看出，各巨頭已將下個目標(biāo)瞄準(zhǔn)了人工智能，爭奪各專家人才，開展研發(fā)工作。

那么，他們都在人工智能有哪些布局？我們可以通過三個層面 “ 基礎(chǔ)層、技術(shù)層和應(yīng)用層 ” 來了解下。

表格內(nèi)容參考騰訊研究院發(fā)布的報告《中美兩國人工智能產(chǎn)業(yè)發(fā)展全面解讀》

基礎(chǔ)層的硬件設(shè)施給深度學(xué)習(xí)提供了強大的計算能力（TPU是Google專門為機器學(xué)習(xí)研發(fā)的特制芯片），技術(shù)層的框架和算法幫助深度學(xué)習(xí) 得到更好的數(shù)據(jù)模型，使得最終結(jié)果越來越精準(zhǔn)?？梢钥闯?，中美產(chǎn)業(yè)布局還是有一定差異，美國公司全面發(fā)展，積極布局整個產(chǎn)業(yè)鏈，同時，國外更注重基礎(chǔ)層和技術(shù)層的核心領(lǐng)域發(fā)展，相對而言，國內(nèi)更偏重應(yīng)用層發(fā)展。這可能與人工智能在中美兩國發(fā)展的時間早晚，以及行業(yè)人才有關(guān)。

二、 AI 在教育場景中的應(yīng)用：現(xiàn)有自適應(yīng)、測評產(chǎn)品的“段位”有多高？

隨著人工智能的發(fā)展，“AI+教育”也越來越火，教育公司紛紛開始擁抱人工智能，希望通過技術(shù)手段，不斷優(yōu)化教學(xué)質(zhì)量，幫助學(xué)生更科學(xué)的學(xué)習(xí)?？v觀整個教育行業(yè)，目前發(fā)展較為成熟的幾個主要場景包括：自適應(yīng)學(xué)習(xí)、智能測評、語音處理、視覺與圖像、機器人。

可以看到， 大部分公司都 打出了 “ 自適應(yīng)學(xué)習(xí) ” 標(biāo)簽 。一直以來“因材施教，個性學(xué)習(xí)”是教育從業(yè)者所期望的，但在應(yīng)試教育的大環(huán)境下，加之人口眾多、資源分配不均勻，可以說要根據(jù)每個孩子的學(xué)習(xí)能力、學(xué)習(xí)進度和認(rèn)知水平來定制專屬學(xué)習(xí)方案真的很難。但有了人工智能，因材施教成為可能。因此，教育公司開始搶占人工智能市場，紛紛為自己的產(chǎn)品“接軌”人工智能，打造適合學(xué)生的個性化平臺。

智能測評可以進一步解放老師的生產(chǎn)力，使老師可以將更多精力放在與學(xué)生的交流溝通上，而且還可根據(jù)每個學(xué)生的情況提供個性化的反饋，為個性化教學(xué)提供基礎(chǔ)，從測評方面掌握學(xué)生知識的薄弱點，進行專攻。

而語音處理、視覺與圖片方面，都為降低資源分配不均衡，優(yōu)秀資源量產(chǎn)化，讓不同地方的學(xué)生都能享受優(yōu)質(zhì)教育做準(zhǔn)備，進而實現(xiàn)“千人千面”。

總的來說，教育行業(yè)與人工智能的結(jié)合，可從一定程度上降低資源分配不均衡現(xiàn)象，傳遞師資能力，并有助于實現(xiàn)孩子的個性化學(xué)習(xí)。

但也有人工智能專家對鯨媒體表示，實際上當(dāng)前許多打著AI旗號的公司采用的都是傳統(tǒng)人工智能方法，遠不到深度學(xué)習(xí)的層面。聲稱基于人工智能完成的評測，實際上大多數(shù)（甚至絕大多數(shù)）可能僅僅是SVM（SVM在機器學(xué)習(xí)領(lǐng)域，是一個有監(jiān)督的學(xué)習(xí)模型，通常用來進行模式識別、分類以及回歸分析）及其他類似方法。“因為人工智能很泛化，所以說是人工智能也有道理。”專家告訴鯨媒體。在他看來，市面上許多應(yīng)用其實都不夠智能。

“最常見的一個應(yīng)用人工智能的例子是人臉識別，”以往機器就可以做人臉識別，盡管識別率不高。但近年已經(jīng)出現(xiàn)精準(zhǔn)度非常高的人臉識別案例，其原理是從機器學(xué)習(xí)遷移到了深度學(xué)習(xí)層面，人臉識別自然會變得很靠譜。

三、行業(yè)：   “ AI+ 教育”面臨的挑戰(zhàn)

對于AI在教育行業(yè)的應(yīng)用與發(fā)展，小編也請教了專業(yè)人士L先生，了解他對人工智能+教育的一些觀點，希望能幫助我們從專業(yè)的角度更好地理解“AI+教育”。

就目前人工智能在教育行業(yè)的應(yīng)用， L先生表示，“現(xiàn)階段仍處于‘雷聲大雨點小’的階段。深度學(xué)習(xí)要在一個行業(yè)跑通，需要大量高質(zhì)量數(shù)據(jù)和強大的計算能力作為前提，而在教育行業(yè)，需要對學(xué)生數(shù)據(jù)進行采集、處理，進而訓(xùn)練數(shù)據(jù)模型，提出解決方案。但目前來說，數(shù)據(jù)采集還是問題。”

教育行業(yè)雖然公司眾多，但大多數(shù)屬于中小型企業(yè)，真正能夠收集到大量數(shù)據(jù)的公司少之又少。而人工智能的核心前提便是高質(zhì)量數(shù)據(jù)，只有這樣才能訓(xùn)練合適的模型。就目前的教育行業(yè)AI產(chǎn)品來說，即使大家都打出了人工智能的標(biāo)簽，但能否真正達到自適應(yīng)學(xué)習(xí)，還是要打個問號。

據(jù)業(yè)內(nèi)人士透露，目前大部分產(chǎn)品主要是利用大數(shù)據(jù)做窮舉運算（鯨媒體注：當(dāng)然，也有觀點認(rèn)為這樣概括不太嚴(yán)謹(jǐn)），事先將各種可能的情況以及對應(yīng)的解決辦法輸入到系統(tǒng)中，然后系統(tǒng)在接收到信息后會在數(shù)據(jù)庫中查找映射內(nèi)容，提取內(nèi)容并返回。這種方式的“人工智能”是很受限制的，機器中所有的內(nèi)容都是基于人類所知范圍內(nèi)，無法做到應(yīng)對多變的情況，所以無法達到真正的“因材施教”。

對于 “ AI+ 教育 ” 如何突破？ L先生則表示，“數(shù)據(jù)是一個必須條件，只有具備足夠的數(shù)據(jù)，對機器學(xué)習(xí)的理解，跨界人才的加入，才能實現(xiàn)真正突破。在‘AI+教育’上，不能單單依靠外部技術(shù)能力，或者教育公司的數(shù)據(jù)，而需要教育數(shù)據(jù)與技術(shù)的完美融合，只有兩股力量能夠很好的交互在一起才能真正實現(xiàn)發(fā)展。”

除數(shù)據(jù)外，人工智能在教育行業(yè)催生的需求還體現(xiàn)在人才上。

創(chuàng)新工場執(zhí)行董事張麗君在接受鯨媒體采訪時曾闡述了她對此的看法：人工智能人才會分為幾個層次。最高層次是大學(xué)里研究人工智能的專家、教授，這是金字塔的頂層，這類人才數(shù)量偏少；第二層是能懂、會做算法、模型的人才；第三層是工程應(yīng)用型的人才，具體而言是把算法變成在某些場景下工程化應(yīng)用，這類人才的數(shù)量會多一些；第四層是能將這些應(yīng)用寫成API或結(jié)構(gòu)化模塊的人才；再往下就是常見的會寫代碼的人才，這層的人才數(shù)量相對來說很多，且可以批量化培養(yǎng)。

有AI業(yè)內(nèi)科學(xué)家表示，當(dāng)前國內(nèi)需要高精尖的人工智能人才，但缺口可能并不是很大。人工智能人才需要具備這樣三個能力：搭建框架、調(diào)節(jié)參數(shù)、把握應(yīng)用方向。

人工智能數(shù)據(jù)涉及到遷移學(xué)習(xí)，例如國外英文方面的語義研究并不能很好地遷移到國內(nèi)中文語義環(huán)境下。一個公司搭建框架實現(xiàn)AI的過程看上去很簡單，實則很麻煩。在遷移過程中，框架可以搭建，硬件可以用資金購買，但最難的是調(diào)節(jié)參數(shù)。調(diào)節(jié)參數(shù)不受人數(shù)多少影響，它需要一個漫長的過程，反復(fù)經(jīng)過對比、訓(xùn)練、調(diào)節(jié)等環(huán)節(jié)來實現(xiàn)。

而國內(nèi)AI高端人才主要在國家實驗室和一些巨頭科技公司如BAT。“高校培養(yǎng)AI人才有難度，需要做漫長的AI項目，碩士階段是無法解決問題的。那意味著要找專門做人工智能的博士，這個數(shù)量國內(nèi)是有限的，更別說參與過項目運作。”而企業(yè)本身如果擁有AI人才，也會采取防御戰(zhàn)略，留住人才，讓AI人才的獲取更加困難。

“AI+教育”是必然事件，人工智能的加入將為教育行業(yè)注入新的活力，日后也將深刻的改變和影響教育行業(yè)。如何不淺浮于表，觸及深度學(xué)習(xí)，實現(xiàn)真正的人工智能且獲得相應(yīng)人才，也是有意布局AI的教育機構(gòu)在追逐熱度之余，必須要考慮的問題。