网易有道林会杰：“AI+教育”得数据者得先机

【TechWeb】7月28日，近日网易有道技术总监林会杰出席了2019GMIC大会并“AI+教育”的难点和进展进行了分享。

林会杰介绍，目前AI+教育还处在初级阶段，AI渗透教育行业的过程好比“为行驶中车辆换轮胎”。存在数年的教育行业有一套成熟的运行逻辑，如同一辆行驶中的车辆，现在行业想要换上AI这一新轮胎“提速”，需要在不影响现有运行情况下，让技术逐渐渗透，最终完成AI+教育的迭代。教育是需要沉淀和打磨的慢行业，不可操之过急。

林会杰认为，AI+教育过程中有几个基本目标，最底部是教育内容数字化，第二层是教育过程自动化，这两个阶段可以将传统的线下教学或学习过程中生产的各种数据与线上数据有机结合，形成更结构化的数据表达。

而对于对于AI+教育行业而言，林会杰认为得数据者得先机。整个AI+教育行业的普遍痛点是成熟的AI+教育产品难以落地，根本原因是缺乏足量学习场景下的一手真实数据。AI模型的进化需要大量数据进行算法训练，然而线下传统教育仍是现在的主流，用户尚未习惯纯线上交互，大量学习数据都留存在线下难以采集。掌握数据源头，是升级AI教育的前提条件。

以下为林会杰演讲全文：

大家好，我是来自网易有道的林会杰，很高兴跟大家分享有道在教育领域的一些发现和想法。

首先简单介绍一下网易有道，目前有道是网易集团在教育领域的核心布局，拥有三大业务线：一是课程类产品，就是双师直播大班课——有道精品课。二是互动类学习型APP，包括有道词典、有道翻译官、有道云笔记，也有一些新产品，比如有道乐读、有道数学等等；第三类是依托于有道技术的一系列学习型智能硬件，有道词典笔2.0、有道翻译王2.0 Pro、有道云笔等。在这些业务之下，我们有一个AI基础设施输出端——有道智云。这些产品背后的一套AI 能力包括神经网络翻译、光学学符识别、语音识别、语音合成等，可以为我们的业务提供更好的支撑。

今天探讨的主题是AI+教育。首先想跟大家聊聊，机器学习和人类学习有什么异同点，我们能不能通过机器学习的思路，能不能更好的帮助人们提高人类学习的效率，所以我们借鉴了前苏联发展心理学家利维·维谷斯基的近侧发展区间理论，他认为知识获取的层次分为几个圈层，中间一个圈不需要任何人辅导，可以自主学习，但学习范围有限。中间的圈可大可小，需要通过一定的指导和辅助方法，将学习范围以及知识掌握深度扩张加深。最外圈是无法触达的领域。

我们在做的事情，就是希望通过AI+教育的外部辅助，让中间圈层尽可能扩大。

人类学习和机器学习，都有一个共同特点，人类学习是从周边环境中，比如说实践中的一些探索，总结出一些相关推理和认知。对于机器学习来说，更多是从数据中学习相关的规律，总结知识，从而激发有一些基础的推理能力。

对于AI技术来说，目前为止还是以数据驱动的方式。当具备一定的推理和知识的能力，AI就能够去辅助人类做一些决策，甚至去替代一些重复性、琐碎性工作，比如说学习作业过程中一些重复性练习。在教育领域我们也希望能够借助AI技术、机器学习办法，从教学练测评各个环节提升他们的效率，改造传统的学习方式，这是美好的设想。

设想很美好，但AI+教育实际应用过程中，我们依然面临一些的难题：存在一定的落地难的困惑。为什么这样说？

其一是因为教育行业已经拥有几千年的历史，学生和老师的角色没有发生太大的变化，大家也还是习惯纸笔交互的方式学习，打一个比方，整个教育行业就像是稳健行驶过程中的汽车，我们希望用AI技术使得这个车子换一个轮胎，换更好的发动机，使得它发展更好，但是我们又不能为了更换轮胎、更换发动机，而使教育行业完全停滞下来。所以我们现在要做的事情像是开车换轮胎，让技术渗透教育，不断去适应传统教育的过程方法，让AI技术更好地提升教育效率。

另外一个原因是，整个AI+教育里面非常重要的一个环节——数据，现在是欠缺的。学习过程中老师和学生都会积累大量数据，可惜目前绝大部分数据都是留存于线下，将这些宝贵的线下数据采集到线上，通过不同类型的数据集不断训练AI模型，才能使得AI模型更成熟，更能帮助我们达成学习中所需的个性化服务。得数据者得先机，如何更好地采集数据、处理数据、从数据中学习更好地规律，是当前整个AI+教育行业的重点。