2019年5月24-25日，第三屆AIAED全球AI智適應教育峰會召開。“人工智能 ”這兩年快速興起，其中人工智能和教育因為其天然的結(jié)合基礎(chǔ)，獲得了快速融合發(fā)展。為了更好地推動人工智能教育產(chǎn)業(yè)的發(fā)展，打通行業(yè)信息流動通道，推動全球的科研機構(gòu)、投資機構(gòu)、教育機構(gòu)形成合力，36氪聯(lián)合乂學教育-松鼠AI等產(chǎn)業(yè)鏈頭部機構(gòu)舉辦第三屆AIAED全球AI智適應教育峰會，旨在“在全球普及人工智能教育，推動人工智能技術(shù)對教育的改變和發(fā)展，為了人類更好的教育公平性和教育成果做出貢獻”。

曾經(jīng)馬車是人們出行時，效率最高的工具，而到了如今，我們擁有了汽車和飛機，出行速度提高了十倍以上。在越來越追求效率的今天，我們更想要探索學習能力的最大邊界，追求學習效率的大幅提升，而CMU計算機及心理學系教授、Cognitive Tutor軟件的開發(fā)領(lǐng)導者Ken Koedinger教授演講就認為，如果我們能讓AI 和教育結(jié)合，把學習科學融入到日常的學習中去，構(gòu)建學習工程的框架，學生的學習效率也會較之今天提高十倍以上。

以下是經(jīng)整理后的演講全文：

非常高興來到這里。我今天想要談一談，我們怎么樣讓AI和教育變得更高效，怎么通過把學習科學融入其中，做到從學習科學，到學習工程。

我在上個世紀90年代開發(fā)了Cognitive Tutor軟件，把AI和學習科學結(jié)合在一起。我們可以看看在這個系統(tǒng)當中，AI會發(fā)揮什么樣的角色——其中有一個項目就是學生參與其中，解決真實場景中的問題。學生會參與一個電話會議，通過不同的表格、圖表來處理信息。如果他們需要幫助的話，整個過程中會有一個AI老師，為他們提供輔助。學生可以制作一些量化表，對比不同的方案。這個系統(tǒng)可以指導學生，告訴他們，他們遺忘了哪些關(guān)鍵的信息。如果他們需要幫助，需要指導，可以隨時讓老師提示他們。

我想強調(diào)的一點是，在常規(guī)的課堂當中，所有的學生得到的，都是一成不變的指導，而在我們這個系統(tǒng)當中，每個學生得到的指導，都是根據(jù)他們的需求，個性化定制的。這不僅是解決學習這一個問題，更是會關(guān)乎學生的發(fā)展。我們會及時追蹤學生的發(fā)展，通過這樣的算法，我們還可以檢測到學生在哪里犯了錯誤，哪里需要協(xié)助，幫助他們持續(xù)提升表現(xiàn)，這就是AI能夠做到的改變。

在這個專家體系當中，我們還有各種辦法，去預測學生可能會犯的錯誤。我們有兩個關(guān)鍵的算法，第一個是模型追蹤，在AI的幫助下，大家會產(chǎn)生一個計劃的認識，學生可以理解到他們最核心的競爭力，然后我們可以提供一些基于場景的指導。當學生犯了錯誤之后，或者當他們不再需要提示的時候，我們就把他們推到下一步，借此來控制學生的學習過程，學生在得到幫助之后，會回復是否取得進步。然后每個學生會生成自己的知識軌跡，我們可以通過這個知識軌跡來評測學生學習的成長過程，以及他們知識學習的過程。

另一方面，這樣的學習軌跡還展示了學生對每個關(guān)鍵知識的掌握程度，也能夠把課程進行個性化。我們用了很多的數(shù)據(jù)來優(yōu)化整個辦法。但是在這里我想說一下，我們做了很多的研究，始于90年代早期，去評測這個系統(tǒng)的有效性。我們在140多個學校當中做了這個隨機的實驗，用認知教師來幫助學生。對比傳統(tǒng)的教學辦法，用了認知教師的學生，他們的學習結(jié)果在一年過后，比傳統(tǒng)的大學要好得多。

這個課程不僅限于大學課程，我們還在開放學習的過程當中，測試了很多不同的學科，還有很多不同的場景和內(nèi)容。一個非常令人震驚的研究結(jié)果就是，所有這些數(shù)據(jù)課程，都是由數(shù)據(jù)驅(qū)動的。我們比較了傳統(tǒng)大學課程，和現(xiàn)在智適應數(shù)據(jù)驅(qū)動的課程，在這個課程當中，我們的教學時間只有半個學期，學生在其中得到這種基于數(shù)據(jù)化的教學和指導，然后老師也能看到學生的數(shù)據(jù)，他們只要花一半的學習時間，此外的時間會用來解決這些數(shù)據(jù)所顯示的，學生需要解決的問題。所以他們的溝通非常的高效和頻繁，最后的結(jié)果就是，學生們可以成就更多，也就是說事倍功半。

我們其實還可以做得更好。我們都知道因為有了汽車，讓我們的交通更加高效了，而現(xiàn)在的教育方式，就相當于變成了飛機一樣，一起來看看，我們?nèi)绾螐钠嚨斤w機的。

首先只有應用和學習是不夠的，在美國，我們也有很多隨機對照的實驗，幫助我們?nèi)フ业椒椒ǎ俏覀冏詈蟮慕Y(jié)果不太好，因為只有10%左右的研究，給我們帶來了非常積極的結(jié)果，其他都是不太理想的。如果我們是不同的學習科學家，我們必須要對不同的教育進行優(yōu)化，說到這些優(yōu)化的時候，大家是有不同的見解。

第一，我們得考慮我們到底有多少教學的方式，有人會說我們有直接指導的方式，但是我們通過這樣的直接教育方式，必須要從基礎(chǔ)開始提供更多的支持。但是有些人說不能這樣做，必須以邏輯基礎(chǔ)來進行學習，所以這兩者的區(qū)別是非常非常的不同。說到具體，它們更是不一樣，并且涵蓋了很多不同的方方面面。

我們是不是要讓學生考試，或者是問他們課堂的問題，而是一半對一半，然后再把這兩個方面，和另外三個方向進行結(jié)合。說到方方面面，至少現(xiàn)在已經(jīng)有30多個不同的方面，所以教學不單單只是有兩種方式，我們其實是一共有250萬億的方式，這是一個很大的數(shù)據(jù)，這也是一個很大的挑戰(zhàn)。

因此深度學習的象限到底怎么來處理呢？

這其中包括很多的可能性，也包括很多的機遇，這也說明了我們?yōu)槭裁窗堰@個技術(shù)用在教育上面。

在計劃的推進過程中，我們可以看到不同的意見和建議，建議就是讓我們更多的重視課堂小考，做大量的問題解決，比如說小測試。但是這個報告當中還有另外一個推薦，說的是完全相反的，說我們可能過多重視解決問題了，我們需要給更多的例子才行。現(xiàn)在我想解釋一下，為什么在推薦的方案當中，居然還有這么大的矛盾，我們?nèi)绾尾拍芙鉀Q這樣的矛盾呢？

為了解決這樣的矛盾，其實在學習的時候，有一個工程建造的過程，我們必須得知道不同的學習方法是如何支持學習的，因為它們有不同的效果；以及我們最終需要有什么樣的學習結(jié)果，包括學習之后，我們希望有怎樣的最終結(jié)果。

我們必須要找到相關(guān)的功能，來支持最終的學習結(jié)果，當然也不能停滯在這，必須要開發(fā)出來新的系統(tǒng)，來幫助我們進行更多的篩選。

那么我們是如何來做的呢？非常幸運，在美國我們得到了國家科學基金會的基金，在過去的十年當中，拿到了5千萬的投資，在匹茲堡學習中心進行各種各樣的學習解決方案的研究，而且探尋它們的應用。我們也把各種各樣的學習研究中心放在了學校當中，可以直接在學生的身上來進行研究，從而能對試驗進程進行更好的觀察和監(jiān)控。

這是一個非常復雜的框架，里面有三個分類，最下面的第一個就是知識的組分。雖然說知識組分看起來非常簡單，但其實它是非常復雜的，因為我們分了好幾層，比如說像知識，學生在美國學習中文詞匯的時候，肯定是有一些技能的，這些技能都是實時要進行的，這是我們的指導教師的方面。比如說像幾何或者是代數(shù)，還有原認知的東西，甚至還有一些軟的技能也是非常關(guān)鍵的，這就屬于規(guī)則。

但是不管怎么樣，一切還是要取決于我們到底是最終要達到什么樣的知識學習目標，因此智適應學習就非常重要，我們需要不同的機制，而且根據(jù)不同的機制建立不同的指導原則，這就要求大家所要學習的知識，和正確的教學方式進行匹配，可能還會更復雜。

比如我們是有課堂的對話，像詞匯的學習，如果說對話，其實是非常消極，因為它會占教師和學生的時間。不管怎么樣，這樣的框架可以解決相關(guān)的沖突，而且有一些不同的學科也在不斷的探索不同的學習過程，從而我們就知道到底我們可以做一些什么東西，但是關(guān)鍵在于要看不同的作用，以及對最后學習結(jié)果的影響。

如果說在學習科學當中最重要的一課是什么，那就是對非常復雜的學習能力的建設(shè)，還有就是有效的合作，并且要有同理心。有些人天生就可以做得很好，但是有些人在做的時候，就需要花更多的努力，才能更好的成長，更好的培養(yǎng)這些能力。實際上我們在研究天才的時候，會發(fā)現(xiàn)這些天才其實也是非常努力的，比如莫扎特在16歲就寫了第一部交響曲，其實他在6歲的時候就開始學作曲了，花了十年的時間才寫了第一部交響曲。還有比爾蓋茨，還有國際象棋大師，以及披頭士樂隊，其實他們之前都是在車庫里面花了很多的時間來操練，也是花了十年的時間才最終成為大師的。

對于學術(shù)來講也是如此，比如說閱讀、寫作、教學和數(shù)學之類的，也是需要花很多的時間。刻意練習是非常重要的。說到刻意教學和練習是有幾個非常重要的組成部分，第一，我們必須努力工作，從而提高績效。第二，我們得有足夠的內(nèi)在動機，從而讓我們參與到任務(wù)當中來。第三，必須要考慮到自己的弱點，因為我們在進行指導的原則設(shè)計的時候，必須要保證任務(wù)，必須要放在我們不擅長的地方，這也是我們可以利用數(shù)據(jù)的地方，我們可以通過數(shù)據(jù)知道這個學習者的弱點在什么地方。第四就是反饋，因為反饋可以讓學生在長期不斷的反復，不斷的操練，但是我們?nèi)绾尾拍軌蜃屵@個練習更加的個性化呢？

我們在這當中所做的，是基于數(shù)據(jù)發(fā)現(xiàn)需求，然后去關(guān)注學生的這個需求，然后創(chuàng)造了非常獨立的實踐。這不是一個AI的魔法，但是設(shè)計得非常好，我們讓學生做的就是，提出一個解題的計劃和方案，然后告訴他們這個解題方案是不是正確的，最后實現(xiàn)了閉環(huán)。通過這樣的方法，我們讓學生在半個小時里面，學習了更多的知識，我們給學生設(shè)計解題方案的時間，減少了傳統(tǒng)老師教授的時間，時間節(jié)約了25%。

有的人說我不關(guān)心時間，但是大多數(shù)的家長，如果你們的孩子在上大學的時間能夠從四年降到三年，他們會省25%的學費。同時學習的效果也好很多，因此這是非常有前景的，有希望的。我們不僅可以應用科學，還能夠?qū)崿F(xiàn)迭代，收集更多的數(shù)據(jù)，用數(shù)據(jù)給我們提供更多的視角，再去設(shè)計這樣的方案，然后實現(xiàn)這樣的循環(huán)，設(shè)計數(shù)據(jù)部署，這不僅是關(guān)于AI的設(shè)計交互，也是我們在技術(shù)研究領(lǐng)域所應該做的。

最后我想說，還有非常關(guān)鍵的一步，就是刻意的練習，這是學生使用時間的關(guān)鍵，學生需要多加練習，形成準確的評估。松鼠AI這樣的體系，只要學生愿意去用它，就是非常好的，如果學生不用，肯定不會有提升。當我們看數(shù)據(jù)的時候，我們會發(fā)現(xiàn)，不是所有的課堂都能用這樣的工具，在購買了這些系統(tǒng)的地方，那些使用輔導老師超過40個小時的學校，能收到非常好的效果，但目前這樣的學校是非常少的。

Y軸是學生學習的效果，X軸是顯示的時間，投入越多，獲得的成果就越好。大家可以看到，很多的學校沒有太多的時間來使用這個系統(tǒng)，因此學校的老師也需要自己去做正確的選擇。即使學校買了，老師也可能不經(jīng)常用，學生層面可能也是類似的問題。

我們有不同的方法去干預學生的行為，幫助他們學習動機，這就是我們的大計劃，我希望更多的人可以參與進來，幫助我們執(zhí)行這個計劃，從兩倍到十倍的學習，因此我們只需要一起去行動，學習科學是一個很好的開始，迭代工程是可靠的學習科學的關(guān)鍵。

大家現(xiàn)在會發(fā)現(xiàn)，我們可以從兩倍的提升飛躍到十倍的提升，從汽車時代直接邁入飛機時代，我也邀請大家同我們合作，到達這樣一個美好的未來。