立思辰AI实验室主任张文铸：AI和教育的结合，将带来更高效更公平的学习机会 | AIAED全球AI智适应教育峰会

2019年5月24-25日，第三届AIAED全球AI智适应教育峰会召开。“人工智能+”这两年快速兴起，其中人工智能和教育因为其天然的结合基础，获得了快速融合发展。为了更好地推动人工智能教育产业的发展，打通行业信息流动通道，推动全球的科研机构、投资机构、教育机构形成合力，36氪联合乂学教育- 松鼠AI等产业链头部机构举办第三届AIAED全球AI智适应教育峰会，旨在“在全球普及人工智能教育，推动人工智能技术对教育的改变和发展，为了人类更好的教育公平性和教育成果做出贡献”。

国际人工智能与教育大会提出了《北京共识》文件，重点强调了“要将人工智能平台和基于数据的学习分析技术，作为构建终生学习系统的关键技术，实现人人皆学，处处能学，时时可学，确保人工智能技术使每个人不分性别，不分健康状况，不分社会或者经济地位，不分民族或文化背景，不分地域，都能享受优质教育的学习机会。”立思辰AI实验室主任张文铸对着一观点表示认同，在他看来，AI和教育的结合，将带来更高效更公平的学习机会。

以下是经整理后的演讲全文：

尊敬的大会主席，尊敬的各位嘉宾，各位专家老师，大家下午好，非常荣幸有这样一个机会来分享我们的工作，我叫张文铸，来自立思辰人工智能实验室。以一张生活照作为我的开头，这是我带孩子外出游玩的一张自拍，当时我想起了中国的一句寓言，叫做“幼吾幼以及人之幼”。我们现在所做的每一件事，说白了还是为下一代去创造更好的生活和发展机会。在教育领域意味着我们要付出更多的努力，去为下一代创造更好的教育，尤其是充分发挥科技的力量， 为我们的孩子创造更加公平，更有质量，和更加适合自己的学习机会。

从理想出发，立思辰人工智能实验室组建了一支来自清华、斯坦福大学等顶尖高校的技术团队，专注于教育领域的算法研究。同时我们也很高兴在去年和清华大学GIX 学院共同成立了智能教育技术创新联合研究中心，它可能是清华第一家专门做AI+教育的研究机构，目前我们研究的方向主要包括三个， 第一个是情感计算，第二个是知识图谱，第三个是人机交互，目标是三年内成为在教育AI领域有一定影响力的科研合作平台。

立思辰人工智能实验室到底要解决什么样的问题，这个问题说得越清晰，越有可能接近成功。我们希望利用人工智能技术对课堂教学过程进行智能、快速全面的分析。

课堂教学过程中产生了大量非结构化的数据。现在中国每天从高等教育，到普通教育，到幼儿教育，到在线学习，每天上的课，如果录成视频，一天会超过一亿多个小时，这是一个非常巨大和高频的数据来源。如果能够对这些数据进行充分的理解，我们就可以挖到非常多的数据宝藏。

AI在教育里面能做什么，从技术的角度来讲，它在教学的自动观察和反馈方面具有不可比拟的优势。主要包括三点， 第一点是可以进行细颗粒度的观测，第二点是可以进行数据驱动的决策，第三点是可以实现大规模的个性化。

关于情感计算，首先会想到经典的情绪七分类的模型，把人的基本情感分成了厌恶、惊喜、奋斗、高兴、恐惧和悲伤。在实际应用过程当中，我们现在有三点主要的体会：

第一点亚洲人的情感表达和西方人不同，如果想做好亚洲人的情感计算，还要去做自建的数据集。

第二点儿童和成人的情感表达不同。

第三点也是最重要的一点，就是学习和日常生活情感表达不同。刚才我们提到了七种基本情感里面的厌恶、愤怒和恐惧，几乎不太可能出现在学习的过程当中。

什么是更有可能出现的呢？除了基本情感空间以外，我们去建立一个认知情感空间，那就是 专注、好奇、愉悦、困惑、烦燥和挫折 这些情绪是更有可能出现的。我们要从基本情感空间去映射到认知性感空间，还需要做一系列技术上的努力。

情感计算的运用在教育领域应用非常广阔，第一，我们可以去判断课堂的氛围。第二，我们去做时间序列分析，在一节课上课的过程当中，去标记出来这堂课有哪些关键的瞬间是非常重要的。第三，提示辅导老师去关注重点学生。

第二个方向是行为分析，通过研究，我们发现学生和老师在课堂中会产生的11种典型行为，这些都是可以通过计算机视觉，行为分析的方式来预测的。在此基础上，我们会对一个课堂场景的视频图象进行分割，除了分析课堂环境，还可以实现课堂板书的自由提取。另外，现在中国孩子们的近视率是非常之高，立思辰人工智能实验室做过调研，小学和初中毕业的平均近视率是33%，这是一个非常大的比例，近年国家希望把近视率降到17%，所以，我们开始做关于坐姿和健康提醒的技术研究工作。在学习过程中坐姿是否端正？环境的光线是否足够得好？其实都可以通过图象分析进行自动识别。

第三，也是非常重要的一点，是关于专注力分析的工作。首先是头部三轴信息收集，立思辰人工智能实验室专门请教了一批教育心理学专家，因为每个人都有自己认知负荷，所以孩子在上课的时候，他的头不是不动，而是不停的转动。如果我们能够获取每个孩子头部转动的三轴信息，那么我们就可以去做一些孩子专注力分析的工作，当然事实证明是可以的，而且能对每个孩子做专注力和认知复合分析的模型。

第二点是视线跟踪的技术，我们可以在实际课堂过程当中，预测每个学生的视线方向。在老师讲授的环节，我们就可以去看这个学生的视线注意力，进一步可以分析老师这一堂课在某个时间段的教学目标达成的一个基本情况。

最后，是关于对话和语义分析，主要包括三块工作，一个是对话分类，第二个是语音识别，最后一个是知识图谱。

语音识别现在相对来讲是比较成熟的。对话分类来讲，课堂语音互动的分析，目前可以有效的区分和老师和学生，但是目前不好区分到底有哪些学生，这是我们下一步工作的方向。最后是知识图谱，立思辰人工智能实验室和清华大学联合研究中心主任许斌老师，把所有的教材和教辅都分析了一遍，产生了超大型的知识图谱。在运用中我们发现这个图谱不是不全，而是太大了，现在我们主要的工作是对关键的学科信息进行归纳和裁减。

第三部分就是应用落地的展望，AI+教育最终落地会是什么样子？我认为是要把全部的精力放在注定要发生的事情上， 第一，让每一个学生都有一个学习画像；第二，让每个老师都会有一个人工智能助手；第三，让每门课都会有一个不断生长和进化的知识图谱。

首先看第一个，让每个学生都有一个学校的学习画像。我们通过情感分析、行为的分析，专注力的分析，可以为每个学生做一系列的画像评价，包括这种专注力，互动度、活跃度、愉悦度，坐姿。老师和学校可以从不同维度评估学生专注力的变化。上升了，要给予鼓励，下降了，则及时给予关心。

让每个老师都有一个人工智能助手。每个老师都可以去访问他自己上过的每一节课，去看一下活跃度、互动度和专注度的变化，提供数据化的教学过程分析结果调整教学方法。

同时对于一个学校，或者一个机构来说，我们想提供了一个专门为教学研究去匹配的一个超级数据处理平台。在教学领域管理层面提供了一个数据分析引擎的工具。

最后一点就是让每一门课都有一个不断优化的知识图谱。刚才提过视觉、语音分析所得到的结果，我们都有机会让它和知识图谱关联在一起，对课堂上每一分钟讲的关键知识，关键概念去做关联，所有的行为和互动都是关联到一起，最终得到一个动态、不断生长的知识图谱。

很高兴立思辰人工智能实验室刚刚建成了中国第一个全AI驱动教学分析的高中，一共覆盖77个教学班，每节课共分析5.6G的数据，一天分析700节课，一年分析3PG的数据。

我认为，AI和教育的联合，最终还是落在技术专家和教育专家的结合，从而创造更好的技术应用。所以我们立思辰非常尊重教育，尤其是非常尊重一线教育专家的智慧。

上周刚举办的国际人工智能与教育大会，提出了《北京共识》文件，我特别认同，其中重点强调了“要将人工智能平台和基于数据的学习分析技术，作为构建终生学习系统的关键技术，实现人人皆学，处处能学，时时可学，确保人工智能技术使每个人不分性别，不分健康状况，不分社会或者经济地位，不分民族或文化背景，不分地域，都能享受优质教育的学习机会。”立思辰人工智能实验室也期待能通过AI技术在教学场景的深度应用，一同努力实现这一目标，谢谢大家！

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: