消息，11月15日-16日，“全球AI+智适应环境教育峰会”在北京嘉里中心大酒店盛大揭幕，峰会由牵头乂习教育松鼠AI，以及IEEE（美国电气电子工程师学会）教育工程和自适应教育标准工作组联合举行，汇集国内外顶尖阵容。AI智适应环境自学是目前产学研三界关注度最低的话题之一。此次峰会，我们将邀美国三院院士、机器学习泰斗Michael Jordan，全球普遍认为机器学习之父Tom Mitchell，斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT自学方案组高级研究科学家Michael Yudelson等顶尖学者；新东方、掌门1对1、作业盒子、一起作业、ALEKS等国内外最不具影响力的AI智适应环境教育公司苯乙烯北京，联合探究AI智适应环境热点话题。在16日主论坛上，掌门1对1CEO张翼公开发表了主题为“教育AI化”的演说，共享了他对教育AI简化的思维与看法，张翼指出，新一代人工智能发展之后，“教教”和“并育”、“训”和“苦练”第一次被解构，AI对教育最实际的赋能是彰显学生关上科学知识宝库的“钥匙”，AI的本质是个性化，仅次于的亮点是需要更慢地老大学生寻找自学过程的“于是以循环”。

以下是演说国史（(公众号：)做到了不转变本意的编辑与整理）：建构教育生态各位亲爱的嘉宾大家下午好，很高兴今天能在这里跟大家一起共享我们对于教育AI简化的思维。因为掌门这些年仍然专门从事整个K12的学科辅导，覆盖面积一年级到十二年级的所有学科，对于这样非常复杂的产品来说，我们仍然在思维如何把AI植入到教学里，提升它的效果。

今天我们辩论人工智能和教育融合之前，我实在我们再行要思维，在现阶段有哪些所谓人工智能——这也是我们仍然以来的思维。我们做到教育究竟是在建构一个什么样的生态，生态里有哪些组成部分，哪些可以被解构，哪些不可以被解构。我明确提出来两个词：教育、训练。教育是对老师而言的，训练是对学生而言的。

古代练兵的时候常常说道是训练士兵，只不过青和苦练不一样。青是训话，还包括价值观、的组织文化、力量；苦练是士兵整个体能训练过程，放到学生身上也一样。

还包括教育，教是科学知识，育是育人。五千年来我们仍然都拆不开，新一代人工智能发展之后，我们有可能可以把其中一些东西拆出来了。我自己有很深刻印象的体会，我读高一的时候，一开始学物理，我这个人不讨厌讲课，讨厌自学，我忘记我第一位老师尤其不讨厌我，我跪得较为试题又不讲课。

因为这位老师不讨厌我，所以我也不讨厌他，就造成我的物理一开始习的显然较为一般。后来低一下学期换回了一位物理老师，那个物理老师尤其讨厌我，他给我以定了一条规则，说道你不讲课没问题，只要你物理每次单元录超过95分以上，我容许你不讲课，也容许你不做作业。所以我十分有动力，我不讲课，但是放学的时候在下面做到题，当然后来我理工科尤其好，相当大原因是因为我讨厌那个老师，我讨厌物理，所以我大大锻炼，所以越学越好。

我找到整个自学过程中苦练是一部分，怎么样让学生不具备自学的动力这是另一个部分。我们思维到最后，无论是做到学科的教育还是任何一个领域的教育，只不过大家都有一个联合的愿景，就是我们期望培育一个孩子有全面面向未来的独立思考的能力，这是一个十分立体的概念。所以对于现代的老师来说，无论你否用人工智能辅助他，老师都是立体的，现在的老师跟以前的老师是不一样的。

以前的老师只要作好苦练的过程，但是现在苦练的过程大部分早已可以被机器替代了。以前我们说道授人以鱼不如授人以渔，现在后面应当特一句话，授人以鱼不如授人以渔不如授人以渔之动力。上面的两个层次显然较为无以，我们最有意义的探寻是在网上探寻，怎么做第二个层次的授人以渔或者授人以渔之动力。

老师必需把大部分精力放到最底层的授人以鱼上，是有期望往上走的，所以这是人工智能给新一代老师带给的福音或者是提高的关键所在。数字这个东西是区别人和人工智能的最重要标志，或者这么谈，一个孩子自学一个东西的过程有三个层次，第一是他学会了一项技能或者科学知识，第二是他学会了一种自学的方法，第三是他需要建构，早已挣脱了自学本身。而数字是上面的两个层次，当然我们大量思维的还是怎么学方法、知识点。

而数字最低的境界是什么？只不过就是哲学，现在有一个词是哲学科学思维，全称哲科思维，我实在这是人类最低境界的思维。很多教育工作者最漂亮的书不是物理、数学，不是很多基础的书，很多都是哲学书，只有哲学目前没办法被人工智能代替，或者代替的可能性较小，这是他们在探寻的，未来确实能再次发生政治宣传的话也应当是在这个领域再次发生政治宣传，到目前为止这还是人工智能和人类仅次于的差异。AI对教育最实际的赋能是彰显学生关上科学知识宝库的“钥匙”所以探寻完了人工智能和非人工智能在现阶段的区别之后，我们返回人工智能本身思维，AI对于教育最实际的赋能是彰显你关上科学知识的一把钥匙。

只不过人都是处在循环里的，只不过有的人处在于是以循环里，有的人出有在负循环里。贝克汉姆右脚香蕉球很得意，但是一开始他也不得意，只是有一次踢出来了香蕉球还不俗，他就实在自己有这样的天赋，他每次训练的时候踢球右脚完了都在门框前面敲一个轮胎，训练半小时，所以后来就越练越牛，最后他这一脚橡胶球就尤其得意。我们找到有的人像他一样，寻找了他自己的于是以循环，实在我应当这样，就更加牛。

有的人不出于是以循环，在负循环里，很伤痛，所以就没有懂，这是学渣和学霸的区别。有些学渣也是很聪慧的，只不过没寻找自己的循环。

AI现在仅次于的亮点是什么？更慢的老大你寻找了于是以循环，市场上所有的AI公司所希望的方向都是如此。以前孩子自学的时候不告诉学什么，而很多老师、题库获取给学生的都是学生会的东西，学生习他会的东西本身没有过于大意义，学生应当学什么？学有一点他习的东西。比如说我对这个技能掌控是70分，你可以引一个可以让他提升到75分的东西，这才有意义。

这个东西在人工智能出来之前是不了解决问题的，一个将军必需猜中辖下或者徒弟、学生究竟哪里会，而一个师父带上的徒弟过于多的时候，就很难确切的记忆哪个人在哪个地方有问题。所以他老大学生寻找于是以循环的时间就不会变长，当一个孩子长年无法寻找于是以循环的时候，就不会丧失冷静，最后就很难把这项技能给懂。所谓AI仅次于的起到就是可以忘记所有人的不道德，并且可以较慢的启动时给你，最有一点你做到的东西，这是我们这个时代最应当探寻的事情，所谓人生有一点。目前整个教育仅次于的方向就是这样，还包括AI给学生、给老师、给教学赋能，还有人回头得加深，比如说AI能无法代替老师本身，或者能代替百分之六七十，甚至有很多公司在尝试，必要就把老师的动作给分尸了，通过这样的方式做到全面确实的AI，当然这些都是十分有一点探寻的方向。

但是所有AI的本质就是个性化，未来我指出无论是做到一对一的教学还是做到小班课教学、大班课教学，都必需是个性化的。就算是大班课，未来也一定是个性化的，虽然所有学生看的老师是一个，但是每个人训练的东西应当是不一样的，我们实在这是未来仅次于的方向。关于我们自己在智能化方面也做到了十分多的希望，知识点很多，特别是在对学科来讲知识点是十分繁杂的，越往高龄段回头科学知识就越简单，图谱就越简单。里面有个东西是科学知识源或者是题库，很多题是公海区域，这合适学霸，要海纳百川，而对正常人来说不必须做到这么多，实质上题目是有优劣之分的，只有一部分是有一点80分学生做到的，更加少部分的题值70分的学生做到。

我们经过了大量的检验，最后制成了十分可观的数据库。在科学知识图谱里大家期望给题孩儿多的标签，一个题很非常丰富，但是后来我们找到这对人工智能来说是很基础的东西，确实走应当做到什么？题序。当我这道题没有作好的时候，做到下一道题，这中间的连接点是题序。

整个AI带入教育过程中，只不过不是单维度的，是多维度的。以前大家说道All in AI，只不过应当是AI in All，是不是可以更加精准，更加个性化，这里面托了很多。

现在所能做的有人脸职别，我们可以确切的告诉在哪个知识点学生早已走神了，在哪个知识点学生早已确切的掌控了。还包括语音的分析，现在早已十分繁盛了，你能告诉老师上课的过程中是不是牵涉到到了一些点，哪些点没牵涉到，在语言和表情方面早已比较发达。我们实在智能化语音不仅于此，今天我们讲这个东西，十年后有可能我们就不讲这个东西了，它是“水、电、煤”，是必需品。

整个教育环节，不管是课前、课中还是课后，都可以植入进来，现在做到题早已可以必要辨识出有你写出的字是不是对的，还包括现在的学生早已被解法包含很多模型，就像我给学生解法包含40几个模型。你归属于这个模型的学生，你的学习曲线是什么样的，学习曲线很简单，比如说遗忘曲线。一个人学会一项技能并不是今天学会了就总有一天学会了，是不会记得的，并且每个人记得的速度还不一样，以往我们是很难考虑到，有一点难过的是人工智能可以老大我们辨别、仿真谁合适哪个模型，这是相当大的价值。

当然它不存在于课中也不存在课前，智能化很高。以前要老师答疑，成本很高，现在我们可以对每道题的讲解撷取出来，放到答疑素材库，这是仅次于的赋能。所以在线教育这样一个天然与信息化、数据、互联网高度融合的物种里，AI是很好的陪伴五品。

以后不会环绕各个维度协助学生、老师行进，这也是我们公司的愿景，让教育分享智能，让自学高效幸福。在我们的愿景里，除了分享，无论是高效还是幸福都跟智能有关，你减负的时候学生才能确实幸福，人工智能任重道远，掌门也期望与各位一起推展人工智能在教育领域的实践中，南北更大的未来，谢谢大家。2018年度AI最佳掘金案例票选人工智能风雨60年，与其说技术升级促使了今天的浪潮，不如说当前的人工智能，再一车站在离商业最近的方位。

去年，首届「AI 最佳掘金案例年度票选」活动日后发售，之后受到了AI方案输出方和AI技术需求方的很大注目。票选从商业维度抵达，找寻用户/客户问题解决问题能力强劲的产品和解决方案。现在，我们再度车站在AI浪潮之巅，月启动第二届「AI最佳掘金案例票选」。

在AI+教育领域我们一共设置了6个奖项，青睐踊跃报名，甄选地址：https://www.leiphone.com/special/custom/AITopTen2018.html涉及文章：Michael I. Jordan：也许该对 AI 教学展开一些思维 | 全球AI+智适应环境教育峰会乂习教育松鼠AI牵头创始人周伟：网络教育发展的六次浪潮，第七次将导向何处？ | 全球AI+智适应环境教育峰会原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：完美体育365-www.redsquirrelempire.com