Live回顧| 朗播首席科學家解析：AI+教育真正重要的是什麼？

【大咖Live】AI自適應教育專場第三期，朗播首席科學家賈艷明帶來了關於「AI+大數據落地語言學習的實踐和思考」的主題分享，詳解朗播在AI+教育方面的實踐經驗。目前，本期分享音頻及全文實錄已上線，「AI投研邦」會員可進「AI投研邦」頁面免費查看。

本文對本次分享進行要點總結及PPT整理，以幫助大家提前清晰地了解本場分享重點。

• AI在教育行業的應用，以及朗播的看法；

• AI在朗播語言學習的體系中如何具體落地；

• 教育新零售，以及在教育新零售下，AI學習助理是怎麼樣更加有效地幫助大家學習；

• AI在未來教育場景中的展望。

以下為朗播首席科學家賈艷明的部分實錄摘取，雷鋒網【AI投研邦】在不改變原意的基礎上做了整理和精編。

大家好！ 我是來自朗播的首席科學家賈艷明，在朗播主要人工智慧和大數據工作，也完成了自主知識產權的口語評分以及作文評分引擎，並在今年完成了AI學習助理的研發，發表了很多相關的論文，申請了一些專利。

感謝雷鋒網「AI投研邦」給予機會和大家交流。朗播成立於2007年6月，是一家基於智能學習技術和行為大數據分析，以語言培訓行業的標準輸出為核心的英語教育科技公司。產品已經覆蓋出國留學考試，以及國內四六級考試和通用學習產品，並且能夠提供課程練習測評問答社區等一站式服務。

賈艷明提到，教育是什麼呢？教育本質上來說，是以知識為工具，教會他人思考的過程。它分成兩部分，一部分是以知識為工具，指的是知識的傳遞過程。第二個是教會他人思考，意思是，你把知識學會以後，能夠把它吸收內化成自己的能力，這樣的話你才會思考，才會用你學到的東西去解決問題。

實際上AI+教育真正重要的是什麼？他認為教研很重要，另外一個就是數據和技術。

首先教研是根本，如果有一個好的教研，它可能會產生一個偉大的教育公司。但是如果沒有好的教研，只有高超的技術，它肯定也做不成一個好的教育公司，因為教研是根本。

第二個是數據和技術，其實數據更重要，因為數據相當於原料。它相當於你現在可以看到石油和煤，而技術只是一個加工原料的工具。而且隨著開源工具的發展，技術重要性遠遠不如數據那麼重要。因此總結下來，如果一個公司沒有教研和數據是有問題的，因此我總說，沒有教育和數據談AI+教育就是耍流氓。

總結下來，AI+教育的關係是AI技術輔助教育，幫助我們改善學習效果，提高學習效率。再加一條的話，就是他可以改善大家學習的體驗，讓大家學得更加舒服，更加輕鬆。

二、 AI在朗播的實踐

朗播提供的是什麼？朗播提供是一個專家經驗加能力圖譜為基礎的標準化產品。解釋一下為什麼說能力圖譜很重要，因為之前可能大家聽到的更多的是知識圖譜，為什麼要強調能力？因為無論是實踐或者考試，能力是最根本的東西。所以我們是以能力突破為基礎，並且也是以提高真正的語言能力為目標，而不僅僅是應試。第二個是標準化，標準化意味著這個東西可以量化，可以控制的。

朗播提供的是標準化產品，在這個基礎上，我們會有基於AI和大數據的個性化的學習平台。簡單說一下，相當於我來這裡學習，首先是能力量化，進行能力測評，知道你哪裡有問題並測評出來，然後就會給你做針對於個人能力不足的地方進行能力訓練的計劃，然後你去做練習，再來測評，以此反覆循環並直到達到目標。

中間會有智能的評測技術和行為數據來輔助個性的學習，讓過程更加順暢，比如我們做完練習時，我並不知道我做得怎麼樣，但是加了智能測評之後，我就知道我到底做的怎麼樣，從而系統會智能地引導我繼續再往下做。

有了數據之後，我們也能夠說清楚哪塊和哪塊之間的關係是什麼樣的，辭彙不好還是語法不好，都能夠通過數據看出來的。我們通過這樣的平台，就能夠為每個人提供屬於自己的個性化學習的方案。

具體來說，首先AI第一個應用場景，就是基礎的智能評測技術，它是更加客觀更加及時的。比如基於語音識別的口語評測技術，這塊主要是來評測發音質量的，相當於測評發音標準與否的技術。

我們還有基於聲學空間的發音評測。左邊是一個學生在讀中國漢字時候的發音，大家可以看到他發U的時候，這幾個音都挨得很近的，那就說明發的比較標準，因為他每次發出來的聲音總能夠集中在某一個區域內。所以說它相對來比較標準。再看右邊，同樣是同一個學生，他在讀英語時可就不一樣。 這樣的話就相當於發音控制的並不太好。同時我們也可以通過每個音的聚集的大小，以及每個音之間聚集的中心距離，判斷出學生的音到底更容易發成什麼樣子，從而指出他問題所在，幫助他改正。

除了口語評測，我們還有一些主觀題評塊，主要是用到自然語言處理方法。我們強調能力訓練系統，很多題是我們自己的。教研老師出的非常好，就是為了真正的把能力鍛煉起來，而不僅僅像普通的考試題，它其實起不到能力訓練的作用，而只是在簡單的刷題。

其實我們更多的是在作文的評分上會有自然語言的使用。比如說我們可以對學生寫的作文結構進行評分，比如說他的論點是否明確，論述的如何，理由段怎麼樣，是否有讓步段，結論是不是很清晰，結構是不是完整。

我們會請教研專業老師做一些標籤，通過機器學習模型訓練出來結構評分模型。內容方面，我們也通過主題模型、相當於學生寫的論文是不是跟主題相關，能否支持當前的論點。教研老師會幫我們做一些標籤，然後我們去訓練模型。

最後就是語言能力，它包括了拼寫檢查以及語法檢查。拼寫檢查用的是winnow演算法加上語言模型。我們使用了綜合的語法檢查的模型，包括基於規則的模型、分類模型、神經網路翻譯模型，進行了語法的檢查。

為了讓大家能夠更加清楚的看到自適應學習過程是測學練的過程。在測的過程中知道你哪塊能力不行，提供一些快速精準測評模型。測完之後就是要學，在平時的傳統學習中，它應該叫教學，相當於老師幫助你制定出學習計劃，然後你按這個計劃學習，叫學習路徑的規劃。

規劃好了之後就去學，即練習的過程，這也就是能力訓練的過程。中間我們會有知識追蹤模型，告訴我們練習的進展和成果如何。大家可以了解一下這幾個模型。

第一個，我們首先介紹快速的測評模型，因為其實我們還有一個更加精準的模型，它時間比較長，需要兩個多小時的，評測也更加的準確。

但因為我們有時候其實需要一些快速測評模型，也要相對準確。那麼這時候我們就使用了一個基於信息增益的快速測評模型，基本上就是做少數的題就能夠得到你的能力點的基本範圍。其實它的原理並不那麼複雜，但是我們需要很多的數據。相當於我們能夠通過線下的大量學生做題，看到有一部分的題目是跟能力點評價有很強的相關性，從信息的角度來講，它們的貢獻更多， 剩下的提供信息少，這時候我們就會在線下把信息量提供最多的這些題選出來，並且我們把這些題做對做錯的關係跟能力點之間的範圍都記錄下來。

當我們到了線上的時候，相當於學生只需要做剛才記錄下來的那些信息量最大的題。做完之後，因為大量的學生已經幫助我們統計出這些題到底對應能力關係是怎麼樣的，這兩個東西一結合，就通過少量的題就能夠知道能力會落在什麼範圍內。

第二是基於貝葉斯方法的能力水平預測，我們能夠在很短的時間用很少的題幫助學生把他的能力水平測出來，剩下就根據能力進行推薦了。

根據能力推薦有很多種方法，比如貝葉斯方法、強化學習、KNN等方法，各有適用的場景。這裡我給大家講講利用貝葉斯網路實現學習路徑規劃的基本原理。貝葉斯網路簡單講相當於每個節點之間有一定的相關性，節點之間的相關性是通過條件概率來反映，相當於當我的某個能力點高的時候，跟它相關的下一個節點的能力點高低的概率是多少。

整個的網路通過專家經驗把節點和網路結構確定下來，剩下通過數據把條件概率算出來，作為一個基礎模型。當某個學生來了之後，我們根據他輸入的當前情況、未來目標、中間通過測評能夠得到的能力點和對應分數的關係，我們就能夠推出來，在這樣的條件下，他的其它一些節點到底個什麼情況？相當於他能力點低的概率有多少，高概率有多少。我們就能夠選擇出來適合於這個學生學習的最優路徑。

當他的學習路徑規劃好之後，就開始練習。練習的時候，就會有一個知識追蹤模型，它其實是根據學生答題序列，通過知識追蹤模型得到知識掌握的概率，這是知識追蹤的概念。那麼傳統知識追蹤，如圖所示，左邊是貝葉斯模型，後邊是深度學習的知識追蹤。左邊模型相當於它只是針對一個知識點的話算得很准，後邊深度學習的知識追蹤模型需要大量的數據。

我們提出了貝葉斯深度學習的追蹤模型，把以前深度學習上面得每個參數點，變成了概率分布。這樣的話模型會更加準確，它相當於是利用了所有的學生推斷下一個學生到底做得怎麼樣，而不僅僅是當前模型的固定點去推斷。

總的來說，朗播的語言學習體系中AI大概是這樣的結構。首先會通過方法課進行知識傳遞的過程，然後自適應學習系統就會有知識吸收內化變成能力的過程。AI和大數據會在每個環節發揮作用，讓學習模型更加精準，讓學習效率更高，讓學習體驗更好。

我們怎麼樣解決雙師問題。教育新零售其實是基於新零售，馬雲在16年提出來的利用線上服務和線下體驗，進行新的零售模式。對於教育來講的話，朗播提供的線上就是中央廚房式的內容標準化產品供給，線下是本地化標準流程的服務，主要是輔導反饋和陪伴，中間是通過數據去打通的。

如果沒有AI，線上就是學員通過方法課和自適應學習系統，首先進行線上學習。接下來就是線下的導師幫助他做一些歸因分析，提供解決方案，並且還有一些是可以給他陪伴、監督他學習。中間通過數據打通就可以了。有了AI之後，在基於學員數據的基礎上，通過AI技術對學員的學習過程和能力提升情況進行更精確的評價，從而給他提供更客觀準確的歸因和解決方案。線下導師可以利用AI學習助理進行簡單督學，更多的是陪伴，讓人機介面更加明確，各自發揮自己的優勢，幫助學員更高效地學習。

第一個是學習的內容和過程應該是標準化的，但是每個人也有個性化，因為標準化才能量化，之後我們才能夠為每個人都提供個性化的東西。第二個是教育新零售，利用大數據和人工智慧打通了線上線下的隔閡，是更加有效的學習方式。它會解決雙師模式存在的問題，而大數據和人工智慧就會給學生提供一個線上線下一致的服務。

最後一點是人工智慧不能取代教師，因為教育是一個有溫度的職業，它是不能取代教師的，但是教師的角色會發生變化，有一部分能力高的水平高的進行知識傳授，有一部分水平稍微差一點的或者剛入門的就可以做簡單的輔導。那麼剩下的就是像朗播這樣的學習產品，就需要教師變成一個產品經理，進行系統設計。 基本上我覺得未來AI跟教育也是這樣的關係。

完整內容和視頻查看可進入雷鋒網「AI投研邦」查看。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！