11月28日，在GES2017未来教育大会上，好未来人工智能实验室负责人杨松帆、IBM全球教育产业副总裁兼总经理Michael D. King、英语流利说联合创始人兼首席执行官王翌、论答创始人兼首席执行官王枫、Area9 Learning首席执行官Ulrik Juul Christensen齐聚“人工智能与个性化学习”分论坛，就“如何利用数据打造AI产品”、“自适应学习的发展及未来”等问题展开了深入讨论。

人工智能的热潮正席卷全球，教育行业也正迎来AI时代。杨松帆表示，数据和环境，将成为推动“AI+教育”进步的两个主要因素。“人工智能正在不同领域纷纷落地，而教育是其中非常重要的一个领域。如何运用AI来更好地管理学生的学习，提升数据管理能力，是教育领域非常重要的问题。”王枫也肯定了数据对于AI的重要性，“从教育研究来说，量化数据和定性数据非常重要。在人工智能领域，我们更加需要量化数据，从而精准判断学生的学习状态。”

同时，杨松帆认为“AI+教育”有非常多可以率先落地的场景，而自适应学习是其中一个。王翌也表示，“未来几年是自适应学习的元年。我们需要把自适应、自指导学习以及教师指导学习综合起来，教学场景也将实现课堂内外的结合，自适应学习正在进入混合模式。”

众多专家纷纷表示，人工智能将推动教育的进步。“人工智能，正在把之前不可能的事情变为可能。”Ulrik Juul Christensen表示，“AI一方面可以提高教育解决方案的质量，另一方面可以推动教学内容的更新。”Michael D. King也认为，AI将推动个性化学习的发展，为教育产业带来更加显著、深刻的变革。

    以下为“人工智能与个性化学习”分论坛现场实录：

   背景：GES未来教育大会

   时间：17：00—17：50

   主题：人工智能与个性化学习

   主持嘉宾：杨松帆 好未来人工智能实验室负责人

   论坛嘉宾：

   Michael D.King IBM全球教育产业副总裁兼总经理

  王翌 英语流利说创始人兼首席执行官

  王枫 论答创始人兼首席执行官

  Ulrik Juul Christensen Area9 Learining首席执行官

  杨松帆：好未来人工智能实验室负责人

主持人：

非常高兴来主持这个圆桌会议，看到我们的嘉宾里面有两位来自美国，另外两位来自中国。今天现场也有一部分外国朋友，所以我会用一部分中文和一部分英文来进行问答，希望整个过程比较方便一点。

首先，我先介绍一下自己：我之前是一位大学教授，就读于加州大学并在该校读完了博士后学位，这是我的个人背景。在加入好未来之前，我是自己创业的，我所创办的公司是关于AI和计算机科学的，通过人脸识别，可以分析个人的情感状态。我们公司涉足了不同的领域，比如说房地产、广告业等等。之后我们发现，在教育行业中，我们无法凭一己之力产生非常大的影响力，所以我们决定和好未来开展合作。之后，我就进入到好未来工作，这是我的工作背景。

下面有请其他几位嘉宾来介绍一下自己：比如说你们的公司、市场领域和客户等等。

Michael D.King ：

我是IBM全球教育产业副总裁兼总经理Michael D.King，我们主要教育领域的解决方案设计和咨询，主要在高等教育领域和沃森展开了合作，目前我们共同开发了一款沃森教室应用以及沃森辅导解决方案，并部署在美国的各大学校。而且在职业发展领域，我们也使用了沃森和人工智能相结合的方式进行职业教育和职业生涯的持续教育。

王翌：

我来自英语流利说，流利说的意思是流利地讲英语，我们所做的英语流利说APP是中国最大的移动APP之一，现在已经有5000万的注册用户。我们目前想要做的一件事儿就是通过使用人工智能，使得学习语言，特别是英语更加地个性化、高效化。

我们的APP是在2016年7月份发布在苹果以及安卓平台上的。事实上，我们同时也是手机软件应用方面的首开先河者。截至今年7月，我们用了12个月的时间，使得我们的APP拥有了60万的付费用户。也就是说，他们可以利用交年费的方式，全年地使用这个软件进行辅导学习。通过这个APP我们已经帮助许多人提升了他们的英文水平，他们只需要利用这个APP，不需要和教师有直接的互动就可以提升他们的英文水平。这是一个非常令人激动的前景，通过把ETS作为对标的基准，我们也希望通过标准的语言教育框架推进学习进行比较，可以把我们这个APP的学习效率提升3倍。我们知道这个语言的评价体系从A1到A2，是有一定的学识要求的，比如说达到一级的水平需要100个小时，或者是达到几级需要350个小时等。通过有效的缩短学时，我们可以把效率提升3倍。

王枫：

大家好，我是论答创始人兼首席官王枫。论答是去年在上海成立的，它的英文翻译包括了学习、分析和技术，也就是说我们是做分析软件以及学习技术的公司，我们是利用AI做学习以及解决方案的。我们非常自豪地宣布，我们现在已经开发了一个主动学习系统，利用这个系统独有的算法，我们也做自适应学习研发，我们在这两个领域已经发表了一些论文。瑞贝卡是宾夕法尼亚大学教育学系的教授，目前和我们一起主要是做资讯学习方面的应用，特别是辅导产品。我们的团队发展非常迅速，接下来我会和大家分享更多的细节内容。

Ulrik Juul Christensen：

大家好，我是Area9 Learining的首席执行官。可能大家已经听到过我们平台上主要的品牌，我们已经开发了1600多款自适应学习产品，我们做了一些模拟器，第一款医学教育领域的模拟器，就是来自我第一家的创业公司。

我去年离开了Mikeholl，在15个月当中，Area9 Learining开始设计一款新的产品，做AI以及机器学习，也就是说我们利用AI和机器学习，来开发新的产品及解决方案。事实上过去的15年当中我一直在从事这方面的研发工作，比如说如何使用内容分析，从而以不同的方式进行交付和表达。

我们非常感兴趣的一个领域就是通过AI和机器学习如何达到适应现在的教学环境，教师的传统教学如何在新技术视角下进行更新这个方面。我们希望成为基准的奠基者，帮助学生在学习上能够有更多地主动性、自适应性。

当然AI和自适应学习只是占到5%，但是我认为这个方向会在未来有很大的发展契机。

主持人：

非常感谢，可能大家都已经注意到，目前AI人工智能已经遍及全球，渗透到了各个角落，成为了一个铺天盖地的话题，甚至我的孩子都在谈论人工智能、数据和环境。

现在，我想问一各位嘉宾同一个问题，每个人可以从自己的角度来回答，我希望了解到：在你们的从业环境下，你们如何对数据进行分类，来更好地使用数据，建造你们的AI产品或者是自适应产品的？

Michael D.King ：

讲到数据及结构化数据，我们发现在教育行业有一个主要的挑战：我们没有深度数据集，因此我们做了沃森教育产品。正是为了解决这个痛点或者是应对这个挑战，我们认为学校对于学生的学习没有进行很深度的数据采集和挖掘系统，这是我们和各个学校采用数字技术所要解决的一个问题，因此，我们决定利用数据采集的方式来收集学生的学情。

主持人：

我相信几位嘉宾也都从自己的角度分析了问题，我们如何面对这个领域的挑战，如何运用AI来更好地管理学生的学情，以及如何提升我们的数据管理能力，这是教育领域的一个很重要的问题。

王翌：

这个作为第一个问题是正逢其时的，因为学习过程的数字化第一点就是数据，如果我们要真的实施AI的话，这个数据是必不可少的。从我们的角度来讲，我认为这是一个案例分析。我们并不仅仅是IBM，也就是说我们需要建构自己的产品，我们希望这个产品可以被下载到手机上，在语言练习中，可以反馈数据的结果。

现在，我们已经是中国人学习英语在线应用的最大数据集，比如说通过对他们语流、语速的数据的收集，我们可以对这些数据近来挖掘和分析。比如说通过语音识别系统，我们可以对他们的语音语流、语速、语法和词汇进行进一步的分析，当然，这只是第一步。

首先，先收集数据，然后把这个数据投入使用。接着，等到数据达到了一定的量，比如说积累了几百万用户，我们才可以对这些数据进行有意义的利用。

现在已经有了这么多的数据，接下来我们要怎么样应用，并不仅仅涉及到对数据进行评估，或者是帮助用户练习提升他们的语言水平。我们是否可以有一个系统化的解决方案，来帮助他们提升水平，这个问题才是关键。

随后，通过我们自己的内容设计团队（课程设计团队），以及自适应学习程序的开发，我们要解决的问题就是，如何使学习者通过我们的学习程序能够更好的、更高效的利用时间，以更高的效率，把时间的排序做到最优化。

我们知道数据有不同的层级，现在我们要做的并不仅仅是截取一些数据，我们需要对整个的学习活动进行记录，对于语言的学习来说，我们只需要用手机上的应用，就可以对他们整个的学习过程进行记录，通过对他们整个学习活动的轨迹的监测，我们可以得出相关的结论，这就是我们现在所处的阶段：观察学习者的学习活动轨迹。比如说每周使用这款APP多长时间，是用了5个小时还是10小时。

接下来在下一个阶段我们会探讨如何挖掘这些数据，并且把这些数据服务于个性化学习。

王枫：

我简单地介绍一下我们在做什么，从数据来说，刚才松帆提到了数据怎么分类

首先从大的方面来说，有学生数据和老师数据。从教育研究来说，有量化数据和定性数据。其实对于人工智能来说，我们需要的是量化数据，或者说我们要把数据来进行量化。

举个例子，我们是专注于K12，即中小学培训，对于K12来说，比如说我们的自适应学习系统，首先我们要在尽可能短的时间之内，找到学生尽可能多的学习问题和知识薄弱点，所以学生每做完一道题，我们首先需要采集的是，他做题的时候，是否这个题做对了，他花了多长时间，除此之外，其实还有更多的数据需要分析。

更多的数据就是整个题目它的本身难度是怎么样的？区分度是什么样的？对于算法引擎来说，这个题目背后还有知识点的标签，它知识点之间的相关性的是什么样的，它知识点之间的相关性的强弱度有多高，这个就是从量化数据这个上面来说的，基于这一数据，我们的系统就可以不断地判断，学生在每一个知识点上面，他的掌握程度是什么样。

而且这个分析是基于大数据，是实时分析，并且不断地在更新。在我们更新了学生所有的知识状态之后，我们的定位就完成了。比如说在181个知识点里面，你可能只有这20个知识点没有掌握。然后基于这些知识点我们要推荐下一步要学什么，这叫学习途径推进算法，学习路径推进之后，还有相匹配的学习内容是什么，这是一个完整的学习过程。

但是，这个是基于学生的数据，这些数据除了学生在用，其实老师们也在用，不论是深度学习还是人工智能，并不是一个完全封闭的系统。虽然我们认为系统可能足够的智能，我们希望它可以达到一个优秀老师50%甚至是70%的水平。有的时候如果老师的教学完全按照系统来进行，可能并不一定是合适的。

所以系统需要给老师推荐下一步要教哪一个知识点，老师也可以选择教这个或者不教这个知识点，由此，这些数据又可以被反馈回去，另外，再加上老师对于学生和家长访谈，以及一些定性的数据，这些数据又可以被反馈回去。

最终总结一下，对于学生来说，比如说一个学期报告，在处理我们前面所讲的那种定性数据，比如正确率、错误率、做题时间以及薄弱点，错题。

之外，老师的反馈数据、或者加上对学生的评价，这就构成了一个完整的报告：包含了各个维度的数据。

Ulrik Juul Christensen：

在过去的十年中，我们积累了大量的数据，这些数据可以分为三个类型。

第一，用来预测个人学习行为的数据，第二、适用于集体的数据。正如项总所说的，有一些数据是关于内容的。这些是非常重要的，因为我们目前在教育产业最大的挑战之一就是我们可以从已有的数据出发，通过对个人学习者的数据监测，可以看到AI在整个结构里的相关性。当然还有其他一系列的算法也可以被应用。

我的意思是AI以及机器学习对于数据的影响力是不同的，对一些数据集的影响力会强于另外的一些。

第三，就是覆盖的群组。比如说对于一个班级或者一个国家的学生而言，有一些数据，你想用自适应系统或者是相似的系统，应用在教室环境当中，有一些学生他们总能够比其他学生更快地完成作业，在这种情况下，教师可以根据学生的素质为他们做出个性化的教学建议。这样AI和机器学习的优势就能被很好地发挥出来。

接下来的巨大变革就是我们如何应对更大的数据群组。Michael可能会给我们更多地分享一下他的感受，比如说沃森的应用。在同样的一个数据条件下我们需要考虑这三个领域。探索一下我们的应用机器学习和AI在哪些方面可以产生很大的影响。

主持人：

在教育发展过程中，我作为一个刚进入教育领域的从业者，在座的都是我的前辈，我特别想请教一下，在不同的领域里，我们可以看出AI正在应运而生，很多的领域包含了非常大的挑战，比如说自动驾驶、AI+医疗等驾车、医疗领域。我认为AI+教育有非常多能够实现的机率，自适应是其中的一个。

我想问一下各位嘉宾，自适应学习的现状如何，最先进的是什么样的？您在这个系统里面扮演什么样的角色，您看到的挑战有哪些？

Michael D.King ：

我觉得我们可以从两个不同的参考角度。

第一，从教育机构本身来看，因为之前的嘉宾也说到了，需要在不同的课程上跨越时间节点去收集每个学生的信息，并且需要一个非常长的周期去收集用于个性化的学习的数据。我们公司使用的是沃森这个平台，可以立刻把学生的数据传送到教育中心和教育机构，所以我们可以更快地进行落地，既关注课程设置，又关注整个机构的课程内容、课程模式，以及对于老师的一些指导和建议，这其中更多的是对于某个学生学习历程的指导和指引，帮助教师针对个性化的需求来管理学生，像是一些高校的管理方式，学生在他们自己学习的过程中，也能够有所获益。比如说我们在苹果的平台上就有一些评估软件和工具来评估学生的表现。

另外我们也发现，很多的教育机构并没有一些源数据，如果他们想做这样的数据集需要花很多的时间，我们最好给到他们的是一开始就可以用到的系统。

在自适应系统当中，很多公司都在使用沃森的平台，我们现在也是在帮沃森在做它的不同的API，云端就能够使用，通过辅导老师这样的形式去教学生，对我们来说也需要综合地在一个课程当中考虑一些通用的痛点或者是一些通用的个性，这样的话，再加以机器学习和人工智能，即可以在短期内给出一个响应，如果让学生通过机器学习，并且像是识别的工具，有一些像沃森，它给出的一些问题或者论文的答案比较简单，因此需要呈现简单的操作做法和应用，这也是需要更多的企业以及个人了解到沃森的平台，在某些知识点上到底该怎么解决。

王翌：

我觉得，未来几年是自适应学习的元年，它更多地进入到了混合的模式。一方面像IBM和其他舞台上的公司，都会有更加集成和一体化的教学系统和模式，也就是说很多的学生是在学校之外需要有更好地自适应教学方式以及实践。

我们需要把自适应、自指导学习以及教师指导学习综合起来，我们也会看到未来会有越来越多的自适应学习系统，既是在课堂内，也是课堂外进行混搭结合。

对于我们这样的公司来说，大部分的用户，无论是付费还是不付费的，他们实际上都是去主动学习的学习者，他们用我们的产品是自掏腰包去主动学习，这样的学习群体，更多地是松散形式的，他们需要进行虚拟式的教学和授课的指导。

2015年之前美国和中国有青海教育学校，是教青海的藏族学生，会对从3到14岁的学生进行捐赠性的学习，我们给他们捐赠了数百个智能手机，我们会从一些500强企业，像是广州的500强企业，调动一些企业员工的支援者去教他们学习，每周会花大概3到4天，每天给他们提供45分钟的手机学习的时间，他们也是通过这45分钟的学习时间来获得体会和感悟，并从中受益的。

我们现在是在借用美国的学习方式，对于美国学生来说，他们高考的平均分数，按100分来说，每个人平均提高了20分，当然他们的起步点也比较低，他们本身的基础较差，所以提高起来很快，就能够提高20分。

对于我们来说我们并没有期待有这么大的分数提升，但是这也充分验证了自我指导或者是通过指导来完成的自适应系统能起到一个非常好的效果，无论是课堂内进行自适应学习还是自己主动学习也好，都带来了很大的能力提升和效果的提升。

王枫：

从自适应学习在整个中国发展的历程来看，我们论答团队在这个方面是比较有经验了。以前我们都知道自适应学习，美国有很多公司在90年代就已经做了，但是到底自适应学习在中国的系统里面长什么样，以前没有任何人知道从数学来说，美国比中国简单很多，在中国的应用价值并不大。

去年的1月8日，我们开发出来了中国K12领域真正应用顶级算法的自适应学习系统，感觉用的时候还是个测试，是23个知识点的小的知识图谱，并感觉后面有个老师围着我在出题，不断地来判断、来尝试，看我到底哪些掌握，哪些没有掌握。

我当时就跟团队说，这是我们公司的一小步，但是是中国教育一大步，这是个具有里程碑意义的事件，因为自适应学习从此已经开始对中国教育产生影响。

从去年的1月8日到现在已经差不多快两年了，现在我们取得了哪些进步，整个行业取得了哪些进步。我就论答来简单的说一下。

从最开始23个知识点小图谱，每做完一道题，是从百万级的知识进行更新，到后面我们已经做到几百个知识点的大图谱，每做完一道题，后台的运算量都是百亿级以上的更新，从最开始是英语，而后又拓展到数学，英语和数学现在有好几百个测分专题，而且覆盖几乎你能想象到的所有知识点。

这是我们现在已经取得的进步，而且我们整个系统，从最开始的封闭型，系统判断你哪些知识点已经掌握或者是没有掌握，根据你没有掌握的知识点再给你来推荐下一步应该学习什么；到现在已经可以根据系统的推荐来判断老师是否选择该知识点进行教学。这些算法的开发，对于技术来讲已经提出了很大的挑战，因为把整个算法后台都全部打乱了。

从整个挑战来说，最好地算法是没有开发出来的算法。世界上没有一成不变的算法，也没有任何通用型的AI系统，就能够把教育的一切问题给搞定。

以老师为例，老师说这个知识点必须要非常细，不细的话就不可能找到学生薄弱的知识点。

但是真正在教学应用过程中，我们后面会发现老师又开始抱怨，这个知识点拆的过细的话，我没法教，我们拿一个题来教的话一定会包含多个知识点，所以又得把知识点从细变粗，这又给算法提出了很大的挑战，因为你变粗包含的知识点，可能个别是掌握的，而有些又没有掌握，到底是推荐学这个知识点还是不推荐？所以我们的数据科学家和内容专家又得根据这个进行很多调整。

刚才举的这些例子，对于自适应学习或者是AI在教育来说，真正的挑战，我们看到的还只是开始，真正地挑战在于我们需要非常优秀的数据科学家团队和内容团队，要根据教学的实际应用不断地来开发新的算法和优化算法，归根结底，其实是有效的收集分析和应用海量的应用数据。

Ulrik Juul Christensen：

我们确实也在充分地在考虑，过去三年人工智能到底给我们带来什么样的有效影响。首先确认会毫无疑问地对沃森平台带来很多有意义的洞察。

另外，人类的这种增强型的学习能力，确实能够提升内容的学习，比如说内容像是一个金字塔，金字塔上面，就是非常集中性的，并且非常自动化的内容。实际上人最有价值的是人所创造出来的这些内容，并不是说人工智能就可以做很多的东西。

以数学来说，每个学生的学习是多元化的，也就是说这些训练集都需要进一步优化，并且在过去，因为数学题的复杂程度较大，并没有非常多的数据集进行参考和进一步的深度学习。所以，人类在这个数学这个领域上，实际上是领先于对机器的掌握的。

所以我们需要有人为的干预，进一步地去优化这样的数学培训，用人力的力量来进一步去弥补人工智能方面的一些不足，这样的话我们可以更好充分耦合各种能力，进一步去探索AI的其他方面的优势。

主持人：

大家都知道站在巨人的肩膀上，可以更好地进行创新和突破，所以以我的一个案例来说，实际上我之前是负责一个团队，这个团队是对整个的课程、教室环境进行模拟和记录，也就是说我们可以通过这样的视频和模拟，去监控在整个课程上的一个学习情况。

像尼尔森调研机构，我们跟他们也是有合作的，比如说他们在做广告的时候，他们需要考虑到广告的有效性和营销的效果。所以他们会进行一些问答环节，或者是这种问答的调研。像他们就会在线上进行一些问答调研，并且把广告的视频给网民们。但是，网民们在看这些广告的时候，他们的面部表情其实是被实时的捕捉了，通过他们的表情可以反映出这个视频是否真正受欢迎，

所以我们也有沿用到广告领域的这个想法。对于教育领域来说，我们实际上是可以从其它的行业有所领悟和借鉴的。

Michael D.King ：

但是，事实上我们并不是借鉴，不夸张地说是把沃森在医疗行业的原理照抄过来了。我们首先应用的场景是医疗领域，把沃森应用到了医疗的肿瘤学，我们对每一个病人的基因组学以及大量地人群的阵列数据进行匹配和分析，以帮助我们完成对肿瘤的治疗。

对我们来说，很多的这些系统都是需要有人类的参与和贡献，肿瘤学的突破就是其中的一个案例，通过沃森得到的这个结论，准确率高达90%，其他的只有40%—50%，对于我们来说只会参考，到底沃森对这个病人的诊断是什么样的，有前三大诊断或者是治疗方案的推荐，通过这个结论可以更好地优化治疗计划，这个模式也是在一开始我们跟教师进行沟通时选择了沿用。

我们要考虑不同的课程、学科的设置，怎么样给教师更好地提供工具，让他们更富创新性的组织教学方案以及效果优化。

王翌：

我们应用程序的第一版是借用了唱吧的想法。我们当时的想法是，如果大家这么愿意用手机唱KTV，为什么不能用手机来学习英语呢？所以我们觉得，继续沿用这样的方法是可行的，所以我们直接就把人们对于愤怒的小鸟以及唱吧这样的迷恋，沿用到了学习英语上。

我们想让学习英语的过程中有更多游戏化的体验，就像在玩游戏一样去学习英语，这也是我们在研发这种电子学习或者是手机平台学习的初衷。

当然我们也在考虑用不用人工智能式的英文老师，会考虑在特定情况下，人类的老师是怎么样教英语的，所以我们又回归到了最本真的东西，即老师在教新的知识的时候是怎么教的，他们会怎么样去布置作业，怎么样批改作业。

这样的反馈是非常重要的，根据不同的教学和学习环境来决定到底其需要什么样的数据，计算引擎需要输入什么样的数据等来完成模拟最佳的教师实践活动并且探讨怎么样通过技术来让这样的英语学习互动变得更有意义、更加地高效。

我们觉得最佳的实践是无处不在的，但是我们需要沉下心来好好考虑，怎么样把最佳实践应用到教育领域。

王枫：

提到自适应学习本身，我们可以从不同的领域来借鉴很多东西。特别是自适应学习的基本理念已经在其他的领域有了 很好的应用案例，比如说我们看到警务以及犯罪控制领域，可以通过一个城市的犯罪率在不同地区进行犯罪率高低的分析，来帮助警务人员更好地控制风险。

比如说有一家美国公司，已经应用了数据搜集、数据挖掘的方式来应用于农业。就是说什么样的种子种在什么样的泥土里可以得到最好的收成，它的播种季节有怎样的关系。

同样应用于教育领域，我们也可以通过这种数据做一些预测，刚才我举的两个例子是关于预测，我们可以搜集学生的数据，并且预测这道题他会做对还是做错，这个知识点他是否掌握。我想对数据挖掘而言，预测是很有应用前景的领域。

讲到自适应学习，这方面的技术研究和应用在过去十年二十年是不足的，但是我们借鉴的并不仅仅是算法和技术，比如说神经网络算法，我们希望得到怎样的结果，追求的是怎样的目标，比如说我们的用户痛点是什么，我们想要解决的问题是什么，因此我们的目的就是怎么样帮助学生更好地学习，怎么样掌握知识。

比如说数学并不仅仅是记一些概念，他们需要很多不同的技能，思考技能、分析技能，在关于如何更好地管理不同领域、不同层面的技能这个问题上，并不是说原理和概念不必记忆了，我们需要学生记忆这原理和概念，并且把这些知识的掌握和他们的分析思考能力结合起来。我们可以很自豪地说，这方面我们已经总结出了很多解决方案。

Ulrik Juul Christensen：

事实上我既是一个工程师也是一个研究者，工程是我们设计出来一个很好用的产品或者解决方案，比如人工智能应用于翻译的领域，单字的翻译并不能够成为有意义的整体，现在有一位心理学家讲到，一个人如果要掌握一项技能的话，需要一万个小时的练习。

事实上这个并不准确，不仅仅需要一万小时的练习，而是说一个人如果要掌握一项技能，平均需要精心刻意练习一万个小时。

在上个世纪90年代，美国有很多的人死于人为的医疗事故，我们对于这一些人为的医疗疏忽和过失进行数据挖掘和采集研究。

在分析了医生和病人接触所有的成千论万交互点中，发现可能有22%是不合规的，或者是22%是没有达到他们所应该达到的能力点的。

但是这些医生对于22%这些并不了解，现在我们想要解决的就是这22%，怎么样通过使用机器学习和自适应帮助他们提升，在接下来的一个学期之内，我们发现了之前有一些学生从未试过这个方法，但是一旦他们开始适应这种方式，他们的做答、他们知识掌握领域的扩张，就会有一个很大的提升。

也就是说由于自适应学习、机器学习的应用，使这些人知道他们不知道的，我们说真正的一个专家，他不仅仅需要知道他知道什么，他也需要知道他不知道什么，并且精心刻意去练习哪些他不知道的东西，对于机器翻译研究这方面，这个是我们所专注的一个主要的领域。

主持人：

下面是一个脑力风暴的问题，接下来的五年中或者是任何一个时间点，你认为自适应学习会有怎样的进展？在你们的脑海中自适应学习会发展到一个怎样的阶段。并且会对教育造成怎样的影响？

Michael D.King ：

从一个更广的范围讲，我认为AI会影响大部分的产业和大部分的工作，教育领域，最大的一个挑战就是学习者如果只靠传统的教育，将有可能无法满足未来劳动力市场的需求。AI使得学习更加的个性化，更加的符合个人的需求。

我想无论是财务方面的学习，还是医疗技术方面的学习，AI会使得学习更加的个人化，在教育领域产生一个显著的变革、深刻的变革，造福于每一个学习者。

自适应学习，并不仅仅是关于个人化的学习和指导。这些个性化的服务，以及教育服务的提供者，以及个人职业生涯的整个的指导和辅导，比如说接下来的一份工作需要怎样的技能。

一个主要的挑战就是，这个是关乎整个生态系统，而并不仅仅是我们发明两种工具就可以改变整个系统，也就是说我们需要分析教育生态系统的所有涵盖的方方面面。

我们能够越来越多的认识到生态系统的各个方面、各个维度之间的关系，更多的把AI看作一种赋能辅助的工具、手段。

王翌：

我想说最令人兴奋的一个前景，关于AI和技术赋能学习是两重性的：

意义一，可及性。在我们的一生当中（我不知道这个具体有多长），我认为一个基本的学习水平，或者新技能的学习水平，会是对所有人可及的，所有人在他们的一生中，都可以去学习新的技能，不管他们的地理位置，还是经济能力，学习将越来越可及，门槛逐步降低。

由于AI赋能的产品化的学习，相关的解决方案在不同的领域，将越来越富有可及性，无论是语言学习还是更复杂的技能组合，这是一个非常令人兴奋的前景。

我也很荣幸能够成为其中的一位，我相信无论是我的公司还是其它很多的友商，在自适应学习下，让终生学习、终生教育对越来越多的人是可及的。

另外就是学习效率的提升。

我们知道学习其实是很昂贵的，或者说学习服务、教育服务是很昂贵的，要达到一定的学习效果需要付出很多的金钱成本和时间成本。有的时候即使付出了也不一定能达到想要的成果。

现在很多教育服务的成本是根据课时计算的，有一些不良的教育机构，会故意降低教育效率来增加课时，因为越是增加课时，他们就可以收取越高的学费，这个是他们的营利模式、商业模式。如果我们的AI可以从根本上改变这种营利模式的话，会是一个令人兴奋的前景。

王枫：

教育是一个很复杂的产业，很难预测未来走势。我在这里只是给予一些个人的粗浅建议。

对于K12而言，我认为一方面就是课外辅导，课外辅导在中国已经成为了一个巨大的产业，对于K12来说，自适应学习，以及AI学习系统的部署对于学习者以及教师来说，会是一个必不可少的东西。

不再是一种新生事物，不再是一个很炫的新技术，而是一个必不可少的东西，如果你不使用AI、不使用自适应学习系统，你的学习就失去了竞争力。为什么？我经常告诉我的同事，AI其实是非常有效率的，对于提升学习的结构化而言，是非常重要的。

在整个学习的过程中，我们知道有很多结构化的东西，比如说设计考试、组织考试等等，在过去的一年中，证明了我们的自适应学习系统在统计学上是更加有效的，和传统的主流学习系统相比，从有效性而言，这个有效性会提升3到28倍，我想这是一个非常有力的结论。这就告诉了我们为什么这个系统的使用是非常必要、有意义的。

现在的教育正迎来一个崭新时代，采用自适应系统的公立学校，在这个方面会是前途无量的。对于教师来说，这一系统是非常复杂的，并不仅仅是关于技术本身，也包括学校本身的架构。即它的部署并不是一朝一夕的事情。

比如说在在哈佛、斯坦福这些一流大学开始部署慕课教学之后，有很多普通的大学、主流的大学也开始使用。

我相信在未来自适应学习也会有同样的发展路径，因为每一家学校、每一间教育机构，他们都希望提升学生的学习效率。

Ulrik Juul Christensen：

我个人认为，AI以及机器学习对于学校结构革命性或者颠覆性的改变，我个人持比较保留的态度。它确实可以改变教育的某一些领域，不仅仅是教育领域、包括零售领域，AI以及机器学习可以把之前不可能的事情变成可能，一方面可以提升教育解决方案的质量，另一方面可以使得内容有更多的更新和更高的质量。但我并不认为在未来的10年，它会对于整个的教育系统或者学校系统有一个颠覆性的改变。

主持人：

刚才我们进行了非常热烈而友好的讨论，最后我希望可以给大家讲一个故事，我三年前做了父亲，从那个之后我对教育有了新层次的理解，我认为教育应该教会我的孩子更加坚强、更加有力量、更加快乐并且提升他们的领导力。因为“少年强则国强”。

我希望我们都可以同心协力，让我们的少年更强，让我们的技术得到更好的应用。