吴晓如

芥末堆  卢楠  11月15日

15日上午，在以“共建·让更好的教育来得更快”为主题的GET2017教育科技大会“K12论坛”上，科大讯飞总裁吴晓如发表了主题演讲“人人都应有AI教学助手”。

以下为吴晓如的演讲内容重点：

吴晓如表示，教育技术已进入关键阶段。今年7月，国务院正式印发《新一代人工智能发展规划》，人工智能上升为国家战略，明确提到要利用人工智能的技术改变教育方法。同时，学校里老师也开始深度地用技术。无论是从政策层面的引领，到整个工程技术领域，再到学校本身自下而上的创新，正在形成一股合力。未来几年，教育技术应用领域一定会产生巨大的变化。

他以科大讯飞为例，介绍了和教育相关的人工智能技术目前的发展和应用，包括语音识别、语音合成、图文识别等技术。

对于人工智能在教学方面的应用，吴晓如称，科大讯飞的人工智能教育产品目前已在全国10000+所学校应用，采集了350亿+测评数据。他认为，人工智能在教育的应用，以下几点非常重要：

1. 降低信息化的使用门槛。应用是硬道理，有很多老师、学生使用起来，各种创新的教学模式才能够产生。

2. 采集全过程数据。实现纸质作业多媒体化，促进实践过程中产生优质资源等等。

3. 打造以学生为中心的课堂。在个性化学习方面，技术可以做到：构建学科知识图谱、分析个性化学情图谱以及推荐个性化学习资源。

以下为吴晓如的演讲全文整理：

最近一段时间人工智能被提到了前所未有的高度上，大家都在说我们已经走到了一个智能的时代，几乎每个行业都要去考虑怎么和人工智能耦合，每个人的工作都要考虑如何去和人工智能协同。中国的教育资源（尤其是优质的教育资源）非常稀缺，很难实现全民因材施教。人工智能技术的发展，能够给个性化教学、因材施教带来什么呢？

教育技术进入关键阶段

今年7月，国务院正式印发《新一代人工智能发展规划》，人工智能已经上升为国家战略了。在这个战略里，对于教育提得非常多，明确提到要利用人工智能的技术改变教育方法。

但是，从另一方面看，“人人都应该有一个人工智能的助手”，它最后的落地还是一个助手，不是说代替了教师的职能。

我们看这张图，人工智能对当前典型行业的替代。对于教育行业来说，教师是最不可能被人工智能所替代的，因为教育的本质还是培养人，如果说最后用机器培养人，培养出来的人大概也跟机器差不多。人工智能可能在某个细分领域中给大家提供更好的帮助和提高效率，但是在综合运用知识解决问题、给学生更好的激发、让一个人走上社会以后更好地和其他人相处、沟通，这是人工智能不可能做到的。

人工智能在教育领域中，更可能会成为老师和学生的一个助手，帮助我们更好地发现、寻找最适合我们的优质教育资源，实时分析学生当前学情；最后，结合对学生学情的了解，提供更有个性化的学习方案。

未来10年，教育一定是一个巨大的产业方向。首先，未来每个人对学习的需求比历史上任何一个时期都大得多，走上社会还要继续学习，否则就会被社会淘汰。另外，每个人的学习有不一样的需求。

从目前教育技术的应用层面来讲，到了一个非常好的阶段。原来很多学校、老师、学生对一些先进教育技术的应用可能是一种尝试，是一种小规模的应用；但是现在不一样了，一些学校里，老师开始非常深度地用技术。在这种深度使用技术的过程中，很多创新变成了一种融合性的创新。

现在，从教育主管部门的顶层规划和教师自上而下的壮心，到整个工程体系的创新，慢慢在走向融合。大家知道，一旦一个领域各方面的重要因素形成合力时，这个领域就有可能会形成爆发。

现在我们可以看到，无论是从国家层面的重视上，还是从政策层面的引领上，到整个工程技术领域，对这个事情的大力投入、资源的不断注入，到学校本身自下而上的创新，正在形成这种合力、化学反应。

所以，未来几年，教育技术无论是在“围墙外”，还是在学校内部，一定会产生巨大的变化。

人工智能技术快速发展

下面给大家讲一下人工智能技术，尤其是和教育相关的人工智能技术，目前大概处于什么样的阶段。

人工智能技术和目前应用上，正在通过双轮驱动，进入了一个非常迅猛的发展时期。

经常说的人工智能技术发展的三要素：

1. 计算能力。这个现在根本不是一个瓶颈了。

2. 算法本身。

3. 数据。应用的过程中不断产生数据，数据反哺人工智能技术快速发展。

在人工智能技术涉及到的基础算法方面，大家都知道深度学习。深度学习是一种和人类神经元活动有某种程度相似的神经网络，这个神经网络在不断迭代。一般的人大概有10亿-100亿的神经元，神经元通过各种连接，在之间传递和处理信息，使得人能够不断通过看、听了解外部世界，去认知。

在深度学习上，科学家不停地调整这种类似于人的神经元活动的网络。当然，它和人的大脑活动还完全不一样，因为现在还不知道人的大脑确切是怎么活动的，但是这种网络在迭代优化的过程中，解决了越来越多的问题。像科大讯飞研究院同事提出了从原来的深度神经网络到后来的卷积神经网络、回归神经网络，使得我们的神经网络目前在听觉、视觉各方面进步得非常快。

我们虽然每一年对我们的技术的进步进行了大胆的预测，但是一年结束后会发现技术进步得比我们原来预想得还要快。我们可以看一下：

1、语音识别

科大讯飞去年参加了Google的全球比赛“噪声背景下的语音识别比赛”，又取得了全球最好成绩。现在，我们不仅在手机上使用了语音识别技术，已经开始在做圆场的语音识别，这个大概是一个什么概念呢？

圆场的语音识别技术不断取得突破和进步后，大家以后使用手机时就不见得一定要拿在手上，你在家里面把手机放在很远的地方，通过远程的语音，也可以很好地去控制你家里面的各种设备。

2、语音合成

语音合成是讯飞的看家本领，就是让计算机把语音读出来。今年我们参加全球的语音合成比赛，它有一个不一样，这个不一样可以折射出来一个技术方面巨大的变化。这个不一样就是这次公布的一个语音合成的音库要让大家去做一个叫“无监督”的训练，什么意思呢？

原来一个音库拿来之后，我要训练一个关于这个音库的语音合成系统，我要先去把它里面的一些信息标注出来。这次比赛讲不能标注，机器完全全自动训练。这种训练就可以看出机器强化学习更加聪明了，可以通过自主式地对一段语料的训练，就可以让语音合成去模拟这个人说话。

3、图文识别

我们来看教育中最受大家关注的图文识别。

去年我们展示了无论是手写还是扫描，都可以把中间的中文和英文的文字准确识别出来。但是在教育中，又提出了更高的要求，比如数学、物理中一些复杂的公式，也要识别出来。一个复杂的公式实际上就像一幅画一样，是各种字符紧凑拼接在一起形成了一个更大的符号，这种识别其实是非常的困难的。

今年，讯飞技术研究院推出了混合图文识别，目前准确成果已经到了92%。去年我们讲到，我们英文和中文字符的识别大概在96-97%，我想可能到明年，我再到这个会上来的时候，我们的图文识别可能就已经到96%的程度。这就是人工智能比较厉害的地方，它每一年都在自主式地迭代。它在一个点学习了以后，就能服务于全社会。

我们看一下它在另外两个领域的应用，医学领域和机器领域。

医学影像是医疗方面非常重要的一个领域。全球有一个肺部影像的测试库LUNA，大家可以把自己的系统放上去，它有一个标准的测试级可以测完之后看你的系统自动识别影像、图像的水平怎么样。讯飞现在在肺部影像上，识别结果已经到了94.1%。大概是一个什么水平呢？三甲医院放射科的专业医生，差不多就是这个水平。

当然，现在还有更多在乳腺、心电图上面的突破，使得以后医生可以跟机器协同动作，大量减少医疗中影像检查的误判、漏判。我想技术在医疗中的应用，以后就可以直接挽救大量人的生命。

我们再看机器领域。机器能够看、听，最后它还要能去理解。我们的知识体系是通过自然语言描述的，机器能不能很好地去理解自然语言体系？斯坦福有一个叫“SQuAD”的大赛，让机器自动阅读一篇文章，然后自动回答问题，问题是对文章里一些重要关键点的描述，结果和人工提前给出的答案进行比较。

对于自然语言的理解，未来在教育领域有非常大的应用前景，无论是对于作文的评估、批改，还是对于更好地去解答数学、物理题等题目。

今年，讯飞的机器参加了有些省份的作文阅卷 ，在高考和研究生考试结束后，机器同步阅卷，然后通过和人阅卷的对比，把有问题的提取出来，这样可以大幅度减少阅卷中的问题，提升公平性。

最后中间有一个技术叫做“推理”。机器能够看、听、理解以后，最终要能够推理。未来才能给学生提供个性化的学习方案。在全球有一个图灵测试的升级版的比赛Winograd，因为图灵测试现在通过大规模的搜索，有时已经可以通过这个测试。这个比赛就是关于逻辑推理的。

因为技术的快速进步，人工智能技术正在解决越来越多行业的问题。科大讯飞也开放了我们人工智能的平台，现在的访问、应用的人次数已经达到了每年40亿人次，是一个非常大的量。

人工智能助力精准教学

接下来讲一下我们对人工智能在教学方面，现在可以发挥哪些作用的初步的思考。

我们这些年一直都把教育作为讯飞非常重要的一个方向，希望能够全过程搜集学生的学习数据，通过分析这些数据，最后给学生推荐个性化的学习方案。我们的应用主线都是这条主线。我们可以看到，目前这个产品已经在全国有12000所左右的学校应用。

为什么我一开始讲，教育技术在教育领域，未来会面临一个很好的发展呢？就是初步进校推广，让老师愿意用，这个环节目前已经具备了非常好的基础。在应用的过程中，我们过去几年已经采集了多达350亿条的学生数据，这是一个非常大的量。

1、降低信息化的使用门槛

技术的应用，是不是能够提高课堂学生参与的积极性？是不是能够让教学过程中的优质资源产生出来？能不能动态分析学生的学情，并给出精确的指导？

在这个里面，还要进一步降低教育技术应用的门槛。因为再好的教育技术，如果老师、学生不愿意用，如果一开始你这个技术就增加了老师和学生的门槛，那肯定是有问题的，这个技术是没有办法拓展开的。

我们通过在学校里面放置一台微云服务器，实际上这是一个课堂的超脑，课堂各种分析、人工智能的应用都可以集中在这个超脑里面，网络条件不好的时候，课堂的教学活动也可以继续，让老师方便地实现移动教学，这是一个非常基本的刚性要求，可以让老师方便调用教学资源。

所以，整个在教学的过程中，我们一定要降低信息化使用的门槛，首先应用是硬道理，有很多老师、学生使用起来，各种创新的教学模式才能够产生。

2、采集全过程数据

还有一个非常重要的是采集全过程的数据。

最后要给学生一种更好的学习方案，把学生全过程的学习记录下来。

我们有一个叫智慧作业的平台，现在很多孩子做作业还是在普通的教辅作业上做的。一本普通的教辅作业，做完以后，可以拍一个照，实时地不断地把数据记录下来；中间的一些问题，作文的批改结果，每道题的对错，为什么一些题目出现了问题，机器都可以给出一些自动的反馈。这样，可以非常迅速地把传统的纸制的教辅教材变成能够进行互动、多媒体化、智能应用的教辅作业。

实际上，优秀的教学资源一直都是教育界非常关注的，但是优秀的教学资源到底应该从哪来？一方面是出版社花了很大的代价，或者是内容制造厂商通过了很大的代价生产这种资源。但是同样重要的是，应该大量实际教学活动中、老师的选择中产生、优化。

我们现在通过一种智能微课工具，让学校老师在教学的过程中非常简单地就可以把一个3、5分钟的教学片段记录下来，可以和他当前使用的教学课件实现同步，包含PPT同步，可以通过语音识别把整个形成的课件结构化，可以投入语义理解把中间的一些关键教学环节摘取出来。

所以，这种工具可以让我们优质的资源更方便地产生、使用，可以让学校更快形成校本优质资源库，并辐射到更大的范围。

3、打造以学生为中心的课堂

我们如何打造一个以学生为中心的课堂？

现在，通过一些智慧课堂应用工具，在普通的手写板上，用普通的纸张，学生就可以做课堂练习，按照老师的要求去做，老师在课堂上可以动态看到每一个学生答题的进程和结果。这样每一个学生在课堂中都能受到关注，答题情况也可以让老师实时看到反馈，每一个学生在课堂上都非常积极。

当然，人工智能还可以做一些现在教学过程中很难完成的工作。比如北京市现在开始做听说考试  。很多学校就向我们提出来，传统的听说教学方式很难满足现在的学生需要，能不能通过机器的帮助，让每一个学生都有一个听说培训的助手。

以后的专题课堂不仅仅是听力、口语，以后动手的训练，人工智能要进课堂，未来的VR实验室，所以未来信息技术会去到很多和现在知识教学不一样的地方。

学校的管理者可以通过数据，查看到学校老师每一堂课上课的情况，跟学生进行了多少互动、调用了多少资源，每一个学科组进行了什么样的教研活动，可以让整个学校的教学管理工作变得可视化。

个性化学习方面，技术在做这三件事情：对每一个学科，构建一个学科知识图谱；然后通过这个知识图谱分析每一个学生的学习情况，让每一个学生的学习情况可视化；最后给这个学生推荐他的个性化的学习资源。

这个图谱不仅仅是一些静态的知识点，而且要把知识点之间的顺序和递进关系很好地梳理总结出来。这也要感谢人工智能技术，专家配合以后，可以把每一个学科的知识图谱很好地构建起来。对于这个知识图谱，我们只要有一个学生一定量的学习数据，就可以训练出这个学生的个性化学情知识图谱。

我前几天在东北师范大学附中，它在半年左右的时间，学生应用的过程中产生了1900多万条数据，对于一个学校来说，它产生的数据越多，就越能让它的老师和学生越早拥有一个和老师、学生更配合的人工智能助手。

我们可以看到，这张图中，有几种不同颜色的节点。灰色就是关于这门学科，学生还没有学的；绿色的就是他掌握比较好的；黄色和红色的，就是掌握有问题，或者需要加强和巩固的。

可以看到，迅速就可以对学生生成一个学科的知识图谱。对于学生来讲，他就可以在一种可视化的指导下学习这个学科的薄弱点。

如果我们点击一个红色的节点，进去以后，系统可以给出一个界面，这个界面的中间就是把和当前有问题的知识点，以及这个知识点关联的一些知识相关的所有学生做过的题目、练习、课堂训练全部的总结显示出来，尤其是把里面的错题给出来，包含这个学生实时在课堂、课下做答的结果。

这个时候，学生要去训练这些知识点，就可以给自己推荐学习的方案，这个推荐的方案和他当前薄弱的知识点关联度非常大。当然，我们现在在推荐一些综合应用知识点上还要不断做完善，但是技术在不断进步。这样可以使得学生大幅度减少重复无效的浪费在他已经会的知识点的学习上，可以让他学习的效率大幅度提高。

我们经常会把学业教育和综合素质教育对立起来，其实这两个是一个非常协同的关系，如果我们借助一些新的技术和工具，能够让学习的效率大幅度提升，我们的孩子才有时间去动手锻炼自己的身体，让其它的能力能够更有时间去训练、提高。

在人工智能和大数据的支撑下，教育和其它技术配合，在未来几年一定会发生深度的变化。这个深度变化里面有一条，就是以前大班式的讲授式的教学，在社会资源没有大的变化的情况下，能够越来越走向以学生为中心的个性化学习。谢谢大家！