芥末堆 西瓜 11月21日

11月16日，GET2017教育科技大会“人工智能论坛”上，好未来人工智能实验室负责人杨松帆以“人工智能+教育：用科技推进教育进步”为题发表了主题演讲。

杨松帆从人工智能在多个领域的应用，指出在教育领域，人工智能同样可以解决生产力不足、分布不均的两大痛点。

他认为，AI项目的落地需要非常多因素的配合，其中包括场景、数据、算法和算力。杨松帆还以课前、课中、课后为例说明了AI在好未来的教学活动中是如何应用并推动教育进步的。

以下为嘉宾演讲实录（芥末堆略有删减）：

大家下午好，首先介绍一下我自己。我算是教育界的新人，进到好未来做教育领域一共才一年多的时间，在这之前一直做人工智能方向，教过书，也在游戏行业待过。

我自己一直做的是人工智能里面偏情感计算和表情识别的方向。一年之前和邦鑫老师聊了一下关于表情识别和情感计算在教育里的应用，我才意识到这个技术可能在教育里发挥更多的作用，而在之前可能更多的是广告、游戏和医疗领域。在大概三四个月之前，我们FaceThink的全部小伙伴加入了好未来团队。目前大概有40多人，在人工智能和教育方面进行了非常多的探索。今天我希望就这个话题来做一些分享。

基于大组织，我们应该怎么思考人工智能这件事情呢？大家会问到创业公司和大公司在人工智能方向上各自的壁垒在哪？创业公司有一个很重要的壁垒，可能不是速度，可能不是其他的，而是他的战略合作方是谁。而大组织的核心壁垒在于对AI的认知是什么。

今年，我们可以看到基本呈现这么一个状况，中国和美国大企业们和中美两国的政府都在统一号召人工智能。那人工智能到底能做什么？因为我接触教育之前接触了大量其他行业，看到了在不同行业里面非常多的应用。很多时候是基于人工智能在不同行业里面的应用，决定了我们对教育里人工智能应用的可能性更多地思考。

提高人效是人工智能的最大价值

我们来看一下AI到底能干什么。有一个网站叫做Kaggle，后来被谷歌收购了，上面汇聚了大量的人工智能项目。这个项目是由企业提供它的数据和场景，然后数据科学家们在上面发挥自己的能力和才干。

上面有非常多悬赏非常高的项目。下面是美国的安检，机场安检现在已经是这样的造型了，有一个大的核磁机器，你进去以后把手举起来，扫你一圈。而在之前，是有非常多的繁琐过程，人效是非常低的。他们希望通过这样的方式，首先通过核磁生成一个图片，在图片基础上，对我们人类的身体上面的各个部分做分类，最终自动预测出来哪些地方可能是有危险的，比如说金属片、刀片、打火机等。

在医疗领域里面基于图象的识别的研究现状，跟教育一样，同样面临几个大的问题：1、生产力不足，或者优质生产力不足，好医生少；2、优质生产力分布不均匀。你在三四线城市看一看，里面好医生非常少。我们希望通过图片提供的知识，能够训练出一套人工智能的模型去辅助医生治疗。无形之中提高人效。

下一个要介绍的应用领域是航线优化。天空中任何一个时刻，基本上飞机的数量是下图这样的。每年在飞机航线调度、优化、管理方面的投入大概是220亿美元。

 说了那么多，AI究竟能干什么？我们认为基于大组织，不管是国家，还是大的公司，我们认为这里面AI的核心、底层逻辑，应该是提升人效。我们希望能够通过人工智能的发展，重新去定义人应该干什么，机器应该干什么。每一次工业革命来临的时候，无外乎就是这样背后的逻辑。

AI项目落地的四大因素：场景、数据、算法、算力

前两天，好未来的总裁白云峰讲过这样一条曲线，我这个地方略讲一点。我认为AI在每个行业的成熟度，其实已经探究得非常多了。在搜索、社交、电商，十年之前，AI就已经开始落地了。那为什么这两年又被称为人工智能元年呢？第一，海量数据；第二，深度学习的演进和爆发。那这两个基础之上，有非常多新的领域可以被探索。比如说虚拟助理、自动驾驶，以及教育。

那AI项目的落地需要非常多因素的配合，我认为它里面包含了四大点，如果我们把它比作成汽车的话：方向盘代表场景是什么，在这个场景里面，用户的需求到底是什么。数据代表汽车的汽油，你能够跑多久、跑多远、跑多快。汽车引擎代表使用的算法，我是16杠的，我是12杠的。算力代表车轮，最终要在马路上驰骋，是轮子起的作用。

这是我认为人工智能所要落地需要的四大要素，缺一不可。创业公司里面可能是有非常多算法的人才，有相对比较丰富的算力。而在行业里面，它更多具有的是上面两层：有具体的业务场景；属于业务场景的数据。

 从课前、课中、课后，看人工智能在教育领域的应用

说了很多人工智能在其他行业的应用，以及人工智能底层的逻辑，那在教育里面，我们是怎么样来探索的呢？教育里也有刚刚提到过两大痛点：生产力不足、分布不均。

如果我们把教育的商业流程做一个拆解的话，可以用这个维度来拆分：课前、课中、课后。课前包含了三个互相互动的主体：老师、学生、内容。我们认为在获取每个主体的时候，它的每一个箭头都可以被人工智能所加持。

比如说老师的选聘，老师的师训，怎么去培养一个老师，让他更好地站在讲台上。学科招生运营，教研提供内容。有了质量好的老师，学生、内容之后，我们把它融合起来，放在课中。那我们的课堂体验可以是一对一的、大班的、小班的，线上的、线下的，以及我们现在探索的双师课堂。课后的时候，可以做到练习、答疑、考试、评定。所有后面的阶段，我们都希望做出一个正向的反馈和提升。这是我所看到的商业逻辑在教育里面怎么呈现。我们看看在每个阶段，每个箭头上面，我们是怎么探索的呢？

AI的技术和模块主要包含几大块。在好未来AI Lab里面，我们会就下面所有大块做出非常多的探索。图像的、计算机视觉的、语音的、泛化的数据挖掘。其中功能点包含很多，如表情识别、人脸识别、姿态、体态、语音、情感、语意、聊天机器人，以及用户画像，还有更多的个性化推荐。

比如在培训教师的时候，我们有这么一套系统，实时跟踪老师的面部表情、声态、姿态、手势。通过这样一套系统，可以自动识别老师讲课的风格。在了解他的风格，给他打分的基础之上，能够做到跟学生的需求相匹配，进而激发学生对课堂的热爱。

再比如对话机器人，我认为人工智能要落地，必须要具备非常清晰的边界定义。那在自学状态下，学生跟我们的距离非常近。不管是iPad也好，还是live talk也好，在跟他们做互动的时候，我们能够获取非常多高精度的数据，比如通过摄像头，通过麦克风。那通过这样的数据得到的互动，我们能够去训练聊天机器人，能够去了解学生是怎么样进行学习的。

第三个例子是考试或者练习。我们在做的时候，有一条非常重要的、最终的优化目标，那就是希望用最少的题目来达到效果。那在练习里就是希望用最少的题目让孩子掌握知识点，真正学懂、学到。那在考试的时候就是希望用最少的题目测出孩子的水平。

最后的例子是评定。通过上课的状态，课后的作业情况，以及最后考试的表现。我们打造了一套评定报告以及它背后对应的指标和逻辑。最终把这样的一份报告给到家长的手里面，让他知道你的孩子可能更适合什么样的专业，更适合什么样的课程，以及他需要去提升的能力在哪些方面。

好未来的AI探索方向：AI基础设施与AI感知识别

我们在探索AI方向的时候，其实是以教育公司为本，以偏重AI的方式做这样的事情，所以我们会对两大块做出非常深的探索：第一，AI的基础设施；第二，AI的感知识别。

基础设施这一点通常大家可能不太会有感知，因为它的应用确实比较远。比如说数据存储、数据标注、我们自己研发的高性能计算平台、投入非常多的跨平台部署，这些是跟落地极其相关的元素。但是，它通常是幕后的工程。我们在这一块会投入大量的精力和人力去研发。

再上一层就是感知层，我们有非常多的方向，囊括了计算机视学、语音识别、语义理解以及知识图谱，我们通过这样的方式去做到一个全盘的，更加全面的人工智能+教育的探索。在这个过程中，我们需要非常多的伙伴们一同前行。

人工智能人才的模型，不光需要懂人工智能，他需要对行业有非常深的理解。我现在刚刚进入教育领域小一年的时间，对教育的理解远远不够，所以我在这儿也希望跟大家多学习。其次是要非常懂产品和用户，如果没法做到这一点很有可能只是用技术思维去理解用户，往往会做得非常非常偏离。

所以，最后我想告诉大家的是，我们现在在扩大我们的队伍，我们在更深地，更钻精地探索AI在教育方向上面的应用。最终我们希望连接更多不同的教育从业者，包括创业公司和大组织里面的高精尖的教授和人才，我们希望能把大家囊括在一块，最终赋能给所有的教育机构。

这就是我的演讲，我希望能够有更多的人工智能创业者们加入教育这个领域，发现这一片非常非常美丽的瑰宝，最终产生出巨大的意义和价值。

谢谢大家！