新东方AI研究院院长瞿炜:AI要在教育场景落地必须克服20个挑战|全球AI+智适应教育峰会【亚博直播】

11月15日,“世界AI智适应环境教育峰会”在北京嘉里中心酒店隆重发布,峰会由指导教育松鼠AI和IEEE (美国电气电子学会)教育工程和适应教育标准工作组共同举办,聚集了国内外的阵容。

官方网站

【亚博直播网址】11月15日,“世界AI智适应环境教育峰会”在北京嘉里中心酒店隆重发布,峰会由指导教育松鼠AI和IEEE (美国电气电子学会)教育工程和适应教育标准工作组共同举办,聚集了国内外的阵容。 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。 在这次峰会上,主办者邀请了美国三院院士、机器学习泰斗Michael Jordan,全球机器学习之父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图为新东方AI研究院院长眬炜博士在大会下午的主论坛上,新东方AI研究院院长眬炜博士公开发表了精彩的演说。 眬炜博士在人工智能领域有近20年的非常丰富的研究经验,至今为止在西门子公司有工作经验。

新东方作为中国最早在美国上市的教育公司,世界上已经有2000万学生被用于他们的平台。 眬炜博士在现场的演说是新东方AI时代最近的想法。

眬炜博士指出,标准化AI已经成为南北瓶颈,场景AI将进入新的繁荣。 对AI教育来说,尽管是有潜力的市场,但面临着语音识别、面部识别、文字识别、视频分析等诸多课题。 新东方AI研究院虽然刚正式成立,但在整体战略上不会向南北“对外开放”,以N-Brain联盟为基点,在数据、场景、资源层面上与行业、学术界的合作更好。

以下大部分是瞽炜的演说原文,进行了不改变本意的编辑和整理。 很明显,作为认识AI 20年的相似退伍军人,没有想起AI会成为业界。 到2016年左右,AlphaGo众所周知,AI完全以指数形式成为行业,所有的互联网公司都亲AI,所有的行业也大多去touch AI。 但是新东方很耐心,冀老师((公众号:)录:冀敏洪)很耐心,没有生气。

让大家感觉新东方在做什么吗? 但是我们还在做AI。 各BU还适用于AI,我们如何耐心地教育AI? 吻AI的最坏时机是什么? AI的冬天来了,春天也不远。 其实,AI在两年的炎热之后,冬天来了,外面的北京冬天好像回来了。

语音识别已经不过是成熟期,但机器学习、NLP、计算机视觉这几项技术(占AI最重要部分的分支)已经过了那个高峰。 以深度自学为例,经过几年的大规模应用,更多的研究者已经发现,它已经达到了瓶颈。 我们找到AI并不知道我们能像我们想的那样代替人。

中国有“冬天来了,春天还近吗”的固定说法吗? AI的冬天到了。 下一个春天是什么呢? 但是,很多AI行业的人也注意到场景是简化的AI。

通用化的AI在过去两年得到了很大的普及,不再被公众接受,许多创业公司像雨后春笋一样繁荣,得到了大量的投资,这两年,大家都感到融资的速度打破了几年前的互联网速度。 但是那个冬天来了。

很多AI公司在商业上没有要求,所以他们落地的时候找到,要求很难。 特别是在ToC领域。 为什么呢? 因为实质上AI和行业的融合非常困难,没那么简单。

所以标准化AI的发展不会成为这样的趋势,但场景简化后的AI不会在AI和行业融合领域产生无限的机会。 AI教育并不是整个教育科技的重构AI汽车已经构成横向平台,百度阿波罗、谷歌Waymo创造了这样的平台,AI生活经常出现Facebook,AI教育经常出现我们非常期待。
这也是新东方对AI教育的深刻想法。

我们指出AI教育不一定需要标准化AI技术在教育领域进行选育。 正如很多产品层面的应用经常出现一样,更好的AI教育不是整个教育科学技术的重建。

很多数据已经准备好了。 例如,大数据、云计算,但在AI教育领域总是出现新的大脑。 我们被称为教育大脑,总是出现新的操作系统。

这个操作系统既可以是云也可以是末端。个性化的自学平台不会像雨后春笋一样个性化的自学平台崛起。 我们指出那一定是对外开放的。

为什么? 个性化自学很难,公司很难构建它。 因为有这么多国家,这么多人,不同的年龄段,不同的学科,这个问题对研究界来说,完全没有唯一的解法,所以不可能在一个公司完成。 新东方AI研究院是“新东方AI教育战略”的基本步骤,可以关注教育大脑的明确应用。

这张图说很多朋友们可能已经看了好几次了。 除了教育领域,很多领域都可以用这张图来应对,但在我们关心的8个领域中,他们在这个教育中有什么不同,某种程度上是这8个词。

所以我借此机会说明我们关注的20个挑战。 “AI教育”的20个挑战语音识别的挑战:中英混合、固有名词识别无根、强噪声标准化的语音引擎确实应用于教育这一场景时,在很多场景中没有那么有效,比如标准化的消息,但我们很多云但是,转移到教育这一场景的时候,即使找到它们也不顺利。

比如,我们应用于中英混合认识问题,新东方的很多课程都用中文教英语。 所以,从这个波形来看,中英之间的转换完全混合在一起,是挑战语音识别的问题。

又转到了教育领域,那一幕非常麻烦。 你去分科后学习的时候,找不到数理化有很多公式和名词。 现有的英语引擎我们发现原来的识别率在现有场景中持续到了70%左右。

另一个是很多朋友要面对。 他指出,中国人学习英语时,我们的发音(特别是孩子们的发音)被称为“chinglish”,用中文引擎用英语引擎识别是无效的,因此是第三个引擎。

另外,我们的在线教室是强噪音、强混响的声音问题,这个问题很难解决。 亚马逊Echo能够大规模应用是解决问题的工程问题,当语音识别应用于教育场景时,这种语音强化工程的问题必须面对。 否则,我们基本上很难构建在线场景下的现实语音识别。 另外,也有很多人混合的声音文件识别问题。

在教育场景中,无论是在线还是在线,特别是在一对多的情况下,很多孩子不会同时问一个问题,也不会有多个孩子同时讨论一个问题。 在这种情况下,必须面对进行语音识别,如何分离语音的问题。 面部识别的挑战:超强的低分辨率、强烈的歪斜角度、封面转移到面部识别是这个AI飞行最冷的,但是转移到教育这个场景很多面部识别公司也不知道。 我们完全和大家都能看到的国内、海外最牛的颜公司合作。

这三个是我们列举的非常现实的问题。
第一个是非常低分辨率下的人脸识别问题。 右图是现实线下的课程场景,试图用非常简单的监视摄像机复盖整个教室。

问题不好。 如果能看到第一排的学生,就看不到更远的学生。

要看两个孩子,都需要用广角镜头。 扭曲角度下的人脸识别问题经常发生。 孩子们非常活跃。

这也是教育的本质。 这是面部识别不是静态的,老实说等着你认识。 如何在动态情况下,而不是部分复盖的情况下,在大复盖的情况下构建面部识别? 这是必须解决问题之一,不解决问题表情会怎么认识,怎么有时会告诉孩子在做什么,所以一起说话更简单,理想幸福,现实只是骨感。 文字识别的挑战:数理化学的公式,手写体不能进入文字识别的领域。

我们面临的问题是数理化学的公式、图形、图像识别的问题,也包括手写体的识别问题。 这是我们必须解决的问题。 NLP的挑战:多次对话难以实现,智能测试有限,也有NLP (自然语言处理)的挑战。

最典型的是多次对话。 这多次对话还不是一般意义上的客服机器人。 问答也是替代老师,一定要基于内容。

如果基于内容领域,这种多次是冷静的,如果说能进行二十七次对话的话是非常困难的。 我不指出今后一两年内会再次发生这样的事情,但我们也许可以解决问题三轮、五次、七次。

亚博直播网址

网上自动提取课程的问题新东方也可能需要很多教育公司。 我们有这么多课。 这么多老师用AI的手段自动提取课程内容是解决问题教育一体化的最重要手段。

中英作文智能考试的答案,虽然只是已经有成熟期的产品,但我们在实践中找到的是,为了进行确切意义上的考试必须转移到意义层面,这是非常有挑战性的。 视频分析的挑战:网上情况太简单了,但很多公司对这个方向抱有希望。

我们的原始教学过程既包括老师的分析也包括学生的分析。 对于老师,我们期待着对他所有的教学过程展开评价。

对于学生,我们期待着就他的表情展开分析。 但是在现在的场景中,在线非常简单,特别是英语教育。 因为我们完全对着他,有很大的照片。

但是线下的情况太简单了。 图像挑战:缺少低精科学知识地图。 我们完全没有看到基于学科的低精科学知识地图。 AI转向无人驾驶领域后,低精地图已经成为了一种选择,我们谈了很长时间的AI教育,但是很难看到基于学科的科学知识地图,这是非常基础的工作。

ARVR的挑战: AI制造教师必须对话的最近一周最火的是新华社和Sogou一起做了AI制造播音员。 播音员技术很简单。 那是单方面的,但我们在教育领域谈论这件事时,是一个挑战。

AI做教师在某种程度上是片面的,因为必须对话。 机器学习的挑战:无自动显示、场景麻烦、无个性化自动显示的问题。 所有的AI都与显示有关。

因为我们现在认识到的大部分都是监视式的。 AI自动显示的方法在小数据量的情况下不是问题,但是像新东方这样庞大的公司做这样的事情时,我们必须找到自动显示是我们必须面对的问题。
教育场景这么麻烦简单。

只是,在所有的小场景下,我们明确了小样本级别的训练问题就是这样受到关注的。 这次大会的主题是适应自学。

你集中在所有孩子身上的时候,样本数据不太多。 特别是冷启动阶段。 个性化自学问题这可能是我们绕不开的问题。 因为最初每个孩子都没有模型展开推理小说的可能性,很难如何把模型个性化成一个孩子。

新东方的对外开放战略:以N-Brain联盟为基点,数据、场景、资源都对外开放上面的20个问题都是这样具有挑战性的,也许可以做它,成为最好的公司。 至少能对这个行业产生相当大的影响。 我们面对这20个,可能比20个好。

新东怎么办? 我们的想法只是很简单的东西。 对外开放。 新东不想发数据,发场景,发资源。 你告诉我晚了,我们可能在所有这些领域都做过新的东西。

新东方AI研究者也不能凭借自己的力量开那么多公司PK,所以我们可以“对外开放”。 我们两周前正式成立了N-Brain联盟。 “n”首先表示n种教育场景,也表示n种可能性,表示n个model。

n不仅在自然数集中表示无限的概念,还表示力量,还表示氮元素占大气层78%的比例,希望以这种形式与大家合作进行AI教育。 现在我们已经和美国伊利诺伊大学、中国自动化科学研究所这样顶尖的AI研究机构合作,我们也和北京师范大学、斯坦福大学这样顶尖的教育领域、心理学领域、认知科学领域、脑科学领域的研究机构合作,GSV, 新东方可以贡献数据,我们也不想贡献所有的场景,我们也不想贡献资源。 新东方AI研究院在某种程度上是研究机构(录: 2018年7月正式成立),同时我们不想建桥。

连接内部资源和外部所有资源,一起搞好“AI教育”,我们的目的不是为了新东方自己,而是向所有机构和所有公立学校对外开放。 2018年度AI最优秀掘金案例投票人工智能风雨60年,与其说技术升级促成了今天的浪潮,不如说现在的人工智能,另一站离商业最近。

去年,首次“AI最佳导航包年度投票”活动日后发售,引起了AI程序输出者和AI技术需求者的关注。 投票来自业务维度,寻找用户/客户问题解决能力强的产品和解决方案。 现在我们再次把车站放在AI波的顶端,每月开始第二次“AI最佳挖掘案例投票”。

在AI教育领域,我们一共设置了六个奖项,热情报名,评选地址: https://WWWW.le IPhone.com/special/custom/AITOP TEN 2018.HTML的原创文章,发出许可禁令。 以下,听取刊登的心得。_亚博直播网址。

本文来源:官方网站-www.yu-si.com