吴及：用人工智能敞开未来学习的晋级之路

12月22日，第十三届网易教育金翼奖在北京隆重举行。在主题讲演环节，清华大学电子工程系副系主任，长聘教授，博士生导师吴及带来了主题为《人工智能敞开未来学习的晋级之路》的精彩共享。

x2147483647&quality=80&type=jpg" style="box-sizing: inherit; border: 0px; max-width: 100%; margin-bottom: 10px;" alt="" />

吴及说到：

• 要用更少的时刻投入获得更好更全面开展，所以教育有必要进步功率，进步质量
• 教育作业使用人工智能，可完结数字化、科学化、个性化教育，然后从根本上促进教育的“提质增效”
• 人工智能与教育场景的交融：智能教育、智能学习、智能考试与点评、智能办理
• AI 助力学习个性化：1、辨认孩子最近开展区并给出动态学习途径规划；2、系统构建面向教育的常识图谱，新课标常识点全掩盖

下为吴及主题共享内容，经网易教育编辑整理：

咱们好，我来自清华大学电子工程系，是一名大学教师，也是教育的从业者，所以今日特别侥幸可以来到网易教育金翼奖的颁奖典礼。

这是一个命题作文，让我讲一下人工智能相关，和教育相关的论题，王校长是教育专家，我仅仅一个大学教师，可是我是做技能的我更多的想从技能的视点讲一讲我自己的观念，人工智能未来怎样样才干助力教育进步质量和进步功率。

我今日的汇报分两个部分，榜首部分，讲一讲人工智能，由于人工智能对咱们来说是耳熟能详的名词，由于它耳熟能详，会存在一个问题，咱们在沟通的时分，每个人在说人工智能，咱们心里想的人工智能不一定是同一个东西，原因有两方面，榜首，技能自身开展十分快，人工智能这个词的内在和外延不断在发生改变，十年前咱们说人工智能，今日说人工智能，十年今后说人工智能，或许包含的意义彻底不相同；第二，人工智能这个词，最初科学家起这个姓名的时分，这个姓名起的特别好，给了每个人充沛的想像空间，即便没有人告知人人工智能什么意思，你拿到这个词今后，自己也可以发挥幻想力，无穷无尽的幻想空间，正由于以上这两个原因，人工智能在知道上存在十分大的差异。

首先给咱们看这张相片，人工智能这个词最早来源是1956年在美国达特茅斯的会议上，造就了人工智能这个词，这张相片是拍摄于50年今后，对错常有前史意义的一张相片，这儿有三个人名，参与这个会的三位科学家之一，在信息技能前史上做出巨大贡献的三位科学家。榜首位是麦卡锡，stanford人工智能创始人个，第二位是明斯基，MIT人工智能实验室创始人，第三，香农，信息论创始人。

人工智能的开展也不是一往无前的，咱们今日叫人工智能第三次浪潮，1956年达特茅斯会议只求进入了人工智能榜首个黄金期，在这个黄金期里人工智能的科学家诞生了许多幻想，告知人们人工智能可以做许多事，所以呈现了用核算机证明数学定理，最有名的比方是“斯特定理”在地图上用四种色彩可以把相同的国家分割开，数学家用一百多年没证明出来，可是用核算机证明出来了。呈现了前史上榜首个跟人谈天的机器人，呈现了积木国际，这个继续了不到20年时刻，跟着英国国会托付做了一个陈述，这个陈述给人工智能很大的冲击，他说最初人工智能给咱们许诺的作业，20年后一件没有做到，所以AI进入榜首个冬季，一切的政府中止投入资金。

上个世纪80年代初进入第二个人工智能黄金期，有一些比较典型的效果，比方神经网络，反向传达算法，呈现了专家系统，包含医院的CBS系统，咱们教给核算机一些规矩，让它协助人们做一些决议计划，这样的系统，从前咱们觉得，建十条规矩可以处理一些问题，给它两万条规矩，它可以处理更多的问题。日本开端了第五代核算机研讨作业，这个继续时刻也不到十年，又遇到许多问题，包含日本宣告第五代核算机研发失利，美国国防部高技能情报署中止了出资，规划大了今后再想使用变的极端困难，AI迎来第2次冬季。

到90年代今后，那个时分的AI不像今日，假如说哪个专业的学生学AI结业，或许连作业动找不到，哪个人写论文说我搞神经网络的投到编辑部或许被拒了。可是前史还在往前走，IBM开端做深蓝，到2006年Hinton，深度神经网络，到2011年，微软宣告他们经过深度神经网络技能把语音辨认错误率下降30%，这关于作为这方面研讨的人来说对错常大的打破，2012年，机器系统依据神经网络系统打败了以往最好的系统，之后深度学习就变的一发而不可收拾，一切使命开端尝试用深度神经网络处理，并且它一向没有让咱们绝望过，所以这才迎来AI第三次浪潮。

还有一些标志性的作业，有这个前史咱们会知道，并不是今日进入第三次浪潮就预示着未来AI会一路向上，或许过若干年AI会迎来第三次冬季，这个咱们只能拭目而待，由于这是未来。

在AI被社会广泛认知最重要的作业，AlphaGo，AlphaGo横空出世，从2010年开端打败欧洲作业棋手冠军，2016年3月份打败李世石3：1，Master在作业顶尖获得60连胜，2017年3：0打败了柯洁，至此，咱们信任，下围棋这件事咱们不要跟科技比了，这是全国际的一个证明，人工智能很厉害，人工智能被认知了。

其实开发AlphaGo的公司是很一个很聪明的公司，他找了一件十分合适机器干的作业，围棋尽管很难，可是它是游戏，是关闭的，咱们把它叫做全信息零和博弈，便是下棋两边能看到棋盘上一切的信息，打扑克就不是，看不到对方的牌，围棋是全信息的，信息输入对系统至关重要，全信息对做好一个系统供给很大的便当。

第二，零和博弈，黑棋多占一个，白棋少一个，361个空，咱们看查找空间极端巨大，任何一个核算机靠蛮力算不出来，围棋里下一个子，一个子下下去终究好欠好，在数据上都十分难以点评。还有一个现象，地平线效应，由于地球是球形的，远处有一艘船过来，你很长时刻看不到，可是你一旦看到它，这个船马上闪现在你面前。

这步棋好欠好，或许三五十步都看不出来，或许20步今后下一步好棋，在AlphaGo之前，人类现已发明晰许多的发出，使得围棋的水平在进步，可是有限，那时分在AlphaGo之前，机器下围棋的水平，或许一个人类的儿童，学了半年今后，下赢机器就毫无问题，可是AlphaGo引入了深度学习的技能，战略网络+价值网络，战略网络，在现在的局势下，下一步棋下在什么当地，价值网络，现在的棋局判别黑棋和白棋的成功多少，榜首，决议计划，在哪个当地下子，第二，判别当时胜率多少，尽管调查AlphaGo和柯洁或许跟李世石下棋时分，AlphaGo一向在核算着胜率，据AlphaGo的开发者来说，等它和李世石下棋的时分还有动摇，和柯洁下的时分，AlphaGo一向它会赢，这个系统凸显了这个技能所能带来的改变。可是这是一个关闭系统，是全信息零和博弈，面临现实国际许多问题既不关闭，许多挑选是开放性的，人工智能要处理实在国际的问题依然面临巨大的困难。

这儿给出一个图，有监督学习，咱们给了数据和精确的标示，假如只给了数据没有标示是无监督学习，下AlphaGo的棋是强化学习，依据这个棋盘未来的成果判别当时下的棋是不是一步好棋，强化学习被推重认为是构建学习系统有用的途径。

从人工智能开展来看，人工智能并不是仅有的技能门户，至少人工智能有三个技能门户，榜首，符号主义：相当于人类阅览常识，咱们能读文字，树立常识图谱，树立各种常识工程，进行符号级的推理，这也是人工智能开展的重要门户；第二，衔接主义，从人的神经系统那儿获得启示，信息存在在网络傍边而不存在在单个节点傍边，依据这样的启示，开展出一整套人工智能网络，包含深度学习技能，今日咱们在第三次人工智能的浪潮最中心的开展仍是在深度学习的部分；第三，行为主义，前面符号主义和衔接主义仅仅模仿人的大脑，并没有模仿实在生物，行为主义，不寻求那么高的方针，先有一个机器的生物在自然界傍边完结一些基本功能，比方行走、上台阶、开门、这一派观念认为是为主义，今日有一个更形象化的姓名“具身智能”，像一个生物相同生存在自然界，咱们假如关注到或许会知道一个十分有名的公司，波士顿大狗，人工智能其实有许多个门户，这些门户在人工智能的开展进程中相互依存，协同开展，有些走的快一些，下一个阶段会赶上。

第三次人工智能的浪潮为什么获得今日的成功？仍是不同于前两次，榜首，咱们今日叫快速增加的核算设备，人类用的核算才能，假如不计价值，可以认为有无限的核算才能，自己的笔记本算不过来，可以连到云和服务器上；第二，咱们越来越有才能收集更多的数据，咱们不管做哪一个方向都需求经过数据剖析，现在人类收集数据才能十分强。还有十分重要的算法，深度学习，深度神经网络为根底的算法，有了他们一同效果，才使得人工智能走到今日的局势，咱们应该客观的说，今日的人工智能水平比前两次人工智能的水平要高许多，咱们能做许多事，相同也有许多作业做欠好，做不对，或许有人恶作剧说，没有标示，没有人工就没有智能，我需求对数据进行标示。也有人说系统体现的不那么聪明，乃至有点智障，咱们为人工智能技能应该客观的看待，它比以往强壮，能做许多作业，可是还有许多缺乏，还有许多它做不了的作业。

盖特纳技能老练度曲线，任何一个作业依照这个曲线开展来看，都有初发、期望胀大，然后进入幻灭低谷，可是会缓慢的复苏，这样一个波峰波谷走了不止一次，是不是三次能走完，咱们不知道，很当先进技能都有这个进程。

现在呈现了各式各样构型的神经网络，这是我想讲的榜首部分，关于人工智能我自己的见地和知道。

第二，人工智能和教育作业。

以咱们现在国家开展的阶段，社会的经济水平，咱们对教育，对人才培育的需求越来越大，包含政府对教育提出很高的要求，咱们有“双减”，我了解终究意图，咱们需求培育的人是有全面实质的，有更好的创造力，而不是仅仅会学习考试内卷的，那么在这样一个布景下，教育最需求做的作业便是提质增效，让学生更有用的学习，以更高的功率把握常识和技能，这样的人才或许是咱们未来社会开展更需求的。

这样一个途径是什么？从做技能的视点，三个进程，数字化、科学化、个性化。

数字化：要把整个学习进程数据有用的收集下来，人工智能离不开数据，假如脱离数据，咱们只能是凭经历、凭幻想，可是数据的堆集，数据对全进程的收集，给咱们一个十分丰富的精密的描绘，这个给咱们未来知道教育实质是什么，怎样更好的做提质增效供给最有用的根底。

科学化：依据客观数据和模型树立有用的学习方法。

个性化：每个孩子不相同，需求依据他们的才能差异供给个性化的学习计划。

给咱们举个比方，教育傍边，个性化引荐或许是现在做的相对老练或许比较有用果的学习方法，一个孩子学那么多常识，或许做那么多题，总会有一些方面学的好，有些学的欠好，咱们现在教育讲的是同质化，一切同学做相同的作业，一切同学参与相同的考试，面临相同的问题，假如咱们了解每个学生强在哪儿，缺乏在哪儿，假如要发挥它的长板应该学什么，补足短板应该学什么，咱们就可以给他们供给个性化的才能，个性化对进步功率，进步质量落说十分重要。个性化这件事并不那么简单，个性化，咱们得知道学生的现状，了解常识的系统和架构，需求咱们的教育作业者投入十分多的精力把常识的结构描绘出来，在这个结构下定位每个学生哪儿是缺乏之处，这个缺乏之处由于什么构成的，知道本源在哪儿，会更有用。

假如有许多根底性的作业，咱们会让不同的学生走不同的学习途径，然后有更好教育效果，未来个性化教育的路途是重要的开展方向，某种程度来说，教育培育人也不期望培育出来是千人一面的人，系里做教育改革的时分，咱们在大学里不但有中心课，还有各种选修课，咱们每年培育出来三百个学生，每个学生的特色都不相同，由于社会需求不同的人才，而不是千人一面的。这需求许多的作业需求咱们一同尽力。

第二，技能对细节的寻求。

王校长十分重视体育练习，特别是在清华附中，鼓舞孩子们从事各式各样体育运动，从体育运动来培育孩子的实质和精力，这一点我十分拥护。

奥运会进步成果靠什么？必定得个性化，个性化今后做什么？咱们去剖析，比方苏炳添的特色是什么，他个子矮，步长不如黑人，可是他的步频快，苏炳添在29岁今后跑进了10s，这对错常不简单的，假如没有具体的技能剖析，很难让运动员做这么精密化的调整。

跳水，我国跳水现已可以对3D成像虚拟化做的那么细，假如拿这个教育运动员，或许把这个技能用在学生身上，也会获得更好的效果。

咱们自己也在做一个作业，对学生在中学里的体育来说，引体向上是比较难的标题，拉不起来，拉不起来许多时分不一定彻底是这个学生才能不行，很重要是发力方法不对，他们告知我引体向上拉的好应该是背部肌肉发力，而咱们学生是腹部肌肉发力，所以咱们做了一个剖析，让实验室做引体向上的时分，咱们拍视频拍他怎样拉，并且放了机电感应器，用力状况好的人能做起来，腹部在发力，臂部发力不行的同学便是拉不起来，咱们收集的数据验证了这个观念，咱们告知学生假如背部肌肉不行，或许背部发力方法欠好，能不能做一些特定的练习，让他增加背部肌肉，学会背部发力，假如有这样的方法，相当于咱们可以针对性的处理每个学生的问题，进步他的才能，我跟清华体育部的教师沟通比较多，他们说不一定拼命上量是功德，仍是要科学，跑量，每天跑这么多就够了，再跑没用，只要丢失，缺失哪儿就练什么，这才是科学化个性化，在数字化根底上的作业。

咱们未来在任何一个方向的教育或许学习都要构成这样一个闭环，首先是智能化信息收集，做常识才能归纳点评，构成个性化的学习或许练习计划，再进行质效点评，有了这个进程今后知道学生的长处在哪儿，缺陷在哪儿，针对他的缺陷怎样改善，改善计划有没有用，有用可以坚持，没有用可以换一个计划，假如这样或许会给咱们的孩子带来更多的协助。当然技能不是悉数，咱们需求有办理、专家，可是在这个进程中技能或许能发挥一点效果，在数字化、科学化和个性化的进程傍边，给咱们的教育供给一些协助，使得质量和功率可以得到进一步的进步，为咱们未来的社会培育更超卓的人才，谢谢！