全球机器学习教父Tom Mitchell宣布加入松鼠AI

Tom Mitchell教授,正式宣布接受松鼠AI的邀约,出任Chief AI officer一职。

2018年11月16日,北京,在全球AI+智适应教育峰会AIAED上,著名学府美国卡内基梅隆大学CMU计算机学院院长、美国工程院、艺术与科学院院士,美国科学促进会(AAAS)、国际人工智能协会(AAAI)Fellow,Tom Mitchell教授,正式宣布接受松鼠AI的邀约,出任Chief AI officer一职。

全球机器学习教父Tom Mitchell宣布加入松鼠AI

这是所有来自中国的公司,包括BAT和微软亚洲研究院在内,第一次聘请到如此级别的人工智能行业泰斗加入。

卡耐基梅隆大学的计算机科学院素来是Facebook、Google、Netflix等硅谷顶尖企业世界人才争夺战的众矢之的。前院长安德鲁·摩尔(Andrew Moore)被Google揽入麾下,代替了李飞飞的职位。CMU的教授Manuela Veloso 刚刚被JP Morgan 请去成为首席科学家。而在CMU,"Tom Mitchell教授是当今世界上最顶尖的三大机器学习专家之一,这是全球公认的"  国际顶尖学术会议IEEE ICDM的创立人和主席吴教授如此评价Tom教授,130篇论文在国际顶级杂志发布,他更是千亿美金市值企业必争之顶尖人才清单中的Top 1。

松鼠AI是V学教育新推出的K12辅导品牌。V学教育在2014年创立,主营业务是K12领域智能个性化辅导,主要是通过算法结合中国学情开发出一套学习引擎,为每位学生智能提供专属的学习路径。到今年6月,松鼠AI累计融资已近10亿人民币,估值超过11亿美金,迈入独角兽行列。

多年来,Tom Mitchell屡屡拒绝硅谷顶尖企业抛出的高薪橄榄枝,继续潜心在大学从事科研教育工作。此次宣布加入中国本土独角兽企业松鼠AI智适应,在业界也是引起一阵骚动。

对此,松鼠AI教育创始人栗浩洋表示,教育终有一天会被AI彻底颠覆改变,对此我和Tom Mitchell教授坚定无比,这也是促使教授选择与松鼠AI携手一起改变世界的最大原因。

全球范围内,教育行业的核心痛点只有一个:缺乏优质的教师资源。

为什么优秀的教师资源如此稀缺?松鼠AI的CEO周伟曾在某峰会上分享过一个现实:以上海杨浦区为例,几百万人口中,初中英语学科只有一位特级教师。“因为他需要20、30年的经验,去不断的累积,这样的教师资源是我们可遇而不可求的。”

实际上,稀缺的不仅是优质教师资源。据今年8月教育部发布《2017年全国教育事业发展统计公报》显示,全国共有义务教育阶段学校21.89万所,招生3313.78万人,在校生1.45亿人,专任教师949.36万人。而特级教师不到千分之一,这个巨大的差距,使得保证基本教学质量就已经成为一个艰巨的任务,更遑论能够让孩子学习效率得到最大提升的个性化问题了。

正是这个瓶颈,使得虽然互联网和移动互联网技术给教育带来了一些变化,但并没有取得其他领域那样巨大的变化和影响,只是提高了获取教育资源的便利性,却并没有对教育学习的效率带来很大提升,更没有解决到到教育的深层次问题。

工业革命技术革命推动手工劳动向动力机器生产转变历史100多年,而AI对社会劳动力结构的颠覆将更胜当年。教育几百年来都没有被科技改变过,而AI已经在美国被广泛认知会解决教育长久以来的优质资源稀缺和不够个性化的问题。

据内部人士透露,栗浩洋和Tom Mitchell 教授的忘年之交,始于2018年伦敦的AIED(人工智能教育大会)。 教授作为主题演讲嘉宾,松鼠AI作为该次会议唯一一家来自中国的公司有论文被会议接收并且有演讲分享,在大会主席的邀请下创始人栗浩洋做了晚宴致辞,公司首席科学家崔炜与教授见面聊了两个多小时,从松鼠AI人机大战教学效果超过高级教师的技术核心、AI引擎+内容+服务一体化研发和产品战略、到已经取得上百万学生的认可以及超过80%的复购率,淋漓酣畅,之后的每次见面Tom都会提起那次难忘的伦敦见面。教授还发现,松鼠AI的首席架构师Richard已经和他熟识的CMU的几位教授展开了技术合作。

在十一月初,创始人栗浩洋专程赶到CMU,和教授再次见面,原定两个小时的交流,后来一直谈了九个小时,教授深深地被栗浩洋独创的“用错因重构知识空间理论”、“非关联性知识点的关键概率算法”等等对教育技术和人工智能算法的理解深度和创新所吸引,并且被他投身AI教育致力于给所有人带来教育公平的愿景所深深打动,当场决定加入松鼠AI,担任Chief AI Officer 。

在连续九个小时的谈话中,栗浩洋如何向教授解释松鼠AI产品?“我们对知识点拆分的颗粒度其实比Knewton、ALEKS等美国的竞争对手产品多了十倍。”

Mitchell第一次听到后,觉得十分惊讶,询问如何做到这么精细的拆分?拆分后对比实验的效果如何?

事实上,如上文所谈到的那样,智适应学习在美国起步更早,而在中国真正为大众所知也不过短短几年时间。但显然,在实际落地的场景中,中国的创业公司已经先人一步。

曾就职于Realizeit、现V学教育首席科学家崔炜表示,与国外领先的自适应公司相比,虽然它们已经做了很久,有了大量的数据积累,现有的产品模式也比较完善,但是,对于中国而言,智适应研究本地化的优势更明显。因为中国的学习强度和考试内容难度高于国外,测试的题目也是,加之中国地大物博,教材的穿越性也非常大。

栗浩洋举例说,关于一元二次方程,ALEKS拆解为了13个知识点,而松鼠AI团队拆解为了107个;初中英语听力知识点拆分为了8000多个。 “中国可能更需要纳米级和超纳米级拆分。”栗浩洋表示,在英语学习方面,中美两国学生面对的是不同的问题,类似连读、爆破音和固定搭配等用法并不了解,口语和书面语也难以区分的中国学生需要比欧美颗粒度更加精细的知识点拆分。

不仅如此,如果我们思考教育的终极目的,不是最大范围内获取书本知识和在考试中取得高分,更应该是关注一个学生的能力,这包括他的思想和方法,也关乎创造力和想象力。松鼠AI目前已经突破了欧美同行知识点学习的局限,开始培养孩子的举一反三的能力、思想和方法的学习。

在做能力、思想和学习方法拆分的时候,松鼠AI团队的原则是“三课原理”:第一节可定义,第二可测量,第三可传授。只有把一项学习能力清晰定义之后,然后再对每个学生在该能力的水平进行测量,才可能进行传授和确保学生掌握,对于人的综合能力和情商能力亦是如此。

“我小的时候因为情商特别低,不太会跟人交往。打招呼都会觉得脸红,也不知道怎么样开始。”栗浩洋表示,他后来反复思考,尝试把“情商”拆解为30多种能力,诸如观察能力、语言表达能力、寻找对方感兴趣的话题的能力、对别人的心态判断的能力,甚至是遭受不公平对待之后的自我化解能力等等。

比如说,在与他人聊天时,如何判断对方是真心对你的内容感到兴趣,还是出于礼貌不便打断?如果是前者,就证明你的表达是有效的,反之,这不仅是一次失败的表达,还容易造成对方的反感。

栗浩洋认为,如果对方根本不想听,而你还喋喋不休,则证明情商是堪忧的。所以,在一开始就要学会观察,发现他人微表情的区别,然后尽量找到别人感兴趣的话题。

在这样的思考模式下,再难以测量的情商能力,也可以细化到“你每分钟是不是看了别人两三眼”这样细微的颗粒,去观察接受者的情绪变化。

“就像单兵作战能力可以拆解成射击能力,移动射击能力、俯卧撑、背负重物跑与爬等等这些不同能力之后,然后再去进行综合训练,完成任务的目标性训练,从笼统到细分,从细分最后再到综合的训练。”栗浩洋说。

Mitchell 被这样的设想而震惊,“我那时候也想过情商的问题,我们的很多学生因为是学计算机的,我担心他们情商有问题,所以我也研究过这个事情。而栗的方法无意更加可操作并且可以明显取得效果。”

在谈到研发的时候,教授还和栗浩洋分享了他的一项研究,他展示了通过扫描大脑的热点,发现大脑看到不同的词汇和想到不同内容的时候,热点范围是不一样的。栗浩洋也谈到,松鼠AI也在通过脑电波对学生进行测量,来观察学生在学习过程中的专注力是集中还是分散。

此前,从来没有人将人类的行为和思想解构得如此细致且大胆,未来的学习和教育,将会以一种全新的形象,出现在我们的面前。

据普华永道估计,到2030年,AI的应用部署将为全球GDP增加15.7万亿美元。这其中,至少有AI教育的半壁江山。

作为松鼠AI人工智能领域第一负责人,Mitchell 将带领团队十多位AI科学家和几百位AI应用工程师以及技术团队,进行人工智能在智适应教育领域的基础研究和相关产品的研发应用等。

“我认为机器学习和人工智能,将成为智适应学习的驱动式技术,发力点主要包括学习目的、学习数据类型、多任务处理学习理论、非监督式学习和增强学习等方面。”Mitchell说。

Tom Mitchell教授已经为松鼠AI制定了加入后的详细工作计划:

第一,制定人工智能教育的白皮书,就像教授多年前指定的机器学习的白皮书称为全球技术的指导规范那样,成为全球AI教育的工作标准。

第二,优化现有的AI算法模型,在利用实时动态数据(学生学习时候的正答率、时间、表情、脑电波等等)不断调整学生的动态学习目标和推荐给学生的学习内容(视频、动画、讲义、题目、解析等)时,可以更加精准,让效果更加突出。

第三,尝试教授近几年研究的重点课题,用人机对话来使用户可以教授机器,从而颠覆过去机器学习只能够依靠算法自我进化的现状。采用类似人类大脑的学习方式,让机器从每一次被指导中直接学习,就像一个人对GPS导航的一次错误的直接矫正可以省去百万数据量下机器学习的优化一样,每个学生、老师都可以通过和机器做简单的结构化的对话来高效完善机器学习本身!这一个战略将是AI领域颠覆性的突破。

每次探讨时,教授的想法都与松鼠AI不谋而合。在中国这样的高速发展国家,名校、高级教师都是稀缺资源,根本不能满足人们的需求,政府也是束手无策,AI教育工具能帮助人们适应科技变革引发的剧烈变化,也有助于解决财富增长后对优质教育的迫切需求。“老师无法应对每一个孩子的不同的学习状态和能力带来的千人千面的需求。”因此,在教授的帮助下,松鼠AI的“AI特级教师”可以更加精准地扫描确定学生的知识点漏洞实现“哪里不会学哪里”,更加有效地推送知识讲解视频等帮助学生“学习更透明,能力上升看得见”。相比传统线上教育的毫无互动的录播课以及传统线下教育的低效高价,松鼠AI的终极梦想是让每一个孩子身边都有一个像拉斐尔《雅典学院》中57位智者合体的AI老师,实现真正的教育公平。

全球机器学习教父Tom Mitchell宣布加入松鼠AI

拉斐尔《雅典学院》-现收藏于梵蒂冈博物馆

智适应学习的概念,源于“自适应学习”(adaptive learning),诞生于人工智能时代,自上个世纪七十年代起流行。智适应学习模式,融合了计算机科学、人工智能、心理测量学、教育学、心理学和脑科学等专业领域。简单说来,它主要是使用计算机算法来调节与学习者的互动,并提供定制化的资源和学习活动,以满足每个学习者的独特需求。

在早期,囿于计算机的普及的性能以及AI算法的成熟度,这样的学习模式并没有得到广泛的运用。而随着人工智能的火热,在中国,拥趸者将更愿意它理解为“智适应学习”,也可以说是自适应学习在人工智能时代的升级。

智适应学习系统的革命性就在于,它更像是一种“决策型AI”,也被看成是最有可能颠覆现有教育模式的一种全新系统。

在传统的非自适应方法学习模式中,由于学生的学习路径、认知过程、成绩反馈等数据无法得到大规模地追踪,存储和分析,难以实现量身定制个性化的学习模式。通过人工智能的手段形成的智适应学习系统加上学习全过程的闭关数据,可以让系统彻底完善地模拟最优秀的老师做出学习内容推荐和路径推荐的合理决策。就好像是今日头条通过读者的阅读全流程的数据来分析用户画像做千人千面的推荐,一改过去依靠编辑选择来为读者推荐。

AI智适应系统也一改过去所有线上线下教育以老师为中心的教学模式,而成为根据学生的用户画像实施千人千面的因材施教,几千年来,学生第一次真正成为主角。

事实上,这套名为Intelligent Adaptive Learning(人工智能自适应,简称智适应)的系统在美国已经应用到各种教学模式的几千个学校,实际效果好于优秀老师的教学水平。松鼠AI也曾经举办过一场全程直播,通过20个小时的教学,教学机器人组的学生成绩、提升分数要比对照组和高级教师组的高出九分。

人工智能自适应之所以在全球取得非常好的效果,并且在国内试用的时候产生超过特级教师的教学效果,是因为它对好学生来说,是因人而异地高效学习不会的知识点;对差的学生来说,50分的孩子教的是51分的知识,这样,很快就可以学会和掌握,然后再给52分和53分,非常容易轻松地进步。这也正是中国千百年所讲的因材施教。而要达到这样的实际效果,对于算法的要求将会非常高。

2018年中国在线教育市场规模达2727.1 亿元,AI+教育是其中大有可为的领域。

在Mitchell看来,在AI推进行业发展方面,中国具备独特的优势,无论是数据量级、数据的多方融合,还是中国政府对产业的支持力度,都比西方国家更有利于大数据的建立。

而同时,松鼠AI在教育领域的人才储备、战略判断和行业落地方面具备很强的竞争力。

Tom Mitchell教授的加入对松鼠AI来说无异于如虎添翼。松鼠AI内部人士表示。松鼠AI的技术团队的首席科学家崔炜,拥有爱尔兰国立大学人工智能博士后学位,之前是Realizeit的核心科学家;其首席架构师Richard,是美国最早的自适应教育公司Knewton在亚太地区的技术负责人;其首席数据科学家Dan Bindman博士,是美国自适应巨头公司ALEKS的联合创始人,负责核心产品算法的首席架构师。

并且,松鼠AI两年前就已经与斯坦福研究院(SRI)展开战略合作,SRI将为其提供AI技术方面的研究,还与中科院自动化研究所成立了平行AI智适应联合实验室,在人工智能与教育理论方面共建共享。

松鼠AI让Mitchell看到了AI技术落地教育场景成功的模式。系统首先根据一定的数据模型对学生进行测试,数据会根据使用其中一种模型跟踪他们的学习过程进度,然后推荐更适合他学习的知识点和测试题。平台会根据学生学习情况,不断调整和迭代他的学习速度和学习方法。

“全流程智适应”是他们正在关注的领域。在Mitchell看来,这是一种非常强大的学习方式,如果系统推荐的内容适合学生的程度让学生都可以学会掌握,那么经常受到鼓励的学生会悟性更高。另一个他们正研究的方向,也是智适应在学习中的应用之一:学生在学习过程中如何制定动态的学习目标?90分和60分的孩子的学习目标应该是完全不同的,同样都是60分的孩子,学习能力不同目标也不相同,所以学习路径就应该被不断调整达到精准有效。

因此,双方的相遇是宿命而不是偶然。Tom Mitchel教授是少有的AI行业泰斗如此关注和研究教育领域落地的,因此才会在AIED大会演讲。而松鼠AI在全球众多AI和教育顶级会议上都有论文获奖或者受邀演讲。

教授谈到加入的几个原因的第一个就是看到松鼠AI原本就非常过硬的AI技术实力和对教育的深刻理解。

相关推荐