热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

AI到底如何改变教育?好未来重金押注AI的背后逻辑

安妮发自香格里拉饭店量子位出品|公众号QbitAI无AI,不教育,未来关键在开放。这是国内教育第一梯队玩家好未来最新明确的技术方向。在2019好未来TI
安妮 发自 香格里拉饭店
量子位 出品 | 公众号 QbitAI

无AI,不教育,未来关键在开放。这是国内教育第一梯队玩家好未来最新明确的技术方向。

在2019好未来TI教育智能大会上,一连串AI新动作被宣布:

发布重新定义课堂的“WISROOM 2.0”智能教室、推出专为智能教学打造的AI终端“T-Box”、为传统教研添智慧的“教研云”、还正式发布了AI开放平台,让包括教育培训机构、教育开发者、公立学校、内容供应商、科研机构在内的教育从业者都能用上好未来的AI能力和解决方案。

紧密的产品动作也能从其研发投入窥见一斑,好未来教育集团总裁白云峰表示,好未来有一支超过5000人的科研队伍,投入研发经费10多亿元。

AI到底可以为教育行业带来多大能量,为什么值得成立16年的教育赛道大玩家重金押注、不断加持?又能为教育产业的上下游玩家带来哪些新机会?

我们理一理教育领域头部玩家好未来背后的AI布局逻辑。

通用AI平台并非万能

摆在国内教育机构眼前的,是不平衡的教育资源,整个行业面临两个痛点:

一方面,受限于地区的不同与贫富的差异,三四五线城市与一线城市的教育机会不同等。

二是,如何在基础时间内让学生的学习效率更高,素养培育更好。

白云峰认为,技术的进步,是解决教育普惠更好的方式。而科技的主力就是AI:数据加上智能,将教育一线的优质资源延伸到三四五线城市,让教育从千篇一律到因材施教。

640?wx_fmt=png

可数据和智能从哪来呢?

当前,国内BAT等大厂均开放了通用的AI解决方案平台。

但若直接拿到教育、教学产品中,可能还不足以满足场景所需。

好未来CTO兼开放平台事业部总裁黄琰举了个小例子:现在很多大会上都会出现的语音转文字技术,拿到课堂场景中,最后的准确率不足20%

借助通用的解决方案,让AI去听懂32+2Y=Z,听懂硫化氢为臭鸡蛋的气味实在是太难了。

这个例子只是一个缩影,能窥见教育场景的独特性,无论是听、说、读、理解等底层能力,未来都需要被重新定义

640?wx_fmt=jpeg

到底谁能解决这些问题?

解铃还须系铃人,教育界的问题,还得专门搞教育的公司来解决。

好未来出手了。

相较于其他教育机构,好未来手握一个能构建这个平台的利器:大量真实教学教研的积淀

好未来AI首席科学家举了个例子。

在客服中心上线的检测功能最开始用的是通用模型,精度60%以上,但用真实数据迭代模型之后,准确率达到了96.3%,这个算法每天都在为好未来十万家客户服务质量做出保证。

当前,训练一个好的AI模型,很大程度受其训练数据的制约,好未来自带数据,相当于在一场AI+教育赛道的起跑线上,自带了一种叫“数据”的buff。

AI开放平台

这种自带的优势体现了好未来对AI+教育的全面布局上,对AI的投入,重点落在了三个方面。

一是底层能力,也就是AI的听、说、读和理解能力,反应到技术层面就是语音识别、计算机视觉、语义理解等能力。

二是解决方案,包括AI课堂守护系统、AI课程制作系统、教研云系统等,它相当于用AI解决具体某个教学场景中,听说读写怎么运用。

三是业务形态,包括“AI外教课”乐外教和“AI数学”未来魔法校等独立完整的以AI为主的业务形态,这也是AI实际落地中我们能够切身参与和感受的部分。

三者层层递进,从概念到产品,从底层技术到实际应用,形成了好未来的AI研发闭环。

如此看来,相比于传统互联网大厂在教育领域的布局,好未来能通过自己的真实教学场景的数据,配上本身积累的教育行业的教研及管理经验,外加自研的配套软硬件产品,串联起整个教学环节。

按照这样的逻辑,这个刚刚宣布对行业开放的AI平台,总共分被为四个层面:数据层、AI硬件层、AI算法层以及AI解决方案层(标灰为不开放)。

640?wx_fmt=png

细数下来,这个AI开放平台总共将开放AI课堂方案、AI课堂守护系统、作业批改/批搜等3大行业解决方案,语音技术、图像技术、NLP、视频理解等21项定制AI能力以及4大科研数据集。

所有开放的AI能力均在好未来体系内生长优化,获得验证。

比如,在学而思线下双师课堂中,利用语音和文本理解技术,批改学生的口述练习题,使人效提升20%以上,累计为教师节省时间超过5W小时。

在网校大班直播课上,语音互动技术在课前、课中和课后等环节得到使用,口语测评累积使用3亿次以上,在暑假上课高峰期,日均会有超过200万次的调用。

也就是说,对于中小型培训机构来说,借用这个平台的方案,无需自己费力搭建工程师团队,即可直接调用平台上的资源,进行教学内容的定制化。

围绕AI开放平台,好未来试图链接起包括教育培训机构、教育开发者、公立学校、内容供应商、科研机构在内的开放生态。

未来教育场景

这样一个开放平台的出现,好未来前前后后下了不少工夫。

超过5000人的科研队伍,研发经费10多亿元;与清华大学、斯坦福大学等海内外高校成立人工智能联合实验室;与北京师范大学达成脑科学、认知科学领域的合作。好未来在2017年成立AI Lab,2018年成立硅谷研发部,2019年成立教育行业首家博士后科研工作站。

在好未来搭建的这样一个AI+教育框架下,学生学习的课堂和老师的备课与授课过程都和以前不一样了。

WISROOM2.0

首先,未来的教室不一样了。

WISROOM 2.0智能教室解决方案,就是想用AI带来规模化的因材施教。

无论是录播还是直播,授课资源都来自云端,但在本地也能完成数据的分析和互动。

通过教室内的摄像头,系统可以捕捉到每个同学的面部表情、身体姿态、对新知识的反馈,还能根据学生个性化反馈,调整授课内容和节奏。

640?wx_fmt=png

举个例子,假设一个学生连续两节课没有参与互动,且答题正确率,做题时长等综合课堂反馈不高,系统会怎么办?

主动出击。

好未来WISROOM负责人介绍,系统先是会提一个相对简单的问题,AI算法可以保证这个学生会答对并给予表扬,建立孩子学习的信心。二是给现场老师反馈学习报告,让老师有针对性的关心和帮助学生。

就是这样,WISROOM 2.0给大规模因材施教提供了基础。

过去一年,共有500多间公办学校和民办机构的教室用上了这个系统。

在大会现场,还推出了两个新计划。

一是AI天使计划,校长和老师可以通过“AI天使计划”率先体验WISROOM的系统和课程,让WISROOM可以借助老师们的意见“进化迭代”。

二是AI新课计划,开放WISROOM内容研发工具,并和三个教学研究工作室深度合作。这也意味着,普通教育机构有机会借助WISROOM拥有自己的AI课程。

T-Box

同时,为了让课堂有智能,教室需要一个飞速运转的“大脑”。

智能教室是如何实现因材施教的?想实现智能教室的本地学情实时分析与个性化互动,需要一个名为T-Box的硬件支持。

就是这样一个方盒子:

640?wx_fmt=jpeg

这是第一款专为智能教学打造的AI终端。任意教室部署之后,都能拥有智能教室所需的所有AI能力,包括骨骼点检测、表情识别、手势识别、语音识别、自动判题、语义分析等30多种AI能力

智能教室,盒子先行。

好未来透露,T-Box应用了适应教学场景需求的专属AI芯片,算力可达16 TFLOPs,约等于300台iPhone XS的运算能力,比英伟达RTX 2080 Ti运算力还强。

640?wx_fmt=png

在这样的算力下,T-Box可以同时识别800+人的动作,同时实现200+人的表情与专注度。

教研云

最后,教室变智能了,教学的内容和备课的手段也需要随之智能化,教研云应运而生。

教研是教育机构的核心竞争力,教研云将好未来16年教学教研核心资源完全数字化、可视化、互动化,AI的融入可为老师智能推荐不同的媒介素材,帮助学生理解抽象的知识点,省去老师积累资源的时间,也让课堂更生动,让学生更爱学习。

640?wx_fmt=png

这些都是好未来已经通过AI的落地应用实现了的场景,若再将眼光放远到十年甚至几十年后,教育会是一番截然不同的场景。

黄琰表示,目前这一代的主流AI技术,特别适合做大数据分析和分类任务,是匹配而非理解;AI的下一个时代是大量的语义理解,不需要海量数据,AI能通过少量概念的定义自动推演出丰富的内容。

对于教育而言,这个时代的来临,也意味着对学生纯粹记忆方面的要求要小得多,对需要去深入理解,综合运用的能力要求越来越高,更高级的跨领域、跨行业运用的要求和期望越来越高。这是黄琰眼中未来教育的一个大趋势。

那会是AI+教育的新时代。

场景公司的AI想象力

谈论AI产业化,往往会涉及那个越来越被深入讨论的话题:AI红利,会被谁吃掉?

对垒的两方:一方是拿起AI技术之锤找钉子的公司,另一方是拥有钉子场景造锤子的公司。

一方从技术到场景,一方挟场景打磨技术。而最关键的是,AI技术在其中发挥的作用,一方面依赖于场景需求,一方面依赖于场景数据。

具体到好未来,不就是拥有场景、积累了大量“标注”数据的那一方吗?正如黄琰所说,知道问题在哪里,解决问题才更有力。

而从当前好未来的发布来看,或许外界只意识到其在教育场景和数据中的地位,但低估了其技术打磨的能力。

现在好未来举起“新科教”的大旗,用技术方案说话,以产品落地示人,何尝不是对场景和数据优势的证明?

所以这个维度看,好未来的AI+教育才迈出第一步。

没错,AI落地之年,就怕有场景的公司玩转技术。

你觉得呢?


AI社群 | 与优秀的人交流

640?wx_fmt=png

小程序 | 全类别AI学习教程

640?wx_fmt=jpeg640?wx_fmt=jpeg

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 ! 




推荐阅读
  • “你永远都不知道明天和‘公司的意外’哪个先来。”疫情期间,这是我们最战战兢兢的心情。但是显然,有些人体会不了。这份行业数据,让笔者“柠檬” ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • macOS Big Sur全新设计大版本更新,10+个值得关注的新功能
    本文介绍了Apple发布的新一代操作系统macOS Big Sur,该系统采用全新的界面设计,包括图标、应用界面、程序坞和菜单栏等方面的变化。新系统还增加了通知中心、桌面小组件、强化的Safari浏览器以及隐私保护等多项功能。文章指出,macOS Big Sur的设计与iPadOS越来越接近,结合了去年iPadOS对鼠标的完善等功能。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 云原生边缘计算之KubeEdge简介及功能特点
    本文介绍了云原生边缘计算中的KubeEdge系统,该系统是一个开源系统,用于将容器化应用程序编排功能扩展到Edge的主机。它基于Kubernetes构建,并为网络应用程序提供基础架构支持。同时,KubeEdge具有离线模式、基于Kubernetes的节点、群集、应用程序和设备管理、资源优化等特点。此外,KubeEdge还支持跨平台工作,在私有、公共和混合云中都可以运行。同时,KubeEdge还提供数据管理和数据分析管道引擎的支持。最后,本文还介绍了KubeEdge系统生成证书的方法。 ... [详细]
  • 本文介绍了C#中生成随机数的三种方法,并分析了其中存在的问题。首先介绍了使用Random类生成随机数的默认方法,但在高并发情况下可能会出现重复的情况。接着通过循环生成了一系列随机数,进一步突显了这个问题。文章指出,随机数生成在任何编程语言中都是必备的功能,但Random类生成的随机数并不可靠。最后,提出了需要寻找其他可靠的随机数生成方法的建议。 ... [详细]
  • 解决Cydia数据库错误:could not open file /var/lib/dpkg/status 的方法
    本文介绍了解决iOS系统中Cydia数据库错误的方法。通过使用苹果电脑上的Impactor工具和NewTerm软件,以及ifunbox工具和终端命令,可以解决该问题。具体步骤包括下载所需工具、连接手机到电脑、安装NewTerm、下载ifunbox并注册Dropbox账号、下载并解压lib.zip文件、将lib文件夹拖入Books文件夹中,并将lib文件夹拷贝到/var/目录下。以上方法适用于已经越狱且出现Cydia数据库错误的iPhone手机。 ... [详细]
  • 在2022年,随着信息化时代的发展,手机市场上出现了越来越多的机型选择。如何挑选一部适合自己的手机成为了许多人的困扰。本文提供了一些配置及性价比较高的手机推荐,并总结了选择手机时需要考虑的因素,如性能、屏幕素质、拍照水平、充电续航、颜值质感等。不同人的需求不同,因此在预算范围内找到适合自己的手机才是最重要的。通过本文的指南和技巧,希望能够帮助读者节省选购手机的时间。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 数据结构与算法的重要性及基本概念、存储结构和算法分析
    数据结构与算法在编程领域中的重要性不可忽视,无论从事何种岗位,都需要掌握数据结构和算法。本文介绍了数据结构与算法的基本概念、存储结构和算法分析。其中包括线性结构、树结构、图结构、栈、队列、串、查找、排序等内容。此外,还介绍了图论算法、贪婪算法、分治算法、动态规划、随机化算法和回溯算法等高级数据结构和算法。掌握这些知识对于提高编程能力、解决问题具有重要意义。 ... [详细]
  • 未来五年的AI领域科技亮点,都在这里了
    当AI正式成长为推动世界第四次工业革命的潜在力量之一,我们的生活也在悄然发生着变化,当AI渗透到人们的生活中,引爆着一场又一场的行业变革& ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
  • 2018年数字化转型调查
    PointSource发布了2018年数字化转型调查,主要发现包括:1、由于缺乏战略,企业迫切需要进行数字化转型。2、企业急于开始数字化转型过程,但他们缺乏进行智能投资的战 ... [详细]
  • 老牌医药收割AI红利:先投个15亿美元抢中国人才
    萧箫发自凹非寺量子位报道|公众号QbitAI没想到,一场大会把我的“刻板印象”攻破了。2021世界人工智能大会现场,能看见不少熟悉的身影, ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
author-avatar
雨雾1989_153
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有