AI+教育时代不是弯道超车,而是换道超车的大好机会

简介:

2017年4月的 GMIC 大会上,沪江创始人伏彩瑞做了一个预测。

他认为,在线教育正在从移动时代向人工智能时代过渡,AI+教育是互联网教育发展的高级阶段。对于教育企业来说,AI+教育时代不是弯道超车,而是换道超车的大好机会。人工智能不仅将取代教育从业者的重复性劳动,还将摒弃传统的粗放式教育,提供“千人千面”的个性化定制教育,互联网教育未来十年是人工智能+人的智能。

 沪江伏彩瑞:AI+教育时代不是弯道超车,而是换道超车的大好机会

新品:Hitalk

三个月之后,沪江推出了第一款“人工智能+人的智能”的产品——Hitalk,并请来了女神汤唯站台发布会。Hitalk 是一款面向成人的口语学习产品,人工智能技术在其中的作用主要是优化学习路径,提升翻转课堂的学习效率,而人的部分则在于与外教1对1的在线互动。

沪江网校总裁宋建宏向雷锋网(公众号:雷锋网)介绍,Hitalk 提供了四大服务特色:

  • 导航式学习智能调整学习方案

  • 实景角色演练与外教1对1在线互动

  • 翻转课堂——学练习测

  • 诊断式学习智能匹配学习强化包

在正式开始学习前,Hitalk 通过机测+人测的方式为学员定级,按“听说读写”分为12个等级,根据学员的测试以及学习中产生的数据,学习方案将会智能动态调整,Hitalk 称之为“导航式学习”。

 学习期间,Hitalk 将会围绕“学练习测”进行翻转课堂,从“互动课件”、“实景演练”、“智能推送学习任务”、“人工测评”四个环节入手。先让学员自学课件课的知识点,然后在直播课上与外教进行实景角色演练。经过外教的点评指导后,再次进行相同场景的二次对话。

课堂后,“诊断式学习”针对课堂学习暴露的“单词量不足”、“语法基础差”等不足问题,推送专属学习包“查漏补缺”,强化薄弱环节。

最后一环是“测”,定期的真实人工评价介入反映进步水平,最终形成“学习、练习、批改和订正、再次巩固”的闭环。

道路:为技术找到应用场景

在伏彩瑞看来,Hitalk 是一个典型的人工智能+人的智能的产品,通过它能让用户高效找到自己的不足,然后再解决问题,期间节省了大量时间,而这也是这个成人口语产品的价值所在。

在 AI 这条线上,Hitalk 其实并不是沪江的第一次。伏彩瑞介绍说,早在今年 3 月就沪江上线了第一个人工智能的产品——沪江网校的Uni智能课程,是面向大学生英语四级的一款产品。而在9月,几乎所有的沪江产品线都会用上人工智能。

沪江之所以能做 AI ,并且“有戏”,伏彩瑞把它归功于数据:

沪江不是从零开始做人工智能的,有大量以前的积累。为什么现在人工智能有戏了,尤其在教育方面?我认为很大的原因,跟过去大数据的发展有关,跟过去移动和云计算的发展有关。今年是我们创业的第十一年,是我们创站第十六年,这么多年最大的特点就是积累(数据),这恰恰是人工智能最需要的。

雷锋网了解到,在做 Hitalk 之前,沪江往系统里导入了一千万条中国人的口语数据。同时,还有1.5亿用户,在沪江的各类应用上实时产生数据。伏彩瑞介绍说,现在沪江每天产生 1 TB的教学数据。

沪江 COO 李骏也向雷锋网表达了相同的观点,他介绍说,2013年沪江就开始在内部做自己的大数据平台,2014年开始做用户画像,同时开始用机器来智能化的判断用户的能力水平。这些积累,是沪江之所以能在各类产品上推行 AI 技术的资本。

但无论是伏彩瑞,还是李骏,都明确地表示,沪江并不是一个技术开创型的公司,而是一个为技术找到应用场景的公司。

未来:AI教育产品的两大挑战

李骏透露说,沪江已经成立了一个“智能学习实验室”,该实验室采用“双领导制”,一个是AI技术专家,另一个是教育领域专家,这也是沪江一直以来探索的研发模式。

沪江伏彩瑞:AI+教育时代不是弯道超车,而是换道超车的大好机会

此外,在谈到智能教育产品时,李骏认为还有两个大的挑战必须面对:

  • 其一,关键技术的突破。

李骏对雷锋网解释说,相比机器视觉,自然语言的理解和分析要应用到具体场景时会面临更大挑战,诸如机器批改、智能助教等是沪江一直在研究和尝试的领域,但离优异的用户体验还是有距离的,至于之前引发热议的高考机器人(机器答题)其实有挺大的水分。

  • 其二,找到创新的应用场景。

AI 教育产品不能简单模拟线下模式,要寻找有创新的应用场景。比如有厂商用摄像头加人脸识别来检查学生是否在学习,这样的场景投入产出比是比较差的。智能教育产品,应当去寻找更为创新的学习场景,真正帮助老师和学生更有效率和更有创造性地教与学。

而在谈到 AI 是否会取代老师这个“老生常谈”的问题时,伏彩瑞和李骏都表示,“这是不可能的”。



本文作者:叨叨
本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
2月前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
177 9
|
4天前
|
数据采集 人工智能 搜索推荐
SocraticLM:通过 AI 提问引导学生主动思考,中科大与科大讯飞联合推出苏格拉底式教育大模型
SocraticLM 是由中科大和科大讯飞联合开发的苏格拉底式教学大模型,通过提问引导学生主动思考,提供个性化教学,显著提升教学效果。
37 9
SocraticLM:通过 AI 提问引导学生主动思考,中科大与科大讯飞联合推出苏格拉底式教育大模型
|
15天前
|
人工智能 自然语言处理 搜索推荐
AI在教育中的潜力与挑战:开启智慧教育的新时代
AI在教育中的潜力与挑战:开启智慧教育的新时代
175 19
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
师资研修|AI赋能教师教学能力转型-德阳某教育主管部门
近日,德阳市教育主管部门,面向全市中职院校的骨干教师,开展AIGC赋能教育教学师资培训。TsingtaoAI参与负责本次师资研修的教学。本次师资研修通过系统化、专业化的培训,帮助教师深入掌握AI大模型及生成技术在教学中的应用。课程以实践为核心,以案例为载体,涵盖AI提示词优化、教案与题库生成、PPT高效设计及AI数字人应用等核心内容,全面提升教师的教学效率与创新能力。
59 5
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
师资研修|AI技术赋能教材建设和课程开发——乌鲁木齐某教育部门
近日,TsingtaoAI派出AI专家为乌鲁木齐中职院校的教师团队,举办“AI技术赋能教材建设与课程开发”的师资研修。此次培训由TsingtaoAI的AI专家高寒和教育专家刘建老师亲自授课,面对的是来自乌鲁木齐的教育工作者,特别是中职院校的教学骨干。整个活动不仅涉及人工智能技术本身的深度解析,还深入探讨了如何将这些前沿技术高效应用于教材和课程体系的创新。
39 0
|
2月前
|
人工智能 自然语言处理 搜索推荐
AI辅助教育:个性化学习的新纪元
【10月更文挑战第31天】随着人工智能(AI)技术的发展,教育领域迎来了一场前所未有的变革。AI辅助教育通过智能推荐、语音助手、评估系统和虚拟助教等应用,实现了个性化学习,提升了教学效率。本文探讨了AI如何重塑教育模式,以及个性化学习在新时代教育中的重要性。
|
2月前
|
机器学习/深度学习 人工智能 算法
AI与未来教育:一场革命性融合
在这个信息爆炸的时代,人工智能(AI)正逐步渗透到我们生活的每一个角落,教育领域也不例外。本文旨在探讨AI技术如何革新传统教育模式,以及这一变革可能带来的深远影响。通过分析AI在个性化学习、智能辅导系统、教育资源优化分配等方面的应用案例,揭示其对未来教育生态的重塑潜力。同时,文章也将讨论伴随技术进步而来的挑战,如数据隐私保护、教师角色转变等问题,并提出相应的解决思路和建议,为构建更加公平、高效、人性化的教育体系提供参考。
|
3月前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
5月前
|
人工智能 监控 算法
智能时代的伦理困境:AI技术的道德边界探索人工智能在教育领域的革新之路未来编程:人工智能与代码共生的新篇章
【8月更文挑战第21天】在人工智能(AI)技术飞速发展的今天,我们正处在一个前所未有的科技变革时期。随着AI技术的深入人类生活的方方面面,它不仅带来了便利和效率的提升,同时也引发了关于道德和伦理的深刻讨论。本文将探讨AI技术发展中遇到的伦理挑战,以及如何建立合理的道德框架来指导AI的未来应用,确保技术进步与人类社会价值观的和谐共存。
255 61
|
2月前
|
安全 搜索推荐 机器学习/深度学习
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】在人工智能的推动下,个性化学习系统逐渐成为教育领域的重要趋势。深度学习作为AI的核心技术,在构建个性化学习系统中发挥关键作用。本文探讨了深度学习在个性化推荐系统、智能辅导系统和学习行为分析中的应用,并提供了代码示例,展示了如何使用Keras构建模型预测学生对课程的兴趣。尽管面临数据隐私和模型可解释性等挑战,深度学习仍有望为教育带来更个性化和高效的学习体验。
181 0
下一篇
开通oss服务