人工智能将把教育带往何方
—WIPO《2019技术趋势:人工智能》报告解读

随着社会对人工智能产生的革命性影响的深刻认识,教育工作者也不禁思考人工智能时代下教育该如何走向。技术发展与教育需求碰撞才会迎来未来教育,因此了解人工智能的发展动向成为关键任务。该文以世界知识产权组织(WIPO)发布的《2019技术趋势:人工智能》报告为数据来源,从技术、功能性应用、应用领域三个维度描绘人工智能发展趋势。然后从技术趋势回到教育领域,进一步挖掘报告中的数据,分别从产业界和学术界突显教育领域的人工智能应用前景。最后,基于以上分析,阐述对教育人工智能的启示:一方面,指出大规模个性化学习和创新教育是未来教育的发展方向,从教育需求的角度向人工智能技术提出要求;另一方面,指出跨领域交流和跨界合作是未来教育的实现途径,从技术支持的角度看教育需求如何得到满足。

前言

       本文以WIPO 《2019技术超势:人工智能》 这一报告为软悉人工智能发展走向的数据爽源,通过对该报告的解读,了解人工智能发展到何种程度及后续如何发展,回答”人工智能可以为教育提供何种支持”;然后回到教育领域,挖掘报告中的数据以定位教育领域的人工智能应用前景;最后,结合教育需求和技术支持,思考“人工智能将把教育带往何方”,提出教育人工智能的发展方向和实现途径。

报告解读

(一)人工智能的界定

      《报告》中将人工智能系线视为学习系统,即机器可以在有限或不需要人工干预的情况下更好地完成通常由人类执行的任务。这是狭义的人工智能,有别于通用人工智能或强人工智能等概念。根据此定义,一系列技术与应用被纳入到该报告的人工智能领域范畴中。

(二)人工智能的发展历史

      《报告》对人工智能的历史简要回顾发现,人工智能学科源自于1956年达特茅斯会议,经历了一系列的起起落落(称之为人工智能的夏天和冬天),当前的人工智能繁荣始于大约2012年。如图1所示,也例举了部分人工智能追赶人类表现的里程碑,均落在了“A1夏天”的时问轴里。

图1 AI发展简史

(三)人工智能的发展分析

     《报告》最核心的脉络在于,从神经网络、深度学习等人工智能技术出发,以自然语言处理、计算机视觉、语音处理等人工智能功能性应用为过渡,再到运输、通信等人工智能应用行业,展现了人工智能研究转化为现实应用的过程,为人工智能发展趋势提供了独特的见解。

从《报告》看人工智能发展趋势

(一)第一维:AI技术的发展

     《报告》中将AI技术分为五大类,即机器学习、逻辑编程、模糊逻辑、本体工程、概率推理,五个类别含义及其对应的前两名专利申请者如表1所示。

表1 AI技术类别

(二)第二维:AI功能性应用的发展

     《报告》中将AI功能性应用总结为九大类,即计算机视觉、语音处理、自然语言处理、规划调度、机器人学、预测分析、控制方法、分布式人工智能、知识表示与推理。

       专利数据显示,计算机视觉、语音处理和自然语言处理是申请量最多的三项功能性应用,分别占49%、13%和14%。机器人学和控制方法是数量少但增长率高的两项功能性应用。文献数据与专利数据一致的是,计算机视觉和自然语言处理在科学出版物同样占有突出地位,分别占人工智能出版物的20%和11%;但与专利相比,语音处理在文献中的表现要少一些,被机器人学、分布式人工智能和规划调度超越。

(三)第三维:AI应用领域的发展

     如今,研究人员正致力于更多的人工智能应用,《报告》 中确定了20个应用领域,按照专利申请量的大小依次为:电信(Telecommunications),运输(Transportation),生命与医学(Life and Medical Sciences),个人设备、计算和人机交互(Personal Devices, Computing and HCI),安全(Security), 商业(Business),文件管理与发布(Document Management and Publishing),工业和制造业(Industry and Manufacturing),物理科学与工程(Physical Sciences and Engineering),网络(Networks),能源管理(Energy Management),艺术与人文学科(Arts and Humanities),教育(Education),制图学(Cartography),娱乐(Entertainment), 银行与金融(Banking and Finance),政务计算(Computing in Government),农业(Agriculture),军事(Military),法律、社会和行为科学(Law,Social and Behavioral Sciences)。值得一提的是, 71%的专利族提到至少两个不同的应用领域,可见技术的可迁移性和领域的交叉性。从申请量来看,电信与运输领域以绝对的优势领先,排名前四的领域占比达42%。从平均增长率来看,最引人注目的是运输,其次是农业、政务计算以及银行与金融。若将领域持续细分,发现自动驾驶汽车(隶属运输领域)、智慧城市(隶属网络领域)、客服(隶属商业领域)、情感计算(隶属个人设备、计算和人机交互领域)等子领域表现出显著增长。报告中提到,李开复认为互联网、金融和电子商务将成为未来五年里受人工智能影响最大的行业,然后是零售、医疗、制造、运输、物流等行业,最终人工智能渗透生活的方方面面。

(四)三维度交叉分析

       AI技术组成AI功能性应用,进而作用到AI应用领域,三者存在交叉关系。由于机器学习已占提到AI技术的人工智能专利族的89%,故这里未列出其他AI技术。下页图2以机器学习技术与九大功能性应用为横轴,20个应用领域为纵轴,数据条长度显示横纵维度交叉的专利族数量。

图2 三维交叉

       总体来说,机器学习尤其是深度学习和神经网络技术发展稳且快,计算机视觉、自然语言处理和语音识别已取得相当丰硕的成果且还在持续提升准确性,这些技术与功能性应用都可以为教育提供支持。

回看教育领域的人工智能应用前景

(一)产业界

       前20名的公司AI专利申请量分布如图3所示,横坐标公司名称按照申请量由大到小排序,箱线图代表各公司在不同应用领域中的申请量分布情况(离群值体现了该公司的焦点领域),黑色小三角代表“AI+教育”的专利申请量。从图可以看出,“AI+教育”的专利数量占AI专利总量比例较少,没有成为这些公司的主要业务。

图3 Top20公司的AI专利申请量(图中黑色小三角代表“AI+教育”的专利申请量)

       20个公司的AI技术、AI功能性应用相关专利数量与教育领域数量的相关性如下页表5所示。根据结果可知,在五大类AI技术中,除了模糊逻辑以外,机器学习、逻辑编程、本体工程、概率推理均与教育领域的数量有显著相关。在九大功能性应用中,与教育领域专利数量显著相关的有自然语言处理、知识表示与推理、语音处理以及预测分析。

表5 产业界AI技术/功能性应用与教育领域专利数量相关性分析

(二)学术界

       前20名的科研机构AI专利申请量分布如图4所示,同样,横坐标科研机构(包括大学)名称按照申请量由大到小排序,箱线图代表各机构在不同应用领域中的申请量分布情况,黑色小三角代表“AI+教育”的专利申请量。从图4中可以看出,学术界的AI专利申请量远不及产业界。

图4 Top20科研机构的AI专利申请量

       20个科研机构的AI技术、AI功能性应用相关专利数量与教育领域数量的相关性如表6所示。与产业界的结果相比,在五大类AI技术中,除了模糊逻辑以外,概率推理也没有显示出与教育领域的显著相关,可能是学术界对于概率推理技术的专利数量均为个位数所致。

表6 学术界AI技术/功能性应用与教育领域专利数量相关性分析

对教育人工智能的启示

(一)教育需求:未来教育的发展方向

       1.大规模个性化学习

       个性化学习,也称为自适应学习或适应性学习,是古代教育家孔子“因材施教”教育理念的体现。数据驱动的适应性学习系统为实现大规模个性化学习提供途径,即通过学习过程数据对学习者进行诊断评估并据此动态组织学习路径和资源;系统起步于学习者模型的初步定位,持续于学习者模型的实时更新。因此,通过“数据”了解学生是非常重要的一环,收集学习者的何种数据(明确学习者模型的维度)、如何收集(学习者知识状态等具体维度刻画的方法)是大数据环境下面临的困扰。

       2.创新教育

       创新教育是以培养创新人才为目标的教育,目前以跨学科知识整合为主的STEM教育是其主要方向之一,难点在于师资力量的缺乏。一方面,课程设计的水平有待提高,常常忽略基础性学科知识的整合;另一方面,STEM教育的跨学科性对教师的要求较高。由于机器的精力、记忆力、进化力远远胜过人类,利用人工智能技术建立专家系统或许可以成为解决方案之一。拥有大量优秀课程案例的专家系统,不仅可以成为教师的搜索资源,也可以成为教师学习的对象,在使用系统的过程中逐渐提高专业水平。

(二)技术支持:未来教育的实现途径

       1.加强跨领域专家的深度交流

       站在教育工作者的角度来说,需充分了解已有的AI技术与功能性应用。《报告》中人工智能领域专利与文献数据已显示,AI技术如机器学习、AI功能性应用如计算机视觉、自然语言处理、语音识别等均已取得大量成果,具有可迁移性,完全可以在教学场景中得到充分应用。

       但是,教育专家的专长毕竟不是技术,应用效果仍需教育与人工智能领域的专家合作来保障。以通过自然语言处理进行作文评价为例,若人工智能专家采用机器学习的方法,则需要教育专家辅助进行情感值标注以作为模型的训练集。

       2.促进产业界与学术界的合作

       通过前文教育领域人工智能的发展分析可知,学术界的专利数量远不及产业界,一方面可能是学术界更重视科学出版物的发表,另一方面也是研发经费与人力资源差异造成的结果。而且,产业界与学术界的研发侧重点可能会有差异,因此,即使是拥有科研部门的大型企业,互补合作共同推进未来教育依然是实现双赢局面的必然选择。

结语

       本文对WIPO发布的《2019技术趋势:人工智能》进行解读,从技术、功能性应用、应用领域三个维度描绘人工智能发展趋势,并通过报告中的数据进一步突显教育领域中人工智能的应用状况,为人工智能与教育教学深度融合的未来教育变革提供反思与启示。

参考文献

[1]戴静,顾小清.人工智能将把教育带往何方——WIPO《2019技术趋势:人工智能》报告解读[J].中国电化教育,2020,(10):24-31+66.

Scroll to Top
Scroll to Top