【大咖Live】AI自適應(yīng)教育專場第二期，獨角獸一起教育科技CTO楊康帶來了關(guān)于“解碼「AI+教育」在K12領(lǐng)域的落地與實踐”的主題分享，詳解一起教育科技在AI+教育方面的實踐經(jīng)驗。目前，本期分享音頻及全文實錄已上線，旗下會員組織「AI投研邦」會員可進(jìn)入【AI投研邦】頁面免費查看。

本文對整場分享進(jìn)行了要點總結(jié)及PPT整理，以幫助大家提前清晰地了解本場分享重點。

1、教育當(dāng)前現(xiàn)狀及面臨的困境是什么？

2、AI+教育可以解決什么？

3、傳統(tǒng)教育教學(xué)如何與當(dāng)前的AI技術(shù)結(jié)合？

4、場景化的AI+教育是怎樣的？

以下為一起教育科技CTO楊康的部分分享內(nèi)容，【AI投研邦】在不改變原意的基礎(chǔ)上做了整理和精編：

大家好，我是一起教育科技CTO楊康，今天分享的話題是“AI+教育”在K12領(lǐng)域的落地與實踐。

一起教育科技將所有用產(chǎn)品、技術(shù)手段幫助老師學(xué)生更好的完成教學(xué)和科研的過程定義為AI助教工作，包括課下多學(xué)科作業(yè)批改、課堂輔助教學(xué)、課前教學(xué)設(shè)備以及AI+老師的研發(fā)工作等。

上述探索和應(yīng)用的目的在于，一方面更好解放老師工作，將重復(fù)的機(jī)器擅長的工作交給機(jī)器，讓老師更好地進(jìn)行教學(xué)工作；同時，一起教育科技希望學(xué)生能夠更多地完成自主學(xué)習(xí)，希望通過大數(shù)據(jù)和AI，讓學(xué)生更有針對性地進(jìn)行學(xué)習(xí)。

在教育領(lǐng)域，一起教育科技的落地實踐主要包含以下方面：語音識別&評測、圖像識別&批改、自然語言處理&語義理解屬于感知和語義層面技術(shù)，自適應(yīng)學(xué)習(xí)、AI診斷、智能測評更貼近教育場景和數(shù)據(jù)。

一起教育科技通過語音識別解決英語口語打分的自動評測問題，通過圖像識別技術(shù)解決各個學(xué)科學(xué)生練習(xí)冊的自動批改；通過自然語言技術(shù)解決作文批改問題；通過自適應(yīng)學(xué)習(xí)技術(shù)，解決學(xué)生個性化練習(xí)需求；同時，將大數(shù)據(jù)和AI結(jié)合，解決學(xué)生做錯題后的錯因分析和診斷問題；以及目前正在進(jìn)行的與學(xué)科能力測評相關(guān)的智能評測技術(shù)。

語音評測

楊康提到，語音評測在教育領(lǐng)域的應(yīng)用包括兩點：

一是進(jìn)行口語朗讀的語音評測?？谡Z朗讀即學(xué)生根據(jù)一段文本英語內(nèi)容進(jìn)行跟讀，在發(fā)音過程中，音頻將通過設(shè)備端傳送至后臺服務(wù)器，一起教育科技后臺進(jìn)行相應(yīng)的口語打分，該過程主要評估學(xué)生語音的完整度、流利度。同時，在流利度本身中也會遇到一些細(xì)節(jié)性問題，比如流利英語發(fā)音（即考察韻律、重音、語速等細(xì)節(jié)）。

二是半開放口語。半開放口語相對跟讀英語口語評測，前者多出的是語義的相似度判斷和語義匹配過程。半開放口語面對的問題是，給出一段文本和相應(yīng)的問題，學(xué)生需根據(jù)文本的理解對問題進(jìn)行語音回答。在語音回答過程中，用戶答案并不唯一，后臺并不能完全按照發(fā)音角度評估用戶打分，還需參考用戶回答問題的內(nèi)容本身是否有錯、內(nèi)容本身是否完整、是否回答題干相應(yīng)的關(guān)鍵詞或答案等等。 我們稱之為半開放口語的評測技術(shù)。事實上，這是語音打分技術(shù)+自然語言處理技術(shù)合成的綜合性技術(shù)解決方案。

語音評測算法同語音識別過程不同，因其面對問題更加確定，所以一起教育科技將相應(yīng)的準(zhǔn)確答案做成狀態(tài)機(jī)，并稱之為FST。該狀態(tài)機(jī)中可能包含了相應(yīng)回答的文本。在完成聲學(xué)模型后，一起教育科技將狀態(tài)機(jī)同聲學(xué)模型結(jié)合，進(jìn)行解碼，完成匹配，并在匹配搜索的過程中進(jìn)行打分。

在一起教育科技看來，如果整體分差是零，或者整體分差是0-1，則效果相對較好。

上圖可以看到各家的引擎，一起教育科技與其他第三方引擎進(jìn)行評測。在小學(xué)英語的口語場景中，一起教育科技引擎效果良好。大部分的深紅色柱子逼近零區(qū)間。

如何進(jìn)行相應(yīng)的半開放口語評測？一起教育科技分為三個環(huán)節(jié)：

語義分割：一起教育科技將一句話或一個段落劃分成不同的短語，短語中包含一些關(guān)鍵信息，利用短語和答案進(jìn)行匹配，即短語和短語之間的匹配。

同時，因為在所有中小學(xué)教學(xué)過程中，人名或代詞使用較多。所以在此類型問題中，一起教育科技利用指代消歧技術(shù)將一些單詞（例如my 、this）與原文中的名詞或人名、物體名進(jìn)行對應(yīng)，此處應(yīng)用了指代消歧與實體關(guān)系修正的技術(shù)。

除指代消歧以外，一起教育科技進(jìn)行語義相似度的判斷。針對一句話，用戶的描述可能不同：比如doing sports和doing exercise 是一個意思。同義詞的判斷和語音相似度判斷可以用傳統(tǒng)的自然語言處理技術(shù)來實現(xiàn)。楊康表示，如果有更多樣本，可以使用深度學(xué)習(xí)的方法來進(jìn)行。

整體來看，語音技術(shù)在目前K12領(lǐng)域偏向于監(jiān)督式學(xué)習(xí)場景，如果有大量的用戶語料在小學(xué)、中學(xué)里面（包括發(fā)音、跟讀、開放口語等回答）。這些語料進(jìn)行標(biāo)注訓(xùn)練，可很好的提升本身語音技術(shù)的識別效果。

圖像識別

圖像識別技術(shù)在教育領(lǐng)域的應(yīng)用較廣，主要是感知層面上的智能應(yīng)用。如何識別相對復(fù)雜的數(shù)學(xué)符號，一起教育科技提出了一個基于 Attention 的識別模型。Attention在2017比較火，實際上Attention在圖像處理于在2014/2015年已有應(yīng)用。

為什么選用 Attention 作為拍照、批改場景的識別？因為CRNN技術(shù)更偏向于對行進(jìn)行掃描識別。

一起教育科技通過不同行即空間輸入，對整體進(jìn)行計算，同時用LSTM將序列模型能力發(fā)揮出來。一起教育是基于O2O批改的算法架構(gòu)，O2O的意思是將紙質(zhì)教輔、練習(xí)冊數(shù)字化還原至線上，這是一起教育定義的O2O。

基于O2O批改算法架構(gòu)中，底層是大量數(shù)據(jù)標(biāo)注，包括好的標(biāo)注平臺、好的標(biāo)注團(tuán)隊（或外包、或公司團(tuán)隊），好的數(shù)據(jù)管理。因為針對性的標(biāo)注和訓(xùn)練和線上的使用反饋貫穿，線上效果不好的之處，我們通過邊角案例的挖掘，通過數(shù)據(jù)管理把它拎出來，讓標(biāo)注團(tuán)隊相應(yīng)的進(jìn)行標(biāo)注，從而進(jìn)行相應(yīng)的訓(xùn)練，重新訓(xùn)練效果即可得到提升。

上一層是圖像識別基礎(chǔ)模型和已上線效果，包括手寫識別、印刷體識別、公式識別、圖形檢測、圖形軌跡識別。再向上，一起教育科技做的是教輔批改和練習(xí)冊批改，除圖像識別能還原文字外，還需要考慮如何更好地批改。批改的過程是將文本轉(zhuǎn)化成數(shù)學(xué)的模型。

Socrates 智能學(xué)習(xí)系統(tǒng)

智能教學(xué)系統(tǒng)由一起教育科技自研，解決以下問題：孩子做錯題后，能夠通過一系列的自主完成的手段做對這道題。同時，孩子不是因為看到某答案或者只是通過這道題記住答案而學(xué)會的，而是通過一些干預(yù)，通過講解將把自己的錯誤原因回溯而學(xué)會。

一起教育科技將這套系統(tǒng)智能教學(xué)系統(tǒng)分成幾個模塊，實現(xiàn)了診斷干預(yù)、再次講解，幫助孩子學(xué)會這個過程。一起教育科技也在線上進(jìn)行實驗評估這套系統(tǒng)是否有效，稱之為后測率指標(biāo)。后測率是孩子做錯一道題，給予相應(yīng)的干預(yù)、講解。未來，孩子可能在做類似錯題了后，我們看他做錯的比例是多少，故稱之為后測率。

使用這套系統(tǒng)后孩子的后測率對比原來未使用這套系統(tǒng)，一起教育科技進(jìn)行了實驗班和實驗分組。結(jié)果所示學(xué)習(xí)效果提升了很多。

學(xué)科能力量尺搭建

學(xué)科能力量尺搭建，一起教育科技也稱之為智能評測技術(shù)。該技術(shù)相對傳統(tǒng)，國內(nèi)外例如我國各省的教研專家委員會上，一些學(xué)科能力量尺在數(shù)學(xué)/語文/英語上都有相應(yīng)模型。其主要用于評估一個區(qū)域/一個學(xué)校/一個班級的教學(xué)效果。我們能夠形象的聯(lián)想到，班級學(xué)習(xí)效果是按考分進(jìn)行評估。

實際上，分?jǐn)?shù)是一個籠統(tǒng)概念，如何對應(yīng)到每個孩子的能力，如何對應(yīng)到班級整體能力，需要學(xué)科能力量尺進(jìn)行度量，用多個維度判斷孩子認(rèn)知、模型和相應(yīng)教學(xué)目標(biāo)是否達(dá)到？

以數(shù)學(xué)為例，一起教育科技覆蓋了七個常見教材版本，并在去年上線了一期項目，幫助公立學(xué)校完成其評估過程。學(xué)科能力評測目標(biāo)要有兩個：一是為區(qū)域教員（比如教育局委員會）提供教學(xué)質(zhì)量的監(jiān)督，同時微觀指導(dǎo)班級，甚至指導(dǎo)個人進(jìn)行學(xué)科能力評估，為班級/家長/老師輸出學(xué)生的學(xué)科能力的強(qiáng)項、弱項，指導(dǎo)日常工作。 學(xué)科能力量尺目前的覆蓋范圍大概有270萬學(xué)生，去年覆蓋7萬多個班級。

會員問答

為更深入的解決聽眾在AI+教育方面的困惑，「Live」在分享結(jié)束后開設(shè)問答環(huán)節(jié)，楊康對旗下會員組織「AI投研邦」會員疑問進(jìn)行了一一解答。

問題一、某AI教育公司從業(yè)者：請問數(shù)學(xué)作業(yè)中的應(yīng)用題，目前可以實現(xiàn)自動批改嗎？

一定程度上是能的。一起教育科技在今年也將發(fā)布相應(yīng)技術(shù)。數(shù)學(xué)階段的應(yīng)用題批改，因其耗時較長，老師批改的時長也較大。一起教育科技認(rèn)為第一步是答案抽取，即答案在哪個區(qū)域？（比如用戶的答案可能是一個確定的數(shù)字+一個單位，答案在哪個區(qū)域需要識別出來）；同時，一起教育科技也希望做到過程級批改，不只是一個答案，對學(xué)生在前面的三/五個過程中的回答點是否正確，是否按照思考路徑來進(jìn)行預(yù)期回答，一起教育也會進(jìn)行相應(yīng)處理。

問題二、AI+教育領(lǐng)域?qū)W生：請問在技術(shù)落地的過程中，有沒有遇到什么瓶頸？這些問題是如何解決的？

比如，一起教育科技在早期自動批改技術(shù)上線時，內(nèi)部評測效果較好；但實際第一次冷啟動上線時，你會看到線上效果比預(yù)期效果下降十個百分點甚至更多。

這個問題的瓶頸在哪里？主要是在樣本。線下測試集實驗時，訓(xùn)練樣本相對少，所以一起教育科技鼓勵在AI研發(fā)階段分成兩個階段：一是冷啟動階段，盡可能用能夠收集到的數(shù)據(jù)提高數(shù)據(jù)樣本的標(biāo)注準(zhǔn)確率，然后準(zhǔn)確度達(dá)到一個基礎(chǔ)分（基礎(chǔ)分不會太高，冷啟動一般來說較難）。

第二階段是線上放量，即實驗或正式生產(chǎn)階段。該階段可以看到各種各樣的樣本，原來的模型、原來的方法在這些樣本上工作效果的可能并不好，但一定要有很好的邊角案例管理意識和邊角案例跟蹤意識，將處理不好的問題單獨挑出，把樣本進(jìn)行針對性標(biāo)注。如此得到很好的提升。

問題三、某AI教育公司從業(yè)者：AI+教育，在推向K12學(xué)校時，面臨最大的問題是什么，我們是怎么應(yīng)對的？

一起教育科技已經(jīng)成立八年多，面對的問題多種多樣。 舉例來說，一起教育科技覆蓋的學(xué)校不只是信息化程度很好的北京、上海，也有信息化程度較差的城鎮(zhèn)鄉(xiāng)村小學(xué)，在這些小學(xué)中，一起教育科技花費了很多精力思考如何賦能信息化教學(xué)程度較差的一些地區(qū)。但我們欣喜的發(fā)現(xiàn)，即使在鄉(xiāng)村小學(xué)，每個孩子的家庭中也有一部手機(jī)，通過手機(jī)上網(wǎng)進(jìn)行口語打分、作業(yè)批改，可以讓老師跟蹤其學(xué)習(xí)情況，家長跟蹤學(xué)情。

所以，一起教育科技認(rèn)為移動互聯(lián)網(wǎng)帶來相對公平的教學(xué)機(jī)會，無需通過一個很大的多媒體教室才能完成口語教學(xué)過程。一起教育科技積極應(yīng)對此事，同時也希望未來將更多的線下作業(yè)場景搬到線上。因為孩子在上課過程中，如果能引用相應(yīng)的作業(yè)大數(shù)據(jù)，可以看到“我的班級”、“我的年級”及全市區(qū)域的錯題分布。這樣即可幫助老師針對性的指導(dǎo)孩子。