电子科技大学董乐:让AI更好地服务于教育

2019-05-14 10:01:33 200

  几个世纪以来,教育一直遵循着相同的道路,无非是以老师为中心或者走流水线模式。不过,在人工智能相继侵袭了消费电子、电子商务、媒体、交通和医疗保健等行业之后,我们不禁要问,教育行业是否会成为人工智能的下一个目标呢?

  近年来,人工智能备受关注。2015年7月,国务院印发《“互联网+”行动指导意见》,明确人工智能为形成新产业模式的11个重点发展领域之一,将发展人工智能提升到国家战略层面。

  2016年3月,“十三五”规划纲要将“脑科学与类脑研究”“大力发展工业机器人、服务机器人、手术机器人和军用机器人,推动人工智能技术在各领域商用”“推动驾驶自动化、设施数字化和运行智慧化”等内容,列入国家未来几年的重要发展战略。同年,工信部、发改委、财政部联合发布《机器人产业发展规划(2016~2020年)》。

  日前国务院印发的《新一代人工智能发展规划》,将新一代人工智能发展提高到国家战略层面,针对性地提出了“三步走”的阶段性发展任务,明确了未来我国人工智能产业战略目标,提出在2030年成为人工智能领域的世界领导者,打造规模超过1万亿元的本土产业。

  人工智能与人类生活所发生的联系越来越紧密,人工智能如何应用于教育?人工智能又将对教育产生怎样的影响?

  电子科技大学计算机科学与工程学院教授董乐:让AI更好地服务于教育

电子科技大学董乐:让AI更好地服务于教育

  人工智能(ARTIFICIAL INTELLIGENCE)一词最初是在1956年DARTMOUTH学会上提出的。许多对机器智能感兴趣的专家学者聚集在一起,进行了一个月的讨论。从那时起,这个领域被命名为“人工智能”。

  人工智能时代沉浮

  人工智能至今经历了诞生、黄金时代(1956-1974)、遭遇基础障碍(1974-1980)、繁荣(1980-1987)、低潮(1987-1993)、复兴(1993-2006)、酝酿(2006-2012)、百花齐放(2012-2016)、爆发(2016-现在)多个时期,在曲折中不断发展。

第一次浪潮(1956-1974):达特茅斯会议推动了全球第一次人工智能浪潮的出现,即为1956年到1974年。当时乐观的气氛弥漫着整个学界,在算法方面出现了很多世界级的发明,其中包括一种叫做增强学习的雏形(即贝尔曼公式),增强学习就是谷歌AlphaGo算法核心思想内容。现在常听到的深度学习模型,其雏形叫做感知器,也是在那几年间发明的。除了算法和方法论有了新的进展,在第一次浪潮中,科学家们还造出了聪明的机器。其中,有一台叫做STUDENT(1964)的机器能证明应用题,还有一台叫做ELIZA(1966)的机器可以实现简单人机对话。于是,人工智能界认为按照这样的发展速度,人工智能真的可以代替人类。

  第一次寒冬(1974-1980):人们发现逻辑证明器、感知器、增强学习等等只能做很简单、非常专门且很窄的任务,稍微超出范围就无法应对。这里面存在两方面局限:一方面,人工智能所基于的数学模型和数学手段被发现有一定的缺陷;另一方面,有很多计算复杂度以指数程度增加,所以成为了不可能完成的计算任务。先天缺陷导致人工智能在早期发展过程中遇到瓶颈,所以第一次冬天很快到来,对人工智能的资助相应也就被缩减或取消了。

  第二次浪潮(1980-1987):80年代出现了人工智能数学模型方面的重大发明,其中包括著名的多层神经网络(1986)和BP反向传播算法(1986)等,也出现了能与人类下象棋的高度智能机器(1989)。此外,其它成果包括能自动识别信封上邮政编码的机器,就是通过人工智能网络来实现的,精度可达99%以上,已经超过普通人的水平。于是,大家又开始觉得人工智能还是有戏。第二次寒冬(1987-1993):然而,1987年到1993年现代PC的出现,让人工智能的寒冬再次降临。当时苹果、IBM开始推广第一代台式机,计算机开始走入个人家庭,其费用远远低于专家系统所使用的Symbolics和Lisp等机器。相比现代PC,专家系统被认为古老陈旧而且非常难以维护。于是,政府经费开始下降,寒冬又一次来临。

  第三次浪潮(1993-现在):出现了新的数学工具、新的理论和摩尔定律。人工智能也在确定自己的方向,其中一个选择就是要做实用性、功能性的人工智能,这导致了一个新的人工智能路径。由于对人工智能任务的明确和简化,带来了新的繁荣。在新的理论方面,数学模型对自然世界的简化,有着非常明确的数理逻辑,使得理论分析和证明成为可能,可以分析出到底需要多少数据量和计算量来得到期望的结果,这对开发相应的计算系统非常有帮助。在更重要的一方面,摩尔定律让计算越来越强大,而强大的计算机很少被用在人工智能早期研究中,因为早期的人工智能研究更多被定义为数学和算法研究。当更强大的计算能力被转移到人工智能研究后,显著提高了人工智能的研究效果。由于这一系列的突破,人工智能又产生了一个新的繁荣期。最早的结果即为1997年IBM深蓝战胜国际象棋大师。在更加专用型的功能性方面,机器在人脸识别、物体定位、物体检测和识别以及自然语言处理的挑战中,也可以达到或者超越人类的平均水平。