首页 > VR > 正文

“人工智能+教育”,创业者和投资人最应该关注什么?

条评论

17-11-17 14:10 VR界网

  “人工智能+教育”,创业者和投资人最应该关心的问题各是什么?

  关注正确的问题并尝试解决,对前者来说可以提高效率 ,对后者来说可以化解投资风险 。

  本文作者Matthew Ramirez ,美国AI教育公司WriteLab联合创始人兼执行总裁。本文首发于美国教育行业垂直媒体Edsurge。

  当大型超市里的那些高龄杂货商问怎么使用人工智能的时候,我们知道人工智能已经大步进军主流市场了。

  2011年,当我在加州大学伯克利分校读研究生时,除了学术界很少有人谈论人工智能。在当时看来,人工智能商业化还是一件很遥远的事情。

  2014年初,当我跟合伙人创建WriteLab的时候,几个著名的实验室已经开始着手创建人工智能公司,但他们的态度都非常谨慎 。

  到了2017年,人工智能已经铺天盖地 。无论是机器学习、自然语言处理还是图像识别,都在被大量传播 。

  尽管很难用三言两语说清楚人工智能的用途和效果,但对教育界来说,这仍然是个利好消息。“人工智能+教育”会带来什么改变?

  我们首先会想到几个比较合理的问题,比如:人工智能技术到底是什么?我们怎么能够相信它?人工智能技术是否能够真正解决老师和学生面临的痛点?

  创业者应该问的问题:

  (1)人工智能如何提高工作效率?

  我认为以人工智能为基础的教育工具包括两类:

  第一类产品有聊天机器人、进行剽窃检测并自动完成作文评分的工具。 通过大型数据集人工智能能够发挥强大的功能,产生相应的结果。

  第二类产品主要针对特定的工作流程,以更高效地方式进行评分、管理、招生登记以及课程安排等。 这些工具能够帮助教育工作者改善测试和评估流程。

  对于那些以人工智能为基础,但不能解决具体工作流程问题的工具,创业者应该努力寻找通过这些工具提升工作效率和绩效的方法。如果没能找到合适的方法,则应该进行更深层次的探索 并提出一些更加深奥的问题 。

  (2)人工智能处理数据的可靠性到底有多大?

  对于大部分人工智能教育应用软件来说,工程师依靠的是“监督式学习”流程 。该流程要求通过某种方式对数据进行标注,例如可以通过分级作业 进行。在这种情况下,数据的一致性 是指评分者根据相同的评价标准 ,对文章进行评估并且应该对存在的相同错误确定或者扣除相同的分数。

  但是很遗憾的是,由于需要连续对大量的作业进行评分,多数数据集都没有达到这种精细程度。其中很大一部分是由于人为因素 造成的。如果一名老师需要在8小时的时间内对200篇文章进行评分,那么在漫长的评分过程中这名老师很可能会出现决策疲劳 ,从而导致给出的评分出现波动 。

  软件工程师尽其所能对人工智能进行调整,将老师在数据评分(以及标记)时的各项条件考虑在内。但是这本身就是不够完善的,通宵评估30篇文章和用一个周末的时间来评估30篇文章肯定会存在差别。

  由于很难对精确性进行评估,评估数据是否真实地反映了人工智能自动化活动的难度更大 (例如学生的写作任务以及相关的写作回应)。

  与许多其他教育科技工具类似,我们会让我们信任的人(我们自己或者同事)来测试产品,确定在常用工具和价值中是否存在错误。

  投资者应该问的问题:

  (1)所有的工作都通过人工智能完成吗?或者是否需要专人负责核对输出结果?

  这个问题听起来很不错,如果创业者说这些工具实现了全自动,那么你可能会问:是否考虑在工具的整个工作流程中添加一些人为干预 ?

  这个问题可能会让创业者感到惊讶,因为他们想把成本降至最低 。但加入人工干预,可以确保数据的质量更高,并能创造竞争优势。

  由于人工智能需要数据,越复杂,它的维护成本就越高 。每年需要的数据成本从几百美元到几十万美元不等,其中大部分费用都支付给了数据记录专家。

  如果支付几千美元的标记数据费用,就可以实现系统的全自动化,那么数据就不会创造出任何竞争优势。但是如果人工智能能通过用户产生的数据学习 ,维护和改善的成本就会低很多。

  (2)人工智能会对公司商业模式产生什么影响?

  这个问题的答案可以帮助你化解投资风险。

  很多成功的人工智能企业通过用户 来标记数据,多数情况是无意识的标记。其中最具有创造力的一点,就是围绕用户标记经验改善软件 。Facebook和Google通过利用人工智能巧妙地实现了照片标记 和信息标记 。

  如果我们要优化一个良好的商业模式,增强人工智能竞争优势,需要实现充分的数据流动 。这听起来很容易,做起来很难。

分享:

提交

最新评论