智慧教育最核心的是什么？人工智能在教育領域如何應用？
7月29日，由藍鯨教育主辦，上海報業(yè)集團指導，藍鯨財經、界面新聞、財聯社協辦的智慧教育論壇，在北京新云南皇冠假日酒店成功舉辦。
本次論壇以“Z世代·新教育”為主題，融合主題演講、互動研討、圓桌論壇等多種形式，與教育同仁共同探討教育信息化時代下的機遇與挑戰(zhàn)。
人工智能最核心的是什么？人工智能在教育領域如何應用？會上，弘成教育董事長黃波發(fā)表了題為“科技賦能·智慧落地，讓教育更智慧”的主題演講。從人工智能的發(fā)展軌跡、智慧教育的應用案例等方面分析了上述問題。
以下為黃波的演講實錄（有刪減）：
智慧教育最核心的是數據
過去十年是機器學習和深度學習快速發(fā)展期，人工智能模型的容錯率在加速下降，從2010年的28%降低至2017年的2.3%，現在容錯率已經到了2%以下。人工智能能做的事情，很多時候已經超越人類。
今天，算法已經能夠可以大幅度地讓教育和學習智能化，而目前對于教育行業(yè)來說數據層面的準備遠遠不足。內容數字化、流程數字化、教學智能化是真正能夠讓人工智能變成教學創(chuàng)新和人才發(fā)展的加速器。
如何讓人工智能落地教育領域，最核心的是數據。數據不僅僅是用戶行為數據、業(yè)務數據，最核心的是課程、題庫標簽化以及知識圖譜的完善和建設等。在過去五年里，弘成教育各個業(yè)務線形成了數以億計結構化、標簽化的教育數據。
在企業(yè)培訓行業(yè)，我們的客戶大多是外企。這是由于外企在人才能力模型、課程、業(yè)務的標準化等方面相對完善。在教育人工智能大數據方面，很多企業(yè)都有相關的產品推出，在人臉識別和圖文識別及語音合成領域的產品應用已經相對成熟, 但是在教學應用層面如果沒有完善的數據體系,這些產品就只能是宣傳的噱頭。沒有大量的完善結構化的課程和題庫, 是無法做到真正的個性化推送,每個知識點如果沒有匹配中、低、高難度的課程和題庫,它們就不能解決很多教學和教育的場景。
智慧教育如何落地？
目前，弘成教育建立了弘成智慧教育全景圖。包含數據智能、智慧學習、智慧就業(yè)、智慧教務、通用智能等五個系統。
圍繞著智能學習系統，由智能數據分析、智能督導提醒、用戶畫像、大屏監(jiān)控等板塊組成?；谟脩舢嬒瘢覀冏隽艘惶讉€性化推薦的體系。智能學習系統方面，弘成教育做了智能陪練與評價、自適應試題練習、課程和試題推薦、用戶診斷評估等系統。智能就業(yè)系統，是為高校的畢業(yè)生做的智能簡歷診斷、模擬面試、試崗預測與推薦等模塊的系統。智能教務系統，是為高校做的智慧云報到、智能學習監(jiān)控、自動排課/考、學歷證明識別等模塊的系統。
我們的數據模型和算法體系是如何演變出來的？
弘成卡普模型（CARP)是弘成的認知診斷及相應預測的推送模型。最早在成人教育的平臺上啟動,做了智能分析和智能督導場景的底層數據引擎模塊。2018年，開始做課程推薦體系，在這個基礎上完善了最基礎的CARP模型。從去年開始，我們加入自然語言處理NLP和語音合成等，在測評、問答、陪練等基礎上逐步完善。今年，在逐步完善智能練習、簡歷診斷和模擬面試等產品。
卡普智能模型全景圖中，智能交互與演練評估、教育智能分析與預警、智能診斷與相應預測、知識圖譜與能力模型這五個板塊是基于算法層面的。
我們技術模塊的核心都是圍繞業(yè)務模型來做的。比如說簡歷信息抽取模塊、特色語音合成模塊、仿生人視頻合成、課件語義切分和資源標簽提取模塊等。
在此基礎上，人工智能大數據模型都是基于采集、建模評估、推薦機會等一系列的體系來完善這些業(yè)務場景。
在業(yè)務建模和數據采集完善之后，我們才開始做后期的分析建模、智能推薦、智能督導。
第一、知識圖譜與能力模型的建設。做任何人工智能和大數據的智慧學習，都脫離不了知識體系和數據體系建設。無論是知識體系、基于企業(yè)的崗位能力模型的能力體系、智能陪練體系，首先我們得了解業(yè)務流程。
第二、基于數據和業(yè)務需求，根據用戶需求采集建模。
第三、診斷畫像。針對用戶的標簽、能力、分層，做一個診斷畫像。
第四、提醒督導。
第五、個性化推薦。個性化推薦可以基于薄弱點，基于用戶偏好，也可以基于企業(yè)核心績效數據或標桿。如企業(yè)培訓，我們做的就是標桿型銷售的個性化推薦和基于績效標準的課程推送。
智慧教育的應用案例
弘成教育在智慧教育方面有哪些落地案例？
第一個AI應用案例——自適應智能學習鯨練。構建個人知識圖譜，形成個人知識掌握神經網絡?；趯W科知識圖譜、學生個性化答題數據、學生群體答題數據分析等，通過算法模型，獲得學生個性化的知識掌握圖譜。
第二個AI應用案例——企業(yè)個性化智能推課系統。個性化推薦類型是基于崗位能力、用戶畫像、興趣標簽等?；趰徫荒芰Φ谋貍錀l件是梳理崗位能力模型，通過定量衡量崗位與能力的差距。基于用戶畫像的必備條件是梳理業(yè)務指標體系，比如近3個月陌拜達標率低于80%的人群,就可以推送相關的提升課程等?；谂d趣標簽是根據用戶自選的興趣輸入，需要將興趣與課程關聯。
個性化推薦是基于業(yè)務標簽的推薦。課程推薦場景一是查漏補缺，比如按月齡推薦、推薦某項業(yè)務目標達成率低的技能提升課程；二是向標桿學習，推薦業(yè)績達人正在學的課程。三是互相學習，推薦跟我相似的人群都在學的課程以及業(yè)務環(huán)節(jié)的熱門課程。
第三個AI應用案例——智能陪練。
智能陪練系統是通過自然語言理解和處理技術、機器學習、深度學習等領域的多種核心算法、模型及新技術應用，將AI引擎與業(yè)務場景結合，構建能力發(fā)展線上學習模型，實現個性化人機互動、真實場景模擬訓練模式，助力企業(yè)提升人員效能。
它的評分模型是基于內容的完整性評分算法、表達準確評分算法、關鍵詞覆蓋率、語音語調評分等方面。比如，關鍵詞覆蓋率方面，基于分詞算法，提取人員表達內容的關鍵詞和權重數據，和標準答案的關鍵行為進行匹配，計算覆蓋率。
智能陪練不僅僅能判斷文本，對用戶表情、手勢、語音等都能做到智能診斷。它能夠讓銷售人員的表達更具親和力、表現力、正能量，在陪練過程中實現能力的提升。
未來，我們將繼續(xù)通過完善算法使智能產品能切入更多的場景，為教育企業(yè)提供更多智能化手段，讓教育更加智慧。
