松鼠AI首席架构师Richard Tong受邀出席斯坦福MediaX大会

2019年斯坦福大学MediaX大会于北美时间10月23日在斯坦福大学教育学院举行，此次大会的主题是：算法和分析搭建学生和学习之间的桥梁（Algorithms and Analytics: Connecting the Learner and the Learning）。

MediaX 是隶属于斯坦福大学教育学院的人文科学与技术高级研究所（Human-Sciences and Technologies Advanced Research Institute）的一个会员项目，将斯坦福大学的20多个跨学科实验室、优质丰富的学术资源、教授、创新公司和研究人员聚集在一起，探索未来行业中信息技术的应用。MediaX成员包括Facebook、富士通、欧姆龙、香港科技大学、乂学教育-松鼠AI等国际知名科技公司和高校。

此次大会邀请的演讲嘉宾包括：乂学教育-松鼠AI首席架构师Richard Tong，斯坦福教育学院院长Daniel Schwartz、斯坦福大学生物医学信息教授Mark Musen、Reboot Digital创始人Ajay Madhok等人工智能和教育研究领域的专家学者。

松鼠AI首席架构师Richard Tong受邀发表主题演讲，与数百位来自斯坦福大学的研究者、科技从业者等观众分享了松鼠AI在使用AI为学生的学习和未来的教育带来巨大变化的经验，为参会者详细介绍了松鼠AI和全球顶级的大学和研究机构的合作项目是如何颠覆传统教师为中心的教育模型，为学生提供个性化优质教育。

松鼠AI目前的海外合作项目包括：与斯坦福国际研究院（SRI International）进行联合技术开发、帮助学生找到错因根源的虚拟个人助手、多模态综合行为分析等，以及和卡内基梅隆大学（CMU）合作的SimStudents模拟学生等。

人类学习守则

斯坦福大学MediaX的执行董事、斯坦福大学人类科学技术高级研究所的高级研究学者Martha Russell首先发表了大会开幕词。

斯坦福MediaX执行主任Martha Russell发表大会欢迎致辞

Russell目前领导斯坦福大学MediaX的业务联盟和跨学科研究，涵盖了信息科学，农业，通信和微电子领域的各种业务发展和创新。Russell着眼于共同愿景的力量，开发了计划/评估系统，并就技术创新为区域发展提供专业的咨询服务。

在演讲中，Russell围绕“人类学习守则”表达了三个观点：

首先，人类的经验是建立在人们之间以及群体之间共享信息的基础之上的，理解学习是创造成功的用户体验的基础。

其次，学习分析不仅仅是“分析学习数据”，而是要深入了解哪些学习活动有效，针对谁以及何时进行。

最后，学习分析领域有潜力通过更深入地理解每个学生背后的学术、社会情感、动机、身份和元认知背景，提高学生的成功。这些见解也可以应用于商业、娱乐和健康。

使用智适应教育算法

Richard Tong是乂学教育-松鼠AI首席架构师，曾担任过Knewton的大中华区负责人和Amplify Education的解决方案架构总监，除此之外，他还是IEEE AIS（自适应教学系统）标准工作组成员以及互操作性小组的主席（IEEE 2247.2）。

Richard Tong受邀发表演讲，分享松鼠AI在AI与教育领域的成功实践

Richard表示，目前AI的发展速度超乎人们的预期和想象，任何和AI相关的应用和场景都在发生井喷式地增长。

很快，在教育以及其他关乎人类利益的领域，AI的作用也将日益体现。尤其在未来的教育领域，每个学生都将会有一位自适应的人工智能导师，即使是那些有特殊需求的儿童也不例外。

Richard认为，AI和人类教师可以互相取长补短，结合互相的优势为学生提供全方面的素质教学。比如AI在诊断学生的学习状态和提供智适应教育上更具有优势，而人类教师更善于心理教育和精神层面上的鼓励。

为了实现这些功能，AI需要不同的算法模块，比如多维概率知识状态预测算法可以帮助AI诊断学习状态，基于知识图谱的路径优化算法可以帮助AI更好地为学生推荐任务，主动学习以及human-in-the-loop方法可以增强AI和人类之间的协作。

从2014年开始，松鼠AI就在自主研发针对中国K12学生的智适应学习系统，它的主要目标是精确地诊断学生的知识点掌握情况，然后推荐个性化的学习内容和学习路径规划。

作为国内领先的智适应教育公司，松鼠AI也在研发方面发力。目前松鼠AI正在使用深度学习来增强基于贝叶斯的学生知识点追踪算法以及KST算法等；使用SimStudent和Apprentice Learner通过强化学习来建立推荐策略；在机器学习中引入human-in-the-loop方法。

目前，乂学教育-松鼠AI成立实验室，与斯坦福研究中心进行联合技术开发，松鼠AI与中科院自动化研究所成立AI智适应教育联合实验室，今年与卡内基梅隆大学CMU成立了联合实验室，旨在将最先进的人工智以科研成果运用到教学实践中。

衡量哪些才是重要的？

Daniel Schwartz是斯坦福大学教育学院院长，也是人类学习和教育技术领域的专家。目前，Schwartz负责管理的实验室正在对学习的基本问题进行原创性研究。Schwartz的最新著作《我们如何学习的ABC：26种科学证明的方法、其工作方式和使用时间》将学习理论提炼为实用的解决方案，被NPR列为2016年“最佳读物”之一。

斯坦福教育学院院长Daniel Schwartz发表关于设计思维对于学生学习积极意义的演讲

Schwartz表示，在充满生机的未来中，衡量人们是否以及如何选择在严格的课堂指导之外的学习非常重要：首先，现在需要衡量的是学习过程，而不是只有结果。这很重要，因为我们需要人知道该如何学习。其次，人们其实知道很多好的学习策略，关键问题是他们是否选择使用这些策略。最后，设计思想的核心是避免过早地结束，例如，不要承诺自己的第一个想法。事实证明，这对学习其实是有好处的，并且可以教学生那些他们愿意采用的学习策略。

智能体、知识图和开放式学习数据

Mark Musen是斯坦福大学生物医学信息学教授，也是斯坦福大学生物医学信息学研究中心主任。Musen从事与智能系统、可重用本体、用于科学数据集发布的元数据、以及生物医学决策支持有关的研究。他的小组开发了Protégé，这是世界上使用最流行的用于构建和管理术语和本体的技术。

斯坦福大学生物医学信息教授Mark Musen发表演讲

Musen还是扩展数据注释和检索中心（CEDAR）的首席研究员。CEDAR是NIH大数据到知识计划的支持下的卓越中心，其目标是开发新技术以简化生物医学实验元数据的编写和管理。

Musen表示，知识图提供人类知识的形式表示，并具有将这些图中的概念链接到相关数据集和结构的能力，人们和智能体可以搜索这些数据集和结构以发现我们所知道的事物与可能支持这些结论的数据之间的新关系。诸如CEDAR之类的技术可以使描述实验数据集的元数据更易于发现和重用，从而提供了机会，以“发布”链接到知识图谱的数据，从而可以增强我们从科学结果中学习的方式。

Musen认为，科学家们的工作结果不是他们发表的论文，而是他们实验产生的数据。当前的技术使科学数据变得更易于查找、可访问、可互操作和可重用（FAIR）。未来的技术将使智能体能够协助科学家从数据中了解信息，计划新的研究，做出新的发现。

在学习管理系统中连接学生

Ajay Madhok是数字创意与营销机构Reboot Digital的创始合伙人，也是风险基金Playground Global的顾问。他曾参与建立了四家合资企业，其中两家被收购，一家被合并。目前，他正在研究大型企业可以实践的创新模型，以保持竞争力和相关性。

Reboot Digital创始人Ajay Madhok发表演讲

Madhok主要介绍了一个他的团队设计的数字学习管理系统，可以提供学生需要的学习体验的环境。该系统的目标是让学生参与指导他们自己的学习，帮助他们设定目标，通过仪表板跟踪进度，选择符合他们当前能力的材料和挑战。

Madhok说，“有效的学习取决于理解学生先前的知识、经验、动机、兴趣、语言和认知技能。在有情感支持的学习环境中吸引学生，促进学生的归属感、适应性、能动性和学习成果。同时，通过编排相互关联的概念将学生与学习联系起来，从而实现个性化学习体验层。

三位算法学家和“罗宾汉”的会面

Bruce Cahan是斯坦福大学工程学院的顾问教授，他在那里设计并运用新理论来创建金融和保险市场，从而改善地区生活系统的质量。Cahan还是Urban Logic（一家利用金融和技术来改变系统思维、行为和感受方式的非营利组织）的首席执行官和联合创始人。Cahan曾在纽约的Weil Gotshal＆Manges担任国际金融律师超过10年，并在香港的Asian Oceanic担任过银行家。

Cahan说，如果到了2050年，AI工作者可能分为三个类别：接收者（receiver）收集和出售通用的“大数据”；放大者（amplifier）广播并寻求符合政府或商业团体想要资助的任何行为或观点；调节者（tuners）询问在所有接收者和放大者的作用下，结果是否有益于受其影响和操纵的人们或者小型企业。

Cahan表示，斯坦福大学正在组织研究、教学和实践，以确保我们将人工智能应用于商业和社会事业。Cahan认为，接受者、放大者、以及调节者不可能自然地共存。AI的发展过程所出现的各种道德伦理问题以及对人类社会的挑战以及威胁都需要尽快地落实解决方案。

Cahan在演讲中提出了一个“罗宾汉AI诊所”的概念。如同医学院使用教学医院，或者法学院使用法律诊所，来检查学生和教职员工学习和实践的诊断和治疗选择是否确实对真正的人类有所帮助，Cahan认为人类也需要一个像“罗宾汉AI诊所”一样的机构来执行类似的教学功能，从而迭代并提高AI全面解决实际人类问题和机会的可能性。