乾貨丨“人工智慧+教育”，創業者和投資人最應該關注什麼？

“人工智慧+教育”，創業者和投資人最應該關心的問題各是什麼？

關注正確的問題並嘗試解決，對前者來說可以提高效率，對後者來說可以化解投資風險。

本文作者Matthew Ramirez ，美國AI教育公司WriteLab聯合創始人兼執行總裁。本文首發於美國教育行業垂直媒體Edsurge，經創新工廠編譯。

當大型超市里的那些高齡雜貨商問怎麼使用人工智慧的時候，我們知道人工智慧已經大步進軍主流市場了。

2011年，當我在加州大學伯克利分校讀研究生時，除了學術界很少有人談論人工智慧。在當時看來，人工智慧商業化還是一件很遙遠的事情。

2014年初，當我跟合夥人創建WriteLab的時候，幾個著名的實驗室已經開始著手創建人工智慧公司，但他們的態度都非常謹慎。

到了2017年，人工智慧已經鋪天蓋地。無論是機器學習、自然語言處理還是圖像識別，都在被大量傳播。

儘管很難用三言兩語說清楚人工智慧的用途和效果，

但對教育界來說，這仍然是個利好消息。 “人工智慧+教育”會帶來什麼改變？

我們首先會想到幾個比較合理的問題，比如：人工智慧技術到底是什麼？我們怎麼能夠相信它？人工智慧技術是否能夠真正解決老師和學生面臨的痛點？

創業者應該問的問題

人工智慧如何提高工作效率？

我認為以人工智慧為基礎的教育工具包括兩類：

第一類產品有聊天機器人、進行剽竊檢測並自動完成作文評分的工具。通過大型資料集人工智慧能夠發揮強大的功能，產生相應的結果。

第二類產品主要針對特定的工作流程，以更高效地方式進行評分、管理、招生登記以及課程安排等。這些工具能夠説明教育工作者改善測試和評估流程。

對於那些以人工智慧為基礎，但不能解決具體工作流程問題的工具，創業者應該努力尋找通過這些工具提升工作效率和績效的方法。如果沒能找到合適的方法，則應該進行更深層次的探索並提出一些更加深奧的問題。

人工智慧處理資料的可靠性到底有多大？

對於大部分人工智慧教育應用軟體來說，工程師依靠的是“監督式學習”流程。該流程要求通過某種方式對資料進行標注，例如可以通過分級作業進行。在這種情況下，資料的一致性是指評分者根據相同的評價標準，對文章進行評估並且應該對存在的相同錯誤確定或者扣除相同的分數。

但是很遺憾的是，由於需要連續對大量的作業進行評分，

多數資料集都沒有達到這種精細程度。其中很大一部分是由於人為因素造成的。如果一名老師需要在8小時的時間內對200篇文章進行評分，那麼在漫長的評分過程中這名老師很可能會出現決策疲勞，從而導致給出的評分出現波動。

軟體工程師盡其所能對人工智慧進行調整，將老師在資料評分（以及標記）時的各項條件考慮在內。但是這本身就是不夠完善的，通宵評估30篇文章和用一個週末的時間來評估30篇文章肯定會存在差別。

由於很難對精確性進行評估，評估資料是否真實地反映了人工智慧自動化活動的難度更大（例如學生的寫作任務以及相關的寫作回應）。

與許多其他教育科技工具類似，

我們會讓我們信任的人（我們自己或者同事）來測試產品，確定在常用工具和價值中是否存在錯誤。

投資者應該問的問題

所有的工作都通過人工智慧完成嗎？

或者是否需要專人負責核對輸出結果？

這個問題聽起來很不錯，如果創業者說這些工具實現了全自動，那麼你可能會問：是否考慮在工具的整個工作流程中添加一些人為干預？

這個問題可能會讓創業者感到驚訝，因為他們想把成本降至最低。但加入人工干預，可以確保資料的品質更高，並能創造競爭優勢。

由於人工智慧需要資料，越複雜，它的維護成本就越高。每年需要的資料成本從幾百美元到幾十萬美元不等，其中大部分費用都支付給了資料記錄專家。

如果支付幾千美元的標記資料費用，就可以實現系統的全自動化，那麼資料就不會創造出任何競爭優勢。但是如果人工智慧能通過使用者產生的資料學習，維護和改善的成本就會低很多。

人工智慧會對公司商業模式產生什麼影響？

這個問題的答案可以幫助你化解投資風險。

很多成功的人工智慧企業通過使用者來標記資料，多數情況是無意識的標記。其中最具有創造力的一點，就是圍繞使用者標記經驗改善軟體。

Facebook和Google通過利用人工智慧巧妙地實現了照片標記和資訊標記。