AI興亡，教育有責

　　AI人才缺乏，給我們打開了觀察AI產業的窗口。

　　教育部統計，我國AI人才缺口達到500萬，高校輸送人才只占市場所需人才的30%到40%。

　　同時，AI企業也反映，目前人才培訓機制趕不上需求。

　　行業人士也把AI落地慢歸結于缺乏長期、有體系教育背景的AI人才。

　　于此同時，在AI不同場景的不同的賽道上，受到的待遇也不一樣。

　　而在AI領域還有個很有趣的現象，即華人在這個領域優勢明顯。

　　李飛飛和吳恩達是最突出代表。

　　李飛飛完成了AI史上的標準化影像庫ImageNet，從而讓整個AI屆煥然一新，此后其他數據訓練庫都按這個模式設計。

　　吳恩達，號稱Google大腦之父，曾入職百度擔任首席科學家，并領導百度大腦計劃。離開百度后，他還創立了Drive.ai，最近被蘋果收購。

　　還有更多華人在AI研究領域的領先，有文獻統計佐證。

　　根據一個統計顯示在2006到2016的十年里，近兩萬篇最頂級的人工智能文章中，由華人貢獻的文章數和被引用數分別占總數的29.2%和31.8%。華人用五分之一左右的作者人數，平均貢獻了三成的頂級AI研究文章和被引用數。

　　即便只統計頂級出版物里的頂級文章，華人正在人工智能領域里發揮舉足輕重的作用，而且，從2014年，2015年開始，華人已經處于人工智能研究的領先地位。

　　我認為這不是偶然，而是華人思維深處傳統文化有一生二，二生三，三生萬物的概念，也有天人合一的樸素世界觀。在處理信息的模糊邊界方面，顯得超有優勢。目前AI教育落后于我們的天賦，AI教育破繭正當時。

　　即使這樣，2018年發布的報告表明，美國仍是占據全世界人工智能人才的半壁江山，我國雖然排名第七位，但不到美國的1/10。

　　AI教育是為中國大規模培養人工智能人才應運而生的賽道。指把AI當作教育對象，把AI知識和應用降維給中小學的學生認知、感受、理解、應用。簡單來說，就是教授AI相關的課程，包含通識課程的教授，計算思維的培養和技能的訓練等。在行業內也可以叫做內容驅動型的AI+教育。例如童程童美，編程貓，最近殺入行業的卓世未來公司等歸于此類。

　　即便是同一個教育賽道，也自然產生了AI+教育和AI教育兩種完全不同的場景應用。

　　AI+教育更加寬泛的定義是利用AI技術輔助教學，『教』的效率，為學生降低『學』的難度。這在行業內稱之為技術驅動型的AI+教育。代表企業有大家熟悉的科大訊飛、立思辰、松鼠AI，好未來和新東方也在AI賦能方面投入重兵。

　　按照這樣的分類，AI+教育用來優化教育效果，這兩年不再僅僅是給學校聯網，或把學校“搬”到網上，逐步開始滲透到備課、課上互動、課后測評、對學習成果的數據追綜合反饋等教學流程中。

　　但是即便如此，在教育細節場景融入方面還有很多不足。

　　目前AI+教育的效果難以衡量，結構化數據對個性化學習模型的建立貢獻有限，同時缺乏公認的評價體系，導致落地的效果不如預期。

　　正如拉里. 庫班在書中談到的，從歷史的觀點來看，科技植入教育總體來說都是不成功的。科技愛好者過度理想化了科技的功效，最后卻『賣的太多，用的太少』，『高科技學校，低科技學習』。

　　好未來創始人張邦鑫強調引入科技的必要性，但是重點還是教育。在GET2018教育科技大會上，他說：科技一定會和教育相結合，但教育的本質不是科技。

　　不是科技，那教育的本質是什么呢?教育的本質當然是教書育人。

　　反之看AI+教育領域，參與者將發力點更多放在了課程的研發，教學教研水平的提升，以及如何將內容的有效傳遞作為最重要的產品載體上。

　　我們來看看一次在北京市朝陽區舉辦的AI教育說課展示上，有兩名教師進行“人工智能之語音識別”“初識語音識別”人工智能課程說課。有八名教師進行零距離授課，分學段、分內容展示“我的網店 我做主”、“探秘人臉識別”、“智能小車之遵標行駛”、“密碼探微”、“詞云與語音的合成”、“認識智能語音技術——復刻我們的聲音”、“語音識別”、“創新思維”等8節人工智能觀摩課，課程內容涉及語音識別、圖像識別、自動駕駛、pythton人工智能模塊、創新思維、工程搭建等方面。

　　他們無一例外把AI教育的教學當作重點，至少在我們觀察的樣本里，AI教育在爭奪老師時間和學生時間方面占了上風。

　　是的，AI教育的機會來了。

　　AI教育不僅要破局也要破題，抓住內容和體系化是關鍵

　　當然有人會懷疑，AI教育為什么要從K12學段就開始?要知道AI教育對于大學生而言都不是容易的事。

　　而且AI是體系化的學科，需要深入其他學科，還需要其他很多學科作為輔助才能發揮效果。

　　也即，對AI的理解和把現實切片進入AI視野其實是整個行業的難題，而把這樣的難題下放到K12，是不是有點兒早?

　　比如在AI的理解方面，中國人工智能學會理事長、中國工程院院士李德毅認為，首先需要理解真正的“智能”內涵。人工智能人才培養的基礎是人腦認知，覆蓋機器人與智能系統、知識工程、機器感知與模式識別、自然語言處理與理解以及腦認知基礎。其次，在學科體系上應更注重培養人才的實踐操作能力。

　　南京大學人工智能學院院長周志華認為，人工智能的課程設置必須先考慮到人工智能的核心基礎，例如：機器學習、知識表示與處理;再考慮技術層，有模式識別與計算機視覺、自然語言處理、計算智能等，還有很多相關支撐技術，例如數字信號處理、時序數據分析等;到平臺層，有機器學習系統平臺、機器人、智能系統等;再到應用層，可能還涉及智能應用建模、系統設計、行為分析等。所有的內容，形成了一個龐大的知識體系，如果不經過長期的培養，很難對人工智能有一個全貌性的認識。

　　如果沒有高維度的理解與分層，不厘清AI教育的全部面貌，那我們即便是“日行千里，也不過是郵差”。

　　AI教育本身也是一門科學，無論對學生還是老師而言，都是新的挑戰。但教育家懷特海認為，越是重要、越是難學的東西越是要早學。

　　而在學習方法方面，比爾蓋茨在介紹他的學習理論的時侯也說，把問題切片分塊存儲在記憶區，并與過往認知相勾連，就能夠逐漸對學習對象有個清晰的認識。同樣的，AI教育也需要遵循編程領域的問題分解方法Divide&Conquer(細化并解決)，才能有效學習，并事半功倍。

　　在國務院和教育部的多次文件號召下，AI教育落地已經迫切提上日程，同時AI教育經費下撥，壓力已經傳達到地方教育主管部門和學校層面。

　　浙江高考改革已經從2017年開始就把信息技術學科納入高考科目，教育部去年已經發布了人工智能+的高中信息技術新課標，并預計在五年內進入高考體系，國家推動人工智能課程入校已經開始玩真的了。

　　除了政府和學校層面推動外，AI領域的高速發展及AI教育的示范效應顯現，進一步驅動了中國家長的投入積極性，校外培訓機構相關編程培訓課程的應聲出現，當校內的課程不能滿足家長培養孩子成為人工智能時代人才必備的素養時，快速爆發的家庭教育“本能”反映了這部分市場需求的高速增長。

　　市場驅動下，面向未來的K12階段AI教育無論校內還是校外，都將會成為教育領域的現象級事件。

　　到底該怎么下AI教育這盤棋，不同的行業從業者有自己的看法，只是萬變不離其宗，總的來說，良性發展分兩個階段