图像识别算法 优势 教育人工智能面临发展难题,技术路径如何突破(5)

四、教育人工智能发展面临的难题

1.教育数据的数量与质量存在“短板”，限制了人工智能技术价值的发挥

中心将通过医学大数据计算与人工智能，实现辅助诊疗、医患精准匹配等功能，为医生提升工作效率，为患者提供个性化、精准的医疗体验，带动医学人工智能行业发展。

课工场拥有多年教育课程研发实力以及先进的技术力量，通过大数据发掘学习者的学习行为，包括课程观看类目、观看人数、观看时长、停留时间、跳出率、提问类型等数据，提供的大数据分析，实时总结及监控学习者的学习情况，并进行针对性的优化，让学习变成一个科学的，可改进的过程，极大的提升学习效率和成果。

百度地图凭借便捷全面的基础功能和精准实时的底层数据，再加上人工智能技术优势，帮助用户索引真实世界、预估并有效躲避交通拥堵以及制定科学的个性化出行方案，连续多年领跑地图市场，逐渐拉大与高德地图等地图app的差距。

不仅仅是慕课技术，互联网的很多技术已经或即将对教育行业产生深刻的影响，比如云计算技术、大数据技术、人工智能、虚拟现实、物联网等，对教育教学都会产生比较深远的影响。

学会教学虽是新概念，但其含义与学会学习有类似之处，即要求教师把教学过程作为“学习教学”的过程，不仅学习教学的技术，还要学习教学伦理与道德知识，善于把自己的主体性主体间性融合起来。

但学习教学理论知识还不够深入，知识也不够完善，教育技术技能依然需要继续学习改进。

反思性教学强调学会教学，是全面发展教师的过程，要求教师把教学过程作为“学习教学”的过程。

当前人工智能主流应用还是基于深度学习神经网络，从针对特定任务的标记数据中学习，训练过程需要消耗大量人类标注样本。

其次，由于教育行业本身存在数据标准不一致、数据采集不完整等问题导致其数据质量不高。高质量的数据集可以提升机器学习的效率以及精准性，从而更好地为学习者提供个性化服务。目前教育数据并没有形成统一的标准，教学与学习过程产生了大量的文本、图像、声音、影视、超媒体等半结构化与非结构化数据，其格式多样，标准不一。与金融等行业不同，教学与学习是非线性活动，很难从大量、复杂、凌乱、无模式的教学活动中获取高质量数据（杨现民等，2016）。此外，大数据时代新媒体的便捷性、海量信息内容的离散性、学习者阅读方式的随意性以及学习时间的零碎性使学习者获取的知识更加碎片化（王承博等，2015），学习的碎片化进一步加大了人工智能获取高质量数据的难度。

2.教育业务复杂多样，加大了通用人工智能技术“嫁接”教育的难度

教育是一个超复杂的系统，涉及教学、管理、科研、服务等诸多业务，不同地区、不同学校的教育业务虽然具有一定的共性，但差异性也很突出（邢蓓蓓等，2016）。教育业务随学校、学科、知识传授方式和应用场景的不同而不断变化。每所学校拥有独特的组织架构以及办学特征，每个学科也都有不同的知识体系和应用场景，每位教师的教学方式和学生的学习方式亦不相同。因此，教育系统的复杂性对人工智能技术提出了更高的要求，通用人工智能无法满足学生、教师以及管理者的个性化需求。人工智能在教育行业的“嫁接”需要结合不同的场景做出适应性的改变，以满足不同业务以及不同人员的需求。

此外，人工智能技术本身发展的不成熟进一步加大了其适应目前复杂多样的教育业务的难度。虽然语音识别、文字识别、图像识别等人工智能技术已有较大进展，但是中文自然语言处理、情感计算等技术仍存在较大的发展空间。目前自然语言处理仅能对句法结构、拼写正误等进行判断处理，对篇章结构、语言逻辑、观点表达等方面的分析尚未完全成熟。教学与学习均需要大量的语言交流，无论是数据分析还是人员对话均对自然语言处理技术提出更高的要求。在情感计算方面，学习是一个复杂的过程，学生随之产生诸如气愤、厌恶、恐惧、愉悦、悲伤以及惊讶等复杂多变的情绪。当前简单的情绪识别技术不仅无法识别学习者复杂多变的情绪，而且也不利于学习者个性化学习的发生。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-91556-5.html