人工智能来了,教育该怎么玩

谷歌收购AlphaGo的缔造者Deepmind公司

人工智能大幕开启,欢迎AlphaGo

2016年三月十五日,4:1战胜韩国围棋选手后,AlphaGo悄然升级为AlphaGo Master。
2016年末到2017年初的一个月中,Master在网上连胜人类围棋高手,取得了60:0的成绩,一时名声大噪。
2017年5月,Master以3:0完胜号称人类第一的柯洁。


AlphaGo zero 从零开始 震惊天下

功成名就之后,谷歌Deepmind宣布AlphaGo Master退役。从此大家就开始翘首以待谷歌会像2016年1月解密AlphaGo 那样来解密Master 背后的技术。2017年10月18日,关于AlphaGo的新论文终于在《自然》上发表了。让人惊喜的是,Deepmind买一送一,披露了一个名为AlphaGo Zero的新版本。
之所以叫Zero(零),是因为这个AlphaGo的新版本完全摆脱了辅助训练,辅助学习,只用一个策略与价值合体的神经网络下棋,从随机走子开始自我对弈学习,完全不需要人类棋谱。
这个新的算法究竟有多厉害?
如下图所示,只用3天,AlphaGo Zero就以100:0完全击败了2016年3月轰动世界的AlphaGo Lee。经过21天的学习,它达到了战胜柯洁的Master的实力。40天后,它能以90%的胜率战胜Master,成为目前最强的围棋程序。
除此之外,AlphaGo Zero所需的计算资源大大节省,只需要4个TPU就行。请注意,战胜李世石的AlphaGo Lee要48个TPU。TPU是谷歌研发的张量处理器。


AlphaGo zero能力随训练时间的增加而快速上升

人工智能在变得无比强大的同时又变得唾手可得

2015年谷歌开源了其人工智能平台Tensorflow。前面讲的AlphaGo就是在这个平台上开发的。
这表示,全世界的任何人都可以拿到Tensorflow的源代码。拿到源代码的同时还会拿到若干个示例,教你如何一步一步建立训练用的张量库,如何训练神经网络,然后搭建你想要的人工智能解决方案。
在开源了软件之后,谷歌又发布了针对Tensorflow定制的专用硬件加速器,TPU(Tensor Procesing Unit,张量处理器)。张量处理器不卖,只供谷歌来搭建适合运行Tensorflow的云端服务器。大家明白谷歌想干嘛了?它要出租这个平台。
谷歌使得世界上任何一个公司,初创公司,甚至个人都可以非常简便地利用其提供的技术和平台来开发各种各样的基于人工智能的应用。

美国一个小初创公司开发了一个智能农业管理平台。其利用手机或无人机按时拍摄玉米地的照片并发送到其租用的谷歌服务器上。通过图像识别训练,该人工智能系统很快可以识别玉米的长势是否正常,是不是有病虫害,是不是需要浇水等等,可以大大替代人工作业,大大提高工作效率。

人工智能技术开源加上摩尔定律驱动下半导体产业的发展使得人工智能应用的门槛大大降低。比如利用Tensorflow,万元以内就可以搭建基于GPU的人工智能应用。其实这也是神经网络研究几十年不温不火还在2015年忽然达到引爆点的原因。


AlphaGo zero 21天的时候就达到击败柯洁的Master的水平

人工智能对教育的冲击

教育按授课方式可以简单地分为线上教育和线下教育。

线上教育的好处是方便,随时随地只要有网络连接就可以去听,去看。其坏处是线上教育往往是一对很多,很难有互动,很难有定制化的教学方法和内容。
线下教育正好相反,学生得去授课点上课。但是,由于可以与教师面对面交流,会得到及时的反馈来修正学习中出现的各种问题。

有没有什么办法可以同时有线上教育的便利(随时随地),又可以有线下教育的效果(因材施教)?
答案是有。人工智能可以做到。

举个例子。人机对话,学中文,猜谜语。谜面是”有个小孩是我父母的孩子,但不是我的兄弟姐妹,请问他是谁?” 答案很简单,就是“我”。
如果没有人工智能,没有专业的自然语音识别和分析的话,这个最简单的对话也无法进行。因为学生的回答可能千差万别,如”就是我嘛”,”我,这么简单”,”me”等等等等。但这些答案都是对的。

有了人工智能,系统会通过统计分析知道学生的水平,强项,弱项,从而提供更有针对性的内容。

人工智能可以教你打高尔夫球,跳广场舞。通过摄像机和头盔,利用人工智能技术,你的每个动作会被分析,与专业选手的动作进行比较,并立即反馈给你。

这种即时反馈会大大降低你成为高手的训练时间,不会再是10000小时,也许是100小时,因为有专职,专业的教练时刻盯着你。

人工智能将使得线上教育更有效率,会使得教育更专业,更有针对性。

硅谷钢铁侠的脑机接口

硅谷钢铁侠和他的脑机接口公司

伊隆马斯克,号称硅谷最接近钢铁侠的人。离开PayPal 后,他的SpaceX公司已经有数次成功发射和第一级火箭的回收,他的特斯拉汽车仍然是纯电动车的标杆,他的电池墙技术要解决人类的供电问题。
除了这些广为人知的成就,他的Neuralink公司正在致力于研究人脑与计算机的联接。
比如研究人脑如何存储并读取信息。

如果这个研究成功的话,背单词将永远成为历史。你需要的只是大脑中放置一个存储器。存储器中存储了你需要记忆的全部知识。

可以想像如果这一天来临时教育会变成什么样子。好消息是这一天不会很快来临。坏消息是这一天迟早会来临。

人工智能不会颠覆这个社会,但会改变很多

这一年听到很多朋友谈狼来了,人工智能将让75%的行业在若干年内消失。

回想下一个半多世纪前当蒸汽机被发明时,有多少人担心这样的高效率会不会替代所有的人?回想下过去一个世纪这么多新的突破性技术来临时,人们无一例外会担心这种技术带来的变化。
结果呢?青山依旧在。凯文凯利在《科技想要什么中》对此作了详细说明。

人工智能必然会带来变革,这是趋势使然,是人类科技积累到今天的必然结果。
变革必然会对某些行业带来巨大影响,如教育行业。所以教育行业要认识到这种趋势,并积极拥抱这种趋势。并且,教育行业还要担负起教育大众如何正确认识并迎接变革的责任。

我加入了辣评今年的科技圈:社会热点|@产品|@IT·互联网联合征文活动,来一起参与呀!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,772评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,458评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,610评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,640评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,657评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,590评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,962评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,631评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,870评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,611评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,704评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,386评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,969评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,944评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,179评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,742评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,440评论 2 342

推荐阅读更多精彩内容