深度之眼人工智能paper年度会员cv方向2022怎么样?

OPPO共计七篇论文成功收录CVPR 2022 ,创历年新高,在多个关键研究领域实现创新突破。

年度计算机视觉顶级会议CVPR(Conference on Computer Vision and Pattern Recognition国际计算机视觉与模式识别会议)在新奥尔良落下帷幕。今年,OPPO有七篇论文成功入选,跻身一流科技厂商之列。同时在广受关注的挑战赛上,OPPO也取得了三项第一、一项第二、四项第三的良好成绩。

随着深度学习逐步成熟化规模化,人工智能技术从“感知智能”向“认知智能”迈进。AI除了“看到”或“听到”,开始初步逐步具备像人类一样的思考能力。多模态融合、3D视觉智能技术、自动机器学习等正在成为人工智能领域的关键研-究热点。OPPO在上述领域都均实现论文收录,在AI关键学术领域取得创新突破。

智能感知首席科学家郭彦东表示:“在2012年,为了图像识别任务而设计的深度神经网络重新给人工智能的研究与应用注入了能量。从此,人工智能(AI)技术迎来了飞速发展的10年。在OPPO,我们持续推动人工智能完成像人一样复杂的感知与认知行为。比如,从无标签的海量数据中持续学习并迁移到下游具体任务,从几个有限视角中完整的重建3D信息;更高级别的认知能力,比如对美的理解与创作;以及具有自主行为能力的“实体AI”(embodied AI),比如自动驾驶场景中的行为预测等。很高兴OPPO继2020年首次亮相后,在短短的3年内就实现了7篇主会论文入选的好成绩。未来,我们希望继续向更基础、更前沿的AI领域探索,推动AI的商用落地,让创新科技更好地服务于人。”

7篇论文获得收录,OPPO正在助力AI认知水平升级

本次CVPR2022上,OPPO共有7篇CVPR入选论文,涵盖多模态信息交互、三维人体重建、个性化图像美学评价、知识蒸馏等多个研究领域。

不同模态数据的特性各不相同,像文字、语言这样的信息概括性极强,而图像往往包含大量细节。在多模态数据下,能够在模态间建立起有效交互对于AI来说是一件十分有挑战性的事情。OPPO研究人员基于CLIP模型提出了全新CRIS框架,使得AI能够更加细粒度地理解图像与文本两种模态的数据。即使输入包含多重信息的文本描述,该框架也能够准确聚焦到对应的图像区域,显示出强大的细粒度跨模态匹配能力。

当前,人类的智能和人工智能最重要的区别之一在于对于多模态信息的识别和理解。对于人类来说,我们往往可以同时理解文字和图像,并将其有效关联。但AI更多停留在识别阶段,很难将不同模态的信息精准对应。本次OPPO提出的创新方法可以帮助人工智能在多模态理解上更进一步。未来,随着相关技术的不断发展,人工智能可以真的可以像科幻小说中描述的那样,通过语言、听觉、视觉等多重信息去认知真实世界,真正地成为人们最好的“帮手”。

同样,在近期热门的三维人体重建领域,OPPO研究院通过改进NeRF创新的动态角色建模方法,在业界首次实现了自动为宽松着装人体创建数字分身的工作。该建模方法仅通过分析摄像头所拍摄的RGB视频,就可以1:1精准还原人物动态细节,甚至包括衣服细小logo或纹理细节。衣服的建模还原一直是业界挑战较大的领域之一,因为人体姿态发生变化的同时衣服物料的形变非常复杂,从而导致AI难以解算像“裙摆”这样的部位形变。此举可有效降低三维人体重建的门槛,为在线虚拟试装购物、AI健身乃至VR/AR虚拟世界的真正落地提供良好的技术基础。

随着AI图像识别能力的逐渐成熟,如何让AI具备图像审美能力成为新的难题。AI的审美能力往往强关联训练所使用的数据和标注者的偏好,而人的审美往往是千人千面的,采用基于大数据的美学评价来为不同用户服务,这可能会引发人们对于“审美歧视”的讨论,造成不好的用户体验。因此,通过更精细化的数据和模型,准确捕捉不同用户的审美差异的个性化美学评价应运而生。

Assessment),首次从“用户主观偏好与图像美学相互作用,如何产生个性化品味”角度出发对AI模型进行优化。该算法可以基于不同用户画像信息实现个性化的审美评价,可以为用户在相册、相机、互联网内容推荐等场景中打造个性化体验,具有广阔的应用前景。

随该算法一并提出的带有丰富属性标注的个性化美学评价数据集也已宣布开源,为业界在个性化美学评价领域的研究提供了有价值的研究数据,目前该数据集已收到多家研究机构及高校的关注和问询。

此外,OPPO提出的多视图三维语义平面重建技术能够准确解析场景的三维平面结构,并预测地面、桌面、墙面等平面的语义标注,其效果明显优于当前主流单视图重建架构。而联合清华大学提出的INS-Conv (INcremental Sparse Convolution),能达到更快及更准确的在线3D点云语义及实例分割推断,该技术可以有效降低环境识别对于终端算力的要求,为全自动驾驶、虚拟现实这样前沿技术的落地增加了可能。

斩获NAS挑战赛亚军OPPO创新模型助力AI“轻量化”

在同期举办的挑战赛中,OPPO也表现出色,在八大赛项中斩获佳绩。包括目前行业关注的神经网络架构搜索技术(NAS)赛道、足球行为检测(SoccerNet Action Spotting)赛道、足球回放定位(SoccerNet Replay Grounding)赛道、时序动作定位(ActivityNet temporal localization)赛道、大尺度视频目标分割挑战赛(The

从手机摄影到无人驾驶,深度学习模型走进越来越多行业。但深度学习非常依赖大数据和大算力,学习成本高,这也给前沿AI技术的商用落地带来了挑战。神经网络架构搜索技术(NAS)可自动发掘神经网络的最优架构,降低对人工经验和背景知识的依赖,让AI也可以实现“自主学习”。在比赛中,OPPO研究人员通过优化训练超网过程中的模型参数遗忘及不公平的梯度下降问题,针对“继承”超网参数的45000个子网络,有效地提高了子网络在性能及性能排序上的一致性,最终取得了第二名的好成绩。

NAS技术的发展使得研究人员只需训练一个大的超网络,然后通过继承超网参数方式低成本构建预测器,实现网络架构自我学习,从而高效地获得优于专家设计的深度学习模型。该技术可适用于当前大部分人工智能算法,可以帮助AI技术在移动端设备上的应用,让用户体验到AI技术快速落地带来的好处。

在CVPR 2022上,OPPO还参加了三场高水准Workshop并发表演讲。其中,在SLAM 研讨会上,OPPO研究员邓凡就如何在智能手机、AR/VR设备上运行实时vSLAM进行分享和讨论。研究员李毅康则在移动人工智能研讨会中发表了演讲,提出无监督的视频-文本跨模态哈希方法——CLIP4Hashing,为移动设备上的跨模态搜索提供重要思路。李薇参加AICITY Workshop并提出了基于多视角的动作定位系统,用来识别驾驶员行车时的异常行为。

以创新推动商用,OPPO希望尽早让人们享受AI带来的便利

今年是OPPO参加CVPR的第三年,OPPO在收录论文数量及挑战赛成绩保持上升的同时,研究领域也从人脸识别等应用领域向更基础的技术方向转移。

快速突破的成果来源于OPPO在AI领域的不懈投入。自2015年起,OPPO在人工智能领域展开投入,成立相关研发团队,聚焦语言语义、计算机视觉等领域。2020年初,OPPO研究院正式成立智能感知与交互研究院,进一步深化OPPO对人工智能前沿科技的探索。目前,OPPO在AI领域的全球专利申请超过2650件,广泛覆盖计算机视觉、语音技术、自然语言处理、机器学习等领域。

在“微笑前行”品牌使命的指引下,OPPO也在和业界伙伴一道,不断推动人工智能(AI)技术从实验室真正走向生活。2021年12月,OPPO发布了首款自研影像专用NPU——马里亚纳X,具备强大算力、能效比和计算速度,能够让AI算法的运行速度达到空前水平,为用户解决手机长期难以解决的夜景视频画质问题。此外,基于强大的底层AI能力,OPPO也发布了包括CybeReal全时空间计算AR应用、OPPO Air Glass、Omoji等创新产品及功能,希望尽早创造更真实的数字新世界,为用户带来现实物理世界与虚拟数字世界的融合体验。

来源 / 高校教学创新100人

作者 / 美国高等教育信息化协会

4月18日,美国高等教育信息化协会(EDUCAUSE)发布了《2022地平线报告:教与学版》,描述了影响未来高等教育教学的15种宏观趋势、6项关键技术实践、4种未来场景以及7个案例专家观点。

本文整理了报告的要点及部分案例。

高等教育机构以及它们采取的教学实践,在许多方面都是它们所处的大环境的产物。教育总是由生活在特定历史时期的人们组成的,他们共同居住在一起,在特定的社区分享特定的文化思想、资源等。因此,描绘高等教育机构及其实践的未来,要求我们关注全球社会正在发生的更大的社会、经济等方面的转变。

(1)混合学习和在线学习

COVID-19重塑了我们的生活,我们更多通过在线和远程模式来生活、工作、娱乐和学习。

我们已经发现了能够在 “任何地方” 做事的好处,对在线和远程选项的渴望可能会持续下去。在许多高校中, “紧急远程教学” 模式将让位于更可持续的混合和在线教学模式。高校领导需要专注于开发完善的混合和在线教学法,并投入额外的工作人员。

另外,他们还必须培训和支持学生有效参与和充分利用新的学习环境,使“任何人在任何地方”都能更容易地获得教育。

在这个时代,你可以随时随地上网向史蒂夫·马丁学习喜剧写作,或在密歇根大学学习 “成功的谈判 ”课程,或在网上学习其它任何一次性技能和基于兴趣的课程。对非学分、非传统教育和技能培训的期望和需求正在上升。

在此背景下,学生和终身学习者将更加密切关注这些更加实用、个性化和基于技能的课程和微型证书,他们认为这些可能比传统的大学学位课程更有吸引力,可以促进他们的职业发展。一些技术公司正在从他们的招聘启事中删除四年制学位的要求,而选择关注求职者的实际技能和能力。

在过去的两年里,许多人被允许(或在某些情况下被要求)在家工作。这些灵活的工作安排使许多人能够在职业和个人生活之间找到更好的平衡。远程工作正在进入一些高校的工作描述和合同中,与那些坚持让教师回到校园内工作的高校相比,它们在吸引和保留人才上可能会更具优势。

(1)学习分析和大数据

在过去五年中,利用大数据提高学生成绩和提高LMS等服务的自动化程度的承诺吸引了许多高校领导。然而,大数据系统的实施并没有给校园带来太大的变化。大量的数据确实被收集了起来,但很少能看到利用这些数据对结果甚至系统进行有意义的改变。要看到学习分析和大数据方面的进展,需要成熟的、高校范围内的数据挖掘策略。

(2)(重新)定义教学模式

为了适应不断变化的形势,高等教育机构正在建立新的课程模式。这带来的一个新的挑战是,与这些模式相关的各种词汇,如HyFlex,blended,hybrid,flipped,synchronous,hybrid online,and virtual learning,都是在不同部门和不同学校中使用不同术语的例子。对这些术语的混淆最终额外给教师和学生带来了障碍。

世界各地的高校领导都在关心网络安全攻击的持续和迫近的威胁。目前仍在使用的传统系统,在设计时往往将安全问题置后考虑,而新的网络安全威胁不断涌现。高校缺乏资金,导致维护网络安全所需的人员和资源不足。

(1)大学学位的成本和价值

新冠肺炎疫情导致全球许多学生和家庭遭遇经济困难,传统大学学位的投资回报正在并将继续受到更密切的关注。一些学生会简单地得出结论,他们负担不起学位的费用,其他学生会得出结论,传统的大学学位不再满足他们的个人和职业需求,或者他们将寻求其他机会来获得职业发展所需的知识、技能和证书。

随着学生、教师和员工日益复杂的数字身份和连接,高校将在网络安全、端点检测和应对社交媒体与错误信息的潜在负面影响方面面临越来越多的挑战。 这些数字身份和连接,以及高校使用的在线和基于云的系统和解决方案的指数级增长,将扩大高等教育的数据足迹,增加对数据分析人员的投资需求。

高等院校继续面临威胁其财务稳定的长期挑战——学生入学人数的波动和下降趋势、通货膨胀以及生活和学费成本的上升。在过去的几年里,由于新冠肺炎疫情,大量公共资金被释放,但这些钱是有标签的,它们专门用于尽量减少疫情的影响。使用这些资金引进新员工或对技术和基础设施进行长期投资的高校可能会发现,自己在未来几年内将站在预算悬崖上,因为这些资金开始减少,而且没有新资金注入。

在“紧急远程教学”之后,高校需要改变校园的物理结构。物理环境的初步变化,包括为远程教学增加新的硬件,改变房间布局,改善空气质量和社交隔离空间,以及减少纸质讲义等有形物品等等。

(2)增加可持续发展目标

联合国可持续发展目标影响了高校如何对学校进行战略规划。高等教育对可持续发展目标的贡献在两个方面取得成功。首先,将可持续发展目标纳入教学,培养学生在个人和职业生活中为可持续发展做出贡献。其次,高等教育机构的教师和学生开展的各种研究,直接为可持续发展目标及其实际应用提供了信息。

气候变化正成为许多高等教育机构和专业组织关注的中心问题。近年来,恶劣天气事件越来越多地扰乱了高校的日常运作。

(1)政治不稳定导致高等教育的不确定性

民族主义在世界某些地区的兴起,以及反对民主、科学和教育价值的民粹主义领导人的出现,促成了以分裂和冲突为特征的全球政治气候。在这种不稳定的政治基础之上,疫情进一步破坏了我们的社会和经济生活,让许多人感到不安和不确定,不仅是关于高等教育的未来,也是关于全球社会的未来。

(2)政治意识形态影响教育学

政治分歧之间的差距正在扩大和加剧,特别是在保守派和进步派之间。高校的使命、资金、课程和教学,将与政治派别越来越多地纠缠在一起。

由于各种公共部门现在都在争取增加政府拨款,在新冠肺炎疫情之后,全球的教育预算可能会大幅削减。削减的影响会体现为教职员工的减少、课程设置的减少,以及财政援助和学生入学人数的下降。许多受预算下滑压力最大的高校将寻求其他资金来源,包括可能对高校政策、决策和学术课程产生影响的私人来源。

这一部分介绍了将对高等教育教学产生重大影响的六项关键技术和实践。与往年一样,我们也对这六种技术和实践进行了维度分析。我们要求小组成员评估在推进这六项技术中的任何一项时可能遇到的挑战和好处。小组成员用五分制(0=无, 4=最高)对几个维度进行评估。今年评估的维度是:

它是否需要学习者和教师的新型读写能力?

学习者和教师对采用这种方法的接受程度如何?

它对学习成果产生重大和积极影响的潜力有多大?

它对解决公平和包容问题有多大作用?

通过这种方式,我们要求小组成员不仅要确定什么是可能产生影响的,而且要预测这种影响可能是什么。

最近,几个重要的转变促进了大数据--更具体地说,是人工智能在高等教育中的实践。

首先,人工智能在技术和能力上已经发生了重大变化,并将继续发展和改进。明天的高等教育中的人工智能能力将远远超过昨天。

第一代人工智能应用在很大程度上依赖于人类产生的模型来收集和分析数据,通过深度学习,这些应用现在可以收集数据并产生自己的模型,进而从这些模型中学习和改进。随着时间的推移,这些进步有望帮助高校更容易地处理数据,并从他们收集和储存的大量数据中产生洞察力。

其次,在COVID-19大流行期间,向在线学习和工作模式转变的大转折使许多学校接触到了新的在线和基于云的应用程序及平台,他们利用自己的机器和深度学习工具来分析数据,产生洞察力。

随着高校的数字化转型之路未来几年继续加速,随着更多高校的功能和服务转向在线和云平台,高校的数字化数据仓库将扩大。数据的扩展将要求高校组织和理解这些数据的人工智能技术与能力也同步扩展,这有可能帮助推动决策,并创造自适应和个性化的教育体验。

有可能阻碍高校实施人工智能学习分析的因素:

(1)学校系统和文化。“数据孤岛”是高等教育领域的一个共同特征,高校由多个部门和职能单位组成,每个部门和单位都有自己的系统和做法来收集、存储和使用数据。数据系统不能相互“交流”,往往会导致运作效率低下,最终导致高校错失有效利用集体数据的机会,无法为学校和学生制定最佳决策。

(2)伦理和公平。任何收集、分析和使用个人数据的行为背后都潜藏着重要的伦理考虑。学习管理系统作为众多的数据源之一,收集了大量的用户数据。但是,其中一些用户可能会反对某些类型的数据被收集并用于他们可能不完全知道或不理解的目的。

其它的担忧围绕着算法偏差。这些偏见倾向于偏袒某些类型的学生,使学生之间已经存在的不平等现象永久化,甚至恶化。事实上,当被要求思考所有技术和实践在提高机构公平性和包容性方面的潜力时,小组成员给用于学习分析的人工智能打出了相对于其他项目的最低分(见下图)。

尽管人工智能在丰富高等教育方面的潜力确实激发了我们的想象力,并迫使我们在数据和分析能力方面进行创新,但仍有许多工作要做,以确保这些创新不会让任何人掉队,而是帮助学生在没有偏见的情况下茁壮成长并取得成功。

(1)通过融合人工智能和虚拟现实仿真学习,蒙哥马利县社区学院的放射学项目在教学中进行了新的探索。在虚拟检查室中,学生可以结合解剖学内容知识,借助X射线设备,与患者互动,进行补充性动手练习。同时,人工智能工具可以对学员进行评估,它能够根据学员在课程期间记录的内容知识和在安全实践方面表现出的差距,进行个性化的指导干预。

(2)利用学习分析法,Online Education Services开发了一个基于网络的应用程序,用于主动支持学习者。该应用程序可以识别影响学生成功的风险因素,并将这些因素实时传递给教学和支持人员。学习者可以通过电话、短信或电子邮件从LMS内或通过CRM与之联系。

(3)Course Insights是宾夕法尼亚州立大学技术教学部开发的Canvas LTI应用程序,为教师提供其课程中学生的人数统计数据和先前入学情况的数据。该应用程序利用人工智能和先进的分析方法,帮助导师监测在线课程活动,反映课程成果,并了解学生在其课程中的实时参与模式。

人工智能不仅仅是一种分析和理解数据的方式。它是家庭、工作场所和社会空间中一个越来越普遍的特征,帮助塑造日常生活经验,使我们彼此联系,并推动我们的行为和思维发展。

社交媒体平台学习我们的行为和偏好,推荐朋友和产品,并以其他方式为我们提供个性化的体验。手机能识别我们的面孔,并监测和分析我们的日常工作。Siri、Alexa和其他语音助手倾听我们的声音,回应我们的询问。在机器学习和自然语言处理等领域的进步推动下,这些由人工智能驱动的元素,正迅速成为人类体验的自然组成部分。

人工智能在校园和教室里也是无处不在的。在寝室学习的学生可能会向Alexa寻求历史问题的帮助,或者根据社交媒体的反馈与校园里的其他学生建立联系。不过,在学校生活的其他领域,人工智能可能会以独特的、专门为学生的体验而设计的方式发挥作用。学生在课堂上遇到的技术和工具,将越来越多地由高校成熟的人工智能能力提供支持,进而提升人工智能在高等教育中的地位。人工智能不仅是数据工具,也可以在学生的学习和成长过程中提供持续陪伴和帮助。

人工智能已经开始进入校园和课堂,对此,地平线小组成员强调了高校需要关注的几个关键词:

(1)提高学生成绩。人工智能可以在学生学习和完成课程作业、任务时提供反馈。例如,虚拟写作助理可以为学生提供关于写作质量的实时反馈,并根据教师的指导或课程的目标提供评论和建议。这些工具还可以为学生提供定制的学习经验和途径,根据每个学生的学业成绩和需求调整课程材料和评估偏好。教师可能也会从中受益,有更多的时间专注于更高层次的任务,并将注意力放在需要额外支持或辅导的个别学生身上。

(2)改善学生的学习体验。例如,随着扩展现实技术--虚拟、增强和混合现实技术--的不断发展,在这些技术中整合人工智能能力,可以帮助创造更真实的环境和体验,改善学习成果。

在讨论中,地平线小组成员反思了人工智能驱动的工具是否真的会带来更多以学生为中心的学习体验,或者它们是否会对这些体验施加不适当的影响。

这可能解释了为什么小组成员在“教师和学生的接受程度”方面给用于学习工具的人工智能打分最低(见下图)。可能还有很多工作要做,以帮助缓解这些担忧,并帮助创造安全、有益和真正以学生为中心的学习体验。

(1)印第安纳大学-普渡大学印第安纳波利斯分校的人机混合系统使用一个带有嵌入式人工智能助手的无限数字空间画布,来模拟教师的个人和协作教学/学习空间。它集成了教学/学习材料,24小时即时响应,并可以访问虚拟教师助理,自动收集学生的查询和学习分析数据。结果将用于帮助调整课程的实质内容、难度,以及授课方法和风格。

(2)虚拟现实为护理学习者提供了一种在现实环境中为看起来逼真的患者提供 护理的方法。当将人工智能添加到患者角色中时,对话变得更加真实。Purdue University Global已经在其初级心理健康护理执业研究生课程中加入了AI患者。在整个项目中,学员将在每节课中与两名患者互动。

(3)南新罕布什尔大学推出了一套数字评估和徽章工具。目前,已经完成了 2000多项评估。在Google.org的资助下,这项工作包括开发人工智能产品,以大规模教授和评估软技能。最近正在开发一种交互式数字图形小说,以利用基于云的机器学习管道来评估口头交流技能。

混合学习空间可能是最具体、最依赖技术的,因此也是成本最高的(见下图)。在许多情况下,混合学习空间需要大量投资于全新的设施,以及为现有教室配备更先进的音频和视频技术,以支持现场和远程学习者。将混合学习纳入主流的做法,对高校提出了更大的挑战,反映出其真正的、具体的改变的意愿。

高校的混合和在线规划要深入教育实践的细枝末节。如果远程学生不能听到教室里的学生说话,混合教学就会失败。当教师无法弄清如何使用复杂的技术按预期工作时,学习就会受到影响。

小组成员给出了高校在这一实践领域的努力方向的关键词:

(1)技术。尽管这个观点看起来很平庸,但在实践中,采购、部署和使用能促成混合学习的基本技术元素,要比我们想象的难得多。整个校园的教室都需要配备麦克风和扬声器,使远程和现场的学生都能听到彼此并与他们的老师互动。我们需要双向摄像头和视频屏幕,以便远程学生能够看到教室里的人,也能被教室里的人看到。任何一个元素部署或使用不当,都会使混合学习计划迅速脱轨,并导致学生的体验和结果不理想。

技术本身的正确性固然重要,但高校也必须考虑到使用该技术的人员。买到了最好的视频会议系统,却把它交到了一个不知道如何使用它的老师手中,就是一种失败的部署。过分依赖IT支持人员,将导致IT人员工作过度,以及教师对使用这些技术的信心下降。正如一位小组成员所说:“教授们需要独立于影音团队。他们应该能够走进教室,连接技术,然后开始教学。”

(2)学习空间设计。它需要从业者投入时间,结合教育学概念,了解为什么某些空间和设计对他们的特定教育目标来说比其它空间和设计更好。 即使有最好的混合学习技术,有知道如何使用它的教师,如果没有明确的目的,没有对学生学习方式的了解,没有把包容性放在首位,最终也会失败。

(1)为了应对流感大流行,印第安纳大学推出了ALCOVE教室。该课堂的优先事项包括解放教师、改善学生协作以及改善课堂音频和视频。教室的第二个版本将于2022年秋季推出,重点关注学生移动设备,以解决数字鸿沟问题。

(2)为了营造一种能够应对干扰的学习环境,明尼苏达大学卡尔森管理学院加快开发HyFlex模型。教室里有六个显示器、两个跟踪摄像头和集成音频,线下的学生可以清楚地看到远程的学生,听到他们的声音,远程的学生可以像在教室里一样参与课堂。

(3)ASU Sync提供技术增强的完全交互式学习,学生可以在任何地点参加现场课程,包括现场或远程。这种混合学习模式可以让教师进行面对面教学和协作共享。有了ASU Sync,学生可以亲自参加课程,同时与远程参与的同学一起主动学习。

在COVID-19大流行的早期,许多人将在线教学模式描述为“紧急远程教学”,而不是深思熟虑的在线教育计划。教师们在网上授课,就像他们在面对面的课堂上一样,是出于需要,而不是为了冒险进入一个新的教育模式。但很快大家发觉,教育工作者、学生,以及管理人员,都需要对在线学习更加适应,并将其作为一种长期能力。

2020年夏天,大多数学院投资于在线教学设计和教师发展,并在秋季创建了强大的在线教育项目。2021年,围绕在线学习的长期可持续性,以及教师和学生是否最终会恢复到疫情前习惯的传统教育模式,出现了新的问题。完全致力于在线和混合教育模式的成本及巨大的挑战是显而易见的,并且对在线和混合教育的“新常态”的渴望似乎在减弱。

2022年,我们仍处于不确定中。疫情仍然与我们息息相关,各高校是否会采用可持续的、有效的、有意义的在线和混合教学法,还没有定论。

地平线小组成员为寻求将在线和混合教学在其学校中长期主流化的从业者确定了几个关键词:

(1)学生和教师的支持。学生和教师必须相信并致力于在线和混合模式。小组成员认为,学生将更容易接受这些长期的变化,一些学生甚至可能更喜欢在线和混合模式而不是传统的面对面模式。

另一方面,教师可能会对长期变化有更大的抵触情绪。疫情让许多教师对在线模式产生了不好的印象,而教师的转变需要时间。当然,一些教师正在倡导加速教学模式的演变,他们最终可能被视为开拓者。

(2)更丰富的混合模式。疫情之前,在线学习模式和面对面的学习模式虽然有时在同一堂课中并存,但从理论上讲,它们有着不同的教学框架和方法,彼此分离。但是,正如我们通过疫情下的经验所了解到的,不同的模式可以以更丰富的、有理论基础的方式混合在一起, 挑战和扩展这些教学框架和方法。

(3)公平的教育。在致力于将在线和混合教学纳入主流的高校中,教师和学校领导必须考虑这种主流化对公平教育机会的影响。在线和远程教育模式对一些学生来说仍然是一个挑战(例如,那些接触不到设备和互联网的学生)。院校也必须向学生提供支持和资源,以确保所有学生都有机会并能够充分、有意义地参与进在线和混合教学中来。

(1)新墨西哥州中部社区学院正在对5个校区的74间教室进行升级,以让学生不管是在线下还是在线上都可以同步学习,或者不管在什么时间都可以异步学习。这为学生提供了灵活性,并提高了学生的参与度、课程保持率和学生的成功率。对使用这些教室的教师的培训,包括技术和不同模式的教学方法的培训。

(2)由五所欧洲大学组成的联盟CHARM-EU提供应对全球可持续发展挑战的硕士试点课程,实施混合教学。该课程的设计基于一套教育原则,包括跨学科、 基于挑战和技术增强的学习,以及包容性。

(3)匹兹堡大学教学中心的开放实验室创客空间团队传统上提供新兴技术的实践培训。为了应对疫情,该团队设计了异步在线培训模块,将在线培训和远程学习纳入创客空间的实践文化。目前团队已经完善归纳出一套不断发展的混合培训战略,允许个人选择学习的方式、地点和时间。

微认证是针对某一领域特定的技能或知识能力的认证。它并不是一件新鲜事,但随着在线和混合学习的扩展,微认证和其他形式的基于技能的认证可能会取代传统的大学学位,成为最常见甚至最受欢迎的教育培训形式。

传统大学学位的价值多年来一直在下降。公众质疑学位的内在价值和它对获得好工作的重要性。包括谷歌、苹果和特斯拉在内的大公司在过去几年纷纷宣布他们在招聘中不再要求大学学位。随着成本的上升,随着学生和行业越来越重视技能的掌握,不难理解为什么许多学生选择放弃传统的高等教育途径。

消费者越来越期望随时随地都能轻松获得服务和内容,像Masterclass这样受欢迎的平台已经证明了学习者对购买微型甚至非学校的学习经历的兴趣和需求。

如果想在未来的微认证项目取得成功,有几个关键词可以关注:

(1)在线和混合能力。将在线和远程模式与微认证结合起来,为学习者提供模块化、及时的培训和再培训机会。这种结合也将为最近转向商业学习平台的终身学习者提供熟悉的学习环境。

(2)与产业和劳动力需求的联系。以对技能和能力的实际关注,微认证可以帮助导师、学生和顾问在学生的课程目标和就业所需的技能之间建立更清晰的联系。考虑到真正的劳动力需求,学生可以更好地定制他们的教育旅程,学习目标和成果可以更紧密地与预期的专业能力和行业标准保持一致。

(1)HEaRT是一个免费的体验式学习机会,供南新罕布什尔大学的在线学习者发展21世纪的劳动力技能。全球学习者在不同的团队中工作,解决雇主和行业领导者提出的现实问题。参与者在每次成功完成挑战和掌握能力后,都会获得一个数字徽章。

(2)2021年,纽约州立大学的微型证书项目大幅增长,在60个学科领域中,有385个微型证书。这一开创性政策的制定动力部分来自于微型证书在激励现有学生、支持受疫情影响的学生以及满足国家新需求方面的潜力。纽约州立大学的微型证书提供职业准备技能,并可以叠加到初始/高级证书或学位。

(3)The University of Maine System(UMS)正在组织建立一个统一的、全州范围的微型证书生态系统,以帮助经济复苏。其设计的微证书框架可以引导学习者从基础学习进入在工作环境中的技能应用学习。

在COVID-19大流行的早期,教师们在没有太多准备的情况下突然被推入新的混合和远程学习环境,被要求使用新的工具进行教学。随着疫情的发展,高校对混合和远程教学项目进行了长期规划,对教师的期望已经发生了变化。在远程环境中越来越自如的学生,也对教师有效地提供混合和远程学习经验有了更高的期望。评审机构和资助机构已经采取措施,为远程教学实践制定了标准化的指导方针。

小组成员认为,在这一实践领域时,有几个关键词,可能值得高校重点关注:

(1)教师对学习的热情。 把所有的教师都定性为抵制变革或技术文盲是不公平的。事实上, 过去几年,美国高等教育信息化协会不断从技术专家和教学领导那里听到关于教师热衷于使用新工具和教学方法的故事。灯泡亮了,教师的眼睛第一次被打开,他们看到了新的教育工具和模式的可能性,教师的实践发生了真正的变化。

(2)改善教学的影响。地平线小组成员认为,混合/远程教学的教师发展,是对学生学习效果影响最大的实践领域(见下图)。 它也被认为是风险最小和成本最低的做法之一。换句话说,投资时间和资源以确保教师接受培训并具备有效参与混合和远程教学的能力,可能是高校可以做出的最容易和回报最高的决定之一,它可能会在改善学生体验和提供学习效果方面产生最大回报。

(1)Teach Digi提供一系列数字教育培训支持。该项目提供的播客反映了员工和学生在疫情期间的生活和共同经历。培训课程、圆桌会议、跨部门合作与播客系列同时进行,确保覆盖范围和影响力。

(2)致力于帮助世界各地的教育工作者在实体和虚拟学习之间切换,莫兰大学每月15日提供免费的教师发展课程。主题有:基于数据的教学评估、以学生为中心的学习、社会和情感学习(SEL)、包容性实践、教育技术等。这一全球可访问课程的参与者将获得结业证书。

(3)Duke Learning Innovation的灵活教学计划(Flexible Teaching Initiative)帮助教师创建灵活的弹性课程。为教师提供多层次的支持,包括部门和大型团体研讨会、1对1和团体咨询,以及自定进度的课程设计规划师。

鉴于我们观察到的趋势,以及看到的正在形成的技术与实践,高等教育未来十年将走向何处?我们设想了关于未来的四种场景。

这场新冠肺炎疫情大流行把世界推向了数字时代以及繁荣的网络经济时代,促使高校领导考虑将混合和在线学习模式常态化,并扩大学习分析工具和大数据的使用。

各高校还与政府机构、社区团体合作,投资于数字基础设施、学生访问设备和互联网服务,确保学生的发展机会不再依赖于他们自己的技术资源或物理位置。

今天的高等教育体现了数字技术在教学和学习中的全面应用,以及将正规教育与证书、新行业新工作所需的技能相结合的演变。学院和大学在很大程度上能够重新设计课程和学习框架,以应对学生和雇主不断变化的期望,并服务于一大使命——为任何地方的任何人提供公平的教育机会。

随着过去十年恶劣天气事件和灾难的持续增加,以及重要自然资源的持续短缺,出现了新的社会和政治运动。这是一个全球意识和牺牲精神得到更新的时代,高校要承担起自己的责任,教育学生成为致力于且有能力应对世界生态挑战的全球领导者。

许多高校选择投资于在线能力,并设计生态友好型设施,以努力减少资源消耗和浪费,高校也感受到了这些限制因素带来的财务影响。

世界各地政治分歧加剧,迫使高等教育机构声明意识形态倾向。学院和大学仍然容易受到地方、国家和全球范围内发生的社会和政治冲突的影响。实体校园变得远没有那么安全。在更动荡的地区,高校经常成为当地抗议和政治暴力行为的目标,而虚拟校园空间经常遭到政治反对派团体的黑客攻击和渗透。

大多数学校都在网络安全和校园监控技术方面进行了大量投资,这些措施会加强学生和家长的认知,即选择在哪里接受高等教育,既是一个人政治身份的宣示,也反映了对知识和技能的追求。

随着世界工业需求的增长,教育领导者重新设想了继续教育的形式和功能。现代大学学位和继续教育之间不再有明确的界限,因为它们在逐渐均衡,以适合新兴劳动力需求。高校几乎放弃了传统的四年制和研究生学位模式,转而专注于为学生提供实用的、可定制的、持续的培训和教育,以让学生获得自己想要的工作所需知识和技能。

在教育、学位获得和就业安置方面,一些人曾经享有的特权已经开始消失。因为最有声望的学校的学习成果和证书,青睐那些最有天赋和能力的学生。

04 专家观点:现在该怎么做?

对于2022年,我们从小组成员那里征集了七篇影响文章。每位小组成员都被要求通过他们自己独特的视角来考虑2022年小组的工作成果,并思考,我们现在应该做什么?我们应该制定什么计划?

当我们展望未来时,我们有机会战略性地结合教学方法和措施,通过定量和定性两种方法来指导,定性(即继续使用社会科学方法)和定量(即通过分析和人工智能引入数据科学方法)的结合创造了更大的意义,可以辅助教育决策。

随着我们越来越了解学习工具如何能够改善我们所处的环境,高校将处于不断迭代的循环中。澳大利亚要提升教学方法的灵活性,在物理空间和数字空间上进行创新,可以通过微型证书提高参与者的技能。

这场疫情使得加拿大(和世界)的劳动力巿场变得不可预测。世界经济论坛2020年10月的一份报告显示,由于技术变革,8500万个工作岗位可能会消失。人们需要通过快速重新掌握技能来适应不断变化的工作环境,可能在继续工作的同时,微型证书可以帮助那些本来无法负担高等教育成本的学生获得他们需要的教育。

混合/远程学习的模式逐渐成为主流。随着疫情的结束,学生们将期望能够继续以最适合他们的方式学习,无论是面对面的、混合的,还是完全在线的。

为了确保混合课程得到有效开发,学校需要继续投资于教师的专业发展。混合课程正在被许多学校强制要求。对加拿大学校的调查显示,教师专业发展的重点是有效开发和教授混合课程。

墨西哥是一个充满潜力的文化大熔炉 ,但不平等现象普遍存在。同时,疫情对经济、健康和教育的影响是深远的。

墨西哥高等教育面临着许多挑战:全国覆盖面不均、质量参差不齐、监管问题、有限的财政支持等等。在墨西哥的大学中,将混合和在线学习纳入主流,有可能从根本上改变墨西哥的教育性质。

大学及其社区必须与联邦和地方当局合作,最终目标是提高高等教育的质量。在线和混合模式的实施需要在几个方面进行改变:教师的发展和再培训、教师的激励系统、技术基础设施、法律和监管问题以及数字素养。

在全球范围内,由于所谓的第四次工业革命,高等教育部门正受到就业和劳动力巿场变化的挑战。在沙特阿拉伯,一些社会和经济因素进一步加剧了这种情况,包括不断增长的沙特青年人口、失业率、技能差距等。

设计和开发良好的微型证书有可能支持包括高等教育机构在内的复杂的利益相关者的需求,雇主、学生和专业学习者,以及更广泛的人群。微型证书可以扩大高等教育的覆盖面,并且更符合以技能为基础的招聘趋势。

重新定义教学模式需要教学方法的深刻变化,学校应该能够回答这些问题:

在这些新兴的学习环境中,教师是如何设计学生的学习经验的?

在这一重要任务中,教师如何得到支持?教师们是如何建立持续改进机制的?

高校如何支持教师开发不受模式影响或多模式的课程?各高校如何重新思考他们的物理校园结构,以满足对混合学习空间的需求?

高校如何解决学生的技术和互联网接入障碍,并创建最佳的支持系统?

展望未来,在招募和留住学生方面最成功的R1(最高程度的科研活动)院校是那些花时间和投入资源来规划、阐明和支持本科教育新的黄金标准(混合教学模式)的院校。它们的成功也将取决于他们是否有能力打破物理和虚拟校园的孤岛, 并将其整合到本科生教育中,让学生获得全面、一致的学习体验。

现在是研究型大学投资并创建5G和网络研究实验室的时候了,公共和私营部门的参与者都可以在这里探索研究,以促进围绕未来技术的创新、教育和培训。

随着我们进入5G时代,我们可以期待在连接方面有一个飞跃,在增强现实、虚拟现实、自动驾驶汽车、远程医疗和智能城巿等方面有新的体验。

【 图片来源:  所有者:中国教育报 】

3月8日,尧德中(中)、黄荣怀(左)做客中国教育报刊社“两会E政录”演播室,就“利用智能技术改变人才培养模式和教学方式”的话题接受。

全国人大代表、电子科技大学教授尧德中认为:每一次人类的技术进步,都会淘汰一部分职业,也会创造新的机会。教师也可以发挥优势,做人工智能无法做的事。教师应该顺应“智能+”时代的变化,掌握和利用好人工智能。

互联网教育智能技术与应用国家工程实验室主任、北京师范大学教授黄荣怀认为:为了适应智慧社会的到来,教育可以从三个方面着手。培养下一代的好奇心、自控力和学习能力等数字化生存能力。教师角色需转变为创新支持者、活动设计者、沟通协调者、技术拥抱者。在学习环境中引入智能教学服务,助力教师实现“因材施教”,促进学生的个性化学习。

国务院2017年印发了《新一代人工智能发展规划》,标志着人工智能作为产业变革的核心驱动力和引领未来的战略技术,已上升为国家战略。《规划》中明确提出要加快培养人工智能高端人才,强调“利用智能技术加快推动人才培养模式、教学方法改革,构建包含智能学习、交互式学习的新型教育体系”。

人工智能在教育领域的应用

记者:目前人工智能依然处在行业发展的初期,还局限于某些问题的局部应用,处于弱人工智能等阶段。针对于目前人工智能在行业中的基本应用现状,两位有着怎样的判断?

尧德中:伴随大数据、超级计算以及深度网络等概念兴起来的人工智能在医学图像、语音识别等方面取得了很大的成功。人工智能在缺少人力的一些活动领域展现出了很大的潜力。例如人工智能在解决我国边远地区缺师少教方面具有广阔的应用前景。但教育是事关国计民生的事情,在推动人工智能应用的时候需要谨慎。

黄荣怀:从教与学方面看,人工智能应用于教育通常分为三类。第一种是智能教学系统,从计算机辅助教学(CAI)发展而来的智能教学系统(ITS),可以在一定程度上代替教师辅导学生以提升学生学习绩效。第二种是教学机器人,在未来五到十年可能会有比较大的发展。第三种是学习分析,利用大数据和学习分析技术采集和分析学生的各种数据,帮助教师了解学生,实现个性化的教与学。

记者:黄教授您刚参加了联合国教科文组织的移动学习周活动,请您谈谈对我国在人工智能与教育结合方面的研究处于什么样的国际水平?

黄荣怀:这次会议主要探讨人工智能如何更好地服务可持续发展。从目前的发展来看,美国的人工智能走在世界最前列,我国的人工智能发展势头也比较好,研究成靠前正被全球抱以很高的期待。在研究内容上,欧美更关注现代人工智能的透明性、安全性和伦理等;联合国教科文组织则更关心人权问题,关注女性、儿童的权利,如怎么去培养他们的信息素养和操作技能,以及像某些连供电都存在问题的地区该如何实现人工智能,等等。

人工智能促进教师职业发展

记者:社会上曾经流行着一种担忧,说是人工智能出现以后,很多职业会消失,如统计员、绘图员、报关员等,教师这个职业也会受到冲击。请问人工智能时代,教师独特的价值在哪里,人工智能会带给教师带来哪些机遇和挑战?

尧德中:人工智能的每一次技术进步,都是为了提高效率。虽然会淘汰一部分人,但同时也会创造新的机会,这些新的机会就是给那些能够利用最新技术的人准备的。比如,人工智能与教育结合会导致应试教育的方式被取代。但是教育除了知识的传播以外,还有道德和情感的培养,这些是人工智能难以取代的。人工智能技术只是打开更大一个空间的引子,这涉及的不是简单的适应与否的问题,而是如何更好地适应新时代的问题。对教师而言,需要掌握和利用好人工智能,成为新技术的主人,利用人工智能一起培养好下一代学生,从而有效提升国家的国际竞争力。

黄荣怀:现在中国社会正处于高速转型期,人工智能只是新一轮科技革命的代表,此外还有3D打印技术、基因技术、纳米技术等。在这个转型期中,确实有很多职业会发生变化,有的职业将被淘汰。但就教育来说,从目前的情况看,教师队伍的需求反而有要扩大的趋势,且教师角色正在发生转变。为了应对新一轮的科技革命,国家培养人才的模式会发生很大的变化,学校的转型离不开教师的改变,因此教师反而会更加被重视。

记者:加大对贫困地区教师ICT(信息与通信技术)培训、校长信息化领导力培训,是促进教育和信息技术结合的重要举措。黄教授多次参加了“三区三州”校长的培训,您在这方面有什么心得体会?

黄荣怀:从联合国教科文组织的角度看,每个人都有接受教育和享有信息技术,享有人工智能的权利。大家都谈到尽量缩小和弥补鸿沟,但其实鸿沟存在扩大的趋势。我们国家在弥补数字鸿沟方面取得了不错的成就。比如过去这些年中实施的“三通两平台”等,给边远地区提供了比较完善的设施设备、培训和数字资源,帮助所有教学点开齐开好国家规定的课程,方法和经验都值得国际社会借鉴。

人工智能带动跨学科人才培养

记者:人工智能是重构人才培养方式的“摧化剂”跨学科学习对人才培养有什么样的启示?深度学习、机器学习、计算机视觉等技术的作用,可以发挥人工智能在跨学科学习上的作用吗?

尧德中:现在人工智能最经典的深度学习可以分成三类。一类通过不断地学习,类似应试教育的刷题政策,直到最后把这类问题做好,但这个培养出来的智能适应能力有限,这也是应试教育带来的问题。跨学科则有可能把两个打通,既学图像又学声音,就能适应融媒体的需要。但人需要的不只是监督学习,还有增强学习。增强学习就是让学生与环境交互,跟老师交互,帮助学生体会到过程中的细节。还有迁移学习,就是举一反三的能力。现在的人工智能在这方面表现很差。跨学科让人接触各方面的东西,融合起来放大能力,开阔人对问题的理解。所以跨学科是一个放大,而不是一个简单的加法。

黄荣怀:在未来这两者存在一定的趋同。人类的学习是带有情绪、意愿和背景的,机器学习就不具备这一点。但是在机器学习研究方面,也开始涉及脑科学、人的心智方面的研究,使未来的人工智能越来越靠近人类的智能。

人工智能帮助因材施教,教育教学管理更加精准

记者:人工智能是帮教师读懂学生的“分析师”,重组课程的“设计师”,整合信息的“策划师”。在人工智能支持服务高校的学习方式、管理方式等方面的研究,有哪些突破和成果?

尧德中:人工智能在大学学生管理方面已经广泛应用,包括了解学生每天生活工作的情况,预测情景、去图书馆情况、吃饭规律等,大概都能预判。但是目前的人工智能本身面临升级换代的问题。以深度学习技术为基础的人工智能只模拟了人脑分层结构,属于人智能中很小的一部分,还需要进一步发展。现在全球开始集中研究比人工智能更高级的“类脑”智能,国家应该下大力气支持。这次李克强总理在全国两会提的是“智能+”,当然可以加到教育里面来,现在以深度学习为代表的人工智能的应用,下一步要更广更宽的应用。

记者:有一个案例讲通过信息技术监测学生的考勤,发现有学生连续一个月都是一个人去做事,老师担心其跟同伴不合。而科学研究表明很多天才或者出类拔萃的人物,在学生时代就显示出和别人不是很密接触的状态。黄教授,从这个角度讲,这种个案能不能进行分析?

黄荣怀:刚才说到这个情况是存在的,有不同的人格和特点是很正常的。在教育中存在许多运用这种监测分析技术的例子。比如在管理方面,某些大学通过监测学生一学期或者三个月的消费情况,发现有些女生消费很少,这个时候可以分析这些女生是因为减肥还是家庭困难,校方就可以通过及时发出提醒来确认具体原因;如果是有困难,就可以进一步提供帮助。再比如在教学方面,通过数据采集和分析技术,帮助教师全方位了解学生。过去只是关注学生的知识掌握度、考试水平,现在还可以分析学生的学习方法、学习特征,可以更多地辅助“因材施教”的实施。

记者:黄教授您同时还是北师大智慧学习研究院的院长,从智慧学习环境和方式对孩子影响方面,进一步介绍一下你们以前取得了哪些成果,对提升孩子学习的自信心,特别是在精准扶贫扶教、教育公平等方面产生什么样的作用?

黄荣怀:智慧学习更多地指智慧学习环境。环境可以改变和塑造人的行为,但这不仅指设备和环境的条件,还包括很多人文氛围和行为方式。现在我们只考虑学校中的学习就有点儿窄化了,因为家庭、社会场馆、工作场所等都是典型的学习场域。我们把“智慧教育”“智慧学习环境”纳入到“智慧城市”中,可以帮助提升学校教育的地位,有助于拓展学习场域。但通过分析发现,现在将“智慧学习环境”纳入“智慧城市”建设的不足三分之一。另外在建设新的环境或者使用新的技术时,应该把更多的精力放到技术、工具和环境的用户体验上,避免增加教师的负担。

尧德中:在中国这个问题相对来讲容易解决,我们国家的制度有优越性。人工智能最后拉大沟还是缩小信息鸿沟,取决于人们是否公平占有这个资源。有了人工智能的资源,至少可以让城里和山区的孩子拥有同样的资源,我们国家在这方面应该是有优势的。

以前没有精准扶贫的时候,山区的小孩根本不了解外面的世界,现在他们有机会了解外面的世界。就出现了那种把小孩送到城里读书的家庭,比如说凉山送到绵阳读书。孩子接触了外面的世界,产生了新的想法,最后到北京读了大学。他整个价值观和对世界的看法完全变了。然后又通过他这一个人的改变影响了周围的一个村庄或者镇,这样就产生了代际传动。但这影响很难简单量化。

人工智能将使未来发展更加个性化和智慧化

记者:技术和教育本应是两条平行线,但在现实中产生了交叉点。现在的交叉点很可能是人工智能,也可能是大数据、云计算。大数据是运行的结构基础,云计算是运行方式,人工智能是表现的形式和实现的结果。这三者的关系可以这么考虑吗?

尧德中:人工智能主要可以实现把传统应试教育中的一些知识传授做得更快,或者跟学习辅助的电子设备结合来节省师资,促进教育发展。比如,对缺少师资的贫困地区,跟人工智能结合之后,有可能把很多基础的内容充实起来。

黄荣怀:这个问题涉及人工智能和大数据、虚拟现实技术等其他技术之间的关系,我更倾向于使用“智能技术”一词把这些概念都囊括进去。如VR未来的发展重心,一定是有人工智能支持的虚拟现实。而这次人工智能浪潮的形成本身就是因为有大数据的支持、计算能力的提升以及典型应用场景的成熟。人工智能技术在一些如自动驾驶、智能医疗等领域的应用,使人们看到了更多的可能性,从而产生期待,促使人工智能有了进一步发展的机会。

记者:1930年著名经济学家凯恩斯曾预测说,过了100年到2030年左右,人类每周工作时间可能只有8到10个小时。2030年到现在也就十来年的时间,两位专家觉得这种可能性大吗?如果真的实现,闲暇时光怎么度过,特别对教师来说?

尧德中:这个问题很大,整个经济社会的普遍看法也是消费占的比重越高,社会的层次越高,整个劳动效率提高后,人在娱乐公益方面消费占比会增高。精神生活这个层面会产生很多其他需求。对于教师而言,可以花更多的时间跟学生一起“玩”,应试教育的知识传递交给人工智能做,智商、情感,如举一反三等迁移能力则由教师带领学生在“玩中学”。

黄荣怀:目前我国经济和社会结构快速发展,财富积累、环境设施以及技术条件越来越好,人们的生活方式越来越多元化,可能有人可以工作20年,剩下的10年不怎么工作而自由生活。但在非洲的一些贫困国家中,财富和技术的差距正在拉大,而这个差距很难通过技术本身缩小。这就需要更多从全球的视角关注信息技术给这些国家和贫困地区带来的发展。

记者:大胆地设想,未来发展到机器人和人已经难辨真假时,您希望机器人代替您给学生开会和布置日常的活动吗?再者,到机器人发展到很便宜的时候,一些学生用机器替身来上课该怎么办?

尧德中:人工智能分弱人工智能和强人工智能。现在是弱人工智能时代,描述的这个必须是强人工智能,现在有人认为是可行的。但机器人也是人设计和创造的,一定有局限性,不会真正达到人的细腻程度,对于人不会被取代,同时能够跟机器人时代共进步,我还是有信心的。复制人类可能就涉及人工智能的伦理问题了。可以通过一些约束来保障技术发展走到正确的道路上。

黄荣怀:我比较看好这件事,比如说我经常出国出差,这个时候如果有一些小的智能化管理软件帮忙,就可以进一步减少工作量,若干年后或许就有机器人帮助管理。

但是从学生方面看,也有不太乐观的情况。现在就有学生会在网上找人做作业,找人写论文。在智能技术越来越成熟以后,这种情况可能会更严重。所以欧美有“可信赖人工智能计划”,它强调人工智能的所有算法必须是公开的,数据必须是透明的,人类必须保持智能技术的可控性。尽管有些行为可以被伦理约束,但是有些则需要通过法律制度来限制。

记者:校园安全最终的目的是防止任何安全事故的发生,比如说现在的图像识别,对潜在的犯罪分子进入校园50米的范围能否有人工预警?如何采用心理学或者神经科学等多方面的手段预防这种情况的发生?另外,未来将如何培养数字化生存能力?

尧德中:每个人的状态是波动的。有数据表明,人在一生中有点精神症状的比例相当高,不能把这些都归为潜在罪犯,还需要其他辅助判断。机器人也许能够通过微表情、情绪识别做一些工作,但最终判断还是不能完全离开人的。

黄荣怀:这个问题非常复杂。比如说会有一些特别的人或者犯罪集团想利用人工智能犯罪,而人都有一种惰性会依赖环境改变自身的行为,那么当强人工智能普及以后,人的行为可能会发生更大的变化,所以需要不断加强网络信息的安全,防止智能犯罪。

在培养面向未来的人才方面,全球都在提倡培养创新能力。另外一个能力也特别值得关注,就是数字化生存能力。第一是好奇心和兴趣。现在信息过剩,很多信息扑面而来使人忘记探究和思考事物本质,好奇心越来越弱。第二是合作和学习能力。有些人长时间宅在屋里,而新的事物又层出不穷,因而需要不断地学习来适应社会发展。第三是自律和自控能力。在未来智能技术进一步发展,推送的信息将更“贴合”人的需要其产生的影响也就会更大,这就对人的自控力提出了新的要求。

记者:我们在采访中曾遇到过一些特殊儿童,比如说视障或听障的孩子,该怎么样用信息技术的手段帮助他们体验到一个更加美好的世界?

尧德中:这个其实目前是非常火的领域,属于脑科学和人文科学交叉的领域,就是脑机交互。比如说眼睛看不到,就可以把摄像头“看”到的内容,通过人工智能的方式“翻译”成语言让他听到,他听了之后会在大脑里面进行处理转换,弥补视力的缺陷,这方面研究现在还是有很大进展的。通过不断对本人表情、身体参数等进行分析,机器大概知道你需要什么,一定是推荐与人生理状态和精神状态相匹配的东西,这个很容易就能实现。

黄荣怀:不光是人工智能,虚拟现实、移动设备等技术在辅助个体发展方面就展现出很强大的功能。首先是辅助语言学习,如音视频学习材料、APP小程序等,这已算是基本共识。其次是辅助特殊残障群体,通过应用技术来弥补人的某些能力缺陷。最后是自闭症治疗,这属于康复和健康的范畴,这种利用技术治疗成功的案例非常多。






雷峰网版权文章,未经授权禁止转载。详情见。

我要回帖

更多关于 人工智能NLP方向 的文章

 

随机推荐