人工智能视域下机器学习应用与创新探索

2022-09-12

人工智能就是能够在各类环境中自主地, 或交互地执行各种拟人任务 (anthropomorphic tasks) 的一类机器。它是计算机科学中涉及研究、设计和应用智能机器的一个分支, 其近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能, 探究相关理论、研发相应技术, 如:判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。人工智能的发展是以软硬件为基础, 经历了漫长的发展历程。20世纪三四十年代, 以维纳、弗雷治、罗素等为代表发展起来的数理逻辑, 和以丘奇、图灵等人为先驱提出的计算思维, 促进了智能计算方法的萌生。1956年夏, 人类历史上第一次人工智能研讨会在美国的达特茅斯 (Dartmouth) 大学举行, 标志着人工智能学科的诞生。

在当今的时代, 人工智能逐渐与教育领域相结合, 教育人工智能逐渐出现在大众的视野中。智慧教育在美国、韩国、新加坡等地已经得到快速发展。前些年, 这股智慧教育发展的浪潮也席卷国内。北京、上海和宁波等地开启了智慧教育的探索。国家教育部教育信息化技术标准委员会主任、华东师范大学祝智庭教授说, 智慧教育时代以势不可挡之势来临!智慧教育给学习者带来了在线学习和虚拟实践体验等新的学习方式, 创客、STEAM教育、以大数据为基础的适性学习、以移动终端为媒介的个性化教学, 打破了传统教学的藩篱, 让学习形式更加多样化。无论是物联网、大数据、云计算, 还是增强现实、虚拟现实、教育游戏, 这些新兴技术都能让学习者得到个性化、交互式的无缝学习体验。在智慧教育发展中, 很多人认为增强现实技术等只适合应用于自然学科的教学, 但技术的变革还可以应用在人文学科、综合实践等多方面, 因为通过游戏般的真实体验内化知识, 往往比看书本学习更生动有趣, 更能引起学生的兴趣, 也更有利于学生的深入理解和掌握。随着人工智能技术的不断发展, 智慧教育能做的事情越来越多, 不仅能实现优质资源的自动推送, 能对学生的口语和写作等能力进行自动评测, 还可以基于大数据分析发现学生个性化问题, 提供个性化的学习方案。

一、机器学习的概念

(一) 机器学习的定义

机器学习 (Machine Learning, ML) 是一门多领域交叉学科, 涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为, 以获取新的知识或技能, 重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心, 是使计算机具有智能的根本途径, 其应用遍及人工智能的各个领域, 它主要使用归纳、综合而不是演绎。

机器学习存在于我们当今使用的产品中, 但它并不总是明显地向我们表示机器学习是它背后的一切。例如我们知道标记对象和图片中的人是明显的机器学习, 但你可能不知道像视频推荐系统这样的特性也常常由机器学习提供动力。当然, 也许最大的例子就是使用谷歌搜索。每次使用谷歌搜索时, 你都会使用一个基于机器学习的系统, 从理解查询文本到根据个人兴趣调整结果。比如说当你搜索”Java”的时候, 机器学习根据它认为你是一位专家还是探索者或者两者兼具的身份决定哪些结果优先显示。今天, 机器学习的即时应用已经相当广泛, 包括图像识别、欺诈检测、推荐引擎以及文本和语音系统。同时我们也应该意识到这些强大的功能还可以应用到更广泛的领域范围, 从糖尿病视网膜病变和皮肤癌检测到零售, 当然还有自动驾驶模式车辆的运输。这些都代表着机器学习已经到达了一个很不错的地步。

(二) 机器学习的发展史

机器学习主要有两大发展阶段:第一阶段时浅层学习阶段, 20世纪80年代末期, 用于人工神经网络的反向传播算法 (也称为Back Propagation算法或者BP算法) 的出现, 拉开了浅层学习的帷幕。浅层学习阶段人们可以从大量样本出学习出规律, 并进行预测。机器学习的第二阶段是深度学习阶段, 在这一阶段, 深层学习模型通过构建机器学习模型和海量的训练数据, 来学习更有用的特征, 从而最终提升分类或预测的准确性。

二、机器学习与智慧教育的结合探析

(一) 机器学习与智慧教育的交互性

利用机器学习, 可以做到让学生在学习过程中不断地获得反馈, 目前教育中的交互性体现主要有下面这么几点:一是老师和学生的交互, 其最理想的情况是优秀的老师可以针对几个学生的特点, 给予针对学生的个性化的教学和辅导。但客观情况是, 优秀的教师所供给的教育能力毕竟有限, 不是每个学生都能获得这一机会;二是指学生之间的交互, 最理想的状态是优秀的学生可以跟其他学生深入交流。但这一点总体来说是不可行的。因为不论什么样的学生, 在学习过程里都会自发组合, 产生学生之间的交互, 其质量和保障是难以控制的;第三就是普遍最受重视的, 学生与系统内容的交互。这才是最核心的解决办法, 因为计算机系统的运算能力、准确性、信息量以及供应力是相当强大的。但目前的MOOC模式并不能解决这个问题。MOOC模式能够实现的是知识的“可获得性”, 是纯粹单向的“送达”, 只是像邮件一样把知识传播过去。由于缺乏针对学生学习行为和效果的辨别、处理和知识调整的能力, MOOC模式当然也就只能像个优秀的老师在上万人大课一样, 无从下手, 无法保证质量。但我们所谓的自适应学习, 就是在这个交互性的领域实现智能化。用最直观的方法描述, 就是学生在学习的任何过程中, 怎么学、学什么内容, 都会有一个像好老师一样的智能学习引擎来对学生进行有针对性的一对一指导。

教育领域的人工智能, 需要考虑学习过程的复杂性, 对于任何一个学生, 不论处于什么样的学习状态, 其下一步要学习什么, 怎么学, 目前的程度是什么, 都是需要综合判断和测量的。如果在技术层面模拟一个优秀老师的教学过程, 面对这些复杂的问题, 一定要基于大数据进行分析和演算, 对学生的特征进行测量和量化描述, 最终推送适合某个学生的学习内容。

(二) 机器学习与智慧教育的适切性

通过构建能够做到技术融合的学习环境, 帮助教师能够更好更高效地开展教学法, 帮助学生得到好的学习服务和发展体现, 是智慧教育的核心目标。在智慧教育环境中, 学习者的数据被收集形成教育大数据, 迫切需要智能化手段挖掘这些数据, 以发现潜在模式和知识来支持智慧教育的创新发展。机器学习的本质是使用计算机从大量数据中找出规律, 自动发现模式并用于预测。因此, 机器学习助力智慧教育深度理解学习者的学习是不可否认的。通过机器学习, 帮助教育者从各项大数据中提取出有用的信息, 帮助课程的有效展开, 使得学生和教师能够通过良好的技术平台来进行个性化的学习。

三、机器学习与教育应用结合的潜力

智慧教学对教师方面也有着很大的影响, 通过智慧教学这种新型教学技术的应用, 可以帮助教师提升自我素养。同时, 机器学习时常应用于智能教学系统。在应用过程中需要不断提高教师的参与并激发其积极性, 从而与系统优势互补、共同参与, 促进教学法的创新。从2010年起至今的国外基于真实数据的机器学习以教育应用案例研究成果为主, 我们通过对机器学习技术在教育数据挖掘青春期阶段的研究进展及其教育应用的潜力进行梳理, 可以发现人工智能和机器学习在智慧教学放面的应用还有着巨大的潜力, 需要不断地去挖掘。

四、总结

随着社会的不断进步, 大数据时代的到来以及人工智能的不断探索和应用, 给教育领域的探索指出了一条道路。机器学习可以有效的帮助智慧教育的推进, 其在教育人工智能和教育数据方面的应用也是巨大的, 通过机器学习和教育领域的融合一定会推动教育的不断创新。

摘要：随着当今社会的转型, 人工智能科技逐渐的进入到人们的视线当中, 并开始对当前的社会产生一定程度的影响。伴随着教育大数据的崛起, 对大数据进行精确的分析处理是当前时代需要去面对的一个课题。本文从如何进行人工智能的视域入手, 探析机器学习和教育的结合行, 并通过与实例的结合分析来对机器学习教育的应用和创新进行合理的探索。

关键词：人工智能,机器学习,学习应用,创新探索