ai人工智能北京培训(北京人工智能培训课程)

【智能观】美国计算机科学家，普林斯顿大学计算机系主任詹妮弗·雷克斯福德（Jennifer Rexford）认为，人工智能所改变的不仅仅是用什么人来教学生，而是老师如何去教。

教育领域正在寻找合适的方法，应对人工智能（AI）对所有领域（包括其自身）造成的冲击和改变。普林斯顿大学计算机系主任詹妮弗·雷克斯福德在近日的一次采访中表示，这不仅需要老师教授不同的技能，为今天的青年在AI领域的工作做好准备，还需要AI创造出新颖的教学方式。

此外，她还探讨了一个大家共同关注的话题，即应该在开发AI的过程中融入多种思想，以便不同的人能成功地应用它。

视频加载中...

曾经，人工智能产生的劳动力过剩问题非常令人担忧。人们主要关注自动化对工作的影响。

而现在，更深远的影响的是，机器学习和人工智能对社会各个领域都有着广泛的影响。并且，数据汇合，计算力增强和算法产生的速度如此之快，以至于 ********* 、公司和教育机构来不及反应和适应。

然而，如果你把问题反过来问：“AI 不擅长什么？”换句话说就是：“我们人类擅长什么？还有什么是人类能做的？”答案就是：机器难以展现创造力、社交技巧和洞察力。

保姆（看护）就是一个很好的例子。你可以将一些常规的东西智能化，但是在很多方面，智能化是行不通的，特别是那些依赖社交技巧和机器所没有的洞察力的工作。

至于创造力，机器可能会表现得很有创意，比如，在围棋或象棋游戏中做出聪明的着法，但这实际上是通过对底层数据的详尽枚举和评估而产生的，并不是源于创造力的火花。

所以，现在考虑的不是再培训的问题，而是基础教育的变革。我们今天的教学方式，即便在K-6或K-12领域，也没有强调培养创造力和社会洞察力，构思以及团队合作能力。这些在将来都是非常重要的（现在就已经很重要了），我们要尽可能快地适应AI带来的变化。

STEM(科学、技术、工程和数学)领域存在着明显的代表性不足的问题，太强的专业性限制了多样性的发展。计算机科学领域比其他领域明显，而人工智能领域又比一般的计算机科学领域明显。所以多样性绝对是个大问题，而做这项工作的技术人员严重短缺。因此现在有这样一个普遍的口号：“我们需要更多的人才投入其中，不能把他们白白地浪费掉。”

还有第二个问题: 在大多数工作领域和企业中，正在创造着的技术是非常重要的。但许多真正的，具有创造力的技术人员并没有话语权，他们在绝大多数领域起不到任何作用。这种现象不仅出现在计算机行业，各行各业都是如此。

在飞往达沃斯的飞机上, 我看到关于自动肥皂感应器的报道：只要你把手放在感应器下面，就会有肥皂液流出来，但是，这对很多黑人来说不好用。原因是, 这些感应器中嵌入的廉价传感器,只能通过反射浅色皮肤的光线让肥皂液流出。

很显然，设计者只利用一小部分人口数据进行了测试和评估。尽管这不是有意识地种族歧视，很多人不一定选择使用廉价的传感器,但这的确是个问题，说明了产品的设计或测试环节, 并没有足够多的人参与进来。你想, 如果有12% 的设计者以及12% 的设备测试人员都是黑人, 那这种情况就不会发生。

我们可以做一些事来解决多样性问题，但没有万能的方法，只能具体问题具体分析。在普林斯顿，我们所做的，就是在计算机系既提供工程学学位，又提供文学学位。

在计算机系里，学生学习的内容是不同的:喜欢工程学的学生在大一的时候会选修物理和化学，而喜欢文学的大一学生会选修一门外语或其他人文学科的课程。

由于这一举措，先选修文学再进入计算机科学的学生中，有50%是女生。

过去的几年里，我们看到这个项目飞速发展。通常发生的情况是，大一新生选修了一门计算机课，就会爱上它，又发现它可能会影响自己其他的兴趣，然后就迷上了它。

第二种解决多样性问题的方法是，我们设置了简单的入门课程，60%的学生都能轻松通过，这是一门非常开放的课程。它的重点是计算机和艺术、音乐、科学的跨学科应用。

你再不用尴尬地把在课堂上写的程序展示给室友或父母。它们变得很有趣，比如，把电脑变成音乐键盘。我认为这有助于计算机科学的普及。选择该课程的，有40 %或50 %的学生以前从未编程过，因此我们有独立的讨论环节，方便他们学习。

下学期我们要做一个实验,利用MRI机器，在学生看视频讲座时，记录他们的表情,这样我们可以一窥他们是如何学习的。重点关注学生之间的差异，用时的不同, 以及他们在观看视频时，理解概念与注意力之间的相互关系。了解学生的学习方式将有助于我们更广泛深入地思考，如何在教学上做得更好。

我们也会用机器学习分析收集到的神经科学数据，甚至分析一些平常的事情，比如，学生们在视频讲座中重复看了多少次，他们在哪里遇到了困难，在哪些地方对视频进行了慢放，或者在哪些地方会更加仔细地思考。

机器学习可以帮助我们更好地了解学生遇到的问题，了解材料没有交代清楚的地方，或者两者都有的问题。很明显,这些与学习都是相关的。机器学习还可以帮助我们开展个性化的学习，使学生们提高效率。

来源：麦肯锡

作者：Rik Kirkland

智能观 编译

—完—

亲爱的朋友：

我们今天的教学方式，并没有强调培养创造力和社会洞察力，构思以及团队合作能力。而这些，恰是AI时代最需要的能力。

希望本文对你有所启思。

安！

智能观 一米

2018-5-11 于北京中关村

想知道AI加教育领域有哪些最新研究成果？

想要AI领域更多的干货？

想了解更多专家的“智能观”？

请在对话界面点击“找找看”，去获取你想要的内容吧。

声明：

编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。