按：11月15日，“全球AI+智适应环境教育峰会”在北京嘉里中心大酒店盛大揭幕，峰会由牵头乂习教育松鼠AI，以及IEEE（美国电气电子工程师学会）教育工程和自适应教育标准工作组联合举行，汇集国内外顶尖阵容。本次峰会邀了美国三院院士、机器学习泰斗Michael Jordan、全球普遍认为的机器学习之父、卡耐基梅隆大学计算机学院院长、机器学习系创系主任Tom Mitchell 教授、斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT自学方案组高级研究科学家Michael Yudelson等顶尖学者；新东方、好未来两大教育行业巨头AI部门负责人及一起教育科技、掌门1对1、作业盒子等国内知名教育创业公司创始人；以及Knewton、Byjus、DreamBox、Duolingo、ALEKS、AltSchool等国外最不具影响力的AI智适应环境教育公司苯乙烯北京，联合探究AI智适应环境热点话题。

其中，下午的AI教育学术论坛，由松鼠AI 首席架构师、Knewton前亚太区技术负责人RichardTong主持人，IEEE 自学技术标准委员会现任主席Avron Barr、IEEE 委员会成员、前IEEE 自学技术标准委员会主席Robby Robson、孟菲斯大学心理系和智能系统研究所教授Arthur Graesser参予辩论，参会嘉宾联合探究了全球合作标准以及数据共享问题，并且宣告IEEE自适应教学系统行业标准中国工作组正式成立。以下为圆桌辩论国史，做到了不转变本意的整理与编辑：主持人Richard Tong：非常感谢参予这个小组讨论，在今天的环节中我们的主题是全球合作标准以及数据共享，所以我实在这是我们这个小组讨论的主题。我的第一个问题是关于我们在创建标准的时候，需要给我们带给什么样的益处？Robby Robson：第一，从标准的角度来看，它能解决问题一个问题，之前我们对标准有一个根源，就是消费者不告诉卖什么就什么都不卖，所以，不管你是消费者还是公司，还是研究者，在这个过程中，你能作出自己的贡献，能让标准的市场首先创建一起，并且能给这个市场更好的宣传。

第二，我们刚提及了互相交换这样一个概念，以及可迁移性这样的概念。因为我实在学生并不是意味着在一个地方拒绝接受教育，他们常常不会四处休息去有所不同的国家，所以从一个体系到另一个体系，从AI到教育到大学，再行到网络课程，他们是不是都是互相适应环境的，学生的数据，如何从一个体系迁入到另一个体系？所以我实在，参予这个过程之后，你就能协助定义这些数据究竟是什么，他们的重要性究竟是什么，它如何展开运作，所以我实在不会有很多知识产权方面的益处和经济方面的益处，只要你参予了这个标准制订的过程。Avron Barr：我想要再行补足一点为什么要参予呢？我实在原因是，我们现在正在发展标准，标准转变的迅速，有很多的创意，但我们依然不会有这样的一个标准。

所以制订这样的标准并没那么非常简单，我们不会听见很多有所不同的声音，所以不会有很多有所不同的预测和估算。主持人Richard Tong：我想要之后您刚提及的这一点，一般来说我们看见亚洲的公司在标准制订的过程中，不管是自学技术还是自学工程方面，亚洲的标准都不是很多，比如说华为、像摩托罗拉，最近被误解所并购了，这些公司都在5G的标准中有十分多的参予，或者是在IEEE的标准中都有参予，但是在技术方面，特别是在是软件的技术方面，在自学技术、教育技术的方面他们参予并不是很多，所以从利益的角度，您提及了为什么有这样的情况，我们如何转变，从社区的角度要做到什么样的事情，让更加多的亚洲公司特别是在是中国的公司参予到这个过程中，我们应当怎么做呢？Avron Barr：首先你说道的十分对，现在有亚洲和中国的公司参予，但我实在并不多，我们现在有一个全新的标准制订的阶段，所以我实在对市场来说，标准十分地最重要，它的重要性对客户来说没那么具体。所以我实在参与度还不是这么多，Robby可以来补足一下。

Robby Robson：我实在十分有意思的一点是，昨天我接到了一封邮件，这个人就是在WiFi无线网领域或者说在以太网方面十分擅长于。他来自于华为，他跟我说道，如何重新加入到这个标准制订的过程中，我刚跟他谈及了几个项目，他十分感兴趣，也不会跟老板汇报否参予这些项目。我实在有历史的原因，仍然以来，一些国际化的公司，比如说在中国、在欧洲，政府不会看ISO，或者是国际标准的组织或者是IEC，或者是国际技术委员会这样的的组织，他们不会依照这些的组织来表达标准。过去10年中，我们更加多的注目到有所不同的行业一些技术标准，这也是IEEE以及其他的一些的组织所注目的一些事情。

现在，IEEE在深圳也有办公室，在欧洲很多地方都有办公室，所以现在我们看见有一个十分大的的趋势，标准制订更加必须全球性参予，但我个人实在，中国公司、日本公司、新加坡公司、韩国公司，应当要去提升他们在标准制订过程中的话语权和参与度。主持人Richard Tong：接下来，下一个话题就是关于合作的，因为标准是合作的一种方式，所以在这个层面来说，我们完全是技术方面和客户方面的领先者，也有很多合作我们也做到得十分好，您能共享一些合作方面十分好的故事和有益的经验吗？Arthur Graesser：我想要讲顺利的合作，我给大家荐三个例子。第一个例子是我们有专业的学会，他们调查了人工智能、教育，大约调查了40年了，而且这些公司十分国际化，比如说人工智能、教育还有智能辅导体系，还有教育当中的数据矿工等等，他们都做到了很多的研究。

他们也不会在全球各地举行会议，比如在亚洲、亚太地区、欧洲、北美和南美四处都举行会议，这样人们可以更佳地展开合作。我个人实在，有这样的国际化的视野十分最重要，还有很多的项目也不会借此而来，我实在这是一种形式。

我个人也十分建议大家去参与这样的会议，因为它就像今天这样的会议一样，当然它主要是注目于标准，今天这样的活动也需要让会议更进一步地发展壮大。第二个例子是国防部也充分发挥了十分最重要的起到来尝试AI在教育领域的起到。比如说美国教育部还有美国的国防部，他们不会有一个牵头实验室，需要展开分散式的自学，他们在世界上12个国家都有分散式的自学中心。

我有一个十分煮的同事他也是美国方主要的网络协商人，不会协助我们做到这样一个项目。第三个例子是ASF和卡耐基梅隆大学，以及斯坦福、MIT这样的学校来合作，希望数据的对外开放，并且是以一个十分系统性的方式遵循标准展开数据的研发和分享。

所有的项目我们都期望有适当的中国同事的参予。主持人Richard Tong：我们忘了讲一些明确的问题，我们谈及数据，数据是人工智能中的十分最重要的部分，它显得尤其尤其地最重要，松鼠AI也在建构、产生、储存、分析数据方面投放了很多的资本和资金，这也沦为了我们的一个秘笈。我们和其他人共享数据方面也有一些顾虑，我想要讲出大家的点子。

Arthur Graesser：很多的系统不会沦为精品系统或者是精英系统，一开始的范围都较为小，如果他们共享数据的话，就需要有较慢的发展。比如说你在一个学校中的几个班里面有一些数据，或者是你在全球有所有的数据，那可以看见这样的数据量是十分不一样的，而且在这个过程中也是很多人想将这些数据拓展，比如说我们如果想有智能的辅导系统，我们在这个方面比如说一分钟可以有几百个数据，对这些数据的分析，我们怎么样来展开？让他们可以让用户所用于？就像我刚才所说的，这些大学像孟菲斯大学、MIT或者是斯坦福或者是卡耐基梅隆大学也是建构了这样的方式，他们是根据数十万或者是数百万有所不同的数据来展开共享的，并且来给适当的排序。Avron Barr：从刚才所说的精英的模式到最后分享的模式，从供应商的角度来说，是没适当来共享数据的；但是从顾客或者是客户的角度来讲却有很多的原因，其中一个大家可以想象一下，学校就是指Alex出售新的产品，明年他们不会从另外一个供应商中买另外一个产品来教物理，一开始那个产品是用来教教数学的，某种程度的学生会用两个有所不同的平台来学两个有所不同的学科。

在这方面就可以有一些数据的交互，有可能从顾客的角度来讲，如果这样的数据能在平台间有交互的话，对他们的自学有更大的促进作用。Robby Robson：我们告诉有的时候大家不会通过成立有所不同的软件来竞争，比如说谷歌、亚马逊或者是刚才我们谈及的这些企业，他们在发展的过程中，如果我们能有充足的数据，全世界的数据，那显然是十分有价值的。

但是，大家想的并不是数据，而是数据背后的信息以及最后的价值。在教育科技行业，没有人可以享有现在我们所有的信息，所以，如果你想竞争的话，有可能你就必须所有的信息，就是你来产生对你自己来说十分最重要的信息，有可能在这方面你必须比别人夸奖，才能夸奖，但是你不和其他人共享数据的话，就总有一天无法超过领先的地步。主持人Richard Tong：我们刚谈及这了一点，Arthur你可以不可以共享我们怎么来融合数据或者是单体数据？怎么样需要让这些数据更佳地协助我们展开机器学习或者是来增进机器的发展？Arthur Graesser：现在我们有十分十分的、大量的信息，在这个过程中可以用于一些函数，可以用于一些有所不同的方法，让我们在AI中获得一些指导。

同时，还是可以来理解什么样的信息是简单的，或者说对哪些人简单，并且让我们告诉哪些信息是确实简单的，这样的话就需要有各个有所不同的机构可以一块儿来合力贡献科学知识的成分或者是一些涉及的信息，比如说一个年级还包括多少人，有什么样的项目，什么样的学科，所以如果我们都能有这样一个联合的基础的话，我们获得的数据才需要确实地在一个成体系的过程中加以利用。其中也是不会牵涉到到机器学习，机器学习可能会牵涉到到一些我们之前不告诉的内容，我们在这里必须展开教育数据的挖出。在这个过程中也必须有一些新的方式来带入到我们有数的自学中，可以让其他人看见这些数据，并且需要在这个过程中加以扩展，加以应用于。Richard Tong：我告诉刚才我们谈及了这样的一个有所不同的概念，还有刚才所说的数据的挖出，数据的搜集等等。

Arthur Graesser：这个就是指匹兹堡大学的自学中心和一个基金会来发展出来的，当时也是为了来发展智能的辅导系统。这个过程中我们还是想有更加多的有所不同的对话，也就是在智能辅导系统中它可能会有很多的交流，或者很多的交流，其中不会有一些自然语言的处置。

在这个过程中我们告诉这些数据本来并不是就储存在那里的，而是要大大地分析，这是我们所做到的事情。IEEE自适应教学系统行业标准中国工作组正式成立活动现场，IEEE自适应教学系统行业标准中国工程构成而立。

松鼠 AI 首席架构师、Knewton前亚太区技术负责人 Richard Tong和Avron Barr、Robby Robson联合按手印启动。Richard Tong回应，“关于2247.X的标准是今年开始制订的，也就是指DOD以及其他军用领域发展而来，是一个较为明确的人工智能的框架，也是一个引子。

创建这个中国工程组，就是期望把国际合作的精神发扬光大，需要让更加多的学界、行业界都参予进去，让自学工程的打造出沦为社会运营的一部分。“同时，Richard Tong回应，将在明年7月份左右在国内的组织开会中国工作组的适当会议。

所附：圆桌嘉宾讲解IEEE 自学技术标准委员会现任主席：Avron BarrAvron是IEEE自学技术标准委员会主席，负责管理学生、教师用于的教育产品标准方面的制订。在斯坦福大学自学人工智能，认知科学和教学技术。

他在硅谷联合创办的公司Teknowledge于1986年被并购。Avron专心于教育技术的较慢发展，并深信人工智能软件迅速不会大大增进新的工具的设计、研发和用于，为教育带给根本性变革。

他在斯坦福大学自学人工智能、认知科学并取得了硕士学位。IEEE 委员会成员、前IEEE 自学技术标准委员会主席：Robby RobsonRobby在学术界和工业界有20多年领导研究和研发项目方面的顺利领导经验。在2000至2008年期间，兼任IEEE自学科学标准委员会主席。

应用领域还包括从因子算法和计算出来语言学到自学管理系统，数字图书馆和能力管理。自1995年以来，仍然致力于新兴技术在自学、教育、培训和涉及领域的应用于。现为能力和技能系统项目的主要研究者（www.cassproject.org），并致力于智能辅导系统以及自然语言处置（NLP）和机器学习的商业应用于。

孟菲斯大学心理系和智能系统研究所教授：Arthur GraesserArthur Graesser博士是孟菲斯大学心理学系和智能系统研究所的教授，也是牛津大学教育系的名誉研究员。从加州大学圣地亚哥分校的心理学专业取得博士学位。主要研究领域牵涉到认知科学，话语处置和自学科学。

Graesser教授曾兼任70项研究项目的首席研究员或牵头PI，他在孟菲斯大学指导的项目总金额大约4500万美元，资金主要来自美国国家科学基金会、教育科学研究所等。由于Graesser教授在研究领域的突出贡献，他取得了2012年孟菲斯大学首个终生成就奖，是该校最低等级的研究奖项。(公众号：)2018年度AI最佳掘金案例票选人工智能风雨60年，与其说技术升级促使了今天的浪潮，不如说当前的人工智能，再一车站在离商业最近的方位。

去年，首届「AI 最佳掘金案例年度票选」活动日后发售，之后受到了AI方案输出方和AI技术需求方的很大注目。票选从商业维度抵达，找寻用户/客户问题解决问题能力强劲的产品和解决方案。现在，我们再度车站在AI浪潮之巅，月启动第二届「AI最佳掘金案例票选」。

在AI+教育领域我们一共设置了6个奖项，青睐踊跃报名，甄选地址：https://www.leiphone.com/special/custom/AITopTen2018.html涉及文章：IEEE编撰：AI时代教育标准应当呈现出怎样的状态？ | 全球AI+智适应环境教育峰会原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：必赢亚洲-www.curelap.com