9月 7 日， 2019 岭南大数据国际论坛在珠海横琴国际会展中心隆重开幕。
在当天的论坛中，除了干货满满的圆桌讨论，还迎来了多场来自享誉全球的院士的精彩演讲。
其中，中国科学院院士、计算数学家、南方科技大学副校长汤涛发表了《大数据、人工智能与智慧教育》的演讲。
汤涛院士表示大数据与智慧教育已经密不可分。
汤涛教授探讨了大数据、人工智能、物联网等创新技术如何推进智慧教育的发展问题。
其中，在智慧教室方面，汤教授重点强调了物联网技术的应用，包括学生体质健康监测、教学设备管理、学习情境数据采集、教育安全监控与危机快速处理、扩展课外教学等。
另外，他也强调了泛在网络的概念，也就是通信网、互联网、物联网的高度协同的和融合，将实现跨网络、跨行业、跨应用、异构多技术的融合与协同。
他还表示，具体在智慧教育场景中，泛在网络将实现三方联通，包括：学习、生活与工作的连通；学校教育、家庭教育和社会教育的连通；手机、平板、PC、学习机、电视等各种终端设备的连通。
汤涛院士在大会上的分享内容编辑整理如下： 各位院士、领导、同事，大家上午好。
关于人工智能的介绍这部分，我先不讲了，刚才几位院士已经讲了，我就直接直奔主题吧。
智能驾驶这块我想讲下。
我在南方科技大学做过五年的工作，在那边也管了很多学校的发展方面的事务，有一块我觉得很有意思，就是人工智能。
我们在南方科技大学做了深圳市公共汽车的无人驾驶，我们觉得这件事情有意思的是应该带到珠海来。
无人驾驶很重要的一点是汽车知道一个固定的路线，尤其是小孩比较多的地方，比如在游乐场（可以应用）。
南方科技大学在这方面研究了一年多，并且和深圳的公交合作的非常成功，就智慧城市的话，我觉得南方科技大学的技术可以推动过来。
大数据与智慧教育 我们珠海很有特色的一个地方是唐家湾，那里有很多的大学、学校，也有很多的学生。
作为一个智慧城市来说，我觉得智慧教育也是非常重要的，尤其是珠海是如此的重视教育，珠海的在校大学生据说是有10万人，我觉得这是一个非常大的群体。
所以大数据、智能技术对智能教育方面可能起到很重要的作用。
最早提出大数据时代的到来是全球著名的咨询公司麦肯锡。
大数据，我们做科学的话，数学、物理、生物、环境等很多都有应用，但在教育方面也可以起到很大的作用。
大数据基本上不是说等同于收集数据 ，我们要把大数据凑在一起，大数据很重要的是要跨领域的数据交差融合，我后面讲到教育这块也是一样的。
我们计算机的发展，数学的发展，刚才许院士说了，我们现在有那个newnetwork、数学上有个叫做变换，非线性变换，使我们人工智能能够看得见摸得着。
那么数学的发展，包括教育的发展，实际上对于大数据的推动是非重要的。
实际上智慧教育基本上是说，我们要把教育云平台做起来。
我们优质的教育资源，不仅局限于我们UIC本身或中山大学珠海校区这一个地方，而是说我们有共享的可能，共同的利用大数据、人工智能，深度融合信息技术，从而对教育起到一个很好的服务作用。
那么什么是智慧教育？智慧教育，是在信息化基础上，建构信息时代的教育新秩序，是信息时代的教育新形态，教育的“新常态”。
我们把信息化元素充分融入教育以后，信息化+教育，在时代的催化剂下，产生智慧教育。
我们这个智慧教育，包括小学教育、中学教育、大学教育、还有持续教育，都可以通过互联网、大数据时代实现升华。
比如说我们的智慧教育体系，要有智慧教师、智慧管理、智慧学习者及智慧学习、智慧课程、智慧教学和智慧教育资源，然后还有包括智慧评价、智慧服务、智慧教室、智慧校园、智慧平台和智慧教育方式。
智慧教育的基本特征是说，信息技术与学科教学深度融合，不光是信息技术，我们学科也要发展。
很多人在问现在是人工智能时代，是不是过了很多年，我们教育也不需要人了，老师被机器代替了，我们很多行业都是被机器代替了。
但是我觉得最难代替的事情就是教育，因为教育的信息技术是需要和我们人，我们的聪明才智，我们学科的深度融合才能做的好。
全球教育资源无缝整合共享，我们能够享受全球最优质的教育资源，我们要有无处不在的开放、按需学习，基于大数据的科学分析、推荐和评估，还要有绿色高效的教育管理。
智能技术的创新应用 智能教育最早的一件事情，差不多是十几年前，美国一位年轻人可汗做了一个可汗学院，一开始他是义务帮助亲戚的孩子补习数学、物理，最后他通过在YouTube上录像，把这些视频共享给大家，最后他发现这是一个非常成功的学习模式。
2011年可汗本人也在TED上发表了题为《让我们用视频重造教育》演讲。
当时只是一个开端，现在我们有了微课、翻转课堂、慕课等很多很多资源。
从数字化教学走向智慧教学。
传统我们很多老师讲课，主要以PPT投影，网络资源搜索，加上课本，在线讨论和测试等形式为主，仍需老师花费大量时间备课、课堂观察、批改作业、操作设备。
智慧教室是一种基于物联网技术集智慧教学、人员考勤、资产管理、环境智慧调节、视频监控及远程控制于一体的智能化教学环境。
数字化以后，智慧教学，我们有很多很多手段，包括刚才说的慕课、翻转课堂、微课。
到底这些大数据、知识，哪些是能留下来的，哪些是真正的能把它组合起来，然后推荐给我们的老师，甚至有些知识推荐给中学老师或小学老师。
智慧教育现在在中国也是一个非常热门的话题，也是很多人想投资的一件事情，但真正做好的，不像我们AI能做个人脸识别，这种看得见摸得着的，那么智慧教育到底怎么做，怎么做的好，实际上是一个非常有吸引力的话题，也是一个非常有挑战的话题。
如果从物质准备方面说，要有物联网、云计算、大数据、网络，物联网在智慧教育方面会起到非常多的作用。
我们已经接待好几拨人跟我们谈怎么做智慧校园，怎么做学校物联网的铺设，所以物联网在教学设备方面能起到很多作用。
如果我们只是说一种概念、教学、课程，没有物联网的支持，当然我们也很难做的非常成功。
那么这个物联网可以把三方面联通起来，学习、生活与工作的联通，学校教育、家庭教育和社会教育的联通，还有我们现在的手机、平板、PC、学习机等各种终端设备的联通，都是在现阶段可以实现的。
在课堂信息化的演变过程中，大家看传统的教室，就像我们今天开会这样一排排桌椅，那么我们怎么能够做到让大家互动的机会多一点，讨论也多一点。
我们未来可能更多的会用到那些虚拟的技术，用来交流，并且可以及时互动的，这是教室的变化。
那么这个智慧教室的功能也是非常多的了。
在课堂上，很重要的一点，我们很多的课收集上来的东西，我们怎么利用数据非常重要，数据和数据产生的关联，开放式的学习，可以使很多人受益于我们优质的教学，就像许院士讲的，怎么能把很多人精华的内容推荐出去。
智慧课堂的价值在于，在课堂中可以利用数据和观点，利用开放式的学工具对资源社区进行管理，可以降低成本，提高可靠性、利用性和产出。
最后还可以加上一些分析和推荐，可以有一种更好的知识的可靠性。
现在智慧课教学重要的一点是希望能够做到个性化教学。
以前我们教微积分，大家都被灌输一样的东西，那么现在怎么能够实现个性化的教学。
有的学生知识准备非常不错，有的学生欠缺，我们怎么告诉同学他的弱点在哪。
尤其是班级比较大的时候，老师根本做不到这一点。
怎么通过机器对学生知识点进行分析，包括智能批阅、分析和推荐，这些是我们智慧教学和智能教学很重要的方面。
智慧学习是在智慧环境中展开的完全以学习者为最新的学习活动。
我们学习者怎么获取自己所需的资源、信息，怎么享受个性化定制的资源和服务，怎么挖掘自己的兴趣爱好、挖掘自己的潜能、让学习的过程更加轻松高效，这是非常重要的。
我们很多家长鼓励孩子学专业，觉得金融很重要了就让孩子学金融，现在计算机重要了又让孩子学计算机，但实际上每个人最重要的是他自己的水平、智能或者潜能在什么地方，怎么把这些信息挖掘出来。
智慧学习的基本特征有：个性化、高效率、沉浸性、持续性和自性，要培养学习者的认知、创造、内省和交际技能。
技术方面，在智慧学习这个框架里面，我们可以看到大数据起到一个非常重要的作用，我们有大数据，就可以储存起来，进行分析，在网络方面我们可以做一些推荐。
智能教育评估 最后，我可以讲讲我们智能教育的一些评估。
机器学习这块，我们有些历史数据，数据上我们怎么归纳。
比如说Supervised Learning，很多时候数据来了，我们怎么用贝叶斯公式，怎么做数据方面的优化。
实际上最近这几年，数学最重要的是这一块，我们怎样建立newnetwork，怎么优化我们的一个函数。
这个函数最早是高思提出来的，最小二乘法，怎么把目标、我们的数据，用最小二乘法拟合起来，然后怎么找出一个好的函数。
包括我们现在数学上也有很多人工智能的研究，就是我们之前做反问题，很多参数我们不知道，很多数据不知道，很多几何形状不知道，我们怎么通过数据反演这些东西，反演的主要的东西我们叫方程1，这个方程1在数学上就是怎么优化我们的目标函数。
我们神经网络分类，最主要是我们用最简单的一些非线性变换，把他们多层的变换起来，以前很多线性的东西，现在是非线性，就可以把我们人脑里很多东西做出来。
你看最底下的那个函数，看起来非常简单，左边是0，右边是一个直线，这个不是线性的。
如果左边不是0是一个直线，这个是线性变换。
这个迭代多了以后，我们人类思考的东西，都能用这个函数来表达出来。
我们有很多数据、很多数学方法、统计方法、概率方法，怎么能够作用于分析上来，我们怎么用统计学，例如我们UIC的教授很多年前就知道从数据中提取知识，提取我们需要的智能。
教育人工智能，实际上我们要做的事情，就是要把数据拿出来。
比如我们珠海的教育数据、学习状况，怎么样能够通过我们的统计学、数学，通过数据挖掘和AI，体验到一些真正的内在联系。
比如提出一种可解释的人工神经网络，理解学生数学素养的潜在多层次因素，例如数学自信心、内在动机、外在动机、数学焦虑和家庭影响等，我们把很多因素给分析出来，那么我们就可以对学生进行一些个性化的教学。
教学评估有一些传统的评估方法，例如传统的心理测量法、统计学、数据挖掘。
那么怎么把这些传统的评估方法转变到现代的机器学习和人工智能上来，从传统的逻辑回归模型逐步切换到有机器监督的算法，算法这件事非常重要，现在有矩阵分解、过滤算法、自适应的学习推荐系统。
最终目的是达到个性化学习，为每位学习者定做不同于别人的学习策略和学习方法。
来源：雷锋网 更多精彩内容，加入ARC社群扫二维码或搜索(ID:arinchina)，转载请注明版权和原文链接！ 联系站长: +86 136 7918 4994 >
