第一财经《40 and 40》节目专访TutorABC杨正大 AI将颠覆教育

2018年是中国改革开放40周年,四十载岁月,四十年恢弘,记录了中国各行各业经历的巨变,书写了气象万千的新篇章。12月6日,在第一财经改革开放四十周年系列节目《40 and 40》专访中,iTutorGroup创始人、董事长兼CEO杨正大博士作为中国在线教育的开拓者,与观众们分享了他在新时代里深耕教育、不断创新的创业历程。
《40 and 40》专访TutorABC杨正大
对于中国改革开放40年来的变化,杨正大深有感触。他认为,没有改革开放就没有高考恢复,恢复高考之后国内的父母更加重视孩子的教育,才有今天繁荣的教育事业。没有改革开放就不会有1994年中国实现与国际互联网的全功能连接,就不会成就今天的在线教育行业。

真人互动,引领在线教育新机遇
20年前,从美国UCLA获得化学博士学位的杨正大正在东京大学任教,面对席卷全球的互联网浪潮,他坚信教育的本质在于互动,而在线教育终将给教育插上翅膀,因此他纵身一跃,扎进了互联网教育的大潮中,也自此开辟了中国在线教育的新天地。

二十年来,他第一个抛弃E-learning,创造性地推出真人在线互动教学模式,让学生和老师可以实时互动;他第一个打破国界,引进外籍教师,让学生足不出户就可享受国际化教育;他打造了教育领域第一个“共享经济”平台,通过互联网将全球优质教学资源提供给需求方,并于2015年成就了全球首个在线教育独角兽企业。

作为行业开创者,他带领iTutorGroup一路创新,引领在线教育从无到有走向兴盛,因而被媒体称为“中国在线教育教父”。

如今,遍及全球 135个国家和地区的1.8 亿用户通过他创办的TutorABC、 vipJr等在线学习平台学习英语、数学、编程、语文等各类课程,实现了师资全球化,教育无国界。
iTutorGroup的AI老师索菲亚-以AI颠覆教育,实现教育公平
近年来,iTutorGroup开创的真人在线教育模式吸引了无数行业效仿者,资本纷纷涌入,在线教育市场迎来井喷式发展。然而当大家都在比拼谁融资快、谁的明星代言人最亮眼时,杨正大却出人意料地在今年8月,邀请第一个机器人公民索菲亚成为iTutorGroup的AI老师。

对此,他表示:“索菲亚是一个非常重要的象征,它代表着未来。我个人坚信,未来AI在教育上面会扮演非常重要的角色,虽然AI不能取代老师,但AI必将颠覆教育,不用AI的老师一定会被淘汰!”在杨正大看来,教师教书育人的工作有两部分,一部分是“教”,是传递知识的部分,这一部分AI将比真人做得更好;第二个是“育”的部分,教师要去激发孩子们的创造力和领导力,甚至教人如何去爱,让他去探索未知。教师使用AI的一大目的是将自己从繁复的“教”的工作中解放出来,去从事更重要的“育”的工作。

杨正大还指出,AI的运用将更有助于实现教育的公平发展。过去的教育是基于工业时代而设计的,更像是生产线、流水线,比如所有三年级学生学的内容都一模一样,它的颗粒非常大,人被迫要被分类,有前段班、中段班和后段班,这些对于学生都是不公平的。教育应该要因材施教、因人而异,线上教育通过运用大数据,可以把每一个人的本质、学能、兴趣等进行记录分析,从而设计“一人一类,千人千面”的个性化教学安排。

事实上,iTutorGroup是全世界最早使用人工智能技术的在线教育企业之一,其自主研发的DCGS动态课程生成系统,早在2005年的时候就已经获得了独家专利。

该系统针对过去累积的上亿人次学习进程进行了个性化分析,标注出不同属性的标签。通过多达128个标签,系统能自动根据学员的兴趣、爱好、背景、能力等进行量身的课程定制,并且在每一堂课中都为其精准匹配出最合适的老师、教材与同学。同时,系统还会根据学员所学的课程与方案进行适时地调整,彻底达成个性化教育方案。

今年4月iTutorGroup引入人脸识别技术,同时将老师学生上课时的面部表情纳入了监测采集的范围里,通过进行两者情绪因子的分析,更深层次挖掘老师授课与学生上课的互动体验。课后数据被反馈回DCGS系统,并通过学员的评测来收集学习所得到的数据,进一步提升DCGS的精准度,使其更好地提供个性化且即时化的学习服务。

在外人看来,杨正大似乎总是背大势而行,却每次都引领了未来。或许是因为他一直都在追求革新,却始终不变教育的初心。他用不断迭代的新方式传递教育的力量,从而改变人们的内心。正如《40 and 40》节目总导演戴刘菲在采访手记里所说,杨正大想做的,也许是在教育行业里,以“革新”,谋“革心”。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值