微软亚洲研究院：我们去年的“二十一世纪的计算大会”所有视频也在清华学堂等平台放出了哦。

刘铁岩博士：在线教育会带来规模效应，我们可以采集到对于不同教学方法的具有统计意义的不同反应，而且可以做A/B对照试验。这在以前是很难做到的。

很多和人工智能有关的技术，直播，比如自然语言处理、事件检测、社交网络、推荐系统、算法博弈论，在在线教育的这个大框架中都大有用武之地。接下来，Hearst教授将从四个方面，介绍AI技术对于教育的影响：NLP作为写作助手、AI自动评价学习进展、AI助力寓教于乐、NLP帮助互相学习。

我们知道，学生在学习写作的过程中，需要得到及时的反馈、评价。而有的时候教师的诸如Awkward的非建设性的意见对学生的帮助是很有限的。有些工具，比如Grammarly、word等，可以针对语法、句法、常用写法进行纠错，这对于提高学生的写作能力是有帮助。

不过，有研究表明，通过“纠错”的方式并不能大幅提高学生的写作能力，学生需要的是建设性的、有启发性的指导，而不是指出错误的裁判。

最近有些学者利用自然语言处理（NLP）的技术，通过推荐和类比的方式，而不是纠错的方式来帮助学生提高写作能力。这个系统WriteAhead就是基于这种想法开发的，相关论文发表在NAACL上。

传统的Parser是从检查语法错误的角度出发的。所以我们需要超越Parser的局限，多给学生看一些参考资料、给他看例子，启发他们学习更好的写作方法。

Hearst教授的研究表明，这种利用NLP技术提供推荐和指导的技术，不仅对于写作有帮助，对学习本身也有帮助。

第二，Hearst教授谈到学习过程中的自动反馈。学习之道，贵在熟能生巧，而这个过程中及时的反馈非常重要。

刘铁岩博士：一个简单的例子是文字逻辑题。现在绝大部分这类题目都非常枯燥，对小孩子来说很难。比如A比B大十岁，明年A正好是B年龄的两倍，问A现在多大？如何创造一个环境，既提高了学生的兴趣，又能给学生自动的反馈呢？一个思路就是用NLP技术，自动地把这些文字逻辑题目嵌到孩子们感兴趣的故事里，比如，“某骑士有30个圣杯，恶龙有9个圣杯，骑士大战恶龙，终于拿到了对方的圣杯，请问现在骑士一共有多少圣杯?”通过这种方法，可以激起学生的兴趣，同时，因为题目是自动生成的，我们知道它的答案，也就很容易地实现自动评价。

再有一个例子是让学生从立体图投射到平面图，对于这种问题，其实老师对学生的答案进行评价都是有难度的。但如果使用计算机算法去实现自动评价，反而简单得多，只要通过平移、尺度、旋转、投影等变换，就可以相当准确地进行评价了。

再有一个例子是微积分的题目。如果在中间的推导过程中出错了，一方面很难给出整体的评分，另外整体评分也很难给学生针对性的反馈。如果用计算机算法去计算每一步错误的概率，并将其反馈给学生，对学生的帮助会更大一些。

第三，让我们思考一个有趣的问题：如果把作业的题目转换成游戏（像前面提到的骑士和恶龙的例子那样，甚至更进一步），对学习效果的提升是否有益呢?

答案是肯定的，有研究表明，如果把题目和社交游戏相结合，学生可以学得更准确，记忆的时间也变长。

Hearst教授举了老外学习中文的四个音调的一个例子。这个任务对老外来说是相当困难的，但如果把它变成游戏，甚至是以网游的形式出现，让人们通过对战进行学习，结果会怎样呢？有研究人员开发了一个叫ToneWars的游戏，通过它来做实验，发现大家的学习效率显著提高，竟然在24场对战中，有8场是外国人赢了中国人！