人工智能时代的 AI 老师可能将取代老师
今天我带来的演讲是《为人工智能时代打造一个AI老师》，主要内容是关于AI教育这个话题。首先，我想先和大家探讨一个思考框架，然后尝试用这一个底层的思考模型帮助来听讲座的各位解答一些在不同阶段可能会遇到的问题和困惑，比如教育行业为什么需要人工智能，创业时如何判断项目靠不靠谱等。
用“价值升维模型”来解答上述问题首先，我们要了解价值的概念。什么是价值？通俗地讲，就是有人愿意为其买单，买单的原因多种多样，包括商业价值、历史价值、文化价值等。价值往往在其更高一个维度得到体现。在座的大多都是学习科学技术的学生，那我们就先从技术这个维度开始推演。
绝大部分的技术都延续一个价值链的传递，那就是在产品中落地。正是由于技术解决了产品中的某一个重要的问题，所以技术的价值才最终体现在了产品里。而产品要关注的方面非常多，技术只是其中一个，其他的还包括用户场景、需求和设计交互等。如果其中一个部分做得不好，会导致整个产品的价值发挥不出来，那其中的技术的价值也就发挥不出来。大家应该见过不少非常牛的技术因为应用场景不对，而无法被大规模的使用并发挥价值，这是我们做技术的伙伴都不愿意看到的。
价值升维模型是什么？如果把这个过程抽象成一个模型，维度1（Rank1）是我们刚刚讨论的技术的价值，而在Rank2里我们上升了一个维度，说明了要让技术发挥价值，就需要帮助产品解决问题，让产品实现其价值。而产品要发挥价值，就得升一维思考，帮助解决企业的问题：如何产生业务闭环，在市场中获得回报，产生商业价值。
如果我们用概率图模型表示价值升维模型，它可以像上图一样表示：有M个Rank(K)的Value，同时还有N个关于Rank(K+1)的其他因素，共同决定了Rank(K+1)的价值是否能实现。我们可以把它拆开，看看这个链条到底有多长。
刚刚说到产品价值体现在它如何帮助企业实现发展，而企业要持续发展，最终实现其价值，则必须要站在行业的角度思考，解决行业的问题。在行业这个维度，会涉及到行业的生态、趋势、标准等等。而行业要实现其价值，必须要升维，思考和解决国家的问题。最终，一个国家要持续发展，则需要站在更高一个维度，即人类文明的角度，去持续解决问题。
我们每个人在当下正在解决的问题的维度不同，但无论哪个维度，我们都追求一个共同目标：可持续发展。那么如何实现每个维度的可持续发展呢？我认为就是在解决当前维度的问题时，尝试着升维思考，看看如何帮更高一个维度解决问题。举个例子，我团队里的技术小伙伴常跟我说：“松帆，我搞出了个技术特别厉害，如何如何牛。”我经常会反问说这个技术怎么用到产品里，他就乐了。或许他就没有想过这个技术是如何实现了产品的价值，这就会让我担心，会考虑是否还持续的让这个伙伴做这个技术。因此他在思考技术这个维度时，可持续发展便受到了威胁。如果他能讲清楚这个技术如何在产品里使用，最终发挥更大的企业价值，那我根本不用担心，大胆的让他放手去研究这个技术，因为他已经考虑得很周全了。
我认为，不升维思考是桎梏，升一维思考是本分，升两维思考是精进。
另外有一点我需要说明，这个模型里还有一个价值链传递方向，是从技术价值直接传递到了国家价值。这是指国家会通过自然科学基金等形式，为技术的创新投入资源，因为科技实力对一个国家来说是至关重要的。而反过来讲，对于实现这类技术价值的人（大多是科研工作者），如果要追求可持续发展，绝非仅仅考虑如何完成科研课题本身，而是得好好思考如何才能解决国家的问题，乃至人类文明的问题。
用价值升维模型解决问题下面我选择几个大家关心的问题用价值升维模式来解答，比如第三个问题：导师为什么偏爱那个同学而不是我？
导师要考虑的问题很多，比如获得基金的资助，如何产出具有影响力的科研成果等。站在导师的角度考虑，他对每个学生都有一个很重要的诉求：“是否可以帮助解决我最关注的问题。”如果你能够站在导师的角度帮助他解决问题，你的能力非常优秀，同时他对你会非常信赖。我的建议是，如果导师在寻求基金，你需要学会写基金申请书；如果基金充足，你就从导师的课题方向里选择一个你最感兴趣且最擅长的方向，做出世界级的科研成果；最后，格局大一点，带动你实验室的其他学生，也一起用这样的思维方式思考问题。
用价值升维模式来回答第六个问题：如何判断项目靠不靠谱？
这个问题分两方面。如果你是创始人，你得想清楚你是在解决哪个Rank的问题。聚焦用户需求固然重要，创业也需要做减法，但是如果只能考虑产品维度的问题，则是难以持续的。创业是在解决企业维度的问题，就必须要站在行业甚至国家的维度，看看它们需要解决什么问题。比如选择创业的这个行业趋势是不是向上，有没有在帮助国家解决某个问题，这样，你才能吸引一堆牛人和你共同创造价值，最终实现自我价值。如果你是联合创始人，也同样适用以上标准，如果解决的问题足够有意义，并且牛人扎堆，你可以考虑加入。
教育行业为什么需要人工智能？现在，我们一起解答下第一个问题：教育行业为什么需要人工智能，以及好未来在其中做了什么。
我们先来看一位优秀的老师应该是怎样的？一般来说能够做到教学、诊断、答疑已经算很好的老师了，对于这样的老师，他的角色更像是Lecturer或者Tutor。但这不够，我们还希望老师能关注每个人，比如每个学生的兴趣、认知、发展，能够唤醒、激发、鼓舞每个学生，这样的角色更像Mentor或Coach。但这对老师的要求极高，优秀的老师本来就极度匮乏了，很难要求老师还能兼顾这么多的能力。
当下，我们正高速迈向AI时代，AI时代会诞生一次新的工业革命，其标志就是在全行业大规模出现人和机器的再分工。我经常会被问到这样的问题：AI老师何时替代人类老师。我认为，AI老师是帮助人和机器再分工，并不是替代老师，它能够分担部分任务，解放老师的生产力，进而让老师能更好地专注于教学研发和教学方法设计，能够更加关注唤醒、激发和鼓舞学生。
在当今教育资源分布不均的情况下，我们希望通过科技把一个老师搬到任何地方，比如好未来在做的AI双师课堂就是一个例子：一个主讲老师通过大屏幕授课，班里还会有一个辅导老师保障课堂的顺利进行，组织学生们参与预习和练习，并给予学生更多的关怀和鼓励。
屏幕里就是我们2017年开始做的一个具有真人形象的AI老师项目，它可以通过摄像头、麦克风等传感器进行人脸、动作和语音等多维度的识别，这个AI老师可以根据每个班级学生的现场表现做出针对性的反馈，比如点名提问，识别判断学生的回答是否准确，并给予相应的反馈。同时，AI老师还能实时调整授课节奏，如果有一道题同学们普遍掌握的不好，他会详细讲解；如果一个概念大家都清楚，他就会一笔带过。我们通过技术，提前准备好老师的互动授课内容，然后将优质师资输送到每一间教室。
与此同时，我们也做了英语科目的AI老师。在偏远地区，外教的资源非常匮乏，AI老师能够发挥巨大的价值，给每个地方都带去优质的英语教育资源。课堂上，每个学生手持答题器，开口说英语，答题器可以收集学生的语音，并进行语音的识别和评分，AI老师会根据每个人的回答给出针对性的反馈。
背后的技术支撑在教室里让AI老师流畅而自然的讲课，背后涉及非常多的技术，其中包括大量的AI算法，比如中英文语音识别、情感分析、流利度分析、人脸识别、表情识别、文字识别、图片搜索、语义分析和语义情感等。因为教育行业场景的特殊性，需求和对应的数据各异，因此对相关技术的要求也不尽相同，通用的AI模型并不能很好的直接解决问题。
教室里的AI老师这个产品，符合边缘计算的范式。我们需要对上课时的数据在现场进行实时处理，而不是通过强大的网络把数据传到后端的云计算中心，处理后再返回决策。然而，边缘计算存在诸多挑战，如场景是否可控，算力是否足够等等。比如在手机终端，由于算力和网络传输的限制，很多产品都还停留在概念和实验室阶段。
参考之前的升维模型，如果抛开产品价值，只闷头考虑技术，这是不可持续的。相较于其他行业来讲，教育场景对AI的产品化落地非常友好：教育场景通常是可控的，比如教室内的灯光等；同时用户比较愿意配合。这让AI技术得以很好的落地，比如我们的AI模型可以在课堂上对面部和身体的关键点进行检测跟踪，识别头部姿态、面部表情和肢体动作等等，然后将数据传到本地的大脑（处理器）进行计算，AI老师就可以知道课堂正在发生什么，比如谁在举手，进而根据一系列信息进行决策，比如接下来应该请哪位同学来回答问题。
虽然教室内的场景足够友好，但我们也经历了长时间多版本的技术优化和迭代。以举手识别这个技术点为例，我们关注的有两个关键指标，一是准确性，即mAP(meanaverageprecision)，二是计算时间开销，即Time Cost；我们希望模型越来越准，而时间开销越来越低。在第一个版本中，我们用了Faster RCNN作为基线模型，发现mAP很低，只有0.65，速度也很慢，单帧处理超过2秒。我们分析后发现，训练数据是在夏天收集的，学生穿的短袖（上图左一），等到冬天（上图左二），我们发现识别率骤降，这是因为数据bias导致的。于是在第二阶段，我们收集了更多数据，更换了网络，这样曲线就按照我们的预期方向迭代，处理时间下降了很多，mAP也提升了15个百分比。这时，我们相对准确地检测到举手同学的边框。
接下来，我们又做了一系列优化，进行了5个版本的迭代，包含了Anchor Aspect Ratio优化、ROIAlign，以及很多工程加速等，最终实现了超过0.9的mAP，而耗时只有不到20毫秒，达到了产品体验的要求。
用AI带来大规模的高品质、个性化教育好未来希望通过AI助力教育达到两个目标：一是对个体而言，好未来希望带来更高品质的教育，让教育更个性化，真正能够激发学生的学习兴趣，让每个人都有自己好的未来；第二就是让教育资源更加公平，让优质的资源更加容易被获取，用科技推动教育进步。
回到价值升维模型，总的来说，人的成长和发展，意味着他/她能逐渐去解决更高维度的问题。而解决教育的问题意义重大，在价值升维模型里的维度很高，不仅需要考虑对教育行业的价值，还要思考国家价值以及人类文明价值。这对每个教育行业的从业者来讲，都是有极大成就感的。
尚在解决的问题现在其实还有很多问题尚待解决，期待大家和我们一起解决，这里列出其中三个我们还没能很好解决的问题：
第一个问题，如何让每一个学生都拥有私人定制的AI老师？
这个问题暂且先抛开教学内容不谈，只考虑老师的形象，学生对于老师形象的喜好差异很大，有的学生喜欢睿智的爱因斯坦当自己的老师，有的学生喜欢漂亮的女老师，年龄小点的学生可能更喜欢卡通形象的老师。这个问题的难点在于，我们希望大规模的定制AI老师，实现其动作可迁移，即一个形象做的动作能够被另一个形象复制，同时还要考虑用户体验，做到动作自然。
第二个问题是如何快速生成课件？
一位老师一年可能会生成几十，甚至上百页的课件，供上课时使用。因此，保守估计，全国的老师一年要诞生百亿级别的课件。一个好的课件，不仅需要制作者有对教学内容的专业见解，还需要其具备较好的审美，专业而好看的课件更能激发孩子学习的动力，这就对老师提出了比较高的要求。如果能有一个系统，在老师输入关键元素之后，自动生成美观并且定制风格的课件，不仅能解放老师的精力，还能大规模地提升课件的质量。这个问题很难，但我希望能解决这个问题，赋能所有的老师，这是非常有价值的。
最后一个问题，就是如何平衡学生在做题时的成就感和挑战欲？
学生在做练习题时，会因为题目太难产生挫败感，也会因为题目太简单而感到无聊。通过合理的难度设置，在保证学生成就感的同时，又不断激发其挑战欲，是一个非常困难的问题。在解构完这个问题后，我们认为可能需要一个AI练习系统，它能够预测学生做一道题的准确率。这完全是从教育的本质出发，先要思考如何激发学生对于做题的兴趣，关注他们的成就感，然后才是预测学生掌握知识的程度，进行千人千面的题目推荐。我们目前有一些初步的想法，但这确实是一个非常有挑战性的问题。最后，给大家推荐一个前端学习进阶内推交流群685910553（前端资料分享），不管你在地球哪个方位，不管你参加工作几年都欢迎你的入驻！（群内会定期免费提供一些群主收藏的免费学习书籍资料以及整理好的面试题和答案文档！）
如果您对这个文章有任何异议，那么请在文章评论处写上你的评论。
如果您觉得这个文章有意思，那么请分享并转发，或者也可以关注一下表示您对我们文章的认可与鼓励。
愿大家都能在编程这条路，越走越远。
这些工作将被人工智能取代，来看看你的行业能幸免吗
原创小北北京大学出版社人工智能拍了拍你，然后你的工作没了……没了……早在1965年，人工智能这个术语就被正式提出。
1977年，IBM深蓝战胜人类国际象棋冠军，标记着人工智能往前迈开了重要一大步。2017年谷歌旗下的AphaGo与柯洁对战，3比0获胜，至此，围棋界公认AphaGo的棋力已经超过人类职业围棋顶尖水平。含泪对弈的柯洁正是此弈之后，人工智能迅速引起社会关注，人工智能即将取代人类工作的话题被广泛讨论，引起了普遍的狂热和焦虑。
事实上，在AlphaGo成名前人工智能就已不再只是一项存在于实验室中的科技，Siri、微软小冰、小爱同学等都已经出现在我们的生活中，只不过那时的他们还没那么聪明罢了。而随着人工智能水平的不断提高和人工智能的广泛应用，确实有越来越多的岗位受到冲击——
例如从2016年到2018年，智能化建设的推进使银行业务线下人工处理率从15.69％下降到11.31%。因此，中国农业银行雇用了638名技术工程师，而26808名柜面人员则失去了工作。
这一趋势在中国建设银行的事例中更为明显，2017年中国建设银行将线下人工处理率降低至３％，柜面人员和技术工程师的数量在2018年均有所下降。
还有那些更直观的例子，高速收费站慢慢地没有了收费员，图书馆多了自助机器人，超市多了自助结账通道......所有这些在日常生活中具体可感的事例让人们“人工智能即将让人类失业”的焦虑更是有增无减。站在人类历史的角度来看，人们的这种焦虑实属变革中的常态。这不是人类技术史上第一次有人担心工作被机器取代。
根据历史经验，虽然科技进步取代了人类的一部分工作，但同时又会派生出新的工作。比如蒸汽机革命让大批使用手摇纺织机的工人失业，但英国的纺织工业却因此有了巨大发展，而由此也需要更多的人从事相关工作。但是，对于每一个个体而言，我们最关心的并不是那些宏大的历史叙事中的劳动者，而是生活在真实世界中的需要工作养家糊口的劳动者。对于历史而言，一些职业消失了，一些新的职业会填补空白，如此就业岗位数量总体是稳定的。而对于个人而言，在技术变迁中提供的新岗位往往是自己无法胜任的。因此，人们总是容易看到那些失去的工作，但不容易看到新技术带来的新工作。
人工智能对就业的影响已经初见端倪，而未来随着人工智能的普遍应用和发展，人工智能又将对就业市场产生什么影响呢，哪些人最有可能被人工智能替代？来看专家团队的分析吧。人工智能的理论替代概率这一概念可理解为人工智能取代人类智能的全部潜力。
更通俗点，就是从理论上讲人工智能可以在哪些方面在哪种程度上取代人，比如AlphaGo就能够在计算能力上完胜人类，但是它的识图水平远比不上人类。
我们将引入指数“人类水平绩效评分”（也就是人类做某项工作的平均水平）来定义人工智能理论替代概率。人工智能技术在人类水平绩效评分卡中所获分数越高，它对劳动力的理论替代概率就越高。下图显示了按目标能力划分的技术分类。
与人类能力相对应的主要人工智能技术人工智能替代的是能力而非职业，因此那些被替代的劳动力则需要依靠其他能力寻找新工作。
各职业人工智能理论替代概率的计算结果显示，对感知和操作能力、创造力和沟通技能要求较低的职业更易受到人工智能的影响，例如水利设施管理养护人员替代率高达88%，机械制造加工人员替代率为87.67%。
另一方面，人工智能虽然在过去十年中取得了巨大进展，但许多关键性的人工智能技术仍在技术生命周期的起始阶段，因此人工智能就目前而言发展尚处于起始阶段，我们依然有时间去学习新技能以满足将来的工作要求。各职业理论替代概率人工智能应用率顾名思义，人工智能应用率其实就是AI应用在各个行业的广泛程度。这一因素衡量了人工智能技术的现实收益。
当人工智能系统的能力显著提高至接近甚至超越人类水平后，AI方案会在各类行业工作场景中爆发式广泛应用，取代人类劳动。
但是，受制于投资回报、效率、改造成本甚至政治原因等现实瓶颈，人工智能在工业领域的应用以及对人工劳动的替代进度将远远落后于人工智能的理论发展速度，而且AI方案在不同行业和职业的落地速度也差异巨大。即，人工智能虽然看上去对我们工作威胁巨大，但它现在还是只刚出生的小老虎，对我们威胁有限。
人工智能时代最重要的就是各类数据的采集和获得，因为人工智能需要大量数据“投喂”如此他们才能变得更聪明。想想各大厂，如阿里、腾讯等最值钱的是什么？我们现在最担心的是什么？就是他们手中掌握的广大用户的各类使用数据。因此，我们将数据的可获得性量化为数字化率。某一行业对物联网投资越多，可用数据量就越大。而当前低数字化率是应用人工智能的主要瓶颈。此外，人工智能解决方案在行业中的应用依然严重依赖于部署定制，而且应用场景的限制不同，所应用的解决方案也会体现较大差异。
也就是说，各个行业内部对于人工智能的使用尚未达成某种标准协定，各个企业各自为营，自己搞自己的，这将会阻碍人工智能的大规模推广应用。
如同集装箱一样，在集装箱出现之前，各个国家都有自己的标准，跨国运输就会很麻烦，运输成本也将提高一大截，而集装箱的出现在最大程度上规避了这些矛盾和麻烦。而人工智能领域内的“集装箱”目前尚未出现。
综合以上因素和2017人工智能应用率，中国各行业2049人工智能应用率计算结果显示，批发零售业、住宿和餐饮业、金融业为应用率最高的三个行业，而其相对应的职业则是替代率较高的职业。纵观全局，人工智能无法完全替代人类智慧和所有职业，但各行业对人工智能的不同采用程度的确会使就业率受到不同程度影响。人工智能实际替代率实际替代概率等于理论替代概率乘以应用率，根据这一公式，我们根据劳动者的年龄、性别、受教育程度和收入水平等特征将样本划分为不同子样本，估算出了人工智能对不同特征劳动者的实际替代概率。
年龄
首先，根据劳动者年龄计算出人工智能替代概率加权平均值，结果如图所示。
不同年龄组人工智能替代效应结果表明，20-29岁年龄组的人工智能替代概率最低，而60-69岁年龄组的人工智能替代概率最高。
造成这一现象的主要原因是，年轻人更有可能获得新知识和新技能，而老年人适应技术变革的能力较弱，因此更有可能被人工智能所取代。
性别
下图显示了根据劳动者性别计算出的人工智能替代概率加权平均值。
不同性别组的人工智能替代效应结果表明，女性劳动者比男性更容易被人工智能替代，但差距仅为1个百分点。
一些研究表明，在求职、晋升机会和劳动报酬方面，女性在劳动力市场上比男性受到歧视的可能性更大，这可能是二者在替代概率上细微差别的来源。
受教育程度
一些研究表明，人工智能对就业的替代效应并不是技术中性的，对高技能劳动力和低技能劳动力的影响存在较大差异。下图显示了根据受教育程度计算得出的人工智能替代概率。
不同受教育程度组别的人工智能替代效应结果显示，人工智能替代概率随着受教育程度的提高而降低:文盲、小学和初中组的替代率较高，而高中及以上组的替代概率则大大低于前者。特别是具有大学及以上教育程度的人，人工智能的替代概率仅为低教育程度组的一半。
2049年这些人将被替代在前文我们已经获得了2049年各行业人工智能的实际替代概率，而根据中国目前的行业分类，劳动力就业主要分布在19个行业大类中。
因此可以根据2015年人口普查数据中的各行业就业比率和2018年中国就业人数来估算这些行业大类中的就业人数，并结合人工智能的实际替代概率，预测2049年每个行业中被人工智能替代的就业人数。
2049年被人工智能替代的就业人数估算结果显示，中国将有1.42亿城市劳动力被人工智能替代，占城市总就业人数(4.34亿)的32.7％；同时，中国农村劳动力中将有1.35亿人被替代，占农村劳动力总数(3.42亿)的39.5％；到2049年，中国将有2.78亿劳动力被人工智能替代，占中国当前就业人数的35.8％。
具体而言，城市中就业人数替代最多的三个行业是制造业、交通运输、仓储和邮政业，以及农、林、牧、渔业。农村中就业人数替代最多的三个行业是农、林、牧、渔业，制造业，以及建筑业。
而如果我们将人工智能应用率的高低因素考虑进去，那么在高应用率下2049将有3.326亿劳动者被替代，在低应用率下也将有2.007亿劳动者被替代。
其他因素的约束然而，人工智能对中国劳动力市场的影响也受制于许多其他因素。
首先，它取决于人工智能技术和人类传统劳动力的相对使用成本和收益，虽然目前中国劳动力成本显著增加，但与发达国家相比仍然相对较低，而人工智能技术的应用目前成本较高，若将劳动力成本因素考虑在内，人工智能的应用则可能需要更长时间。
其次，中国逐步加快的人口老龄化进程也会作用于人工智能对中国劳动力市场的影响，但人工智能也会反过来弥补老龄化进程加快造成的劳动力数量的减少。
根据相关专家的预测，从2018到2049，中国适龄劳动人口数量将减少1.67亿-2.57亿，而减少的劳动力将很可能被人工智能取代。换言之，人工智能技术的发展在一定程度上减轻了老龄化对中国劳动力市场的负面影响。最后，与其他技术类似，人工智能技术在产生巨大替代效应的同时，也具有非常显著的创造效应。受人工智能上下游产业发展的驱动，人工智能技术将创造出一系列相关领域的工作或新职业。
人工智能并不可怕，它如同蒸汽机和电力的出现一样，将对人类社会产生前所未有的广泛影响。而人工智能并非在取代任何行业，而是在改变所有行业。在未来，人工智能必将得到长足发展，而我们想要避免被其取代就不能让自己成为依赖单一工具的人，而要成为能够利用人工智能来提升自己的人。
中国2049-End-
编辑：山鬼黄泓
文字来源：
《中国2049》
原标题：《这些工作将被人工智能取代，来看看你的行业能幸免吗？》
阅读原文