【疫情商機】疫情掀起教育科技浪潮
https://bit.ly/2K5gx6w

一場席捲全球的疫情，加速了世界各地接納網上教學，香港亦不例外，特別是當「補習」是家常便飯的香港學生。然而，疫情逼使學校停課，傳統補習機構步步維艱，忙著轉型求存，網上教學機構乘勢崛起。美國網上學習平台Coursera近日更傳出有機會在明年進行首次公開募股，估值達50億美元。無論從商業或投資角度而言，網上教育都有可能在後疫情時代成為全場焦點。根據2017年匯豐銀行發布的《教育的價值—志存高遠》報告，香港家長為子女花費的教育開支冠絕全球，高達百萬港元。無論經濟環境如何，家長始終不會吝嗇於子女的教育開支，網上教學因而成為全球經濟倒退下的倖存者。

網上英語教學機構Protostar目前研發教育科技產品和人工智能技術。「我們正在發展人面識別系統，」Protostar創辦人陳如宏說，「這個功能由微表情出發，可以知道學生理解或開心與否。他預計此功能會於明年推出，令老師在網上課程中更能掌握學生的課堂行為和表現。現時Protostar的課堂亦會運用語音識別功能，考核並即時糾正學生的發音問題。他指，Protostar會結合學生的行為數據、測驗成績及老師評價，制定個人化的學習報告，令家長和學生查看數據和進度。

科技為學生帶來的改變不限於學業，更可以進一步拓展到個人成長。GRWTH目前以人工智能及大數據等技術，整合由學校輸入的校內活動和成績，和家長所輸入的校外活動和獎項，再以圖表及數字分析學生在各方面的表現，量化學生的成長。GRWTH共同創辦人及行政總裁陳駿霖希望利用創新科技為學生建立一個完整的生態圈。「我覺得教育科技至今都沒有改變業界運作的系統，不單是資訊科技系統，而是將不同持份者結合在一起，完整地提供服務予學生，」── 鄒仲婷、何綺綾

#教育科技 #Protostar #Kosmicio #GRWTH

（本文選自《彭博商業周刊∕中文版》第209期，如欲查閱更多其他深度報導，歡迎訂閱）
★★訂閱聯絡方法
網站：www.bbwhk.com
電郵：bbwhk_cir@modernmedia.com.hk

【喝點酒後口說變流暢了，但聽力怎麼沒變好？】

信義區早上的星巴克，常常充滿的 WFH (不是WTF，不要看錯) 的外國人或 ABC。今天就正坐在我斜對面的飯店投資業的人，用 ZOOM 開會的聲音，迴響了整個星巴克 (我絕對沒翻白眼)。

講一句廢話：英文聽力要進步，一定要多聽。

但怎麼聽，又聽哪一種內容？

以後者來說，有學生想要在conference call 時，更聽得懂老外在說什麼。然後在家狂聽 TED Talk。這樣做有對嗎？

➠ 不是說這樣一定不會進步，但只能說進步幅度會有限、而且有點慢，因為內容性質差太多。

選聽力教材時，要特別注意聽力內容可以有一個光譜 (Spectrum)：

(左到右) 從非常自然 (naturalistic, authentic) 到 contrived, modified, or scripted (ㄙㄟ好的)。

你想要聽懂怎樣的聽力，可以起碼從相似光譜的內容去練習。

✔︎ 「空中英語教室」的課文對話？當然偏光譜的右邊。那是錄音員進錄音室錄的，也為了學習者的程度改變過速度，講話也特別清楚。

✔︎ TED? 當然也篇右邊（除非裡面有在講故事)。每個講者上去 TED 的舞台，那個稿子的改了 10 次以上，到了倒背如流的狀況。我們看到的是他們進入心流 (flow) 的狀態。

✔︎ 「Coursera、Udacity」 上面的課程？偏左邊。雖然課程內容要講什麼大概教授都已經知道，但 deliver 的方式，因為課程時數長，還是比較 spontaneous、自然。

✔︎ 「電影？Netflix? 美劇？」 大概在中間。沒有在非常左邊的原因是因為，演員還是有「劇本」。但演員還是可以努力演出自然的感覺，所以在中間。

✔︎ Podcast? 除非ㄙㄟ了很久，不然比較是中間偏左。

✔︎ 在 bar / club 聽到老外講的？左邊到爆。

✔︎ 我在紐約唸書時聽到的兩個美國室友聊天？左邊到了一個不行在左邊。那是一種很多時候要靠「背景知識」和「熟識度」來輔助聽力的聽力內容。

（這就是窄式學習倡導的啦)

但是教材越自然越難嗎？也不一定。講 difficulty 和 complexity 這兩個概念可能要講三天三夜。

✔︎ 如果你想要找到系統性的方法、找到一個真的很會教的老師好好學習聽力和發音（不是只是沒方法的叫你一直聽跟一直發發看)，我非常推薦我在哥大的學妹楊子萱老師的課。這禮拜天 (4/19) 早上11:00 有子萱老師的免費公開課，戴口罩也要來聽！

🔥免費公開課一秒報名：https://www.accupass.com/go/ntepronunciation0419

線上試聽請內信我！

2020人工智慧的預測~

本文來自量子位微信公眾號 QbitAI
…………………………………………………………
吳恩達邀請9位AI大牛暢想2020：李開復看好醫療教育，LeCun強調自監督學習

2020，AI的研究會有哪些突破？

2020，AI的應用又會有什麼變化？

吳恩達DeepLearning.ai旗下的THE BATCH刊物，分享了包括Yann LeCun、李開復、周志華、還有他們的老闆吳恩達在內的10位AI大佬的新年寄語，以及對AI在2020年能有什麼突破的“新年願望”。

一起來看看吧~

▌吳恩達：保持學習和好奇心

在這份「新年寄語篇」的開頭，吳恩達作為發起人開場，總體是一些關於學習新知識的碎碎念。

吳恩達說，他每年冬天的假期都會圍繞一個新的主題進行學習。

比如10年前的那個冬天，他的學習主題是教育學，雖然當時他拖著十分沉重的書箱在機場趕路，但對教育學的研究的確為後來線上學習平臺Coursera的成立起到了幫助。

而去年，當時他的寶貝女兒Nova還在母親腹中，吳恩達就在冬天讀了很多育兒書籍。

而這個冬天，吳恩達說他在研究續命——包括遺傳學、還有誇克什麼的在內的新興科學，還實地探訪去拜見了自己101歲的爺爺，爺爺用親身經歷告訴他：

長壽的秘方，就是保持好奇心。

照這個規律，吳恩達覺得自己的關注者裡會有不少人能在101歲之後依然活蹦亂跳的。

最後，吳恩達祝大家過一個充滿好奇心、學到新東西、有愛的2020年。

▌李開復：AI將在更多行業落地

李開復的新年寄語主題，是AI無處不在。他說：

人工智慧已經從發現的時代到了落地的時代。在我們主要在中國的投資組合中，我們看到了在銀行、金融、運輸、物流、超市、飯店、倉庫、工廠、學校和藥物研發中使用人工智慧和自動化技術的應用。

但是，從整體經濟的角度來看，只有一小部分企業開始使用AI，這表明AI還有巨大的增長空間。

我相信，在人類技術進步的歷史上，AI將與電力同等重要。在未來的一二十年中，人工智慧將滲透到我們的生活和工作中，從而提供更高的效率和更智慧的體驗。現在正是企業、機構和政府充分擁抱AI並推動社會前進的時機。

我對AI在醫療和教育上的影響非常興奮。這兩個行業已經為AI的部署做好了準備。

我們投資了一家使用AI和大數據優化供應鏈的公司，從而緩解了超過1.5億中國農村人口的藥品短缺情況。我們也在投資用深度學習來生成化合物的藥物研發公司，以將藥物發現時間縮短三到四倍。

在教育方面，我們看到一些公司正在用AI改善學生的英語發音，幫助學生提升成績，用個性化和遊戲化的方式説明學生學習數學。這將使教師從日常工作中解放出來，並使他們能夠花時間為新興一代的學生做更多鼓勵性的工作。

我希望看到更多明智的企業家和公司在2020年及以後的幾年中開始使用AI來幫助他們獲得更大的好處。

▌LeCun：自監督學習帶來AI革命

深度學習三巨頭之一、圖靈獎得主Yann LeCun的新年寄語主題，是Learning From Observation。

讓人忍不住把它翻譯成“格物致知”。

“格”的是開車這件小事。LeCun提到，人類學開車只要幾十個小時，但是模仿學習演算法需要學幾十萬個小時，強化學習演算法甚至需要學幾百萬個小時，這裡面一定有什麼問題。

人類可以高效學習，是因為我們人在腦海裡建立了世界的模型。嬰兒很難和世界互動，但是在剛出生的幾個月裡，他們通過觀察吸收了大量關於這個世界的背景知識。顯然，大腦的很大一部分被用在了理解世界的結構，並預測一些無法直接觀察到的事物，比如未來才會出現的東西、或者被隱藏的事物。

因此，AI的前進方向，就是自監督學習（self-supervised learning），它和監督學習類似，但是並不會訓練系統去把資料分類，而是我們隱藏一些部分，讓後讓機器預測丟失的部分，比如把視頻的一些幀抹掉，然後訓練機器根據剩餘的幀來填補被抹掉的部分。

最近，這種方法在NLP方面非常成功。諸如BERT、RoBERTa、XLNet、XLM之類的模型以自監督的方式進行訓練來預測文本中缺少的單詞，它們在所有主要的自然語言基準測試中都有記錄。

希望在2020年，自監督學習能夠用在視頻和圖像上。它會在視頻這類高維連續資料上創造類似的革命嗎？

其中一項嚴峻的挑戰是應對不確定性。像BERT這樣的模型無法判斷句子中丟失的單詞是“貓”還是“狗”，但是它們可以產生概率分佈向量。對於圖像或視頻幀，我們沒有一個好的概率分佈模型。但是最近的研究非常接近，或許我們很快就會發現這樣一個模型。

這樣，我們就能用很少的視頻訓練樣本，來實現非常好的性能預測、動作預測，而這在以前是不可能的。

當這個想法實現的時候，2020年就會是AI領域非常激動人心的時刻。

▌周志華：方法創新，方針明確

南京大學周志華教授對2020年有三個希望：

1、希望能夠出現深度神經網路以外的高級機器學習技術。神經網路已經被許多研究人員、工程師和從業人員研究並應用了很長時間，其他機器學習技術為創新提供了相對未開發的空間。

2、希望AI可以涉足更多領域，為人們的日常生活帶來更多積極的變化。

3、希望研究人員、工程師和從業者們對於如何採取措施防止AI技術的錯誤開發和濫用進行更多的思考和討論。

▌Anima Anandkumar：模擬的力量

Anima Anandkumar是英偉達機器學習的總監，也是加州理工的電腦教授。

Anandkumar教授提到，在模擬環境學習中訓練演算法會讓網路更為強大，並且能類比各種複雜的情況，在一些情況下可以解決研究人員資料不夠的問題。

她所在的加州理工已經用物理模型來類比真實資料，用深度學習進行地震預測的研究；英偉達也推出了模擬平臺Isaac。

她希望，2020年AI科學家們能認識到在類比環境中進行訓練的價值，並在新的一年產生更為重大的AI進步。

▌Oren Etzioni：工具創造平等

Oren Etzioni是艾倫人工智慧研究所的首席執行官、華盛頓大學電腦教授、Madrona資本合夥人。

他認為，AI界花了很多時間討論演算法的公平和透明性，但在應用上，AI還可以為社會提供更多幫助，比如為行動不便的人提供無障礙技術，解決教育、流浪者、人口販賣的問題，AI能對人們的生活品質產生巨大的積極影響，但現在AI界對此的研究和探討只浮於表面。

因此，他希望2020年AI界能用切實的手段讓這些處於不利地位的人受益，讓世界更公平。

▌Chelsea Finn：泛化的機器人

Chelsea Finn是斯坦福電腦科學與電氣工程助理教授。

她認為，目前的許多AI技術都能在圍棋等特定任務上取得非常好的成績，但在泛化方面做得還不夠，無法用一個機器人來完成多個任務。

比如，識別ImageNet上的圖片需要一個模型，但如果機器人需要與環境交互，那為每個任務都創造一個ImageNet那麼大的資料集是不切實際的。

因此，她也在進行更多賦予機器人泛化能力的研究。如果強化學習的臨界品質發展和泛化有所突破，會是非常令人振奮的事情。如果能應對這些挑戰，機器人會比現在的更加智慧，而不僅僅是停留在實驗室裡。

▌David Patterson：快速訓練與推理

David Patterso是加州大學伯克利分校的電腦科學教授，RISC-V國際開源實驗室負責人，也是ACM和IEEE的Fellow。

他說，過去一年，阿裡巴巴、 Graphcore和英特爾等公司都在研發專門的人工智慧處理器，而這些晶片將慢慢進入研究實驗室和資料中心。

他認為，投資數十億美元打造新穎的人工智慧硬體將在2020年初見成效。

並希望人工智慧社區能接受其中最好的晶片，來推動這個領域朝著更好的模型和更有價值的應用方向發展。

▌Dawn Song：要對資料負責

Dawn Song是安全領域的頂尖學者之一，1996年本科畢業於清華大學，現在是加州大學伯克利分校(UC Berkeley)電腦科學和電子工程教授，也是Oasis Labs 首席執行官和聯合創始人。

她認為，人們對敏感性資料的收集正在迅速增加，幾乎涵蓋了人們生活的方方面面。但使用者幾乎無法控制他們生成的資料如何被使用。與此同時，企業和研究人員在利用資料方面面臨著諸多挑戰。

在她看來，這種資料收集方式將個人和企業置於危險之中，她希望2020年應該是為負責任的資料經濟打下基礎的一年。

這需要創造新的技術、法規和商業模式。Dawn Song認為，2020年在在機器學習方面仍然存在更大的挑戰，要打造可擴展的系統來為實際部署大型、異構資料集服務，聯邦學習的進一步研究和部署對於某些用例也很重要等等。

▌Richard Socher：資訊海洋已經沸騰

Richard Socher博士畢業于斯坦福大學電腦系。2016年，自己創辦的公司被Salesforce收購後，加入Salesforce，現在是Salesforce的首席科學家。

他認為，如何處理鋪天蓋地的事實、意見和觀點仍然是一個挑戰。

比如，在你沒有讀過一個冗長的文檔之前，你很難知道你會在裡面找到什麼資訊。而且，想要知道某個特定的陳述是否正確也非常困難。

在他看來，自動提取摘要可以解決這些問題，2020年，這一技術將會迎來重大發展，改變我們消費資訊的方式。

不僅能説明人們應對不斷湧現的新資訊，而且還能讓人們進一步擁抱人工智慧的巨大潛力，創造一個更美好的世界。

原文傳送門：
https://blog.deeplearning.ai/blog/the-batch-happy-new-year-hopes-for-ai-in-2020-yann-lecun-kai-fu-lee-anima-anandkumar-richard-socher