这是GP小梨君的第16篇教育笔记
文章源于日本AI专家Noriko Arai TED演讲，由小梨君整理和翻译
欢迎转载和分享，请尊重原创注明来源。
关于人工智能AI， 研究人员一直表示 ，我们人类不需要担心， 因为只有轻微的工作才会被机器接管。 真的是这样吗 ？人工智能将创造新的就业机会， 所以失业的人会找到一份新的工作。 但是，真正的问题是： 又有多少可能由于AI而失去工作的人能找到一份新的工作呢？ 特别是当AI聪明得足以比我们大多数人学习得更好的时候？
如果要问有多少人会认为 AI将在2020年之前通过顶尖大学的入学考试， 一定会有很多人回答“当然可以！”还有一些人可能会说：“也许， 因为AI已经赢得了顶级的围棋选手。” 其他人可能会说：“呃，不，永远不可能。”那意味着我们现在还不明确答案。日本的AI专家Noriko Arai便是基于此而开始了东大机器人项目， 制作一台能通过日本顶级大学东京大学的入学考试的AI。
为什么要以入学考试为基准呢？
Noriko Arai团队认为必须研究人工智能与人类相比的性能，特别是在规模和专门知识上，它们被认为只由人类获得，而且只有通过教育才能获得。要进入东京大学， 必须通过两种不同类型的考试。 第一个是多选风格的国家标准化考试。必须要让 7个科目获得高分 ——可以说是84％或更高的准确率 ，才被允许进行 第二阶段的笔试。
以“Jeopardy！”（危险边缘）这个挑战游戏来解释一下现代AI的工作原理。一个典型“Jeopardy！”问题如 “莫扎特的最后一个交响乐队与这个星球同名”。
如果不知道答案，我们会Google，百度，对吧？我们会以关键词， 如“莫扎特”，“最后”和“交响乐”进行搜索。 机器基本上是一样的。 那么具有这个属性的维基百科页面将排名第一。 然后我们再选择读取页面。
不幸的是，现代的很多AI（ 包括Watson，Siri和Todai Robot） 都不能够阅读。 但他们非常擅长搜索和优化。 它将会认识到 ，这些关键词“莫扎特”，“最后”和“交响曲” 出现。 所以如果能找到一个这个星球的词， 并且与这些关键字共存， 这一定是答案。 在这种情况下，Watson找到了正确答案是“木星”。
东大机器人也是类似地工作，但是在回答一些关于Yes or No的历史问题时候会更有智慧。比如像“查理曼击退了马扎尔人。这句话是真的还是假的？” 机器人就会开始产生一个事实上的问题， 如：“查理曼亲自击退了【这个人类型】”。 然后，结果显示“阿瓦斯”，而不是“马扎尔人”排名第一的时候。那这句话可能是假的。 东大机器人不会读，不能理解， 但在许多情况的统计上是正确的。
对于第二阶段笔试部分， 比如需要写一个这样的600字的短文：[讨论 17世纪东亚和东南亚海运贸易的崛起...]在不理解这件事情的前提下，和以上所提到的一样，机器人会通过把教科书和维基百科的句子 结合在一起，并对它进行了优化，最后形成一篇文章。
但令人惊讶的是，通过远程服务器工作的机器人比大多数学生写了一篇更好的文章。
数学怎么样？自“人工智能”一词诞生以来，全自动数学解题机一直是一个梦想，但长期以来一直保持在算术水平上。 去年，Noriko Arai 团队成功开发出一套系统，解决大学前水平的问题。例如下面一道数学问题， Noriko Arai 团队不得不教二千个数学公理 和八千个日语单词 ，以接受自然语言写的问题。 把原始问题翻译成机器可读的公式。 不可思议的和有趣的是，现在机器能够输出一个完美答案了。
尽管证据显示机器是不可能读的。但现实是，在去年第二阶段笔试部分中东大机器人就在数学成绩上排进了前1%。
那么，它通过东京大学考试了吗？答案是没有。因为机器不能理解。比如在英语考试中一段两人对话。
Nate：再过几分钟我们就要到书店了。 Sunil：等等 ______ Nate：谢谢你！这总是发生...]
空格中的选项有
➀ 我们走了很久了
➁ 我们快到了
➂ 你的鞋看起来很贵
➃你的鞋带是解开的
对我们来说，很容易能够理清情况 。显然第四是正确的答案。 但是， 即使在使用深度学习技术学习了150亿个英文句子之后，Todai Robot选择了第二个。还是和上述所提到的一样： 现代的AI不能读， 不能理解。它们只是显得像理解了一样。
在有 50万学生与东大机器人参加同一考试结果中。东大机器人能够排在全体学生的前20％， 能够通过日本多于60％的大学， 不包括东京大学。但我们能看到它是如何超越了 白领阶层的数量。在继续给数以千计的学生做了一些简单的多选题测试后，仍旧发现大约三分之一的学生都不能答对的问题但是机器人答对了。这无疑会令人恐慌，没有智慧的机器怎么能比学生们、比我们的孩子们表现的更好呢？
我们一直相信，只要能在网上免费提供好的学习材料，让孩子们能够通过互联网访问，每个人都能学并且学的很好。但是，一些优秀的材料可能只对那些能读得好的人有益，而且那些读得好的人的百分比可能比我们预期的要低得多。我们人类将如何与AI共存，这是我们必须在确凿证据的基础上仔细考虑的问题。与此同时，我们不得不匆忙地思考，因为时间不多了。
我们人类能够理解。对于AI来说是非常非常缺乏的。但是大多数学生只是把知识包起来，而不去了解知识的意义，所以这不是知识，只是记忆，但人工智能是可以做同样的事情并且比我们要做的好的。所以我们必须考虑一种新的教育方式。从生搬硬套知识到理解其意义的转变。
我们需要让孩子们知道如何思考，如何解决问题。在对现实问题的不断考量以及对优质教育的持续探索上，Gear&Pear以前瞻的视野和前沿的技术不断创新，率先在STEAM的基础上升级优化，首创基于PBL的STED跨学科创客教育课程体系（Project—Based Learning项目制学习，Science科学，Technology技术，Engineering工程，Design设计）。
注重学习与现实世界的联系，注重学习过程中的体验，而非生硬的知识结果。希望孩子们创造能够应用于真实生活的知识和技能，运用这一切改变他们的未来，迎接未来的世界。
END
文章内容为齿轮梨原创，部分图片源自网络，如需使用请联系授权。
（Wechat ID:gearpear ）
