为何IEEE必须为“教育+AI”制定标准?|钛媒体全球科技月

“标准是一个产品在机构中建立一种可持续的、多供应商解决方案的商业可行性重要因素。”

图片来源:视觉中国

图片来源:视觉中国

作为全球最大的专业学术组织,IEEE(Institute of Electrical and Electronics Engineers,电气电子工程师协会)目前拥有来自175个国家的42万会员。IEEE定位在“科学和教育,并直接面向电子电气工程、通讯、计算机工程、计算机科学理论和原理研究的组织,以及相关工程分支的艺术和科学”。

在学术研究领域发挥重要作用的同时,IEEE也非常重视标准的制定工作。IEEE专门设有IEEE标准协会(IEEE-SA,IEEE Standard Association),负责标准化工作。IEEE-SA下设标准局,标准局下又设置两个分委员会,即新标准制定委员会(New Standards Committees)和标准审查委员会(Standards Review Committees)。 IEEE的标准制定内容包括电气与电子设备、试验方法、原器件、符号、定义以及测试方法等多个领域。

IEEE现有42个主持标准化工作的专业学会或者委员会。为了获得主持标准化工作的资格,每个专业学会必须向IEEE-SA提交一份文件,描述该学会选择候选建议提交给IEEE-SA的过程和用来监督工作组的方法。当前有25个学会正在积极参与制定标准,每个学会又会根据自身领域设立若干个委员会进行实际标准的制定。IEEE在工业界所定义的标准有着极大的影响。

那么,对于人工智能如何更好地赋能教育的方向上,全球科学家们是如何协同制定标准的?在钛媒体 T-EDGE X全球科技月 人工智能全球峰会上,钛媒体与松鼠Ai邀请到了IEEE的核心成员,围绕“运用人工智能技术和规范化为教育赋能”的话题展开了讨论。

论坛由松鼠AI首席架构师、IEEE LTSC主席 Richard Tong 开场。LTSC( Learning Technology Standard Committee,教育技术标准委员会)是由 IEEE 计算机协会标准活动委员会特许的组织,旨在制定国际认可的技术标准,推荐的实践方法和学习技术指南。除了直接制定的标准外,LTSC还管理其他组织制定的规范的标准化。

目前,LTSC标准旗下的标准包括:儿童和学生数据治理方法标准、联邦机器学习(FML)、可互操作的学习者记录、学习对象元数据2.0、增强现实学习体验模型、XAPI、SCORM、基于能力学习的框架、自适应教学系统(AIS)、可解释的人工智能标准(XAI)等。

参与本次讨论的嘉宾在多个标准组织开发工作,都紧密地参与了人工智能在教育领域应用的制定过程,他们分别是:IEEE标准协会理事会成员、Eduworks Corporation联合创始人兼首席执行官罗比·罗布森(Robby Robson),IEEE学习技术标准委员会副主席、Quality Information Partners公司高级分析师)吉姆·古德尔(Jim Goodell),MatchMaker Education Labs首席科技官、EdMatrix学习标准负责人布兰特·雷德(Brandt Redd),IEEE学习工程行业联系会主席、MatchMaker Education Labs 首席执行官迈克尔·杰伊(Michael Jay)。圆桌由IIEEE电子和电器工程协会学习活动理事会成员艾夫伦·巴尔(Avron Barr)主持。

在艾夫伦·巴尔看来,虽然谈论标准既不关乎理论研究,也不涉及技术创新,但是标准确实是一个产品在机构中建立一种可持续的、多供应商解决方案的商业可行性重要因素。对于研究人员来说,想要去理解这一重要性的却有些牵强,但是,全世界有成百上千的人,在他们的生活中花费了大量的时间来解决这些标准化问题。这正是为什么IEEE要在接下来多次会议上要讨论的问题。

罗比·罗布森介绍了IEEE标准协会目前所从事的事情。IEEE SA目前有大约7500名成员,有2万多人在IEEE标准协会的支持下开发标准,同时,IEEE总部虽然位于美国纽约,但大多数会员不在北美,它是一个全球性的国际组织。

为什么IEEE能够参与标准制定?罗布森给出一个重要的理由是,IEEE标准协会属于一个充满“争吵”的地方。在IEEE,一旦某个工作组制定出了一个标准的草案,便进入了一个公共的投票过程。在这个过程之中,所有会员可以发表评论。如果有不同的意见,成员必须给出一个解决方案。

“因此,在开放透明的行业共识标准过程中,有一系列原则,包括开放性,共识,平衡在内,这是所有利益相关者的一个缩影。”罗布森说。

从致力于制定教育相关技术标准过程的角度出发,迈克尔·杰伊举例说明,在IEEE,需要了解不同的建模是否关于教育领域本身,是否涉及到学习者参与的过程,收集关于学习环境的数据和学习者的大数据,进而观察设计、开发问题和数据分析,寻找真正的趋势,然后迭代改进。在这一过程之中,技术人员需要尊重教育学而不只是仅擅长技术而已。

基于个性化学习的能力,布兰特·雷德看好自适应学习系统。他们在研究的过程中发现,人工智能系统模仿一个人类导师如何教一个学生,这是计算机能够成功实现学习系统最有有希望的方法之一。

这是因为计算机能够针对不同学习者的个人需求,来个性化制定学习内容,能让他们更高效地找到特定的学习解决方案。在这样的背景下,我们拥有的学习者的数据与我们能够提供给学习者资源的数据,当我们把这两者相匹配起来时产生的交集,就可以优化或者推荐对学生最有效的资源。

此外,吉姆·古德尔简要介绍了IEEE目前在自适应学习系统定义框架、能力框架等涉及到标准草案制定的模型,并呼吁更多的人参与到该工作组其中来。

在圆桌论坛最后,艾夫伦·巴尔总结道,IEEE在人工智能赋能教育标准化制定中,目的是帮助市场运行,帮助供应链运作,以及帮助人们更好了解他们想要购买的产品进行比较,这是人工智能在教育领域重要的部分。

转载请注明出处、作者和本文链接
声明:文章内容仅供参考、交流、学习、不构成投资建议。
想和千万钛媒体用户分享你的新奇观点和发现,点击这里投稿 。创业或融资寻求报道,点击这里

敬原创,有钛度,得赞赏

赞赏支持
发表评论
0 / 300

根据《网络安全法》实名制要求,请绑定手机号后发表评论

登录后输入评论内容

扫描下载App