近日，好未來AI工程院機(jī)器學(xué)習(xí)團(tuán)隊(duì)的7篇學(xué)術(shù)論文連續(xù)入選國(guó)際人工智能教育大會(huì)（AIED 2020）、教育數(shù)據(jù)挖掘國(guó)際會(huì)議（EDM 2020）、國(guó)際聲學(xué)、語音與信號(hào)處理會(huì)議（ICASSP 2020）、國(guó)際互聯(lián)網(wǎng)大會(huì)（WWW 2020）等多個(gè)國(guó)際頂級(jí)學(xué)術(shù)會(huì)議，向世界展示了中國(guó)AI+教育的發(fā)展?jié)摿Α?/span>

本次入選的7篇學(xué)術(shù)論文主要基于AI+教育場(chǎng)景應(yīng)用的研究，覆蓋了語音識(shí)別、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等人工智能研究的多個(gè)分支領(lǐng)域。其中，三篇學(xué)術(shù)論文入選了AIED 2020大會(huì)。

AIED是教育應(yīng)用領(lǐng)域的國(guó)際頂級(jí)會(huì)議，以“為教育計(jì)算應(yīng)用領(lǐng)域提供高質(zhì)量研究的智能系統(tǒng)和認(rèn)知科學(xué)方法”而聞名。AIED所收錄的論文代表著人工智能在教育領(lǐng)域應(yīng)用的最新發(fā)展方向和水平。

本次入選AIED 2020大會(huì)的三篇論文分別是：圍繞教師聲音識(shí)別與分離的《Siamese Neural Networks For Class Activity Detection》，通過對(duì)線上一對(duì)一與線下小班教學(xué)場(chǎng)景內(nèi)的單音軌課堂錄音中的教師聲音進(jìn)行識(shí)別與分離，模型識(shí)別結(jié)果的AUC分別達(dá)到94.2%與85.5%；針對(duì)教師提問自動(dòng)檢測(cè)的《Neural Multi-Task Learning for Automatic Detection of Teacher Questions in Online Classrooms》，提出了用于在線課堂中教師提問的自動(dòng)檢測(cè)的新穎框架，通過對(duì)老師提問的類型（開放問句、求知型問句、對(duì)話管理型問句、程序型問句）的檢測(cè)，從而更細(xì)粒度的量化老師的行為；對(duì)教師相關(guān)的語言行為進(jìn)行自動(dòng)檢測(cè)的《Automatic Dialogic Instruction Detection for K-12 Online One-on-one Classes》，針對(duì)不同科目和年級(jí)調(diào)整對(duì)老師課堂上行為的要求，幫助老師掌握授課技巧、提升授課質(zhì)量。

在教育大數(shù)據(jù)領(lǐng)域的國(guó)際頂級(jí)會(huì)議EDM 2020上，好未來針對(duì)線上一對(duì)一授課模式下的學(xué)生退學(xué)行為進(jìn)行機(jī)器學(xué)習(xí)模型建模的論文《Identifying At-Risk K-12 Students In Multimodal Online Environments: A Machine Learning Approach》成功入選。這是工業(yè)界與學(xué)術(shù)界首次針對(duì)K12在線教育場(chǎng)景的學(xué)生退課行為進(jìn)行預(yù)測(cè)嘗試，通過對(duì)課堂行為和課后服務(wù)等多維度數(shù)據(jù)的分析，及時(shí)了解學(xué)生的學(xué)習(xí)狀態(tài)和知識(shí)掌握情況，并為學(xué)生學(xué)習(xí)方案的調(diào)整優(yōu)化提供幫助。

而在全世界最大、最全面的信號(hào)處理及其應(yīng)用方面的頂級(jí)會(huì)議ICASSP上，好未來兩篇新模型的論文引發(fā)熱烈反響。在《Multimodal Learning For Classroom Activity Detection》論文中，好未來基于聲紋注意力結(jié)構(gòu)的多模態(tài)說話人識(shí)別模型方法，準(zhǔn)確率超過了SOTA模型10%左右，顯示出了該模型針對(duì)教學(xué)場(chǎng)景下說話人分離結(jié)果的優(yōu)異性。在另一篇論文《UPGRADING CRFS TO JRFS AND ITS BENEFITS TO SEQUENCE MODELING AND LABELING》中，好未來將經(jīng)典的序列模型CRF升級(jí)為一個(gè)聯(lián)合的生成模型——JRF，新模型在各算法指標(biāo)上都穩(wěn)定超過了CRF，為更大范圍的各類領(lǐng)域的序列建模和標(biāo)注任務(wù)的改進(jìn)提供了更大的可能。同時(shí)，好未來關(guān)于自由場(chǎng)景下的口語表達(dá)能力評(píng)測(cè)的論文《Dolphin: A Spoken Language Proficiency Assessment System for Elementary Education》也入選了國(guó)際互聯(lián)網(wǎng)頂級(jí)會(huì)議WWW2020，并在會(huì)議上進(jìn)行宣講。論文基于好未來AI工程院研發(fā)的口語表達(dá)能力評(píng)測(cè)進(jìn)行的方案和算法創(chuàng)新，解決了學(xué)生口語表達(dá)能力無法快速、規(guī)?；?、標(biāo)準(zhǔn)化進(jìn)行評(píng)估的問題。

值得一提的是，好未來AI工程院機(jī)器學(xué)習(xí)團(tuán)隊(duì)有70%以上的技術(shù)人員曾參與論文及專利的發(fā)表。近期，好未來還有多項(xiàng)學(xué)術(shù)成果入選AAAI 2020、NCME2020等國(guó)際頂級(jí)學(xué)術(shù)會(huì)議。好未來AI工程院更是斬獲2020年世界計(jì)算機(jī)視覺領(lǐng)域頂級(jí)會(huì)議CVPR2020—— EmotioNet人臉表情識(shí)別競(jìng)賽冠軍。

好未來AI工程院機(jī)器學(xué)習(xí)團(tuán)隊(duì)

一系列AI科研成果接連被國(guó)際頂級(jí)學(xué)術(shù)會(huì)議接收，標(biāo)志著國(guó)際學(xué)術(shù)界對(duì)好未來科研實(shí)力的認(rèn)可，也意味著好未來用AI技術(shù)在教育場(chǎng)景的實(shí)踐中提供更多實(shí)用價(jià)值。

好未來在AI科研領(lǐng)域的探索成果，源于其對(duì)AI+教育的理解與重視。

近年來，好未來不斷加大在AI研發(fā)上的投入，目前已圍繞教育場(chǎng)景需求，累計(jì)研發(fā)包括圖像、語音、數(shù)據(jù)挖掘、自然語言處理等8大類型、100多項(xiàng)AI能力，打造10余項(xiàng)教育場(chǎng)景應(yīng)用AI解決方案，覆蓋“教、學(xué)、測(cè)、練、評(píng)”各教學(xué)環(huán)節(jié)。目前，好未來還將多項(xiàng)AI能力產(chǎn)品化，并廣泛應(yīng)用在內(nèi)部多項(xiàng)業(yè)務(wù)中。

在對(duì)內(nèi)成功賦能的基礎(chǔ)上，好未來積極推動(dòng)AI能力在全行業(yè)的開放共享，通過AI開放平臺(tái)，向行業(yè)伙伴提供領(lǐng)先的AI能力與解決方案。

截至目前，好未來AI開放平臺(tái)已上線100余項(xiàng)針對(duì)教育行業(yè)的AI能力，其中行業(yè)領(lǐng)先及獨(dú)有的模型達(dá)到半數(shù)。去年 8 月，科技部批準(zhǔn)依托好未來建設(shè)智慧教育國(guó)家新一代人工智能開放創(chuàng)新平臺(tái)。

面向未來，好未來將繼續(xù)堅(jiān)持源頭創(chuàng)新、應(yīng)用驅(qū)動(dòng)和開放共享的原則，承擔(dān)起推動(dòng)AI+教育融合發(fā)展的責(zé)任，與行業(yè)伙伴攜手助力教育產(chǎn)業(yè)的智能化升級(jí)。