近日，国际人工智能研究与行业应用会议World Summit AI（世界峰会AI）首次在北美召开，世界峰会 AI 全球系列以 AI 行业代表性人物演讲而闻名，去年有来自 Apple，Facebook，亚马逊，阿里巴巴，腾讯，谷歌，英特尔，美国宇航局，优步，IBM 沃森等等 140 位专家在阿姆斯特丹登台发表演讲。今年4月9日至10日，蒙特利尔站会议更有刚获图灵奖的 Yoshua Bengio，纽约大学教授 Gary Marcus，亚马逊 AWS 人工智能主管 Hassan Sawaf 等业界知名人士轮番发表演讲。
松鼠 AI 智适应教育合伙人 Joleen Liang 亦登台介绍「松鼠 AI 智适应学习系统」，这是以高级算法为核心的人工智能自适应学习引擎，她介绍道，这款学习引擎可以将一个学科的知识点细化到 3 万个之多，而普通教科书则仅有 500 个左右。此外，随着学生能力的动态调整，知识点贴和程度也会不断提高。此外，松鼠 AI 也能发现不同学生的不同学习特点，给出针对性的学习方法，帮助学习能力稍逊的学生更快地掌握知识点并攻克难点。
Joleen Liang 从传统教育的四大难点出发，介绍AI智适应学习能如何分别迎难而上。第一，教育资源分布不均匀，且优秀的顶尖老师相对稀缺；AI则能打破时间与空间限制，即便顶尖老师数量有限，但也能将其丰富的教学经验进行整合传播；第二，学生学习情况不同，而传统“一刀切”教育难以针对不同学生进行客制化的教学；AI可以根据学生学习需求，提供个性化教学；与上一条现象类似，传统教育中教学进度统一，而学生学习消化水平不同，进度也会出现差异；AI帮助学生扬长补短，不再追求统一步调的学习进度；最后，传统教育填鸭式教学只追求知识获取，而忽略了学习能力、独立思考能力以及学习方式的培养；由此，AI不仅授人以鱼，还注重授人以渔。
她介绍道，松鼠AI智适应教育已经构建了细微到纳米级的知识图谱、知识点九级拆分、建立了MCM 系统以快速检测学习者学习能力和素质，从而能够精准刻画学习者的用户画像，预测学习者的学习路径和学习时间，最终为学习者进行个性化的学习内容推荐。另外，松鼠AI采用多模态行为分析 (MIBA) 监测来分析学生面部表情和行为，从而评估学生注意力的集中程度，检测并分析出学生的学习情绪，实现对学生学习状况的准确解读，帮助教师推断出真正的问题难点。
快速检测学习者学习能力和素质的 MCM 系统
松鼠AI智适应学习的MCM系统是将每一种学习思维进行拆分，由此可以检测出人的思维模式（Model of thingking）、学习能力(Capacity)以及学习方法(Methodology)。Joleen以物理为例，物理学习中的思维模式可以被拆分为对称思维、创造性思维、分类讨论思维、类比思维等等。在对学生进行评估检测后，即便是相同分数的学生，MCM系统也能分析出其各自不同的学习能力、吸收消化知识点能力、相关盲点薄弱点，从而提供更加精准的用户学习方案。
松鼠智适应学习系统利用知识图谱技术和知识空间理论评估学生的知识水平；利用贝叶斯网络、贝叶斯推断、贝叶斯知识追踪和项目反应理论（IRT）掌握学生的实时学习进程，从而评估每个学生对知识的掌握情况并预测未来学习技能；利用其自适应学习引擎，结合算法、内容、数据和教学设计为学生动态推荐最合适的学习内容。
去年 11 月，松鼠 AI 还签下了美国卡内基梅隆大学 CMU 计算机学院院长、人工智能领域顶尖科学家 Tom Mitchell 教授，出任其 Chief AI officer 一职。她总结道，松鼠 AI 旨在打造一位集苏格拉底、达芬奇、爱因斯坦于一身的超级 AI 老师，凭借广博的知识、出色的好奇心以及发散思维和逻辑归纳能力，对广大学生因材施教。
World Summit AI Americas 重点一览
作为大型人工智能及各行业应用大会，世界峰会 AI 全球系列（World Summit AI）以 AI 行业代表性人物演讲而闻名。
Yoshua Bengio发表题为“超越监督式的深度学习”，他介绍道，目前机器学习中所缺乏的是训练分布之外的理解和泛化，目前学习理论只涉及同一分布中的泛化，模型能够学习但并不能很好地概括（或在适应时具有高样本复杂度）修改调整过后的分布等；另外，重复使用效果不佳，知识模块化程度差也是目前机器学习的短板。Yoshua认为，只要我们的机器学习模型还是仅依靠肤浅的统计规则来运作，那必然仍易受到分布式示例，对抗性示例的影响。
开放在线课程（MOOC）的最大平台Coursea创始人之一Daphne Koller演讲探讨机器学习作为发现药物的新方法，作为研究学者，她的研究著作出现在Science，Cell和Nature Genetics等200多种出版物。Daphne的新身份是insitro首席执行官和创始人，insitro是一家利用机器学习进行药物开发的创企。她提到，利用机器学习的技术进步能构建全面的高通量生物数据平台，由此使研究大规模地深入基于细胞的系统，且随着时间推移，系统内容也将变得丰富，重新概括人类疾病的相关性。机器学习在其中承担的角色是允许研究人员解释其生成的海量数据，并采取能改善人类健康的干预措施。
Gary Marcus，他是一名成功的科学家、畅销书作家、企业家，以及 Geometric Intelligence (被优步收购的机器学习初创公司) 的首席执行官和创始人。作为一名作家，他经常为「纽约客」和「纽约时报」撰稿，并且是四本书的作者。作为纽约大学心理学和神经科学教授，他在人类和动物行为、神经科学、遗传学和人工智能等领域发表了大量文章，并经常刊登在 Science 和 Nature 等期刊上。在演讲中，他接连抖包袱式地指出目前人工智能发展与应用中尚有的缺陷。他认为，要创造出值得信赖的人工智能，那么有四点需要考量：第一，人类认知很复杂，在做人工智能研究时，应当停止寻找所谓的“万金油”；且常识是不存在有替代品的；第三，Gary Marcus以自己女儿攀爬椅子为例，人类学习过程不只是关于大数据和数字处理，更有复杂的触碰、探索等过程；最后，常识可能始于对时间、空间和对象的固有理解。
World Summit AI Americas 的主题旨在探讨人工智能在商业、科学研究和技术开发领域的重要影响，为期两天的会议涉及到AI4Good，企业应用解决方案，创企成功实践研讨会以及制定推进AI应用计划。而作为人工智能研究和落地的重镇，世界峰会AI明年三月将再次于蒙特利尔举办系列会议。
