在每次時代變革中，教育從來都不會缺席。這個時代的主題是AI+，AI+教育自然成為當下教育的發展方向。
而在AI+教育火爆之前，線上教育已經開疆拓土了很多年。
據艾瑞咨詢調查數據顯示，自2012年以來，中國K12線上教育市場增長速度基本保持在30%以上（2015年為21.4%），在2017年增長率甚至高達51.8%，相應市場規模達到298.7億元。因而，2017年也被認為是線上教育規?；儸F元年。
圖片來源：艾瑞研究院
2017年高增長率被認為是一對一在線授課的火熱帶來的，同時也是一對一在線授課清晰的盈利模式促使企業得以規?；癄I收。與此同時，新興的AI技術也迅速被引入這一領域，促使科技（AI）和教育再次融合。
AI+教育也是德國人工智能研究中心（DFKI）的重要研究方向之一，同時，DFKI擁有全球頂尖的教育技術實驗室。Carsten Ullrich作為該實驗室副主任，在AI領域，尤其對機器學習、規劃算法、語義數據庫等AI技術的研究與應用擅長，在此領域有超過15年的經驗。
從AI到AI+教育的轉身
在長達15年的AI研究生涯中，Carsten Ullrich對人工智能、機器學習、語義Web、Web 2.0、移動應用程序等都有研究，在諸多大型國際項目中，曾擔任研究員、技術負責人，也曾在上海交通大學在線學習實驗室擔任高級研究員，進行教育方面相關研究。Carsten Ullrich從事AI教育研究工作，也是從對AI的癡迷中拓展而來的一個方向。
用傳統思維來看，Carsten Ullrich的轉型很成功?！拔彝ㄟ^人工智能進入教育領域，在對計算機科學研究過程中，我開始著迷于構建智能系統，當發現人工智能可以使人類學習更有趣、更高效時，我開始迷上這個領域，從那時起，我就開始進入AI教育研究?！?/p>
如果論及Carsten Ullrich在AI教育研究領域的成名作，針對智適應教育的PhD（博士）論文應該算是其中之一。
在這項研究中，Carsten Ullrich主要開發了一個課程生成框架，將復雜和現實的教育知識進行建模和應用，與此前的架構相比，該研究應用了諸如人工智能規劃、用戶建模、知識表示（語義網）等技術，根據學生的學習目標和學習能力生成了結構化課程。
Carsten Ullrich告訴雷鋒網，“以前在課程生成方面的工作相當有限，并未考慮學習目標。例如，在教學過程中，使學生深入了解某個數學概念的推導過程，不同于教學生推導方式，相對更難。我們的系統組建課程的目的包括深入學習、準備考試，以及培訓具體能力等，可以使用人工智能構建非常詳細的教學策略?！?/p>
此項研究成果得以在世界著名科技期刊Springer-Verlag（施普林格）上發表了，Carsten Ullrich也表示，“目前，未見有其他同領域研究成果超越該項研究成果?！?br/>
DFKI及AI教育研究項目
DFKI是德國頂級人工智能研究機構，也是目前世界上最大的非營利人工智能研究機構，其股東包括Google、Intel、 微軟、寶馬、SAP、Airbus在內的全球前十的頂級科技企業。同時，DFKI針對教育技術有專門的教育技術研究實驗室，EdTec實驗室研究和開發工作側重于技術和軟件，智適應教育也是其重要研究方向。
作為EdTec實驗室副主任，Carsten Ullrich告訴雷鋒網，“在這里我們與工業、醫療等專業領域的工作人員合作進行應用研究，了解他們遇到的問題和對人工智能有的常見問題，然后構建能夠真正帶來價值的解決方案?！?/p>
Carsten Ullrich在EdTec實驗室主要負責研究并帶領工作場所教育技術潛力挖掘相關項目。例如，APPsist項目研究的是智能生產開發了一個輔助和知識服務架構；DigiLernPro項目研究的是半自動生成的數字學習場景，以支持工業生產中的員工。
以APPsis項目為例，該項目搭建的是生產中的智能輔助和知識系統，通過開發和應用新一代上下文敏感的輔助和知識服務以及底層架構，構建一個集成的軟件解決方案（系統），通過AR/VR及AI技術采集工作場所密切的信息、知識。該軟件解決方案原型用于具有高度自動化的制造業工廠。
數據挖掘仍是難點
AI+行業應用的趨勢加速了諸多行業的飛速發展。幾年前，不會有人會想到機器人下圍棋可以贏得了圍棋大師，但是AlphaGo做到了；不會有人想到攝像頭可以用來抓逃犯，但是智能攝像頭（人臉識別）做到了；也不會有人想到AI會應用到教育領域，但是乂學教育、洋蔥教學、先聲教育等大量教育公司已經涌入這一賽道。
與消費領域不同的是，教育領域數據挖掘仍是一個老大難。對于AI應用來講，要訓練AI模型，必須要有大量的數據。此外，由于每個人的學習能力和學習習慣都有所不同，進一步增加了教育領域數據的碎片化?！霸诮逃矫?，目前只有在極少數方面有大量數據可以進行分析?！?/p>
談到AI在教育中的應用瓶頸，Carsten
Ullrich也認為，一項重大技術挑戰仍是數據收集。
如果我們想要應用今天的機器學習算法，就需要大量的數據。但在教育環境中，這些數據來自哪里？在學校環境中，至少學生的學習目標是相似的，我們可能會收集到大量的數據（Squirrel AI Learning非常適合這一點）。在其他環境中，特別是在成人教育中，這要困難得多。另一方面，人類可以擔任AI模型訓練師。那么，問題就變成了他們擁有的知識。一旦我們理解地足夠好，在AI模型中實現它就不會太困難。
當然，出現技術瓶頸也是一個行業在上升期必然會遇到的問題，更何況，現在智適應教育的發展已經足夠讓我們驚訝的了。Carsten Ullrich認為，“學習分析（Learning Analytics）和教育數據挖掘（Educational Datamining）在學習管理系統中的應用已經取得了令人矚目的成果。目前關于如何從現實世界收集數據的調研結果顯示，行業中已經開始在教室、演講廳，以及諸如智能手機上的傳感器等場景收集數據。一旦我們能夠縮小數字系統與真實（物理）生活之間的差距，AI就會變得非常強大和有用?！?/p>
