tutorabc CTO汤峥嵘:人工智能时代,技术能够真正改变教育

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 1988年考入清华大学计算机与科学技术系;之后留学美国,获纽约州立大学奥尔伯尼分校计算机学士学位和匹兹堡大学计算机硕士学位。在美国硅谷工作十年后,回国加入阿里巴巴集团,先后担任过淘宝网、支付宝、B2B的资深总监、日本阿里巴巴CTO。

汤峥嵘,一位驰骋中美互联网界的技术大牛。


1988年考入清华大学计算机与科学技术系;之后留学美国,获纽约州立大学奥尔伯尼分校计算机学士学位和匹兹堡大学计算机硕士学位。在美国硅谷工作十年后,回国加入阿里巴巴集团,先后担任过淘宝网、支付宝、B2B的资深总监、日本阿里巴巴CTO。


2013年,加入途牛旅游网,担任CTO。


2016年10月,加入tutorabc(原vipabc),任职CTO。


这位“最具价值CTO”投身互联网教育以来,对这个行业有着怎样的解读。昨天,汤峥嵘在GITC全球互联网技术大会发表演讲,分享互联网教育的大发展和机遇。演讲的背后究竟蕴藏了怎样的技术创新和发展?

4.jpg

汽车代替马车,互联网教育将取代线下教育


在汤峥嵘看来,互联网教育和线下教育的关系如同汽车和马车的关系。1886年汽车刚面世时,外形丑陋笨重不说,还跑得特别慢,人坐着也不舒服,人们嘲笑它只不过是个时髦之物罢了。仅过了20年,汽车就进入大批量生产,几年后,便走进了千家万户。如今,“马路”上不再有马车,汽车早已取而代之了。


“互联网教育看上去是把线下搬到线上,其实不然。”汤峥嵘说,互联网教育和线下教育有本质上的不同,除了可以把线下教育能做的事情做得更好,还能创造线下完全做不了的事情。


第一,依靠技术,互联网教育可以自动记录每次上课的音视频,生成的课后录像供学生巩固和复习;而线下教育只能依靠人工录像。据汤峥嵘透露,tutorabc正在研发新技术,给录像加索引,方便学生查找重点难点。


第二,在线课程积累了海量的大数据,通过这些数据可以对老师的教学水平、学生的上课表现、课后师生的反馈等教学全流程进行100%的监控,实时调整和优化;而线下课程质检只能进行抽查。


第三,互联网教育可以调动全世界的资源来为学生安排教材、老师和同学,尤其是对于英语教育来说,世界各地的外教都可以充实师资库;线下教育只能聘请来华的极其有限而不稳定的外教。


互联网教育分两步走,到任tutorabc带来的改变


互联网教育是未来教育发展的必然趋势,很多企业正在全部转型或部分转型到线上。汤峥嵘认为,完成线下到线上的转型需要经历两个阶段。


第一个阶段是摸清什么是互联网教育,这通常需要多年的时间。一般的做法是找一个第三方音视频技术,加上云服务器,一个简单的线上教学就成型了。第二个阶段,则是在前期数据的基础上,利用大数据技术不断优化用户体验。


tutorabc在2003年就全面转型线上,很早就走完第一个阶段,并且是采用自有的技术和服务器,tutorabc的发展正处于第二个阶段。


而从去年10月上任至今,半年多的时间,汤峥嵘就给tutorabc(原vipabc)创造了诸多价值。


tutorabc使用的在线教学平台是自主研发的TutorMeet,汤峥嵘带领技术团队将其升级为TutorMeet+。TutorMeet+基于WebRTC(网络实时通信)技术,能够让浏览器支持实时语音会话或视频对话,让用户享受更清晰、流畅的视频音频服务。Chrome、Firefox、Opera 等主流浏览器均支持WebRTC。在刚落幕的WWDC17 上,苹果也宣布将正式支持WebRTC。


数据在通信网络上是以数据包为单位传输的,数据包的传输总会有一定的损失,俗称“丢包”。tutorabc在全球自建网络和服务器,数据传输需跨越海底电缆,更容易丢包。而TutorMeet+有高容错性,丢包率达20%,这就意味着即使丢包20%,网络依然能保持稳定。汤峥嵘透露,年底TutorMeet+的丢包率容忍度将达到30%。


汤峥嵘表示,tutorabc将持续投入人工智能(AI)研发,包括自动翻译、语音识别等技术,供学生日常练习使用;开发更加智能的阶段性测评,记录学生做题的过程、步骤,更清晰评估掌握程度,更有针对性地进行调整。


我们正在挖掘大数据这座金矿


现在的tutorabc拥有14年的大数据积累,这是AI时代得天独厚的优势。AI“明星”——阿尔法狗之所以能够战胜人类第一棋手柯洁,是因为它学习了海量的围棋数据,这样阿尔法狗才能不断地进行深度学习,发挥强大的计算能力。


就像人类生存离不开食物,没有数据AI也不能发展。“我们就坐在金矿上。”汤峥嵘打趣说,tutorabc已经利用数据将AI应用到互联网教育。tutorabc自主研发的DCGS动态课程生成系统,能支撑每小时上万堂课的个性化排课。

5.jpg


DCGS根据学生的年龄、性别、职业、兴趣爱好等,自动匹配最符合其需求的教材、外教和同学。每一次上课生成的数据,DCGS可以再学习,对以后的课程进行动态调整。


“以前的线性学习方式,固定老师、固定教材、固定同学。这样标准化的学习模式下,好学生永远是好学生,差学生永远是差学生。”汤峥嵘说,“一开始各自的命运就定了,这很悲哀。”


数据还可帮助老师提高教学水平。传统的课堂,一个老师可以教的学生数量有限。而互联网教育可以积累几百万、几千万的学生数据,基于这些鲜活的数据,通过技术分析,老师可以更快地提高教学质量,这是互联网时代带来的便利。


汤峥嵘还分享了tutorabc几个有意思的数据。比如,哪里的学生努力程度最高,哪里的学生学习时长最短,哪里的学生更愿意开口。


技术是互联网教育的核心价值


汤峥嵘表示,tutorabc(原vipabc)在技术上的投入是中国互联网教育企业中最大的。在数量上,tutorabc的技术人员规模是同类企业的四五倍,人数达到500。在质量上,音视频技术已到达了业界领先,前端架构师的水平在互联网企业排名靠前;AI团队拥有国内顶尖专家。


在资源上,tutorabc在全球自建网络和服务器。相比同业采用云服务器的通用做法,tutorabc具有更大的自主性和安全性。虽然对专业人才的要求比较高,但确保用户上课的通讯品质是最高的。


技术上的大力投入和布局也是tutorabc领先这个行业以及区别于其他企业的根本因素。只有对技术进行全情投入和深度研究,才能彻底改变人类的学习模式。


去年底,汤峥嵘受邀去美国参加中美技术交流论坛,阔别硅谷好多年的他,感慨这些年来中美互联网发展的差异。“2004年的时候我说,在美国,钱包里只要放100美元,因为很多地方都可以刷信用卡;而回中国我要装几千人民币。2016年,我回到硅谷,发现任何一家餐馆都不支持在线支付;而在中国,钱包都不用带了,到处都可以用支付宝和微信。”中国的互联网用户多,密度高,发展速度已远超美国。


汤峥嵘很庆幸,他没有错过中国互联网发展最好的年代,而是处在变革的最中心。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
11天前
|
机器学习/深度学习 数据采集 人工智能
AI赋能教育:深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展,深度学习技术正逐步应用于教育领域,特别是个性化学习系统中。通过分析学生的学习数据,深度学习模型能够精准预测学生的学习表现,并为其推荐合适的学习资源和规划学习路径,从而提供更加高效、有趣和个性化的学习体验。
61 9
|
9天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
111 59
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与深度学习:探索未来技术的无限可能
在21世纪,人工智能(AI)和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势,包括自然语言处理、计算机视觉和强化学习,并讨论这些技术在现实世界中的应用。此外,我们还将探讨深度学习的工作原理,包括神经网络、卷积神经网络(CNN)和循环神经网络(RNN),并分析这些模型如何帮助解决复杂的问题。通过本文,读者将对人工智能和深度学习有更深入的了解,并能够预见这些技术将如何继续影响我们的世界。
15 7
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
43 11
|
3天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
25 4
|
3天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
7天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
5天前
|
人工智能 自然语言处理 搜索推荐
AI辅助教育:个性化学习的新纪元
【10月更文挑战第31天】随着人工智能(AI)技术的发展,教育领域迎来了一场前所未有的变革。AI辅助教育通过智能推荐、语音助手、评估系统和虚拟助教等应用,实现了个性化学习,提升了教学效率。本文探讨了AI如何重塑教育模式,以及个性化学习在新时代教育中的重要性。
|
5天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
|
6天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
下一篇
无影云桌面