计算机带来的最大改变之一，是信息的创造和传播能力
目前有13亿个网站在互联网上
涵盖从"1518年的舞蹈瘟疫"
到"正确的纸卷方向"每天，Google提供40亿次搜索来访问这些信息
每分钟用户上传400小时的新视频
很多观看量都是Gangnam Style和 Despacito
但剩下的 大部分是教育型内容
如今只要手机上点几下, 就能访问到这些宝藏
任何时间，任何地点
但能获取到信息和学习不是一回事
今天我们要在这里，聊教育型科技，具体讲解计算机怎么帮助我们学习
从纸和笔到用机器学习的智能系统
科技几千年来一直在辅助教育
远距离教育一直推动着教育科技的发展
从那以后，有几大技术浪潮，自称要改变教育
从广播和电视，到DVD和光碟
事实上，在1913年 托马斯·爱迪生 预测说"书籍很快会过时.. 用影片来教授所有知识是可能的学校体系将在未来十年彻底改变"
当然，他的预测没有成真
在讨论教育技术可以帮你做什么之前
有研究表明 有些简单事情, 可以显著提高学习效率
这些主动学习的技巧已被证明, 可以把学习效率提升10倍或以上
这个老想法的新化身以"大型开放式在线课程"(MOOC)的形式出现
纽约时报宣称2012年是MOOC年！
很多早期视频 直接录制著名教授上课 有段时间，有些人以为大学要终结了
不管你是担心还是开心，这暂时还没成为现实, 现在热度也淡去了
- 这可能是因为加大规模时, 同时教百万名学生
- 但老师数量很少，甚至完全没有老师会遇到很多问题
幸运的是，这引起了计算机科学家,或具体一点 "教育科技家"的兴趣
他们在想办法解决这些问题
比如，为了有效学习，学生要及时获得反馈
但如果有几百万学生，只有一名老师, 怎么提供好的反馈？
一个老师怎么给一百万份作业打成绩？
为了解决问题，很多时候需要把科技和人类都用上
一种有用 但有些争议的做法是, 学生互相之间提供反馈
不幸的是，学生一般做不好, 他们既不是专家也不是老师
但我们可以用技术来帮助他们
比如通过算法，从数百万个选择里, 匹配出最完美的学习伙伴
另外，有些部分可以机器打分，剩下的让人类打分例如，给SAT写作部分打分的电脑算法
已被证实和人工打分一样准确
还有些算法提供个性化学习体验
类似于Netflix的电影推荐或Google的个性化搜索结果
为了个性化推荐，软件需要了解用户知道什么，不知道什么在正确的时间提供正确的资料，让用户练习没理解的难的部分
而不是给出用户已经学会的内容
这种系统一般用AI实现,泛称叫法是"智能辅导系统"
- 我们现在讲一个假想的辅导系统
假设学生在这个假想的辅导系统中，研究一个代数问题
正确的下一步是两边-7, 我们可以用 "判断规则" 来表示这一步
用IF-THEN语句来描述伪代码是
如果 变量和常数在同一边
那么 两侧都减去这个常数
"判断规则" 酷的地方是也可以用来代表学生的常犯错误
这些"判断规则"叫"错误规则"
例如，学生可能不去减常数, 而是去减系数, 这不行！
学生做完一个步骤后可能触发多个"判断规则"
系统不能完全弄清 是什么原因让学生选了那个答案
所以"判断规则"会和算法结合使用，判断可能原因
让学生得到有用反馈
"判断规则"+ 选择算法，组合在一起成为 "域模型"
它给知识，解决步骤和一门学科 比如代数，用一种"正式写法"来表示
域模型可以用来 帮助学习者解决特定问题
但它无法带着学习者, 以正确顺序搞定整个学科该上的所有课程
因为域模型不记录进度
因此智能辅导系统 负责创建和维护学生模型, 记录学生已经掌握的判断规则
以及还需练习的生疏部分, 这正是个性化辅导系统需要的。
听起来好像不难，
但只靠学生对一些问题的回答，来弄清学生知道什么，不知道什么，是很大的挑战
"贝叶斯知识追踪" 常用来解决这个问题
这个算法把学生的知识 当成一组隐藏变量
这些变量的值，对外部是不可见的
比如我们的软件, 这在现实中也是一样的
老师会出考题，测试学生能否答对
同样，"贝叶斯知识追踪"会看学生答题的正确度，更新学生掌握程度的估算值
它会记录四个概率
比如从代数方程的两边减去常数
假设学生正确将两边-7, 做对了我们可以假设她知道怎么做, 但也有可能她是瞎蒙的
没有真的学会怎么解决问题
这叫"瞎猜的概率"
类似的，如果学生答错了, 你可能会假设她不会做
但她可能知道答案，只是不小心犯了个错
这叫 "失误的概率"
是学生一开始不会做，但是在解决问题的过程中，学会了怎么做
这叫 "做题过程中学会的概率"
有一组方程，会用这四个概率，更新学生模型
对学生应该学会的每项技能进行持续评估
第一个等式问：学生已经知道某技能的概率是多少？
等式里有:
"之前已经学会的概率"和"做题过程中学会的概率"就像老师一样，"之前已经学会的概率", 取决于学生回答问题正确与否
回答正确和错误分别有2个公式
算出结果之后，我们把结果放到第一个方程
更新"之前已经学会的概率"
然后存到学生模型里
虽然存在其他方法，但"智能辅导系统"通常用贝叶斯知识追踪让学生练习技能，直到掌握
为了高效做到这点，软件要选择合适的问题
呈现给学生，让学生学
这叫：自适应式程序,个性化算法的形式之一
但我们的例子只是一个学生的数据
现在有App或网站, 让教师和研究人员 收集上百万学习者的数据
除了学生的回答，还可以看回答前暂停了多久
哪个部分加速视频，
以及学生如何在论坛和其他人互动
这个领域叫 "教育数据挖掘"它能用上学生所有的"捂脸"和"啊哈"时刻, 帮助改善未来的个性化学习
谈到未来，教育技术人员经常从科幻小说中获得灵感
具体来说, Neal Stephenson的"钻石时代"这本书,激励了很多研究人员
里面说一个年轻女孩从书中学习
书中有一些虚拟助手会和她互动，教她知识
这些助手和她一起成长
直到她学会了什么，以及感觉如何
给她正确的反馈和支持，帮助她学习
如今有非科幻小说研究者，比如 贾斯汀卡塞尔，
在制作虚拟教学助手
助手可以"像人类一样沟通 有人类一样的行为
在陪伴过程中和学习者建立信任，
相处融洽，甚至和人类学生成为朋友"
2040年的视频自学，可能会有一个John GreenAI，活在你的iPhone 30上
比如巨大桌面设备，让学生可以团队合作
以及小型移动设备，让学生路上也能学习
"虚拟现实"和"增强现实"也让人们兴奋不已
它们可以为学习者提供全新的体验, 深潜海洋，探索太空，
如果猜想遥远的未来，教育可能会完全消失
直接在大脑层面进行, 把新技能直接下载到大脑
这看起来可能很遥远，但科学家们已经在摸索比如仅仅通过检测大脑信号，得知某人是否知道什么
这带来了一个有趣的问题：
如果我们可以把东西下载到大脑里
我们能不能上传大脑里的东西？
如果看看小说和电影的话， 还是可以给我们不少启发的