人工智能革命会倒逼少儿编程教育发展

编程猫联合创始人、CEO李天驰在 2019 钛媒体 T-EDGE 科技生活节

教育的本质是为了培养未来的人才。人工智能社会即将到来,我们如何应对?

7月13日上午,编程猫联合创始人、CEO李天驰来到2019 钛媒体 T-EDGE 科技生活节,他认为,未来30年是人工智能推动的社会,会带动新的人才的需求。人工智能切到教育的细分教育场景的要素是编程,这会倒逼编程教育作为学科教育的发展。

经过四年的探索,李天驰发现,我们很早就谈计算机要从娃娃抓起,但效果并不尽如人意,核心就是缺乏合适的工具。其次,现在的编程课程的设置大多不是基于孩子的现年龄段的知识储备而设计。同时,因为编程教育的发展时间较短,相关师资人才匮乏。

“有些工夫省不了的,教育本质上像传统农耕业,你必须仔细照顾这些幼苗,仔细为他们除草、施肥、耕作才会发芽。”李天驰说。

好工具、好课程和好教师是才是关键。因此,我们要开发出更适合少儿使用的编程工具,根据不同年龄阶段的特点来设置课程,让编程教师有更多机会得到更好的收入,这样才能从根本上促进编程教育的发展。(本文首发钛媒体,作者/李程程)

以下是编程猫联合创始&CEO李天驰在2019 钛媒体 T-EDGE 科技生活节演讲全文,经钛媒体编辑:

大家好,很高兴来到钛媒体峰会。我在小学二年级学习编程,后面做计算机相关学习和研究,等到2015年,世界范围内少儿编程这个趋势非常好,回到中国来做,创办编程猫,一共四年,累计下来编程猫上面有一千多万学生学习编程,进到一万多所学校里,今天通过编程教育我们也连续八个季度收入翻番,预计下半年实现盈利。

那么编程给我们孩子带来什么样的未来呢?先从几个小故事跟大家做分享。

第一个是家在南方孩子叫丙南。之前有一个非常著名的媒体给他做采访,为什么采访他呢?一开始,他们采访编程猫的时候问我们,你们的孩子都是哪里的孩子,是不是家庭背景高大上?我说,分布非常不均匀,怎么样的背景都有,比如说丙南,家里是小区楼下小卖部,是一个旧货店,家里卖货的时候有一个小电脑,他用那个小电脑完成编程学习。

2017年的时候,他的妈妈不是很理解,他举例说编程以后会像普通话一样的普遍,这是他们的理解。

第二个故事是一个深圳小朋友——王蓉。她2016年开始学习编程,是五年级的学生,今天初一了。前不久,她妈妈特别开心跟我分享他孩子的变化,因为我们看到他在论坛上发布的贴子,跟我们平台上其他小朋友一起做一些探讨。

这个孩子因为学习编程开始自己探索数学问题,因为他在研究一些课题的时候受到了阻碍,因为编程不仅仅是编程本身,也需要做课题的时候,需要很多其他学科知识,他自己花了一年的时间来去学习各种各样的知识,然后在知识帮助下完成AI学习的作品。

在学习过程当中,他妈妈为什么找我聊天呢?特别有意思,在整个过程当中他没有参与其他任何补课,但是在这样过程里面通过自己的探索,在深圳名校里面,从年级中等的学生变成了年级前十的学生,这是他自己学习变成的变化。

第三个故事是一位佛山的老师,后来他去到四川大凉山支教,写了他自己在支教过程当中的感想,我们把编程教材寄到大凉山的时候,他发给孩子,教大凉山的孩子学编程的场景。这个老师说,他选用编程猫作为教学工具原因是什么,以及在教学过程当中遇到什么困难和喜悦跟我们进行分享。

这三个故事在不同时间节点发生,2015年到2019年,很多人重视编程教育,为什么它会越来越被重视呢?大家从政策上已经看见。我们出台各种各样的政策。原来教育部通过29项比赛,更多以学科为主,但是到今年,这29项比赛里面几乎1/3跟科技创新、编程类相关。

我一直认为,教育本质是为了培养未来的人才,教育跟国家未来紧密相关,也是跟社会未来紧密相关的,教育要培养什么样的人才呢?过去30年和未来30年社会在发生什么样的变化?

过去20、30年间,整个社会推动力量主要是互联网的变化,从互联网的兴起、带宽从有线变成无线,变成2G、3G、4G到今天的5G,互联网和移动互联网构成社会发展推动重要力量。从2020年到2030年、2040年我们社会经历新一轮技术对社会的推动,就是人工智能。

社会由人工智能推动产生,因为人工智能技术发展会逐步推动社会发展,所以社会对新的人才产生新的需求。人工智能为什么倒逼编程这样一个学科发展?

我们自己在内部举例的时候经常拿另一个学科举例,就是英语。从1978年改革开放以后,2001年加入WTO一直到现在,经济全球化是过去那个时代生产力发展最重要的因素,经济全球化带来了对全球化人才的需求,人才化的需求带来了教育改革,教育改革不断深化从大学到中学到小学,我们看见英语作为一个学科不断从高往低渗透到现在到幼儿园。

还有很多人问我,为什么人工智能人才倒推在编程里,为什么不让小孩子进行机器学习,学习人工智能相关的知识?除了不一定学会以外,经济全球化以后,带来并不是这些孩子就要学全球化的这个学科,全球化的人才是一个很笼统的概念,切分到教育的里边,你会看到全球化基础要素工具是什么?是英语,走进教育是英语,而不是全球市场,或者说全球化商务这种学科。

人工智能也是一样,它切分在教育垂直场景里面,要素是什么?是编程。我们在大学里面有这些动作,增设了人工智能学院,开了很多大数据专业。在中小学从去年开始密集有政策出来,开设编程课程,我们自己也参与在其中,我们进去非常多的学校,跟部里和各省厅有相关合作,在各地开展信息技术和编程教材。

如果社会上对人才有需求的话,我们的孩子需要什么样的编程教育呢?这四年来的探索总结三点:好工具、好课程、好老师。编程在计算机基础上发展,计算机从机器语言到汇编语言到高级语言到今天,我们国家从80年代有计算机普及的推广,邓小平说过计算机要从娃娃抓起,从2017年以前回顾的话,你会发现为什么效果不好,核心就是缺乏合适的工具。

因为孩子学习和成人学习不一样,第一有足够趣味性,第二以孩子思维培养为基础。编程猫做了Kitten个硬化工具,为什么更适合孩子呢?在这里面除了非常易用以外,功能非常多也很强大,它只要搭一些积木可以做一些神经网络训练的东西,包括像云计算等等东西。它的功能会更好。

Kitten和其他工具相比的话,它在跟真正C语言、Python底层上是连通的,我们做它的方式和其他的工具,有一些不太一样的实现方式,本质上在高级语言上面做一层封装。所以,在学习过程里面从一个三岁的孩子学高度封装化图形方式,到中小学阶段从Kitten完成中小学学习,其实这里面是无缝连接,成体系是最重要的。

什么是好课程?大部分孩子在上编程课,有很多实际上都不是非常好的设置。现在很多人在做编程课程是什么样的?在设计的时候我们叫面团设计,设计的课程的时候用户就是一个面团,你想捏成什么样就捏成什么样,有时候课程为一个七岁孩子设计的,有时候变成高一的孩子,当应用在教学里面及其难教,对于孩子来说怎么学都学不明白。

如果这个课程为一个中学孩子设计的,一定会把乘法、除法考虑在里面,默认已经懂,小数点、百分比都不是问题,这个时候你做的课例难度已经在那里了,7岁的孩子怎么明白呢?你把坐标改成7.9和-1、-2,不同年龄不同认知特点的孩子要求课程不一样。

现在大部分机构也好还有一些人员也好是凭着自己的想法去根据面团一样的用户去设计这个课程,对于用户来说是非常不友好的,而且对于孩子来说是在浪费时间。必须根据孩子不同年龄特点设计不同的课程。

为什么大家不这么干呢?大家知道,依据不同的特点去设计不同的课程只有一个结果,课程量会大大增加,设计人员、课程体系要求会大大增加,而且是平方级的增加,为什么做矩阵式的课程呢?有些工夫省不了的,教育本质上像传统农耕业,你必须仔细照顾这些幼苗,仔细为他们除草、施肥、耕作才会发芽。编程课必须分年级,如果不分年级会发生为面团设计课程的事情,这对用户来说是极大的浪费时间。拥有这样认知特点的孩子,就应该匹配这样认知特点的课时,这是我们的观念。

现在很多人在研究编程课程的时候,我们觉得在严谨性上还是有一些欠缺。编程课的研发必须是严谨和科学的,现在很像我家小孩病了,我旁边没有什么好的医生,更好我认识我家旁边有一个孩子,刚刚学完兽医毕业,我让他给我这个孩子看看,就像这样一个情况。

因为编程教育的发展历史非常短,所以相关人才匮乏,大部分人做这个事情的时候凭拍脑袋,凭自己的想法,向中医开一些处方一样未必有良好的依据,这是我们自己做的尝试。希望通过自己的举措带动业界的进步,把这个课程落到学校里面,让更多的相关专业老师、学生、领导全方面来进行课程的科学性的论证。

另外一个点,倒不是必备项目,一个好的课程对于孩子本身来说会有一个比较好的发展,编程课程最好学科融合,能够跟数学、语文、英语有一些关联,在你设计课例的时候,让这个孩子不仅仅在编程垂直领域去做,你在做项目的时候用编程知识解决生活问题,本质上编程教育解决问题的能力。

比如说,让他用爬虫处理一下看看古代诗人互相之间的关系是什么,了解一下各个诗歌之间互相引用对方名字的频次……包括像数学方面的结合更多了,做出英语的单词听写器,每次自己在家完成听写作业,不用家长帮助孩子解决作业的问题。

我们觉得学科融合是一个特别好的概念,我们也把它引入到我们课程里面去。

对于编程教育来说,什么是好老师,这里有一个误区,程序员是不是适合教孩子编程?因为程序员自己编程水平会好,但是他对儿童发展、对于孩子的教育实际上有他自己一定缺陷在这里。

我曾经教过一个孩子,他爸爸是一个很厉害的程序员,他问我说,你一直让这个孩子把这个角色在这里重复动,不考虑内存回收问题吗?这个习惯培养这么不好,将来怎么办。

其实,你从孩子本身的特点来说,7、8岁的时候未必就是需要考虑那么周全,它的逻辑还没有到那个地步,所以编程老师有一个难点,既要懂编程和计算机科学,又要懂教育和儿童发展心理学。这样的老师怎么来呢?我们自己总结,一方面你需要有梦想和情怀改变这个世界,带给下一代有意义的事情,另外一方面必须匹配很好的收入,否则他们去阿里和腾讯了。

我们经常开玩笑,一流的程序员可能当程序员,二流程序员都当产品经理,当不了产品经理才能考虑教育,总是三流肯定不好。一定有很好的收入去匹配,很好的收入背后是什么呢?编程教育要由什么样的老师,由编程教育商业闭环决定的,好的商业闭环带给好的老师,不好的商业闭环下机构的老师肯定不会太好,因为上限在这里,好的人往其他行业溢出。

往外说是AI教学系统,实际上是人机交互教学系统。我们认为一对一的模式,或者其他的模式是不能带给老师很好的收入,必须用技术让老师提效,让收益增加才有可能。到今天为止看到,一个好的老师在一个月拿到5、6万的收入,在这个前提下才会有好的老师和人才愿意往这个行业里面来,好的商业模式支撑老师创造的收入是合理的,支撑企业正常发展,从500个老师到1000个老师,到2000个老师和1万个老师是没有办法负载的。

很多人问我,你们为什么搞这套东西,我们想给老师创造更高收入,让更好的人才进入到这个行业里面来,真正意义上解决好老师的问题。这是我们那套系统的视频,在重庆8所学校许老师拍的。这是在课堂里面50多个学生上着50多个种进度课程的案例,这是一个课程在脱离老师以后进入到公益校的尝试。和很多高校合作培养编程教育的人才。

推荐文章

        随着互联网新媒体的迅速发展,以今日头条、火山、抖音、快手等社交媒体也迎来了爆发性的成长 ,无论是偏远的大山深处还是农村在家带孩子的妇女,宝妈群体各行各来的人们获取信息的速度和途径都 显得极其多样化,快速化,网络的信息量也是爆炸性的成长。       那么在这个信息量爆炸性增长的时代各种各样的宣传广告信息也铺天盖地的覆盖到网络上,在这中间人工智能数据标注行业也被一些发现商机的人们给迅速的利用并宣传推广开来。各种数据标注加盟推广的广告让相当一部分人以为是机会的到来从而争相进入这个行业。       对于了解很多数据标注行业宣传而打算进入数据标注行业的人来说选择代理加盟对他们来说也是最便捷快速的途径。其实也有相当一部分人刚开始始终对数据标注项目加盟到底怎么样?心理很是没底。甚至是网络上也出现了数据标注加盟就是骗人的?这种声音,那么今天我们就结合点我科技 这几年的行业经验给N多新入行或者打算入行做数据标注的人来分析下数据标注加盟到底怎么样?数据标注加盟是不是骗人的?       首先在这里给大家表达下我们的观点:数据标注项目加盟能做,但是我们不建议对行业不了解的人盲目的去做,高加盟费的公司更不可信。数据标注这个项目本身并不存在骗人的说法,而说数据标注加盟骗人的这部分人也是因为对行业的不了解盲目的相信加盟商宣传而来到这个行业的人,对他们来说做了段时间才发现现实情况 和数据标注加盟商说的相差太远。        那么为什么我们说“数据标注加盟能做,但是我们不建议对行业不了解的人盲目的去做,高加盟费的公司更不可信”:        一、对于既然想赚钱想做项数据标注目做加盟的人来说大家都是成年人,我们不管做任何事情都要先做仔细的调查分析,对行业有更可能多的了解,光听别人的宣传而盲目去投资做项目这样子大多数人是不会赚到钱的。        二、从数据标注行业本身来说,数据标注行业快速发展也已经两三年了,对行业稍有了解的人都知道这行业进入门槛低,所以就导致大量的人涌入这个行业,但是真正能在这个行业做好做大并能赚到钱的人是少数的。目前数据标注行业竞争激烈大大小小的工作室 公司为了维持人员 保证有项目做 导致行业市场价格极其的低,利润也是很低。还有就是目前市场上能接到一手甲方项目的公司是少数的,多数工作室公司自己根据接不到一手的项目,手上的数据标注项目都是转包二手三手甚至更多手的情况 ,层层转包利润就更不可能会高了,尤其是目前搞数据标注招商加盟的公司他们大多数公司都是没什么能力接一手甲方的,什么宣传的包培训保证有项目做都是想法设法的搞来些项目,但具体的项目难度员工产出利润那就绝对保证不了的。        三、高加盟费的数据标注公司合作也要慎重再慎重的,目前行业利润已经很低了,入行后短时间内根本就无法拿到甲方一手的项目,标注项目的最大特点就是项目周期短,没有稳定持久性,项目质量要求不断的提高,人员素质的要求也是不断的提高等等这些因素无论是对个人、工作室还是公司在质量要求、人员效率都是极大的挑战。        接下来我们说下为什么有些人会说 数据标注项目是骗人的:        首先来说其实道理和上面讲的差不多,准备做项目前没有仔细认真的去做调查分析就盲目的加盟数据标注行业本身风险就非常大,这部分人就是因为盲目的听信加盟商的推广宣传而头脑发热来从事这行的,他们进入到这行一段时间发现一切并不象加盟商宣传的那么好,行业利润极低,一手项目接不到,项目质量要求高等等原因与预期期望落差太大而千万心理不平衡。        其次就是从数据标注项目本身来说的,虽然这行看似门槛低但是无论对个人工作室还是对公司来说综合要求还是比较全面的,例如项目的合作沟通,团队管理,品质质量的管控、风险控制等等这些都是考验能否做好数据标注项目的重要因素。        最后给想要从事数据标注的个人工作室公司个忠告:做任何项目一定要做最行业调查分析,不要盲目的相信宣传广告,理性创业,理性赚钱,赚钱不容易做好赚钱的项目更不容易。

热门文章

简单讲:互联网数据标注员是借助电脑或者移动设备对一些原始的数据进行处理,生产出满足AI公司机器学习需要数据的一群人。按照数据处理对象的不同,工作内容也会有差别,标注员的工作内容可以分为:分类;框选;注释;标记。按照所处公司的不同,标注员的工作方式也会有差别:有的人工智能公司处于对数据安全性考虑会自建标注团队,在这些公司工作的标注员可以保证自己工作内容不会出现太大变动;但一些服务于人工智能公司非专业外包公司标注员的工作则是项目制的,一个项目忙完紧接着做另一个项目,这样工作内容连续性较差,对一种类型的项目经验也不会积累的太多。就目前来说,人工智能还处于人工增长阶段,机器依然需要大量的数据进行训练,测试。标注员在当下也会一直存在,而且从业群体会越来越多,所以暂时不用担心这份职业会不会短期消失。就标注员从业来说,建议选择人工智能公司和专业的数据公司,这样可以保证自己在一个方向上了解的足够深入。就职场晋升来说,以牛牛数据为例:标注员——项目经理——项目总监——数据运营总监。首先谈谈什么是数据标注。数据标注有许多类型,如分类、画框、注释、标记等等,我们会在下面详谈。要理解数据标注,得先理解AI其实是部分替代人的认知功能。回想一下我们是如何学习的,例如我们学习认识苹果,那么就需要有人拿着一个苹果到你面前告诉你,这是一个苹果。然后以后你遇到了苹果,你才知道这玩意儿叫做“苹果”。类比机器学习,我们要教他认识一个苹果,你直接给它一张苹果的图片,它是完全不知道这是个啥玩意的。我们得先有苹果的图片,上面标注着“苹果”两个字,然后机器通过学习了大量的图片中的特征,这时候再给机器任意一张苹果的图片,它就能认出来了。这边可以顺带提一下训练集和测试集的概念。训练集和测试集都是标注过的数据,还是以苹果为例子,假设我们有1000张标注着“苹果”的图片,那么我们可以拿900涨作为训练集,100张作为测试集。机器从900张苹果的图片中学习得到一个模型,然后我们将剩下的100张机器没有见过的图片去给它识别,然后我们就能够得到这个模型的准确率了。想想我们上学的时候,考试的内容总是不会和我们平时的作业一样,也只有这样才能测试出学习的真正效果,这样就不难理解为什么要划分一个测试集了。我们知道机器学习分为有监督学习和无监督学习。无监督学习的效果是不可控的,常常是被用来做探索性的实验。而在实际产品应用中,通常使用的是有监督学习。有监督的机器学习就需要有标注的数据来作为先验经验。在进行数据标注之前,我们首先要对数据进行清洗,得到符合我们要求的数据。数据的清洗包括去除无效的数据、整理成规整的格式等等。具体的数据要求可以和算法人员确认。二、常见的几种数据标注类型1.分类标注:分类标注,就是我们常见的打标签。一般是从既定的标签中选择数据对应的标签,是封闭集合。如下图,一张图就可以有很多分类/标签:成人、女、黄种人、长发等。对于文字,可以标注主语、谓语、宾语,名词动词等。<img src="https://pic2.zhimg.com/50/v2-df93dc0a7e8a5fe387dc3774748b5f05_hd.jpg" data-caption="" data-size="normal" data-rawwidth="700" data-rawheight="400" class="origin_image zh-lightbox-thumb" width="700" data-original="https://pic2.zhimg.com/v2-df93dc0a7e8a5fe387dc3774748b5f05_r.jpg">适用:文本、图像、语音、视频应用:脸龄识别,情绪识别,性别识别2.标框标注:机器视觉中的标框标注,很容易理解,就是框选要检测的对象。如人脸识别,首先要先把人脸的位置确定下来。行人识别,如下图。<img src="https://pic2.zhimg.com/50/v2-7824903d6d840e2bb08d96b5c2fa5874_hd.jpg" data-caption="" data-size="normal" data-rawwidth="591" data-rawheight="398" class="origin_image zh-lightbox-thumb" width="591" data-original="https://pic2.zhimg.com/v2-7824903d6d840e2bb08d96b5c2fa5874_r.jpg">适用:图像应用:人脸识别,物品识别3.区域标注:相比于标框标注,区域标注要求更加精确。边缘可以是柔性的。如自动驾驶中的道路识别。<img src="https://pic3.zhimg.com/50/v2-4bc1dd2278182acf94fc426d7e6f2dc1_hd.jpg" data-caption="" data-size="normal" data-rawwidth="601" data-rawheight="377" class="origin_image zh-lightbox-thumb" width="601" data-original="https://pic3.zhimg.com/v2-4bc1dd2278182acf94fc426d7e6f2dc1_r.jpg">适用:图像应用:自动驾驶4.描点标注:一些对于特征要求细致的应用中常常需要描点标注。人脸识别、骨骼识别等。<img src="https://pic4.zhimg.com/50/v2-5e24f394516c75e45942c37ba0da85c0_hd.jpg" data-caption="" data-size="normal" data-rawwidth="583" data-rawheight="387" class="origin_image zh-lightbox-thumb" width="583" data-original="https://pic4.zhimg.com/v2-5e24f394516c75e45942c37ba0da85c0_r.jpg">适用:图像应用:人脸识别、骨骼识别5.其他标注:标注的类型除了上面几种常见,还有很多个性化的。根据不同的需求则需要不同的标注。如自动摘要,就需要标注文章的主要观点,这时候的标注严格上就不属于上面的任何一种了。(或则你把它归为分类也是可以的,只是标注主要观点就没有这么客观的标准,如果是标注苹果估计大多数人标注的结果都差不多。)三、有什么发展前途?数据标注员可以说是AI消灭了一部分工作又创造出来的一种工作。在未来AI发展良好的前提下,数据的缺口一定是巨大的。可以预见3-5年内数据标注员的需求会一直存在。至于发展,其实所谓一些熟能生巧的工作,都是有被替代掉的风险的。深度学习解决的一件事情就是熟能生巧。在这个岗位上,其实你的一些想法就代表了AI的想法,AI会根据你标注的数据进行学习,想想还是有点成就感的。数据标注可以说是AI的入门级岗位,未来可转向其他AI岗位。如项目实施顾问等,这就要求更多的工作技能,需要再工作中积累。作者:跹尘链接:https://www.zhihu.com/question/30654399/answer/264828926来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。