杜远超,清帆科技高级算法工程师,清华大学自动化系硕士,曾参与国家“863”计划。主要研究方向是机器视觉与深度学习。毕业于清华自动化系的他,从计算机视觉领域转入情感计算研究,中间经历了诸多挑战和认知上的改变。守正出奇,回归技术本源,如今他正带领公司的AI研发小组攻城掠地,用自动化的技术手段帮助教育做出一些改变。
1.在清华自动化系读研时,你的研究方向是什么?当时你对人工智能、机器学习是什么看法?
在清华读研的时候,我主要是在自动化方向去做一些图像成像的研究,属于计算机视觉领域,那时候人工智能还没有现在这么火热。
当时觉得人工智能和机器学习就相当于一套算法和工具,可以应用在任何领域,或者说人工智能是在不同领域里落地自动化应用的路径和渠道之一。
2.你个人是如何看待人工智能与教育的结合点的?在未来,你觉得人工智能会在教育的哪些方面发挥巨大价值?
我个人观点和公司的发展方向一致的,即人工智能需要落地具体场景解决具体问题,而目前的教育领域有很多亟待解决的问题。现有的很多教育方式都还是很传统的,我们不一定是要去颠覆它,而是希望通过技术做出一些改变和优化。
比如课堂观测,以前都是以老师旁观听课、填表的人力的方式完成,现在可以用自动化的手段解决;比如以往老师想了解一个学生为他提供更合适的学习指导的时候,只能通过调取学生的历史成绩、咨询科任老师等方式进行,耗费精力且效率很低。
而现在依靠依靠自动化的机器就能获得语音、情绪和行为等更加全面的学生数据,从而更高效、更有针对性的开展指导工作。
技术的发展和场景需求是密不可分的。
第一阶段,立足课堂教学场景,我们只是通过视频进行单纯的观测分析,依靠算法不断地产出学生的各类数据。
第二个阶段,随着数据的不断积累,我们可以进行信息关联,挖掘更深层次的信息,比如当学生的情绪信息、学生的成绩、老师的授课方式等等都开始关联的时候,我们就可以在一定程度上了解老师授课方式和学生成绩之间的关系。
第三个阶段,可以进行更加智能化的辅助,比如为学生生成“智能助教”,下课的时候,助教依靠自动获取的课堂数据可以为学生提供更个性化的辅导;比如有的老师想锻炼自己的授课能力,但经常没有合适的课堂,那我们通过历史的数据积累可以为老师创造一个课堂的“模拟”场景,帮助老师进行教学实战,积累经验。
杜远超为清华EEIHUB成员介绍清帆科技产品和技术
3.你的团队主要进行哪些方向的技术研发工作?其中的关键技术是什么?
目前我们小组的研发方向主要是图像识别、语音识别和自然语言理解,其中,情感计算是我们主攻的一个方向。Affective Computing(情感计算)的概念是1997年由MIT的Picard教授提出的,她认为通过计算机可以把“主观的情感”变得“可计算”,帮助人们开展更加自然的人机交互研究。
而我们主张将面部表情识别、语音情绪识别等情感计算技术应用到课堂中,帮助老师对学生的情绪和心理变化做出更快速适当的反应,从而进行更高效、精准的教学。
比如在上课的时候,是否会存在某个学生调皮捣蛋,进而带动全班气氛的情况;比如一个班的班风一定程度上会影响每一个个体的不同情绪反应。
如果我们将这些心理学因素引入到情感计算,实现更精准的、个性化的的情感分析和计算,就可以帮助学校和老师更好地进行教学和管理工作。
以上内容来自小E采访,略有删减
欢迎大家Pick这位小哥哥
—— End ——
更多团队故事
领取专属 10元无门槛券
私享最新 技术干货