11月16日上午，在以“AI离教诲运用还有多远？”为主题的GET2017教诲科技大会人工智能论坛上，百度教诲副总经理王文韬揭橥了主题演讲：《百度教诲大脑——智能学习体验·唤起更好的自己》。

他先容了百度利用人工智能技能在教诲领域推出的最新做事“百度教诲大脑”，这一产品希望用智能化手段帮助学生、老师、学校，并且推动区域教诲资源共享，办理教诲资源不匹配的问题。

以下是王文韬的现场演讲实录（芥末堆略有删减）：

今年我们CEO在各种场合讲到我们公司的定位、业务方向的时候，都非常明确地强调百度是一家人工智能的公司。
百度在这个方面非常努力地进行投入，首个国家级的人工智能实验室就落地在百度。
基于这样根本的能力，我们在很多场景考试测验进行探索和做事，百度的教诲奇迹部深挖教诲的场景，为技能找到适宜在教诲家当里落地的场景，我们选择了三个方向集中百度教诲人工智能的能力来做做事：教诲知识图谱、教诲用户画像、教诲数据智能。

越繁芜的事情，用人工智能去做就会越有代价，从百度做的泛教诲产品例如百度百科、百科知道，我们可以不雅观察到教诲的需求是非常兴旺的，而且教诲的需求特殊繁芜。
跟大家分享一个百度的搜索大数据，从凌晨0点到第二天24点，每10个搜索行为就有一个是跟教诲强干系的，这种搜索的行为是非常繁芜的，如何解读这些数据使我们能够帮助教诲？这是最适宜人工智能发挥浸染的沃土。

现在教诲的载体越来越多，文档、图书、***、音频、短***再加上VR、AR，在未来可预期的载体会越来越多，但无论有若何的载体，我们认为在背后都是一个知识点，知识的脉络可以梳理所有内容。
因此我们去串联百度所有平台上的优质内容，再加上数据剖析和智能交互，可以推出面向C端以及B真个做事，今年百度教诲针对高校和K12传授教化场景推出了做事：百度教诲大脑。

老师传统利用百度的办法是搜索，例如备课的时候搜一些文档和***，但这些做事并不是量身为他们定制的，我们不雅观察到的数据：一个老师要进行5次旁边的搜索才可以找到他须要的内容。
可能搜索到的东西质量不符合哀求，或者是搜索到的东西和某一些关键词不匹配，这是非常严重的问题。

以是我们用人工智能进行知识图谱串联的时候，就从单点的需求挖掘出延伸的需求，比如老师在讲到“直线与圆的位置关系”内容的时候，延伸的知识点是哪些？我们可以把它们关联起来，有各种的国家考纲、国家标准教材赞助我们做这些事。
现在我们覆盖了70%以上的根本教诲知识点。

我们把老师的五次搜索缩减到一次，例如一个用户是哈尔滨虹桥中学七年级的语文老师，我们知道用什么版本的教材、教授几年级、什么学科，第一章是《秋日的怀念》，那么自然就知道下一个章节是什么内容，就可以有机地组织内容，从教案、习题、说课稿、导学案各个方面进行系统化梳理，这对老师备课就非常方便。
同时功能也是多端进行同步、学习的，备课紧张的利用场景在PC端，手机端也会有一些碎片韶光，它们都可以基于帐号进行同步。

我们还为一些学校量身订作了VR教室。
在学校的根本传授教化当中，老师可以把备课素材带入VR教室，更好地帮助学生理解知识点，例如讲九大行星的时候，没有图片靠老师描述，学生很难有感性的认识，而在VR教室学生能够看到动态的九大行星，这样更随意马虎帮助他们学习。

我们希望做全方位的做事，帮助老师、帮助学生，同时也希望帮助学校，这些基于AI积累的大数据可以帮助学校提升自己的传授教化管理质量。
学校作为管理者自然可以看到每个学生学习行为方面的数据，理解他们的学习情形，老师进行备课的时候到底用到了哪些资源？哪些资源是老师所稀缺的？我们可以为学校画出这些能力图谱，以是这些做事广受学校欢迎。

其实在做2B教诲的时候，我们跟好多地级市、县级市教诲部门的领导和校长去沟通，创造他们还有其余一个诉求，便是希望资源共享可以做得更好。
我想，传授教化资源不匹配也是科技帮助教诲家当该当参与的一个点。

我们去年与一个江西的穷苦县互助，那里老师每天要划着竹筏从河的一边接上同学们，然后带到河的另一边进入教室学习，可想而知当地的根本举动步伐是什么样子、传授教化资源是什么样子。
我们希望能够把学校、班级和区域资源打通，将百度的上风资源表示出来，帮助那些须要优质教诲内容的老师和学生，知足他们的需求。
不论是老师的教案、学生的作业还是其他做事，区域可以打通优质的资源进行再分配和有机共享。

这样的做事真的帮助很多学校办理了非常严重的问题，而且我们有AI能力去做这件事。
之前没有AI的时候，我们理解一个***只能靠上传者写的描述、打的标签、起的标题，还有别人为***写的评论，但现在有了语音识别，我们可以自然而然地从***当中识别、捕捉知识点。

本日基本上分享的是我们百度教诲大脑基于AI的能力覆盖教诲家当所涉及的环节，除了我说到的根本教诲，高校这个方向也是采取类似的思路去供应做事，我创造，百度基于人工智能为教诲真的可以做很多，感激大家！

干系专辑：