清睿國際教育
AI與教育的結合點：個性化學習、基於VR/AR的場景式教育、課堂高效管理、教育機器人、語音識別測評、拍照搜題的在線答疑、自動批改作業
1、個性化學習
在所有教育領域的智能化技術應用場景中，最典型的一個就是個性化學習。通過搜集學生學習數據，預測學生未來表現，智能化推薦最適合學生的內容，最終高效、顯著地提升學習效果。如：北極星AI、Smart Sparrow、Knewton、英語流利說等。
個性化學習主要應用到圖像識別、自然語言處理、數據挖掘等技術，從教師線上布置作業，到人工智慧自動批改、生成學情報告和錯題集，而後對教師、家長和學生進行反饋，並根據學生的學情進行自適應推薦習題。
2、基於VR/AR的場景式教育
將虛擬現實（VR）和增強現實（AR）運用在教育中，課堂不再局限於小小的教室、黑板，而是整個宇宙。很多家公司，包括互聯網巨頭谷歌和Facebook，都傾注了不小的精力研究如何將VR/AR應用到教育中。
3、課堂高效管理
在上課期間，通過情緒識別系統，人臉識別技術將通過對學生面部表情的識別，記錄學生的課堂表現，並反饋給師生和家長，讓在線課堂的老師「看見」學生的表現，從而讓老師根據學生的情況優化課程和教學內容。
4、教育機器人
教育機器人主要是應用於兒童早教和STEAM教育。通過語音識別、圖像識別、自然語言處理等技術，實現對兒童的陪伴和教育，達到寓教於樂的效果。
5、語音識別測評
語音識別技術在教育上的應用，目前主要用於英語口語測評上，科大訊飛、清睿教育、51Talk開發出的語音測評軟體，都能在用戶跟讀的過程中，很快對發音做出測評並指出發音不準的地方，通過反復的測評訓練用戶的口語。
6、拍照搜題的在線答疑
人工智慧技術還可以切入自動化輔導和答疑子領域，這也成為了教師面授外的有效補充。圖像識別、手寫識別等技術的發展，讓機器模擬人來答疑、服務成為可能。
學生遇到難題時只需要用手機拍成照片上傳到雲端，系統在一到兩秒內就可以反饋出答案和解題思路，而且這類軟體不僅能識別機打題目，手寫的題目的識別正確率也越來越准，目前已經達到了70%以上。
7、自動批改作業
計算機科學家喬納森研發了一款可進行英語語法糾錯的軟體，不同於其他同類型軟體的是，它能夠聯繫上下文去理解全文，然後做出判斷，例如各種英語時態的主謂一致，單復數等。
它將提高英語翻譯軟體或程序翻譯的准確性，解決不同國家之間的交流問題。語音識別和語義分析技術的進步，使得自動批改作業成為可能，對於簡單的文義語法機器可以自動識別糾錯，甚至是提出修改意見，這將會大大提高老師的教學效率。
② AI挑戰高考：從教育產業來看人工智慧有哪些機遇
人工智慧（計算機科學的一個分支）人工智慧（ArtificialIntelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，但沒有一個統一的定義。人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智慧還需要科學理論和工程上的突破。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。工智能的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。人工智慧在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。人工智慧機器人著名的美國斯坦福大學人工智慧研究中心尼爾遜教授對人工智慧下了這樣一個定義：「人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。」而另一個美國麻省理工學院的溫斯頓教授認為：「人工智慧就是研究如何使計算機去做過去只有人才能做的智能工作。」這些說法反映了人工智慧學科的基本思想和基本內容。即人工智慧是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智能行為的基本理論、方法和技術。人工智慧是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智慧）。也被認為是二十一世紀（基因工程、納米科學、人工智慧）三大尖端技術之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智慧已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。人工智慧是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智慧將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智慧與思維科學的關系是實踐和理論的關系，人工智慧是處於思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智慧不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智慧的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智慧學科也必須借用數學工具，數學不僅在標准邏輯、模糊數學等范圍發揮作用，數學進入人工智慧學科，它們將互相促進而更快地發展。2研究價值編輯具有人工智慧的機器人例如繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更准確，因此當代人已不再把這種計算看作是「需要人類智能才能完成的復雜任務」，可見復雜工作的定義是隨著時代的發展和技術的進步而變化的，人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展，另一方面又轉向更有意義、更加困難的目標。通常，「機器學習」的數學基礎是「統計學」、「資訊理論」和「控制論」。還包括其他非數學學科。這類「機器學習」對「經驗」的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題並積累新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為「連續型學習」。但人類除了會從經驗中學習之外，還會創造，即「跳躍型學習」。這在某些情形下被稱為「靈感」或「頓悟」。一直以來，計算機最難學會的就是「頓悟」。或者再嚴格一些來說，計算機在學習和「實踐」方面難以學會「不依賴於量變的質變」，很難從一種「質」直接到另一種「質」，或者從一個「概念」直接到另一個「概念」。正因為如此，這里的「實踐」並非同人類一樣的實踐。人類的實踐過程同時包括經驗和創造。[1]這是智能化研究者夢寐以求的東西。2013年，帝金數據普數中心數據研究員S.CWANG開發了一種新的數據分析方法，該方法導出了研究函數性質的新方法。作者發現，新數據分析方法給計算機學會「創造」提供了一種方法。本質上，這種方法為人的「創造力」的模式化提供了一種相當有效的途徑。這種途徑是數學賦予的，是普通人無法擁有但計算機可以擁有的「能力」。從此，計算機不僅精於算，還會因精於算而精於創造。計算機學家們應該斬釘截鐵地剝奪「精於創造」的計算機過於全面的操作能力，否則計算機真的有一天會「反捕」人類。[1]當回頭審視新方法的推演過程和數學的時候，作者拓展了對思維和數學的認識。數學簡潔，清晰，可靠性、模式化強。在數學的發展史上，處處閃耀著數學大師們創造力的光輝。這些創造力以各種數學定理或結論的方式呈現出來，而數學定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富信息的邏輯結構。應該說，數學是最單純、最直白地反映著（至少一類）創造力模式的學科。[1]3科學介紹編輯實際應用機器視覺：機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程等。學科範疇人工智慧是一門邊沿學科，屬於自然科學和社會科學的交叉。涉及學科哲學和認知科學，數學，神經生理學，心理學，計算機科學，資訊理論，控制論，不定性論研究范疇自然語言處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計軟計算，不精確和不確定的管理，人工生命，神經網路，復雜系統，遺傳演算法意識和人工智慧人工智慧就其本質而言，是對人的思維的信息過程的模擬。對於人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，製造出「類人腦」的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。弱人工智慧如今不斷地迅猛發展，尤其是2008年經濟危機後，美日歐希望借機器人等實現再工業化，工業機器人以比以往任何時候更快的速度發展，更加帶動了弱人工智慧和相關領域產業的不斷突破，很多必須用人來做的工作如今已經能用機器人實現。而強人工智慧則暫時處於瓶頸，還需要科學家們和人類的努力。4發展階段編輯1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，它標志著「人工智慧」這門新興學科的正式誕生。IBM公司「深藍」電腦擊敗了人類的世界國際象棋冠軍更是人工智慧技術的一個完美表現。從1956年正式提出人工智慧學科算起，50多年來，取得長足的發展，成為一門廣泛的交叉和前沿科學。總的說來，人工智慧的目的就是讓計算機這台機器能夠像人一樣思考。如果希望做出一台能夠思考的機器，那就必須知道什麼是思考，更進一步講就是什麼是智慧。什麼樣的機器才是智慧的呢？科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋裡面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。當計算機出現後，人類開始真正有了一個可以模擬人類思維的工具，在以後的歲月中，無數科學家為這個目標努力著。如今人工智慧已經不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，如今計算機似乎已經變得十分聰明了。例如，1997年5月，IBM公司研製的深藍（DEEPBLUE）計算機戰勝了國際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬於人類的工作，計算機以它的高速和准確為人類發揮著它的作用。人工智慧始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟體都因為有了人工智慧的進展而得以存在。5技術研究編輯用來研究人工智慧的主要物質基礎以及能夠實現人工智慧技術平台的機器就是計算機，人工智慧的發展歷史是和計算機科學技術的發展史聯系在一起的。除了計算機科學以外，人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。人工智慧技術研究是一本關注人工智慧與機器人研究領域最新進展的國際中文期刊，由漢斯出版社發行，本刊支持思想創新、學術創新，倡導科學，繁榮學術，集學術性、思想性為一體，旨在為了給世界范圍內的科學家、學者、科研人員提供一個傳播、分享和討論人工智慧與機器人研究領域內不同方向問題與發展的交流平台。研究領域人工智慧技術研究智能機器人模式識別與智能系統虛擬現實技術與應用系統模擬技術與應用工業過程建模與智能控制智能計算與機器博弈人工智慧理論語音識別與合成機器翻譯圖像處理與計算機視覺計算機感知計算機神經網路知識發現與機器學習建築智能化技術與應用人工智慧其他學科研究方法如今沒有統一的原理或範式指導人工智慧研究。許多問題上研究者都存在爭論。其中幾個長久以來仍沒有結論的問題是：是否應從心理或神經方面模擬人工智慧?或者像鳥類生物學對於航空工程一樣，人類生物學對於人工智慧研究是沒有關系的？智能行為能否用簡單的原則（如邏輯或優化）來描述？還是必須解決大量完全無關的問題？智能是否可以使用高級符號表達，如詞和想法？還是需要「子符號」的處理？JOHNHAUGELAND提出了GOFAI(出色的老式人工智慧)的概念，也提議人工智慧應歸類為SYNTHETICINTELLIGENCE，[29]這個概念後來被某些非GOFAI研究者採納。大腦模擬主條目：控制論和計算神經科學20世紀40年代到50年代，許多研究者探索神經病學，信息理論及控制論之間的聯系。其中還造出一些使用電子網路構造的初步智能，如W.GREYWALTER的TURTLES和JOHNSHOPKINSBEAST。這些研究者還經常在普林斯頓大學和英國的RATIOCLUB舉行技術協會會議.直到1960,大部分人已經放棄這個方法，盡管在80年代再次提出這些原理。符號處理主條目：GOFAI當20世紀50年代，數字計算機研製成功，研究者開始探索人類智能是否能簡化成符號處理。研究主要集中在卡內基梅隆大學,斯坦福大學和麻省理工學院，而各自有獨立的研究風格。JOHNHAUGELAND稱這些方法為GOFAI(出色的老式人工智慧)。[33]60年代，符號方法在小型證明程序上模擬高級思考有很大的成就。基於控制論或神經網路的方法則置於次要。[34]60~70年代的研究者確信符號方法最終可以成功創造強人工智慧的機器，同時這也是他們的目標。認知模擬經濟學家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時他們為人工智慧的基本原理打下基礎，如認知科學,運籌學和經營科學。他們的研究團隊使用心理學實驗的結果開發模擬人類解決問題方法的程序。這方法一直在卡內基梅隆大學沿襲下來，並在80年代於SOAR發展到高峰。基於邏輯不像艾倫·紐厄爾和赫伯特·西蒙，JOHNMCCARTHY認為機器不需要模擬人類的思想，而應嘗試找到抽象推理和解決問題的本質，不管人們是否使用同樣的演算法。他在斯坦福大學的實驗室致力於使用形式化邏輯解決多種問題，包括知識表示,智能規劃和機器學習.致力於邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開發編程語言PROLOG和邏輯編程科學.「反邏輯」斯坦福大學的研究者(如馬文·閔斯基和西摩爾·派普特)發現要解決計算機視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡單和通用原理（如邏輯）能夠達到所有的智能行為。ROGERSCHANK描述他們的「反邏輯」方法為"SCRUFFY".常識知識庫(如DOUGLENAT的CYC)就是"SCRUFFY"AI的例子,因為他們必須人工一次編寫一個復雜的概念。基於知識大約在1970年出現大容量內存計算機，研究者分別以三個方法開始把知識構造成應用軟體。這場「知識革命」促成專家系統的開發與計劃,這是第一個成功的人工智慧軟體形式。「知識革命」同時讓人們意識到許多簡單的人工智慧軟體可能需要大量的知識。子符號法80年代符號人工智慧停滯不前，很多人認為符號系統永遠不可能模仿人類所有的認知過程，特別是感知，機器人，機器學習和模式識別。很多研究者開始關注子符號方法解決特定的人工智慧問題。自下而上,介面AGENT，嵌入環境（機器人），行為主義，新式AI機器人領域相關的研究者，如RODNEYBROOKS，否定符號人工智慧而專注於機器人移動和求生等基本的工程問題。他們的工作再次關注早期控制論研究者的觀點，同時提出了在人工智慧中使用控制理論。這與認知科學領域中的表徵感知論點是一致的:更高的智能需要個體的表徵(如移動，感知和形象)。計算智能80年代中DAVIDRUMELHART等再次提出神經網路和聯結主義.這和其他的子符號方法，如模糊控制和進化計算，都屬於計算智能學科研究范疇。統計學法90年代，人工智慧研究發展出復雜的數學工具來解決特定的分支問題。這些工具是真正的科學方法，即這些方法的結果是可測量的和可驗證的，同時也是人工智慧成功的原因。共用的數學語言也允許已有學科的合作（如數學，經濟或運籌學）。STUARTJ.RUSSELL和PETERNORVIG指出這些進步不亞於「革命」和「NEATS的成功」。有人批評這些技術太專注於特定的問題，而沒有考慮長遠的強人工智慧目標。集成方法智能AGENT範式智能AGENT是一個會感知環境並作出行動以達致目標的系統。最簡單的智能AGENT是那些可以解決特定問題的程序。更復雜的AGENT包括人類和人類組織（如公司）。這些範式可以讓研究者研究單獨的問題和找出有用且可驗證的方案，而不需考慮單一的方法。一個解決特定問題的AGENT可以使用任何可行的方法-一些AGENT用符號方法和邏輯方法，一些則是子符號神經網路或其他新的方法。範式同時也給研究者提供一個與其他領域溝通的共同語言--如決策論和經濟學（也使用ABSTRACTAGENTS的概念）。90年代智能AGENT範式被廣泛接受。AGENT體系結構和認知體系結構研究者設計出一些系統來處理多ANGENT系統中智能AGENT之間的相互作用。一個系統中包含符號和子符號部分的系統稱為混合智能系統,而對這種系統的研究則是人工智慧系統集成。分級控制系統則給反應級別的子符號AI和最高級別的傳統符號AI提供橋梁，同時放寬了規劃和世界建模的時間。RODNEYBROOKS的SUBSUMPTIONARCHITECTURE就是一個早期的分級系統計劃。智能模擬機器視、聽、觸、感覺及思維方式的模擬：指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，智能搜索，定理證明，邏輯推理，博弈，信息感應與辨證處理。學科範疇人工智慧是一門邊沿學科，屬於自然科學、社會科學、技術科學三向交叉學科。涉及學科哲學和認知科學，數學，神經生理學，心理學，計算機科學，資訊理論，控制論，不定性論，仿生學，社會結構學與科學發展觀。研究范疇語言的學習與處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計，軟計算，不精確和不確定的管理，人工生命，神經網路，復雜系統，遺傳演算法人類思維方式，最關鍵的難題還是機器的自主創造性思維能力的塑造與提升。應用領域機器翻譯，智能控制，專家系統，機器人學，語言和圖像理解，遺傳編程機器人工廠，自動程序設計，航天應用，龐大的信息處理，儲存與管理，執行化合生命體無法執行的或復雜或規模龐大的任務等等。值得一提的是，機器翻譯是人工智慧的重要分支和最先應用領域。不過就已有的機譯成就來看，機譯系統的譯文質量離終極目標仍相差甚遠；而機譯質量是機譯系統成敗的關鍵。中國數學家、語言學家周海中教授曾在論文《機器翻譯五十年》中指出：要提高機譯的質量，首先要解決的是語言本身問題而不是程序設計問題；單靠若干程序來做機譯系統，肯定是無法提高機譯質量的；另外在人類尚未明了大腦是如何進行語言的模糊識別和邏輯判斷的情況下，機譯要想達到「信、達、雅」的程度是不可能的。安全問題人工智慧還在研究中，但有學者認為讓計算機擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發生過，其主要的關鍵是允不允許機器擁有自主意識的產生與延續，如果使機器擁有自主意識，則意味著機器具有與人同等或類似的創造性，自我保護意識，情感和自發行為。實現方法人工智慧在計算機上實現時有2種不同的方式。一種是採用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（ENGINEERINGAPPROACH），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（MODELINGAPPROACH），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。遺傳演算法（GENERICALGORITHM，簡稱GA）和人工神經網路（ARTIFICIALNEURALNETWORK，簡稱ANN）均屬後一類型。遺傳演算法模擬人類或生物的遺傳-進化機制，人工神經網路則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。採用前一種方法，需要人工詳細規定程序邏輯，如果游戲簡單，還是方便的。如果游戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最後為用戶提供一個新的版本或提供一個新補丁，非常麻煩。採用後一種方法時，編程者要為每一角色設計一個智能系統（一個模塊）來進行控制，這個智能系統（模塊）開始什麼也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智慧，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定，應用於復雜問題，通常會比前一種方法更省力。
③ 清睿口語100幼兒不能用嗎
可以的。
清睿國際教育旗下主要產品「口語100」成立於2011年，主要通過感知心理聲學模型和語言能識別技術，為學生、學校等提供聽說教學訓練技術支持及口語練習服務。目前已有分布於260座城市的600多所中學使用了「口語100」產品，是一個跨平台，包括互聯網，手機，平板電腦的聽說作業平台。
④ 口語100不能關注怎麼辦
確認賬號是否正常。
口語100-教師版是蘇州清睿教育科技股份有限公司旗下的一款教育App。
2019年12月24日，通過教育部備案，備案號為教APP備3200004號。
⑤ 口語100的網站是什麼
口語100的網站是口語100智慧學習空間-官網。
清睿口語100是按2018教育部「網路學習空間建設和應用指南」的規范，以人工智慧技術為基礎為每個學校打造的自己的「網路學習空間」，按國家相關政策，在教育部中央電教館的鑒定和指導下在全國進行推廣。
它不是支持題海戰術的在線題庫或教輔APP，而是提供人工智慧技術支持的創新教學服務，減負的同時和高效提升語言運用能力。
清睿口語100由教育部中央電教館鑒定備案，並承擔著教育部中央電教館重點課題：「網路學習空間與英語教學新模式研究」（課題編號:176220012），是「網路學習空間」的優秀代表產品。
(5)清睿國際教育擴展閱讀：
教育信息化進程發展近30年。從硬體投入，內容投入，錄播直播發展到了人工智慧技術和智慧學習空間。 過去，技術用來讓教學內容呈現更生動，讓學生可以方便地看到優秀老師的錄像。 今天，人工智慧為每個學生帶來一對一的外語教練，和互動協作的智慧學習環境。
清睿口語100就是這個變革中的領導者。以世界領先人工智慧技術，打造各種創新應用，以聽說為突破，全面提高外語聽、說、讀、寫，單詞記憶、語言運用。
讓外語學習發生革命性的變化，學習效果不僅獲得三個國家課題多年跟蹤的研究成果確認，而且全新的教學模式獲得世界的認可，不僅在中國中小學外語教學領域享有盛譽，而且獲邀在2018 TESOL年會做主旨報告，介紹人工智慧如何在中國改變中小學外語教學。
⑥ 王亞偉清晰的昀灃信託持有什麼股票
2016年市場震盪，私募大佬都在悄然間進軍股權市場，並加速布局。這不，剛發完「昀灃4號」、抄底A股的「一哥」王亞偉，一點也沒閑著，趕忙又發了一隻股權投資產品，給現在處於資本寒冬、跌到谷底的新三板也添了把火。
王亞偉近年來在新三板、股權市場玩得風生水起，以自然人、公司名義及產品等投資了十來個標的，有些還是純股權投資階段就介入了。看來一哥看好這個股權投資的大時代、好機會，已經毫不猶豫大幹起來。
一哥快馬加鞭成立新產品
就在上個月月底（2月24日），前「公募一哥」、現今私募大佬王亞偉，又悄悄發了一隻新產品「中鐵寶盈祥雲1號特定資產管理計劃」（以下簡稱「祥雲1號」），並在昨天（3月7日）在基金業協會完成備案，產品備案登記在王亞偉的股權投資公司「千合投資」名下。同時完成備案的，還有一隻「瑞元千合御風專項資產管理計劃」，但這只產品「一哥」去年11月就發行了，只是備案比較晚。
然後，基金君又開始了深扒過程，為了亞偉哥也是夠拼的，有木有。經過一翻努力，終於縷出了王亞偉新產品的蛛絲馬跡。廢話不多說，趕緊進入正題。
話說這次王亞偉牽手的小夥伴是「中鐵寶盈」，就是寶盈基金的子公司，這只「祥雲1號」產品，由中鐵寶盈做資產管理人，千合投資擔當投資顧問，招商銀行幫忙託管，主要投向是股權投資、pre－ipo、pre－新三板。
從投資說明書和成立公告可以發現，「祥雲1號」從2月17日就開始銷售了，賣到2月23日就宣告成立，銷售時間只有1周，看來一哥魅力不減、分分鍾搞定銷售。
再看規模，成立公告上明確表示，「初始銷售期間內，本計劃共募集資金30,000,400.00元，共確認資產管理計劃份額30,000,400.00份，初始資產規模符合本計劃資產管理合同約定」。可見這個產品最初規模剛剛超出3000萬，基金君發現，投資說明書對產品的規模要求是3000萬到50億，王亞偉僅多了400元，剛好滿足成立門檻，就趕緊完成產品成立，可能是為了快馬加鞭去投資。
和以往動則千萬、高不可攀的認購門檻相比，這次一哥產品的認購門檻僅為100萬元，「本計劃的投資者在初始銷售期間首次認購的金額不低於壹佰（100）萬元人民幣，投資者在初始銷售期間內可多次追加認購金額」；同時收取0.2%的資產管理費和0.03%的託管費；存續期是10年，採取季度開放。
既然是股權投資產品，「祥雲1號」設定的投資目標是「力爭在嚴格控制風險的基礎上，獲取長期的、可持續的較高投資回報」，投資范圍包括擬在A股（含上交所要推的戰略新興板）上市、掛牌及擬掛牌新三板或地方股權交易所的企業的股權、債券，等等。
總之，在大家捶胸頓足、懊惱股市又不行時，「一哥」王亞偉已經忙得熱火朝天，全面進軍股權市場，抄底優質標的、布局，然後慢慢收獲。從當年純粹的二級市場「公募一哥」，進化為縱橫一二級市場的低調私募投資大佬，小夥伴們拭目以待吧。
王亞偉股權投資版圖已開啟
你要說現在的股權市場到底有多好，是什麼吸引了王亞偉以個人名義、公司名義介入，接連發股權投資產品，選了多達十來個標的，而且還在加速抄底？且聽基金君娓娓道來。
王亞偉近年來在新三板市場玩得風生水起，想必大家也都知道，現在新三板的王亞偉概念股還不少，到處可以看到一哥的身影。
首先來看旗下產品，從基金業協會備案數據可見，千合投資旗下有6隻股權投資產品，主要和兩位小夥伴玩，一是廣發基金子公司「瑞元資本」，有瑞元千合木槿1～3號、瑞元千合清風及最新的瑞元千合御風5隻產品，二是寶盈基金子公司「中鐵寶盈」，只有新發的中鐵寶盈祥雲1號。
再來看「一哥」的玩法主要有幾種：一是以個人名義參與新三板，比如參與「和君商學」的定增，以自然人身份認購10萬股，占公司總股本0.79%；二是以千合投資這一公司法人主體參與，標的比較多，比如千合投資認購「海鑫科金」47萬股，以現金960萬元認購「隨視傳媒」32萬股（上次聽說是王亞偉的研究員去看了隨視傳媒的一場路演，王亞偉挺認的，後來拍板的）；三是以千合投資旗下產品去參與，比如瑞元資本以瑞元千合木槿1號參與「中航訊」定增，225萬元認購100萬股，瑞元千合木槿1號還參與了「和創科技」定增，500萬認購約18.42萬股。
還有，基金君發現，王亞偉還喜歡在公司掛牌前介入，做相對較純的股權投資，或許那樣估值會比較低，更容易以便宜的價格拿到好標的。最近開發了火爆一時的in貼圖軟體的「九言科技」，遞交了公開轉讓說明書，北京偉創富通互聯網投資中心（有限合夥）持股842.67萬股，佔比5.62%，偉創富通大股東就是王亞偉的千合，一哥很早就進入了，也愛萌萌噠；另一家拆VIE架構回國的出境旅遊服務商「百程旅遊」，去年年底遞交公開轉讓說明書，其中瑞元資本代表瑞元千合木槿2號，持股250.9萬股，佔比9.93%，據說王亞偉看好百程的簽證服務。
另外，大佬們還經常出現英雄所見略同，王亞偉有時會和其他大佬們一起出現在股權投資的名單中。比如體育公司「新賽點」就吸引了千合資本、朱雀投資兩家大機構，千合資本持有281.25萬股，佔比10%；王亞偉的千合還和俞敏洪一起投了「清睿教育」，持有15.3萬股，佔比0.5%。
能夠被小夥伴們發現的就有這么多標的，看來王亞偉在新三板、股權市場下一盤大棋。為什麼一哥現在也這么勤勤懇懇搞股權投資，讓基金君來給你講講。
基金君這兩天接觸到一位私募大佬，說的話印象很深，「新三板今年和明年是買入的最佳時機。目前資產向股權市場配置的潮流已經打開，而且是不可逆的，現在價格那麼便宜，買就行了。我不能告訴大家新三板明年會怎麼樣，但是我可以告訴大家三年以後新三板的流動性將會非常驚人。」
大佬的意思很明白，長期看好新三板，選擇好的公司，未來肯定能走出來，同時現在估值都跌到底部了，不買還什麼時候行動。
看來，一哥王亞偉也絲毫沒有猶豫，趕緊行動了，這是一個大機會，時不我待。
⑦ 蘇州清睿教育科技股份有限公司怎麼樣
簡介：抄 公司前身蘇州清睿信息技術有限公司成立於2012年11月9日。 2015年8月4日,有限公司整體變更為股份有限公司,名稱變更為蘇州清睿教育科技股份有限公司。
法定代表人：朱奇峰
成立時間：2012-11-09
注冊資本：3091.2375萬人民幣
工商注冊號：320594000247627
企業類型：股份有限公司(非上市)
公司地址：蘇州工業園區星湖街328號創意產業園16-A301單元
⑧ 人工智慧應用新領域教師會被取代嗎
暫時不會，教師有他不可替代的方面，但是等人工智慧全面普及就不好說了。
人工智慧開始教你的孩子了!
聽到這句話，許多家長可能會有些發蒙。但在湖北黃岡中心廣州分校，這是正在發生的事實。
科大訊飛執行總裁、消費者事業群總裁胡郁近日透露，科大訊飛在湖北黃岡中心廣州分校某年級兩個班中選取了部分同學，給每個人配備了一個的「機器人老師」。這個「老師」不僅可以給學生布置、批改作業，還能在批改後分析問題與缺點。目前來看，人工智慧老師的水平還不錯。——經過一個學期的試驗，採用了『個性化學習推薦系統』的同學成績，躍升為全年級16個班的前30名。
繼商業、安保、交通等行業之後，教育顯然已經成為AI的新目標。百年之後無老師，能做到嗎?
機器教師入侵課堂
人工智慧能否取代教師，是個早受關注的問題。美國《福布斯》聯合多家機構發起的對2000多種工作自動化可能性的調查顯示，教師被機器所取代的可能性最低。
「但這並不代表AI失去了在教育行業的工作機會。」北京郵電大學計算機科學與技術學院博士張健告訴科技日報記者，「如果不用探討人生意義等哲學層面，回答基礎性的分析問題等，可是機器人的長處。」
目前，全球的人工智慧行業，都多少開展了相關實踐。比如日本軟銀將自己的智能機器人Pepper，放到了日本福島縣早稻田Shoshi高級中學和學生們一起上學，幫助學生學習英語和計算機知識;在美國喬治亞理工學院一個300多人的課堂上，吉爾·沃森(Jill Watson)擔任了3個月助教都沒有被學生發現其真身是一個人工智慧機器人;2017年1月，北京航空航天大學教授王巍帶著他的人工智慧機器人「小胖」走進中關村一小。在他的帶領下「小胖」完成了英語跟讀、投影播放、自建地圖……
在科大訊飛的實驗中，人工智慧老師在批改完作業後，還能精準分析問題並有針對性地給學生布置作業。胡郁認為，如果每個學生都能有一個這樣的智能老師，給予專家級的培訓和輔導，那他(她)的成績顯然能很快提高。
AI老師都會干什麼
目前，人工智慧技術在教育上的應用主要體現在圖像識別和語音識別兩個方面。但對於未來AI教師顯然能做更多的事。
一是自適應學習。運用自適應學習技術，搜集學生各類學習數據，預測學生未來的表現，推送最合適的學習內容提高學生的學習效果。
二是內容分析。構建識別和優化內容模型，建立知識圖譜，讓用戶可以更容易地、更准確地發現適合自己的內容比如分級閱讀平台，利用AI技術為不同閱讀水平的學生改寫或推送適合的閱讀內容。
三是智能評測。如何利用人工智慧實現即規模化又個性化的作業反饋，是人工智慧與教育結合的一個重要場景。運用語音識別，語義識別，自動化批改或者歸類作業，既做到規模化的自動批改，又能給予個性化反饋。
具體到日常的教學活動，AI老師可以接手的工作包括自動批改作業、在線答疑、語音識別測評、個性化學習等。
其中，語義分析技術的進步，使得自動批改作業成為可能，對於簡單的文義語法機器可以自動識別糾錯，甚至是提出修改意見，這將會大大提高老師的教學效率。語音識別技術在教育上的應用，目前主要用於英語口語測評上，科大訊飛、清睿教育、51Talk開發出的語音測評軟體，都能在用戶跟讀的過程中，很快對發音做出測評並指出發音不準的地方，通過反復的測評訓練用戶的口語。
此外，在大數據的支持下，個性化教育可能是人工智慧為教育帶來的最大價值。
大數據可以描述每個學生的學習特性。根據倫敦一家研究機構的分析，人們的學習方法可以分為70種;而某機構的機器人已經積累了1300萬名學生做過的8億道題目，為個性化教學提供了充分的依據。
據外媒報道，美國著名信息服務商麥格勞-希爾集團正在開發數字課程。它從200萬學生中收集信息，利用人工智慧為每個學生創建自適應的學習體驗。當一個學生閱讀材料並回答問題時，系統會根據學生對知識的掌握情況給出相關資料。系統知道應該考學生什麼問題，什麼樣的方式學生更容易接受。系統還會在盡可能長的時間內保留學生信息，以便未來能給學生帶來更多的幫助。
最後，人工智慧還能夠對教學體系進行反饋和評測。藉助大數據的幫助，通過對學生學習成長過程與成效的數據統計，診斷出學生知識、能力結構和學習需求的不同，以幫助學生和教師獲取真實有效的診斷數據。學生可以清楚看到問題所在，學習更高效;教師也可對症下葯地針對具體情況，選擇不同的教學目標和內容，實施不同的教學方式，進一步提高教與學的針對性、有效性和科學性。
登台前提是大數據化
隨著學校紛紛觸網來降低成本和提升收益，AI在教育行業的應用會越來越廣泛。NMC/CoSN(美國新媒體教育聯盟和學校聯網聯盟)發布的報告指出，AI和VR將成為未來四年到五年內改變教育行業的兩項最重要技術。美國市場研究公司Technavio則表示，未來四年內AI對教育界的「滲透」將不斷加強，其年復合增長率將高達39%。
「人工智慧的本質就是通過學習在知識和常識方面超越一般人、達到或接近一般專家的水平，而且其復制和使用的邊際擴張成本極低。」胡宇說。
不過，業內人士指出，人工智慧完全取代老師，至少現在是不可能的。教師的作用不僅僅是傳授知識，還需要通過情感的投入和思想的引導教會學生做人、塑造學生的品質等，即便人工智慧在知識儲備量、知識傳播速度以及教學講授手段等方面超越人類，人類教師仍然有不可替代的作用。
而人工智慧技術本身，目前也需要解決對大數據的過於依賴。與其他行業一樣，大數據才是人工智慧發揮作用的前提。科大訊飛高級副總裁吳曉如此前表示，人工智慧應用於教育，首要的是數據採集，即教育大數據。
「教育大數據最困難的是數據採集，教育大數據的一個前提是我們能不能得到數據。」吳曉如說。
他表示，人工智慧能夠去做教學活動提升的一個前提，就是教學活動能夠被結構化，任何不能被結構化的東西計算機都起不到輔助作用。那麼，教師教學決策過程哪些環節可以結構化，老師教學的行為是否可以被結構化，一些關鍵的工作量比較大工作如批改作業試卷能否結構化。這些數據以後是否能利用，需要很好的教學評價方式將其連接起來。只有這樣，才能夠在真正的數字環境下形成未來教育和學說需要的數據，才能夠讓數據在一些教學模式下通過一些優質教學過程中的經驗形成各種模型來指導學習。
「這就需要在區域性的數據資產和學校共建數據中心數據資產的支持下，整個教學活動、考試、學習可以形成一個良性循環，更有針對性地推動學生高效學習。」吳曉如說。
盡管機器人同行的沖擊不會馬上到來，人類教師們應具備危機意識和改革意識，思考如何發展哪些不可替代的能力，思考什麼才是真正的教育，未來教育要培養的是怎樣的人才等，將挑戰轉變為變革傳統、創新教育的機會。
⑨ 清睿教育朱奇峰：「口語100」是怎麼實現盈利的
宣傳中的師資難以達到，一米輔導的老師是要求全職的，
而真正有幾十年的教齡，真正參與過中高考命題的老師
是不太可能離開現有的崗位而全職出來工作的。