圖片來源：視覺中國
作為全球最大的專業(yè)學術組織，IEEE(Institute of Electrical and Electronics Engineers，電氣電子工程師協(xié)會)目前擁有來自175個國家的42萬會員。IEEE定位在“科學和教育，并直接面向電子電氣工程、通訊、計算機工程、計算機科學理論和原理研究的組織，以及相關工程分支的藝術和科學”。
在學術研究領域發(fā)揮重要作用的同時，IEEE也非常重視標準的制定工作。IEEE專門設有IEEE標準協(xié)會（IEEE-SA，IEEE Standard Association），負責標準化工作。IEEE-SA下設標準局，標準局下又設置兩個分委員會，即新標準制定委員會（New Standards Committees）和標準審查委員會（Standards Review Committees）。 IEEE的標準制定內容包括電氣與電子設備、試驗方法、原器件、符號、定義以及測試方法等多個領域。
IEEE現(xiàn)有42個主持標準化工作的專業(yè)學會或者委員會。為了獲得主持標準化工作的資格，每個專業(yè)學會必須向IEEE-SA提交一份文件，描述該學會選擇候選建議提交給IEEE-SA的過程和用來監(jiān)督工作組的方法。當前有25個學會正在積極參與制定標準，每個學會又會根據(jù)自身領域設立若干個委員會進行實際標準的制定。IEEE在工業(yè)界所定義的標準有著極大的影響。
那么，對于人工智能如何更好地賦能教育的方向上，全球科學家們是如何協(xié)同制定標準的？在鈦媒體 T-EDGE X全球科技月 人工智能全球峰會上，鈦媒體與松鼠Ai邀請到了IEEE的核心成員，圍繞“運用人工智能技術和規(guī)范化為教育賦能”的話題展開了討論。
論壇由松鼠AI首席架構師、IEEE LTSC主席 Richard Tong 開場。LTSC（ Learning Technology Standard Committee，教育技術標準委員會）是由 IEEE 計算機協(xié)會標準活動委員會特許的組織，旨在制定國際認可的技術標準，推薦的實踐方法和學習技術指南。除了直接制定的標準外，LTSC還管理其他組織制定的規(guī)范的標準化。
目前，LTSC標準旗下的標準包括：兒童和學生數(shù)據(jù)治理方法標準、聯(lián)邦機器學習(FML)、可互操作的學習者記錄、學習對象元數(shù)據(jù)2.0、增強現(xiàn)實學習體驗模型、XAPI、SCORM、基于能力學習的框架、自適應教學系統(tǒng)（AIS）、可解釋的人工智能標準（XAI）等。
參與本次討論的嘉賓在多個標準組織開發(fā)工作，都緊密地參與了人工智能在教育領域應用的制定過程，他們分別是：IEEE標準協(xié)會理事會成員、Eduworks Corporation聯(lián)合創(chuàng)始人兼首席執(zhí)行官羅比·羅布森（Robby Robson），IEEE學習技術標準委員會副主席、Quality Information Partners公司高級分析師）吉姆·古德爾（Jim Goodell），MatchMaker Education Labs首席科技官、EdMatrix學習標準負責人布蘭特·雷德（Brandt Redd），IEEE學習工程行業(yè)聯(lián)系會主席、MatchMaker Education Labs 首席執(zhí)行官邁克爾·杰伊（Michael Jay）。圓桌由IIEEE電子和電器工程協(xié)會學習活動理事會成員艾夫倫·巴爾（Avron Barr）主持。
在艾夫倫·巴爾看來，雖然談論標準既不關乎理論研究，也不涉及技術創(chuàng)新，但是標準確實是一個產(chǎn)品在機構中建立一種可持續(xù)的、多供應商解決方案的商業(yè)可行性重要因素。對于研究人員來說，想要去理解這一重要性的卻有些牽強，但是，全世界有成百上千的人，在他們的生活中花費了大量的時間來解決這些標準化問題。這正是為什么IEEE要在接下來多次會議上要討論的問題。
羅比·羅布森介紹了IEEE標準協(xié)會目前所從事的事情。IEEE SA目前有大約7500名成員，有2萬多人在IEEE標準協(xié)會的支持下開發(fā)標準，同時，IEEE總部雖然位于美國紐約，但大多數(shù)會員不在北美，它是一個全球性的國際組織。
為什么IEEE能夠參與標準制定？羅布森給出一個重要的理由是，IEEE標準協(xié)會屬于一個充滿“爭吵”的地方。在IEEE，一旦某個工作組制定出了一個標準的草案，便進入了一個公共的投票過程。在這個過程之中，所有會員可以發(fā)表評論。如果有不同的意見，成員必須給出一個解決方案。
“因此，在開放透明的行業(yè)共識標準過程中，有一系列原則，包括開放性，共識，平衡在內，這是所有利益相關者的一個縮影。”羅布森說。
從致力于制定教育相關技術標準過程的角度出發(fā)，邁克爾·杰伊舉例說明，在IEEE，需要了解不同的建模是否關于教育領域本身，是否涉及到學習者參與的過程，收集關于學習環(huán)境的數(shù)據(jù)和學習者的大數(shù)據(jù)，進而觀察設計、開發(fā)問題和數(shù)據(jù)分析，尋找真正的趨勢，然后迭代改進。在這一過程之中，技術人員需要尊重教育學而不只是僅擅長技術而已。
基于個性化學習的能力，布蘭特·雷德看好自適應學習系統(tǒng)。他們在研究的過程中發(fā)現(xiàn)，人工智能系統(tǒng)模仿一個人類導師如何教一個學生，這是計算機能夠成功實現(xiàn)學習系統(tǒng)最有有希望的方法之一。
這是因為計算機能夠針對不同學習者的個人需求，來個性化制定學習內容，能讓他們更高效地找到特定的學習解決方案。在這樣的背景下，我們擁有的學習者的數(shù)據(jù)與我們能夠提供給學習者資源的數(shù)據(jù)，當我們把這兩者相匹配起來時產(chǎn)生的交集，就可以優(yōu)化或者推薦對學生最有效的資源。
此外，吉姆·古德爾簡要介紹了IEEE目前在自適應學習系統(tǒng)定義框架、能力框架等涉及到標準草案制定的模型，并呼吁更多的人參與到該工作組其中來。
在圓桌論壇最后，艾夫倫·巴爾總結道，IEEE在人工智能賦能教育標準化制定中，目的是幫助市場運行，幫助供應鏈運作，以及幫助人們更好了解他們想要購買的產(chǎn)品進行比較，這是人工智能在教育領域重要的部分。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論