AI人脸辨认进教室你承受吗

　　原标题AI人脸识别进教室，你接受吗？

　　记者 王一越

　　11月3日是个星期日，10岁的潘岳琳白天的时间要辗转于各个补课学校。

　　上午是数学课，匆忙解决掉午餐后，赶着在12点30分之前踏进新概念英语课的教室。她注意自己的课桌上多了一台全新的iPad。

　　这里是上海昂立少儿教育五角场校区。教室里上课的8个学生中，潘岳琳和另外一个同学将首次使用这台iPad体验学校正在测试的一套“AI助教系统”。

　　这堂英语课要上2个小时，其间，iPad的屏幕上始终停留着一个红色横幅：上课中。潘岳琳也不需要与iPad做任何互动。

　　真正工作的，是这台平板电脑上的前置摄像头。它会实时拍摄潘岳琳的一举一动。潘岳琳能从屏幕上看到自己正在听课的样子，好像是一直在照镜子。

　　人脸识别技术将面部88个锚点位置和相对距离，与海量面部表情图片比对，从而判定表情的情绪含义。|图片来自：昂立教育AI助教系统技术演示视频

　　授课老师韩天培的手上，也有一个iPad，上面运行的是这套AI助教系统的“教师端”。从系统页面上，韩老师可以查阅当天上课的学生名单，每个人名后面，是实时统计的动态听课数据。数据搜集指标包括了情绪（又被分为负面、中性、正面三档）、开口的时间、举手次数。基于这些指标当堂统计出的各种数据，再经过系统算法模型处理，会再生成两个数据分析项目：专注度和活跃度，前者分为瞌睡、作业中、一般专注和很专注四个标准，后者则分为离线、普通和活跃三档。

　　时不时的，系统便会对韩老师弹出各种提示——“你的班级气氛不够活跃”、“XXX常常举手，请注意。”

　　下课后，尽职的“AI助教”会给每个学生的听课状态生成一份总结报告，包含专注指数、情绪指数和参与指数，发送给教师和家长。

　　下课后，系统会生成一份总结报告，包含专注指数、情绪指数和参与指数。|图片来自：昂立教育AI助教系统技术演示视频

　　潘岳琳算是上课比较专注的学生了，在公立学校的成绩一直保持在全班前五。韩老师的这堂英语课上，她坐在第一排最右边的位子，整堂课一直专心地低头看课本、做笔记，偶尔抬头扫一眼板书，或是回应老师的提问。不过，这套还在测试阶段的AI助教，却判断她一直处在“打瞌睡”的状态。

　　“这是系统的偏差，应该是测试前没有调整好参数，好比打枪时没有调好瞄准镜。”竹间智能科技有限公司（下称竹间智能）咨询总监丁峥解释道。成立于2015年的竹间智能是昂立教育使用的这套AI助教系统的技术提供方。

　　教育正成为人工智能技术积极渗透的产业领域之一。竹间智能的创始人简仁贤，曾任微软（亚洲）互联网工程院副院长，负责过Windows Mobile, Bing 搜索等产品的研发，主攻人工智能的底层技术研发，研发具有情感识别能力的对话机器人。而这家公司在2017年进入教育领域，最初的机缘其实是有民营教育机构主动找上门请他们帮助开发产品。

　　这些教育机构提出了两类产品需求。一个是更先进的教学管理督查工具，另一种产品则是直接来自于“家长们提出的需求”——他们需要了解孩子们的学习状态，过去学校可以提供实时监控录像，但查阅录像很花时间，所以家长希望能更省事地直接看到一份反映孩子在校学习状态的分析报告。也有抓得紧的家长想知道孩子的一切学习行为和学习结果，他们向校方提出“老师总是发他乖乖坐在课堂上的照片给我，但我总觉得他当时有可能正心不在焉”。

　　2018年10月，带着开发AI助教系统的想法，昂立少儿副总经理兼教研院院长曹丹妮也找到竹间智能。昂立少儿事业部设有20位高级教师组成的督学团队，每周末在各校区抽查教师的课堂质量。如果能实现督学自动化，可以节省很大一笔人力成本。曹丹妮告诉《第一财经》YiMagazine，这是昂立管理层寻求AI技术辅助的初衷。

　　利用AI人脸识别技术来感知和分析人的面部表情和精神状态，它的基础原理，首先是将面部88个锚点位置和相对距离，与海量面部表情图片做出比对，从而判定表情的情绪含义。对于肢体动作的识别，则基于人体骨骼模型，比如举手的动作就需要计算手掌离头的距离、手肘的角度。此外还要应用到语音语义识别技术，用于辨别一个学生在课堂上讲话的内容，到底是在回答老师提问，还是在和旁边的同学聊天开小差。

　　竹间智能第一阶段拿出的硬件解决方案，是在教室前方黑板的上方，安装可扫视全景的摄像头，用于收集学生的图像数据。这种方案，距离学生座位较远，收集图像的精度和像素较低，摄像头的俯瞰视角也难以聚焦到学生面部，所以图像质量不足以支持分析学生的面部情绪和行为。

　　在测试过程中，技术人员发现，这种单一摄像头模式，最多只能分析出前4排学生的面部表情，如果要清楚覆盖全班学生数据，需要在四周安装4至8个摄像头。而这些摄像头，只能记录教室整体情况，无法逐一认别到个人，因此也无法建立对每个学生的独立分析。这显然达不到家长的要求。

　　第二阶段，昂立和竹间在今年确立了“一人一部iPad”这种点对点方案。这也是竹间智能在AI教学辅助领域第一个相对成熟的落地产品。但这还不算是最终形态。“就像看足球比赛，既要有全景，也要有球星的特写。”丁峥对《第一财经》YiMagazine说。

　　昂立少儿的试点教室里，每张桌上都立着一个iPad，通过前置摄像头实时拍摄学生。|图片来自：昂立教育AI助教系统技术演示视频

　　将学生的课堂表现实现数据量化分析，AI系统接收到的终极任务，就是要搞清楚“怎么样才算认真听课”。

　　考察标准确立的过程，第一步仍然是由教育专家凭借课堂教学经验提出一些维度，再转化为计算机的一套认知模型，用于判断学生在课堂上的专注度和活跃度。

　　专注度的评价思路，主要看学生的眼神，是否能专注于一个位置足够长的时间。此外，还要加入“一致性”的分析——某个学生是否跟随全班同学一起在朝同一方向注视。

　　活跃度，则主要从举手发言次数和开口时间来定义。从抓取每个动作图像，到分析人做这些动作的意图究竟是什么，这一过程目前仍然存在大量技术攻坚的难点。比如，如果有学生抬了一下胳膊，怎么就能判断他是在举手想要回答老师提问？再比如，学生动了动嘴，她要讲的是与学习有关的事吗？此外可能还有一种情景，调皮的孩子会对着摄像头“表演”他在认真听讲，AI助教系统又该如何识破孩子的这套伪装把戏呢？

　　这些复杂因素，都会导致课堂AI助教出现判断失准。目前，竹间智能表示他们研发的这套系统，识别准确度大约在85%。

　　有不少老师对课堂上这些AI监控设备会比较排斥。感性地讲，他们觉得这些人工智能产品对教室是一种“入侵”。也有老师担心自己的个性化教学，比如喜欢把课堂气氛搞得非常活跃，有大量的师生互动，这样的一种情况在AI监控系统那套统一的分析标准中有一定的概率会被判定为课堂秩序失控。

　　教师端能够正常的看到每个人的动态听课数据，系统时不时会对老师弹出各种提示。|图片来自：昂立教育AI助教系统技术演示视频

　　初次接触这套系统的学生，也会对这种“被注视”比较敏感。“好像有一双眼睛盯着我。”上完课后的潘岳琳说。

　　“我希望被关注，但不想被过分关注。”竹间智能有意把他们对参与测试的学生做访谈时得到的一句回复，挂在自己的微信公众号上。

　　“我们要去平衡，不要让学生感觉到比之前更过分的关注，反而影响到了学生在课堂上的状态。”竹间智能的多模态总监雅雯介绍说，他们正在想办法让这块平板电脑变得更多功能，和教材内容相结合，成为一个师生互动教具，比如配合摄影头的录播系统，形成课堂笔记摘要，从而让学生降低对摄影头本身的关注度，减轻不自在感。

　　传统的教学场景中，课堂环节只能依靠教师的个人力量控制，老师往往更容易关注学习能力处于头部和尾部的学生，中部学生则容易被忽视。而丁峥表示，竹间智能提供的这套AI助教系统，能够最终靠提供对每个孩子的分析报告，提升“中部学生”的被关注度。

　　助教系统首先是监测学生的听讲质量，而后也会反向提醒讲台上的老师，要注意随时调整教学内容，并且更加卖力，从而持续激发学生的听课兴趣。

　　“在我认为是重点的地方，每个人必须都得认真听讲，还有一些自我管理不佳的行为，必须记录和制止。”作为周日这堂测试课的授课老师，韩天培觉得，其实没有必要要求学生时时刻刻都关注。老师都从是学生时代走过来的，他知道提出那样的要求，根本不可能实现。

　　目前竹间智能给家长提供的分析报告中，并没有出现举手次数这样的具体统计数据，而是采取了一种更模糊的百分比数值来描述学生的专注度和活跃度，以避免家长对学生施加更多学习压力。

　　昂立教育如果决定铺开AI助教系统，就需要让家长同意并签署一份由竹间智能的法务部门起草的《告知同意书》。

　　这份告知同意书，核心内容是家长授权公司使用未成年人的肖像权以及相关信息，同时也提及，所有数据由竹间智能以加密脱敏的方式保存，并会在设定的保存年限到期时自动清除。

　　“最怕的就是无心之失，所以我们首先要让公司全员形成对隐私的重视，其次在运营流程上，越少人掌握数据权限越好。”丁峥说。

　　迄今为止，昂立教育参与设备测试的家长，都对这项新技术引入课堂表示了支持。潘岳琳的爸爸潘小波觉得，再进步的技术也会有漏洞，但弥补的方法也会相应出现，而且相比公众人物，普通人的隐私还没有这么高的价值，“作为个体，其实没有必要去过于担心，这应该是软件工程师该操心的问题。”

　　对学校和老师的信任，也会弱化家长对于肖像数据隐私权问题的担忧。“一般的情况是这个课有意思的，我想要去听，重要的是激发他们对课程的喜爱。”在潘小波看来，校方主动提供的这套监控系统，最终的落脚点还是在提升教学质量本身。

　　将来，要在《告知同意书》上签字的，可能还会增加教师本人。

　　丁峥告诉《第一财经》YiMagazine，应学校的要求，竹间智能已经推出了一款用于监测老师行为的新产品，通过分析老师的影像，计算正向情绪占比与细分指数——专注指数、好感指数、笑容指数和放松指数，甚至一些妆容、姿态上的评语和建议。