奇点学堂 | 自适应教育将全面替代传统教育

2019年，人工智能、在线教育、新媒体、新零售、企业服务、移动互联、商业航天、金融科技的趋势如何？机遇又在何处？

11月21日至28日，腾讯新闻《奇点学堂》将与德勤携手，陆续推出《对话明日之星》系列访谈！特邀7位来自不同行业、均获2018高科技高成长中国50强暨明日之星的企业创始人/高管与知名投资人对话，围绕新技术、新趋势、新商业模式、新政策变化等进行讨论！

当下，越来越多的人在追AI的风口。AI+教育在欧美早已被大规模的使用，Knewton在人工智能自适应领域深耕10多年，欧美已经有3000家中小学、大学在使用自适应教育技术，数千所中小学、大学的数百万学生都在受益，国内的AI+教育也在不停的追赶，在成为教育行业“标配”的同时，也成为了商业资本的吸金石。

未来已来，在人工智能技术的引领下，处于风口的在线教育，其核心竞争力究竟是什么？K12在线教育应该怎么做？大数据、人工智能、AR会如何改变传统教育？AI时代又会如何反思教育本质？

11月25日，松鼠AI智适应教育创始人栗浩洋先生与创世伙伴资本合伙人梁宇先生做客《奇点学堂--对话明日之星》系列访谈，就AI教育板块的分类、市场竞争格局、AI教育在国内的发展阶段、难点、未来的发展趋势以及对传统教育的影响、中国AI教育技术输出海外的机遇、AI教育产品该如何开发等话题进行了对话分享。此次的线上分享有9大精华观点：

未来教育就是Adaptive learning。因为它解决了传统教学的五大痛点：一、优质教师资源的不可复制性；二、学生看不下去、学习效率低问题；三、解决了慕课互动性弱的问题；四、解决了无法因材施教、区别对待的痛点；五、解决了优质教育资源贵的问题；

全球AI领域面临的最大困难是人才，非策略类AI专家要转型策略类，其难度和鸿沟都非常大。目前国内解决人才问题，主要是通过去欧美市场“挖”人才来解决。

中国公司若针对本土化教学内容去研发，将会有非常大的优势。海外市场的课外辅导教育相对更容易，竞争比较少。

中国教育市场非常大，还有十几倍的增长空间。

只有做好了知识点的拆分，才能知道孩子到底该怎样提升学习效率，学习成绩才能提升更快。

在未来，Adaptive learning将对所有的传统教育全面代替。

从知识点的掌握来看，传统的老师已经输了；知识点之间的关联度以及知识图谱的关系内容，老师也没有办法穷尽。

未来，我们还会开放一种真正的赋能形式----松鼠open AI。令使用者不需要再去竞争AI科学家，也不需要自己去开发系统和算法的引擎。

只要是依赖于人的大幅度的扩张，最后都会遇到一个质量大幅度下降的过程，而这个坎可能没有人能够突破的了。

Tip:

自适应学习(Adaptive learning)通常是指给学习中提供相应的学习的环境、实例或场域，通过学习者自身在学习中发现总结，最终形成理论并能自主解决问题的学习方式。

自适应学习平台会引导学生进行最适合他自己的下一步学习内容和活动，并当学生在学习中遇到困难时，课程的难度会自动降低。老师也可以使用它的实时预测技术来监测每个学生的知识空白，即时调整，为每个学生提供个性化教学。

以下是访谈实录：

主持人：晚上好！欢迎大家参与腾讯新闻《奇点学堂》联合德勤推出的《对话明日之星》的系列访谈，非常开心能在这里和大家相遇！今天我们非常荣幸地邀请到“2018中国高科技高成长50强榜单”的松鼠AI智适应教育创始人栗浩洋先生与创世伙伴资本合伙人梁宇先生共同探讨在线教育的下半场；首先有请梁宇总介绍他对于在线教育领域投融资的理解。

梁宇：大家晚上好。感谢腾讯财经，也感谢栗总，可以有这样一个机会一起聊聊在线教育的话题。创世伙伴资本对在线教育领域非常关注，传统教育的上半场从线下交易搬到线上，其实是一个数字化的过程，解决了时间和空间的问题。从传统的直接在教室里上课变成录播，再进一步变成直播；其解决的核心问题是手段与效率，越来越发展的技术正在改变着教育，也改变着授课的内容，这种将教育回归到教育本质的改变，我们非常看好。因为每个人都是个性化的，只有技术才有机会将个性化的需求找到、发现、解决；通过数字化的解析来完成个性化教育；而在传统行业中，这是无法完成的。所以我们也对松鼠AI正在做的事情感到非常兴奋。

主持人：感谢梁总的分享。下面有请栗总给大家介绍一下松鼠AI。松鼠AI在今年荣获了德勤“2018中国高科技高成长50强”，恭喜栗总！

栗浩洋：大家好！感谢德勤、感谢腾讯财经、感谢梁总的分享！松鼠AI创办于2014年，当时我们提出用人工智能系统模拟特级教师，像教育界的Alphago一样为孩子们进行一对一的课程辅导，可能理念在那个时候还比较新，所以不太被认可，在7-8个月的时间里，我们见了大约50多家风投，没有人愿意投资；但其实，AI自适应技术在美国已经发展了很多年，比较成熟了。

自适应学习的概念有一百多年的历史，它最早被应用在学校的好中差班，包括一些学校的走班制，其实都是为了给不同的学生以千人千面的教育，而不是提供统一划齐的课程和教学内容；1973年发展起来的Computer-based Adaptive Learning使得考试的效率得到了大幅提升，原来2小时的考试被压缩至了30-40分钟，最明显的例子就是，TOEFL和GRE的机考更为高效了。

从教学水平和效果的角度看，在2011年的教学还只是依靠普通老师去达成，但在2014年开始，却有了突飞猛进的变化，在美国举办的几场人机大战中，全球三大人工智能教育公司：Knewton、Realizeit、ALEKS均参与了在美国举办的几场人机大战，而在这个比赛过程中，我们发现，机器教学组的学生考试成绩比最优秀的老师教学组成绩，平均高出了10-20分。这在当时是一件轰动行业、不可思议的事。所以从2014年开始，人工智能的自适应教育（AI-based Adaptive Learning ）开始在全球火爆，也受到了媒体的大量关注，这一突破性技术和效果的取得，正是人工智能开始应用在Adaptive Learning之后，所取得的教学成果。

当时，我正好在昂立教育工作了十年，是全国少儿版块的CEO，也正是那一年，昂立教育借壳在A股上市。看到AI-based Adaptive Learning 所取得的成就后，我就辞职出来重新创立了松鼠AI，我们开始往Adaptive Learning的方向出发、努力，用了近3年的时间，2016年10月，产品成熟，2017年正式向外界推广。到现在为止，每年的销售额都在翻番；在K12板块中，老师真人上课的续班率平均在50%左右，像老牌最好的公司，如新东方、好未来，大概能做到90%左右；但我们现在AI系统教学已经达到了80%的续班率。

教学方面，对于学生成绩的提分效果比高级教师的培训效果要好，我们也办了各种人机大战，AI系统教学的成绩不但战胜了高级和特级教师，甚至还超过了命题组成员。达晨创投主管合伙人傅忠宏的孩子在松鼠AI学习，一年时间，成绩提升了50-60分。我们还有很多甚至原来考试只有七分的、来自六七线城市的孩子，在松鼠AI学了一个学期，成绩提高到五十七分。也就是说，无论是原来可能已经被学校放弃的孩子，还是在一线城市中顶级学校的孩子，在adaptive learning系统中都能找到针对他自己的不同的教学。

我们给到每个孩子完全不同的教学方案：最好的学生，我们给他非常有挑战性的内容；七分的孩子，我们给他八分的知识点，让他能听得懂，通过千人千面的教育不断地往上去提升，达到最高效的一个结果。所以也有人把我们形容成教育行业的今日头条，今日头条前几轮的股东，SIG的王琼在我们天使轮、A轮均领投。

投资人对话创始人：

Adaptive learning解决了传统教学的五大痛点

梁宇：感谢栗总，正如您所说，人工智能在教育领域的应用，从2014年开始，到现在已经过去了四年，松鼠AI在这个领域当中可以说是旗手。能否介绍一下，Adaptive Learning能够解决传统教育里面的哪些痛点？因为传统线下的特级教师针对学生上课，其实他们也能够掌握孩子的不同的特性。

栗浩洋：好的，谢谢梁总。我先介绍一下AI教育板块的分类。目前市场上有大约50多家公司都在号称是AI教育公司，每家公司的特点不一样，有表情识别，有脑科学，有语音识别，有拍照答题，有自适应测试等等，可以说是乱花渐欲迷人眼。

关于AI教育，我习惯把它分为两大类：一类是我们称之为工具类，也叫识别类；另一类是认知类，即策略类。识别类，顾名思义就是图像识别、语音识别、语义识别、表情识别等等，他们解决的是判断问题，也就是识别出这个孩子的情绪怎么样，或者这道题是哪一道题，比如像高考机器人，这道题通过NLP语义分析，匹配的其他的题目是什么、答案是什么，包括大脑的专注度如何、语音是不是准，而这些判断，其实都可以看做是老师们的教学工具，因为它并不牵扯认知。而Adaptive Learning解决的是学生从不会到会的认知过程，也就是教和学的过程。他不仅仅只是测、练、评判的工具。所以，Adaptive Learning又被认为是在真正解决教育的核心问题。我经常把Adaptive Learning比喻成Windows和安卓这样的系统。

所以当时在欧美，2014年Adaptive Learning系统取得了超过优秀老师的教学水平之后，欧美的主流媒体，包括纽约时报、经济学人、福布斯财富等都判断说未来教育就是Adaptive Learning。因为它解决了传统教学的一些痛点：第一是，优质教师资源的不可复制性。比如，一个好老师，她成熟可能要二十年。那么一个高级教师、特级教师，尽管有二十年的教龄，也可能是一千个人才能评上一个。新东方、好未来有4-5万位老师，最好的四个老师和最差的四个老师之间的教学质量可能天渊之别。所以优秀老师是不可复制的。如何解决这个问题？在传统慕课形式就是massive open online course，以coursera和可汗学院为代表，解决了一部分这个问题。

但是他们依然没有解决的痛点是，学生看不下去。40分钟的学习，千人一面。这有点像新浪新闻，把所有老师的教课照搬在上面，但是是否适合每个学生的用户画像？每个学生到底是什么样的知识结构？他的偏好学习能力又如何？系统完全不知道。只是按照统一速度、统一内容去推送。那么Adaptive Learning的区别是什么？它会先让学生做一个知识点检测，比如说，一百个知识点，我得了95分，只有5个知识点不会，那我只要学这5个知识点就好了。80分的学生，只需要去学20个知识点。那么我们的学习效率就被提升了5-20倍。

以刚才提到的那个7分的孩子为例，当他接近什么都不会时，我们不会给他推一百个知识点，而是在最初的半年时间里，先给他推7-27分的知识点，让他达到20多分的水平；再过了三个月，我们给他推20-50分的知识点，那么他期末就考了五十七分。Adaptive Learning就是一个千人千面的过程，他解决了传统教育中教育资源稀缺的问题，又解决了慕课互动性的问题、以及基于每个学生不同的用户画像应该给予不同的因材施教、区别对待的痛点。

当然他还解决了优质教育资源特别贵的问题。在国家还没有禁止代课的情况下，特级教师的课时费是4000-6000/时，高级教师大约为2000元/时。中上等学校有五六年经验的老师代课，课时费大约600-700元/时，而采用AI系统教学的课时费，为150-300元/时，而这样的费用，对于一对一或一对多的课程来说，不可能聘得起优秀/特级教师。因此，它也解决了传统教育中的成本问题。

国内AI人才缺乏，需要去欧美市场“挖”

梁宇：感谢栗总，如您所说，任何一个行业在开始时，都是从工具最简单的形式切入，而策略类，因为涉及到技术深水区会比较难。这些年，我们也看到了西风东渐的趋势，中国不论在算法还是技术上，都是跟随和学习的状态，但其实在英文和中文世界之间，是有一些实践差异。你怎么看待AI教育在我国的发展水平，未来它会有怎样的趋势？能否做个简单的预测？

栗浩洋：AI教育在中国的水平现在只能看各公司的水平。从人才方面来说，中国无论是在4年前，我们刚刚起步时，还是现在，都可以说几乎为0。因为Adaptive Learning领域在中国既没有合适的教授，也没有相关专业的研究培训，虽然中国有少量AI方面的专家，但基本都集中在语音识别与分析，以及图像识别等方面，尚未有关于AI教育领域的人才。这就导致中国在这个板块上，几乎没有任何储备，也没有任何进展。

松鼠AI在起步时，从全球三大人工智能教育公司先后挖来了首席架构师、核心算法科学家、亚太区技术负责人等，才逐步组建了我们的技术团队。而这些人，此前都接受过欧美高校培养，又在欧美核心公司做了多年专业的行业研究，因此，虽然我们起步相对晚，但成长却非常快。其实，无论在中国还是全球，AI领域面临的最大困难都是人才，因为非策略类AI专家要转型策略类，其难度和鸿沟都非常大。

以谷歌为例，此前其在语义识别方面做得很好，李飞飞去了两年后，又将图像识别上升到了一个高度。但是如果让他们做策略类AI ，比如教育、棋类、金融就行不通，所以必须通过收购阿尔法狗来完成。再比如Coursera，在去年九月才从慕课的形式转变成了Adaptive Learning。吴恩达是Coursera的联合创始人，他是一个识别类的AI专家，并没有深入研究过策略性AI，因而他对Adaptive learning并不敏感，否则，如果他能早点发力的话，现在效果可能会更好。

目前在中国，只有两位教授已经开始涉足并研究这一领域，一位是北师大的黄教授，正和我们联合做一些关于Adaptive Learning的尝试，还有武汉的，美国孟菲斯大学的胡教授正在做一些这方面的教学尝试。但这些都还只是刚刚起步，也没有真正的相关领域毕业生出现。所以目前国内解决人才问题，还是通过去欧美市场“挖”人才来实现。当然，如您所说，欧美教育体系说使用的一些算法模型，与中国的原系统有所不同，不但欧美互联网公司在中国会有水土不服的问题，日本、韩国的教育公司在中国的发展其实也不理想。如果在这一领域当中，中国公司能够针对本土化教学内容去研发，将会有非常大的优势。所以，教育本土化需要做的事情还很多，从互联网角度来看会更多。我们需要聘请很多的特级教师、教研专家、海外的AI科学家，一块打造模型和系统。

K12产品核心竞争力在于拆分知识点

梁宇：中国的互联网教育其实很有意思，中文的特殊性，加上教育行业在我国的特殊地位，使得本土运营的公司和海外公司截然不同，但底层技术和算法在原理上应该是相通的。我的理解是，对Adaptive Learning而言，如果用于学科，比如数学、英语、物理等，他们其实更多是基于知识图谱去发展，那么我们在刚进入这一领域时，应该先以哪个学科为切入口？为什么？是与技术难度有关？还是与内容积淀有关？

栗浩洋：梁总谈的这个问题很专业。学科问题，在14年前，美国Adaptive Learning刚开始时也面临着各种各样的问题。80%的机构是从数学先开始的，剩下20%是从其他的理科，比如物理开始的。美国Adaptive Learning的研发从2004年开始，到2014年时，不但所有的理工科知识被攻克了，语文也被攻克了。在2014年的一场人机大战中，安德森测试了2500位学生的语文阅读成绩，达到90分以上的优秀学生人数翻倍了，这是一个标志性的事件。

转载请注明出处: http://www.315dw.com/view-57306-1.html