隨著人工智能技術(shù)的發(fā)展，自適應(yīng)學(xué)習(xí)成了教育行業(yè)的一個熱詞。但是什么是自適應(yīng)學(xué)習(xí)？自適應(yīng)學(xué)習(xí)能否真正做到個性化教育？

近日，億歐組織了一場線上直播分享活動，邀請到了乂學(xué)教育CTO樊星作為主講人。在近一個小時的分享中，樊星講解了什么是自適應(yīng)學(xué)習(xí)，自適應(yīng)學(xué)習(xí)的發(fā)展，以及乂學(xué)教育在自適應(yīng)學(xué)習(xí)方面的探索。以下是分享活動的具體內(nèi)容。

大家好，是乂學(xué)教育的樊星，非常榮幸能代表乂學(xué)來跟大家分享一下我們在AI＋教育上的探索。

今天的主要話題是乂學(xué)如何打造一款教學(xué)機器人，讓每個學(xué)生的學(xué)習(xí)能夠輕松十倍。這聽起來可能很科幻，但其實是完全可以存在的。我們知道以前一些所謂的學(xué)霸，他們總有很多的技巧，讓他們既有時間玩得好，也學(xué)得好。今天我要分享的就是如何讓每一個孩子都能成為這樣的學(xué)霸。

至于為什么要說教學(xué)機器人，去年，學(xué)霸君做了一個高考機器人，能夠很好地模擬學(xué)生，高考數(shù)學(xué)考了130多分。但是讓AI模擬學(xué)生考一個高分，并沒有讓AI模擬一個老師教孩子如何學(xué)習(xí)更好，換言之，培養(yǎng)出能教學(xué)生的機器人，價值可能更高，這就是我們在做的事情。

乂學(xué)是一家人工智能K12教育公司，我們的愿景是希望用人工智能，讓系統(tǒng)模擬一個優(yōu)秀的特級教師，把個性化教育帶給全世界的每一個孩子。乂學(xué)現(xiàn)在在全國有700家合作校，去年年底拿到了2．7億元的天使輪融資；和美國的斯坦福大學(xué)建立了一個聯(lián)合實驗室，同時在紐約也做了一個AI研發(fā)中心。

為什么需要自適應(yīng)學(xué)習(xí)？

每個人都希望有一種方法能提高學(xué)習(xí)效率，這就是自適應(yīng)學(xué)習(xí)。

現(xiàn)代教育的起源是德國的格林洪堡大學(xué)，當(dāng)時是為了培養(yǎng)大量合格的產(chǎn)業(yè)工人，為工業(yè)革命爆發(fā)后的業(yè)界提供大量合格的勞動力，然后才形成了普及性教育。在現(xiàn)代教育中，每一個孩子都會被打上各種各樣的標(biāo)簽，如幾年級幾班、哪一屆、哪一個專業(yè)等，這就很像工廠流水線上生產(chǎn)出來的標(biāo)準(zhǔn)化產(chǎn)品，每一個人都有自己的標(biāo)號，導(dǎo)致教育孩子時是千人一面的，但實際上孩子是千人千面的，每個孩子都有自己不同的特點。

我們做過一個分析，在公立學(xué)校里，90％的孩子在學(xué)校有2／3的時間是浪費的。因為有1／3的內(nèi)容孩子已經(jīng)學(xué)會了，另外有1／3的內(nèi)容是孩子不會且聽不懂的，只有1／3的內(nèi)容是孩子不會且能學(xué)會的。

也就是說K12教育最大的矛盾是人民日群眾日益增長的教育需求和落后的教育體制之間的矛盾。這話聽起來可能類似于鄧小平對社會主義初級階段基本矛盾的定義，鄧小平的定義引領(lǐng)了改革開放40年來所有的發(fā)展，而我們對K12教育基本矛盾的定義，也會引領(lǐng)接下來十年之內(nèi)中國K12教育的發(fā)展。

這個結(jié)論已經(jīng)得到了一定程度的印證，比如現(xiàn)在一對一的火爆，每一個家長都希望專門有一個非常優(yōu)秀的老師給孩子做專門的輔導(dǎo)。但是從現(xiàn)在的師生比來看，實現(xiàn)一對一的教育在現(xiàn)在是不可能的，這就是現(xiàn)狀。

所以我們需要自適應(yīng)教育、個性化教育，我們堅信沒有任何一個孩子是笨的，只不過沒有找到好的教育方法而已，解決這個問題的方法就是自適應(yīng)教育。自適應(yīng)教育其實就是根據(jù)每個人的情況，采用個性化的教學(xué)方法。

自適應(yīng)學(xué)習(xí)的發(fā)展

自適應(yīng)教育并不是一個新鮮事，在國外已經(jīng)發(fā)展了很多年了，自適應(yīng)的鼻祖Knewton已經(jīng)成為估值10億美元的獨角獸企業(yè)。

國外也做過一個對比實驗，在一千多所大學(xué)里，將不同的學(xué)生分為不同的班，一個班用AI自適應(yīng)系統(tǒng)教學(xué)，另一個班用真人老師教學(xué)，最終的實驗結(jié)果是AI自適應(yīng)系統(tǒng)教的班級的得A率和課程通過率遠遠大于真人老師教的班級。

乂學(xué)具體是怎么做？

關(guān)于自適應(yīng)學(xué)習(xí)，乂學(xué)教育是怎么做的呢？或者說怎么滿足個性化教育需求呢？

做法很簡單，用人工智能系統(tǒng)模擬的老師，給孩子提供一對一的AI老師，從而把個性化教育帶給每一個孩子。AI老師其實就相當(dāng)于無數(shù)個優(yōu)秀老師的集合，可以給每一個孩子提供個性化輔導(dǎo)。

我們知道即便是優(yōu)秀的老師，可能也僅對一部分孩子有用，可能對其他孩子就沒有用，但如果通過AI把所有優(yōu)秀老師集中到一起，那么每個孩子都能找到非常適合的優(yōu)秀老師，然后根據(jù)他的問題提出解決方案，達到最好的教學(xué)效果。

這種做法是比較困難的，因為老師并不是那么好模擬的，尤其是要把若干個特級老師模擬到系統(tǒng)里。但這個事情的好處是可以不停地累加地做，一開始可以只模擬50％、模擬100％，最后模擬1000％。

針對同樣的問題，我們的友商也有其他的解決方法，比如通過資源連接的方法。VIPKID是把大量的北美老師的教學(xué)資源和中國的學(xué)生連接起來；51talk是把菲律賓外教和成人的英語教學(xué)需求連接起來；掌門一對一是把全國的中學(xué)老師和學(xué)生連接起來。這種資源連接的方法也可以一定程度上緩解問題，但畢竟有一個天花板——即便把全國的中學(xué)老師集中起來，可能也沒辦法給每個孩子提供個性化的解決方案。

個性化教學(xué)從邏輯流程上一般會分為三部分，大多數(shù)特級教師都是先去檢測問題，然后提出個性化學(xué)習(xí)方案，最后監(jiān)督執(zhí)行，并對方案進行優(yōu)化，AI模擬老師也一樣，從檢測環(huán)節(jié)、個性化學(xué)習(xí)環(huán)節(jié)、到實施環(huán)節(jié)，AI個性化系學(xué)習(xí)系統(tǒng)一般由課程、內(nèi)容、評估和個性化推薦四個大模塊組成，而整個系統(tǒng)會的基礎(chǔ)就是知識圖譜。

整個個性化學(xué)習(xí)的過程由以下幾個方面組成：首先是實時更新學(xué)生畫像，即學(xué)生對每個知識點掌握的能力如何、是怎么掌握這些知識點的、學(xué)習(xí)狀態(tài)如何等。其次是預(yù)測孩子的知識狀態(tài)，即根據(jù)學(xué)生畫像，了解他在整個知識空間里的情況然后做出相對優(yōu)化的學(xué)習(xí)計劃，也就是學(xué)習(xí)路徑。根據(jù)學(xué)習(xí)路徑再去推送相應(yīng)的、合適的學(xué)習(xí)內(nèi)容。這就是AI模擬老師的流程。

那么AI老師厲害還是真人老師厲害呢？去年10月，乂學(xué)做一場人機大戰(zhàn)。在人機大戰(zhàn)中，乂學(xué)的AI老師帶的班一共有40個人，另外一個班由一個有十年教齡的專業(yè)老師帶，經(jīng)過40多個小時的學(xué)習(xí)之后，AI老師帶的班在提分效果上高于真人老師班一倍多。從這個案例看，我們的AI老師已經(jīng)在一定程度上能代替真人老師，甚至比真人老師做得更好。

AI系統(tǒng)在模擬真人老師時，在兩個方面比真人厲害，一個是測評，一個是推薦。

在測評方面，最關(guān)鍵的是如何測得更細更準(zhǔn)更快。因為在測評過程中，把問題找得更細、更準(zhǔn)，解決的成本就會更低。舉個例子，如果學(xué)生在一元二次方程上掌握得比較薄弱，解決這個問題，可能需要一個月的時間讓學(xué)生學(xué)習(xí)一元二次方程，因為一元二次方程涉及的東西非常多。但是如果可以把問題定位到一元二次方程中的因式分解法掌握不扎實，那解決問題的時間就會縮短為一周。

其實每個真人老師也都懂，但是存在一個悖論，把知識點的檢測做到很細的時候，成本就會無限上升，因為需要更多的時間。所以問題的關(guān)鍵是如何在保證檢測準(zhǔn)確的情況下，同時保證檢測的速度。也就是說在檢測環(huán)節(jié)，用AI系統(tǒng)檢測要比真人老師更準(zhǔn)更細，還能用更短的時間。

個性化推薦環(huán)節(jié)，需要解決的是如何用更短的時間讓學(xué)生掌握不會的知識。個性化推薦分成三個方面：如何給學(xué)生個性化的學(xué)習(xí)目標(biāo)、個性化的學(xué)習(xí)路徑和個性化的學(xué)習(xí)內(nèi)容？這就需要用到?jīng)Q策樹、協(xié)同過濾和深度學(xué)習(xí)等技術(shù)。

首先制定個性化學(xué)習(xí)目標(biāo)，在檢測環(huán)節(jié)，一個學(xué)生檢測出不會A、B、C知識點，另一個檢測出不會A、B知識點，兩人的學(xué)習(xí)目標(biāo)肯定是不一樣的。更深一層，如果兩個學(xué)生都是A、B、C知識點不會，但是一個人只用了20分鐘檢測，另一個用了40分鐘時間檢測，系統(tǒng)就可以假設(shè)前一個學(xué)生的學(xué)習(xí)能力更強，所以前者的學(xué)習(xí)目標(biāo)可能是A、B、C，而后者的學(xué)習(xí)目標(biāo)只是A、B。

其次是個性化學(xué)習(xí)路徑和個性化學(xué)習(xí)內(nèi)容。

如果兩個學(xué)生不會的是相同的知識點，但是一個是完全不會知識點的整個概念，另一個只是不會知識點的運用。那么在個性化學(xué)習(xí)推薦的時候，前者會推送全部的學(xué)習(xí)視頻，而后者只會推薦應(yīng)用方面的學(xué)習(xí)視頻。少看一個學(xué)習(xí)視頻，學(xué)生就能節(jié)省4到5分鐘的時間，這就是系統(tǒng)推薦的價值。像今日頭條一樣，每一個時間點系統(tǒng)推送的都是最適合學(xué)習(xí)學(xué)習(xí)的內(nèi)容。

檢測和推薦這兩點就是AI系統(tǒng)能勝過真人老師的兩大最關(guān)鍵的因素——在找問題時，AI老師比真人老師強，在解決問題時，AI老師比真人老師效率高。

總結(jié)一下，自適應(yīng)學(xué)習(xí)本質(zhì)上并不新鮮，它其實是一個方法論。自適應(yīng)學(xué)習(xí)聚焦的關(guān)鍵詞是效率。如果不談效率，事情就沒有意義，而效率由成本和結(jié)果組成。舉個例子，如果不考慮成本，學(xué)生有無限的時間，就完全不需要自適應(yīng)學(xué)習(xí)、個性化學(xué)習(xí)；再比如學(xué)生學(xué)習(xí)沒有目標(biāo)，不考慮結(jié)果，那么也不需要用個性化學(xué)習(xí)找到優(yōu)化的方法。

基于這一點，對自適應(yīng)學(xué)習(xí)做了分級。L0級是非自適應(yīng)；L1級是真人自適應(yīng)，如為學(xué)生請一對一的老師；L2級是規(guī)則自適應(yīng)，規(guī)則自適應(yīng)就中存在一些優(yōu)化的方法，比如70分的學(xué)生、80分的學(xué)生、90分的學(xué)生分別該學(xué)什么，這是規(guī)則需要解決的事情。而現(xiàn)在乂學(xué)做的是L3級，也就是算法自適應(yīng)，可以發(fā)現(xiàn)學(xué)生哪里不會，應(yīng)該學(xué)哪里，哪里又需要戰(zhàn)略放棄等。而不同等級自適應(yīng)的區(qū)別主要就在于效率，它們之間是存在數(shù)量級上的差異。

那么人工智能自適應(yīng)最終會成為什么呢？可能是未來每個人都有AI老師，在它的帶領(lǐng)下，每個人都能成為學(xué)霸、天才。

Q＆A環(huán)節(jié)

1．AI對教育的幫助和改變主要體現(xiàn)在什么方面？

如果人工智能自適應(yīng)真正實現(xiàn)的話，那么每一個學(xué)生都可以擁有一個AI的特級教師陪伴。所以AI教育能解決的第一個重大問題，就是喊了很多年的教育資源不公平問題。當(dāng)前教育資源不公平的問題關(guān)鍵是總體資源不夠，所以如果AI老師可行，AI系統(tǒng)可以無限復(fù)制，而且成本很低，教育資源不公平的問題就迎刃而解了。

第二，可以解決因材施教問題，因材施教是中國數(shù)千年以來的教育的夢想。但是不存在一個真人老師是全知全能的，而每個孩子的情況又不一樣，所以真人老師不可能做到因材施教。但如果是AI，就可以一直陪伴著學(xué)生，針對問題給出建議，從而實現(xiàn)因材施教。

第三，有效提升教育質(zhì)量和教學(xué)效率。教育分為教學(xué)和育人，通過AI老師大量替代真人老師教學(xué)層面的大部分工作，真人老師就可以把更多的精力去放在育人層面。

2．AI＋教育在哪些具體教學(xué)場景可以發(fā)揮價值，哪些場景做了也沒有太大意義？

不存在沒有發(fā)揮價值的地方，只存在AI對這些場景效率提升高低的情況。如果一個場景中有大量的方法、技巧可以總結(jié)，就意味著存在有大量可以進行效率提升的方面，那么AI就可以在這一場景發(fā)揮更大的價值。而對于需要大量重復(fù)性訓(xùn)練的場景，AI的效率提升效果可能會差一點。

3．三年內(nèi)AI教師可以多大程度的替代真人教師？

乂學(xué)的自適應(yīng)學(xué)習(xí)系統(tǒng)，在英語教學(xué)上，已經(jīng)可以代替上海70％的500塊錢一個小時的老師了。因為在乂學(xué)的實際教學(xué)過程中，70％是AI老師，只有30％是真人老師。而AI老師的教學(xué)效果可以和500塊錢一個小時的老師一對一教學(xué)的效果相媲美。

在三年之內(nèi)，我認為在K12的學(xué)科教育里，比如數(shù)學(xué)、英語，如果按照現(xiàn)在的教學(xué)目標(biāo)或者教學(xué)效果要求，AI可以替代現(xiàn)在真人老師90％以上的工作。而真人老師有可能去做一些更高級的工作。

4．目前AI＋教育在具體落地應(yīng)用上有哪些障礙？

首先是數(shù)據(jù)收集。也就是說如何收集以下數(shù)據(jù)：學(xué)習(xí)全流程的數(shù)據(jù)，比如說學(xué)前學(xué)中學(xué)后；全信息的數(shù)據(jù)，比如學(xué)習(xí)表情、學(xué)習(xí)狀態(tài)等抽象信息的數(shù)據(jù)；全時間態(tài)的數(shù)據(jù)，如學(xué)生學(xué)習(xí)時的數(shù)據(jù)、不學(xué)習(xí)時的數(shù)據(jù)、甚至睡覺時的數(shù)據(jù)。

其次是算法模型需要更進一步的優(yōu)化。針對各種教學(xué)場景、各種學(xué)習(xí)模塊都需要做深入研究，比如英語閱讀、英語寫作、語文閱讀、寫作等。

5．AI＋教育中算法是否有優(yōu)劣之分？知識圖譜的拆解是越細越好嗎？

算法的確是有區(qū)別的，不同的算法在效率提升、狀態(tài)判斷、策略規(guī)劃等方面都有區(qū)別。不僅僅是算法，算法的各種參數(shù)、模型都會對學(xué)習(xí)效果有比較大的影響。這就需要針對不同學(xué)習(xí)內(nèi)容、不同的學(xué)習(xí)場景、不同的學(xué)習(xí)模塊下，對算法進行特殊的訓(xùn)練和調(diào)教。

關(guān)于知識圖譜的拆解并不是以細或者不細來衡量，而是以知識圖譜拆解的有效性來衡量。一個知識點如果用不到，那么沒有拆解的必要；如果用得到，拆解得多細都不為過。所以這其實是一個效率的問題，基于圖譜在算法中的應(yīng)用，知識點的拆解，需要根據(jù)具體解決的問題和算法的可用性進行判斷。

而對知識圖譜拆解的維度、拆解方法的把握，則體現(xiàn)了AI引擎的能力和教研能力，因為拆解需要引擎和教研的深度協(xié)同才能完成。

6．教育領(lǐng)域哪些地方是AI不能替代老師的？以后老師的價值主要體現(xiàn)在哪里？

這個問題比較具有爭議性。有一個非常明確的判斷，教育可以分為教學(xué)和育人。教學(xué)層面，老師大部分的工作確實會被AI老師替代；但是真人老師有很多不能被替代的東西，就是育人層面的，而這些也是學(xué)生所必需的。

所以從長遠目標(biāo)來看，老師在育人方面的職能是AI無法替代的，這也是老師能發(fā)揮的最大價值，同時育人也是對學(xué)生來說有最大價值。具體來說就是，老師如何引導(dǎo)幫助學(xué)生掌握正確運用知識的方法，形成正確的價值觀。

在具體的教學(xué)過程中，有一些軟性的層面也是AI無法做到的，比如情感關(guān)懷方面。比如如何引導(dǎo)學(xué)生保持積極的學(xué)習(xí)狀態(tài)，也是真人老師不能被替代的。

7．暢想一下未來教育將會是什么樣子？

可以暢想一下，未來有一個超腦，匯集了亞里士多德、達芬奇、愛因斯坦等若干優(yōu)秀大腦的智慧。這個超腦，從你出生的那一瞬間，就一直陪伴著你，對你的所有情況都了如指掌，在你遇到任何困難，需要得到幫助的時候，超腦都能給你合適的建議和幫助。在這樣一個超腦的陪伴下，我相信每一個孩子都能達到的自己能力和意愿中的發(fā)展極限，這就是我們以后教育的樣子。