互聯(lián)網(wǎng)教育尤其是線上K12培優(yōu)項目一直是投資熱門，直播1對1模式風(fēng)口過后，教育圈內(nèi)最火的應(yīng)該是AI項目了。據(jù)億歐智庫的報告顯示，2017年人工智能教育融資額度達(dá)42.17億元，其中超80%屬于早期投資項目，這個賽道有望誕生多個獨角獸公司。
筆者發(fā)現(xiàn)，當(dāng)前布局人工智能的在線教育大體分為三派：
(1) 教學(xué)或題庫測評類工具產(chǎn)品，比如作業(yè)盒子等;
(2) 培訓(xùn)機構(gòu)應(yīng)用AI技術(shù)，比如好未來等;
(3) 人工智能教育引擎及平臺提供商，比如高木學(xué)習(xí)等。
現(xiàn)在擺在AI教育創(chuàng)投從業(yè)者面前的問題是：到底以技術(shù)實力論英雄的AI教育的泡沫有多大?真金不怕火煉的AI教育項目的核心能力在哪里?如何才能落地? 本文試做解讀。
一、為什么“自適應(yīng)”其實并非真正的AI?
一位投資人朋友曾向我這樣說道：“既懂互聯(lián)網(wǎng)行業(yè)又完全懂本行業(yè)的業(yè)務(wù)的管理型人才不超過十個，這是在‘互聯(lián)網(wǎng)+’雙創(chuàng)浪潮中每個垂直行業(yè)頭部項目就幾家能玩轉(zhuǎn)的原因。”而認(rèn)知和技術(shù)門檻更高的“AI+”情況恐怕會更加不妙，甚至很多人把“自適應(yīng)”與“AI教育”劃等號。
自適應(yīng)學(xué)習(xí)(Adaptive Learning)的鼻祖是美國的Knewton公司，它通過評估不同學(xué)生對知識材料掌握度進(jìn)行個性化推薦，有點類似于今日頭條的興趣引擎。Knewton在國內(nèi)的門徒眾多，目前大概有40多家項目宣布發(fā)力做“自適應(yīng)”，比如“乂學(xué)教育”(學(xué)練測自適應(yīng))、“學(xué)吧課堂”(題庫自適應(yīng))、“英語流利說”(英語口語糾正)、“一起作業(yè)”(家長、老師在線監(jiān)控)等等。
嘉御基金創(chuàng)始人衛(wèi)哲說過，“90%的人工智能項目都是偽AI”，鑒別的依據(jù)是看項目“算法速度”，如果是代數(shù)級而不是幾何級計算那就不是“真AI”，以此來考驗自適應(yīng)項目，得到的結(jié)論未免讓人失望。
初級的自適應(yīng)項目是人工預(yù)設(shè)指令或編程規(guī)則推薦，高級的自適應(yīng)是基于知識圖譜推薦，即使是高級的自適應(yīng)項目由于沒有按照既定的教學(xué)大綱和教學(xué)目標(biāo)有邏輯地展開，在具體知識學(xué)習(xí)之中并不系統(tǒng)。關(guān)鍵是很多自適應(yīng)項目采集的是各科最優(yōu)秀特級教師的能力，導(dǎo)致其算法本身是線性的、模擬人學(xué)習(xí)而已。
自適應(yīng)的技術(shù)原理就好比AlphaGo是應(yīng)用了人類最優(yōu)秀圍棋大師的能力而非是完全迥異機器深度學(xué)習(xí)和自演化模型;自動駕駛AI應(yīng)用了某個人類零誤差老司機的感知能力而非是基于全網(wǎng)海量交通大數(shù)據(jù)做運算和決策;人工智能醫(yī)生是應(yīng)用了看X片最快最準(zhǔn)的醫(yī)生的經(jīng)驗而非是海量數(shù)據(jù)庫訓(xùn)練;顯然按這樣的路徑訓(xùn)練出的機器并非是真正的AI。
“真正擁有充分教學(xué)大數(shù)據(jù)及算法速度的‘AI教師’是能輕松超越擁有30年教齡特級教師的，并且可以突破人類的知識局限，對算法模型進(jìn)行自動演化，找到人類從未嘗試過的策略。”高木學(xué)習(xí)創(chuàng)始人劉瞻這樣描述AI教師。
劉瞻是帝國理工學(xué)院科班出身，早在2015年開啟AI教育創(chuàng)業(yè)，他認(rèn)為判斷真?zhèn)蜛I教育項目具體有三個考察維度：
(1)自適應(yīng)是基于模擬優(yōu)秀老師的知識圖譜推薦知識，而真正的AI教育機器人則是泡在“教學(xué)實踐大數(shù)據(jù)”中做深度學(xué)習(xí)。
(2)自適應(yīng)主要用作知識盲點的統(tǒng)計，但無法分析出知識體系之間的本質(zhì)聯(lián)系，用AI更重要的任務(wù)是找到行為背后的原因，比如某學(xué)生表面上二次函數(shù)是薄弱環(huán)節(jié)，既有可能是其對二次函數(shù)的各細(xì)分知識點掌握不牢，也有可能是前置知識點一次函數(shù)、函數(shù)的思想理解不透徹，還有可能是方程求解的問題;甚至有可能是抽象思維或計算能力的問題，AI會根據(jù)該學(xué)生數(shù)據(jù)和“知識路徑矩陣”，找到問題背后的原因從而匹配出最優(yōu)學(xué)習(xí)路徑。
(3)人類教師的情感因素能左右學(xué)生的學(xué)習(xí)效果，AI教師也應(yīng)綜合考慮學(xué)生的自信心與成就感的培育與激發(fā)，從而確保學(xué)生學(xué)習(xí)過程“知”、“情”、“意”的一體化。
二、AI教育的核心：幫助每個學(xué)生找到“元認(rèn)知能力”
AI教育并不會改變“老師-學(xué)生”的二元結(jié)構(gòu)，甚至人工智能教育還要在師生兩端徹底解決互聯(lián)網(wǎng)教育未完成的兩大難題：
(1) 如何幫助學(xué)生找到學(xué)習(xí)方法、提升學(xué)習(xí)效率?在中國一個普通中學(xué)生80%的學(xué)習(xí)時間是低效的。
(2) 如何幫助老師對學(xué)生更高效的“因材施教”?目前在我國師資資源依然整體短缺并且分布不均，1對1培優(yōu)成本高、小班普及率低等問題依然突出。
AI教育的優(yōu)勢在于通過數(shù)據(jù)化形式分析學(xué)生自己都不清楚的“癥結(jié)”，即所謂的“懂我更懂教好我”，同時AI還能幫助老師實現(xiàn)教學(xué)效果的穩(wěn)定化和可控化。AI在充分收集和處理教與學(xué)兩端的大數(shù)據(jù)后，還得在具體教學(xué)場景之中個性化建模，最終實現(xiàn)“讓學(xué)生更會學(xué)，讓老師更會教”，這是人工智能教育的目的。
陶行知先生說過，“教是為了不教”，教育本質(zhì)不是灌輸知識，而是要啟發(fā)學(xué)生思考并讓學(xué)生掌握自主學(xué)習(xí)的能力。目前很多偽AI學(xué)習(xí)神器只能“授人以魚”但并不能“授人以漁”，我國基礎(chǔ)教育歷來缺乏方法論課程，只有極少數(shù)有天賦的學(xué)生能自主制定適合自己的學(xué)習(xí)方案，而絕大多數(shù)天資處于平均線的學(xué)生在混沌中摸索。如果從AI的視角來看，所謂“天賦”不過是少數(shù)幸運兒自覺不自覺的分享了“元認(rèn)知能力”。
當(dāng)人主動設(shè)定學(xué)習(xí)計劃、自我反饋、動態(tài)調(diào)整學(xué)習(xí)策略時，就接近了“元認(rèn)知”，在大數(shù)據(jù)時代，這種元認(rèn)知能力是能被定量化分析的，AI 教育可以為學(xué)習(xí)者提供關(guān)于反復(fù)激活元認(rèn)知能力的“訓(xùn)練法”。根據(jù)劉瞻的解讀，AI教育的“訓(xùn)練法”就好比給蹣跚學(xué)步的嬰兒安上矯正走姿的“學(xué)步車”，具體應(yīng)用什么樣“訓(xùn)練模型”則是由AI根據(jù)大數(shù)據(jù)進(jìn)行場景化定制的，有可能是通向?qū)W習(xí)目標(biāo)所需要的“云梯”，有可能是“舟楫”，或者是“拐杖”等等，這些模型能不斷調(diào)取和強化人的“元認(rèn)知能力”。
盡管市面上90%項目都是著眼于知識點和解題訓(xùn)練的自適應(yīng)，真正AI教育項目比如高木學(xué)習(xí)的AI不僅包含自適應(yīng)的知識圖譜大數(shù)據(jù)，而且還能不斷從學(xué)生的行為數(shù)據(jù)中演化“知識路徑矩陣”即AI可根據(jù)學(xué)生對知識和能力體系的理解定制出個性化學(xué)習(xí)路徑。與此同時，AI讓學(xué)生在對知識的理解與記憶過程中不僅訓(xùn)練知識掌握度，還不自覺地訓(xùn)練了元認(rèn)知能力，這套“個性化學(xué)習(xí)引擎”其實是在培養(yǎng)學(xué)生“忘掉所有知識后”剩下的元認(rèn)知能力，具有普適化的特點。
實際上，AI教育并不需要局限在某一學(xué)習(xí)階段、某一學(xué)科的知識體系，完全可以打造一個跨學(xué)科、跨門類、跨階段使用的“通用知識學(xué)習(xí)引擎”，也就是說，除了應(yīng)用在K12領(lǐng)域外，AI教育還可以應(yīng)用在高等教育階段，甚至在輔導(dǎo)大學(xué)生時比中小學(xué)生會更為輕松，無須綜合考慮學(xué)生的學(xué)習(xí)動力因素等。
反過來講，如果市面上的人工智能教育項目只能用于某一單科或只能教K12，就不是基于大數(shù)據(jù)獲取和智能化引擎的“全才”和“通才”，基本可視為基于特定領(lǐng)域?qū)＜铱偨Y(jié)的經(jīng)驗規(guī)則的“偽AI”。
三、為什么AI教育項目落地，to B模式比to C模式更容易跑通?
當(dāng)前AI教育項目的商業(yè)化進(jìn)程走向大體分為兩大派：
一派是自建場景的顛覆派，試圖開發(fā)新的測試軟件以抓取學(xué)生的數(shù)據(jù)，甚至引入一些把AR(增強現(xiàn)實)、MR(混合現(xiàn)實)等黑科技，其目標(biāo)是以“AI教師”完全取代真人老師教學(xué)，屬于“人機對抗”模式，較為典型的是乂學(xué)教育的松鼠AI。
另一派是升級現(xiàn)行教育體系、不另創(chuàng)場景的改良派，屬于“人機共教”模式，較為典型的是高木學(xué)習(xí)的AI Tutor。
一般走人機對抗模式最終走的是to C模式;而“人機共教”走的是to B模式。鑒于我國當(dāng)前AI教育的應(yīng)用場景主要為教學(xué)機構(gòu)包括全日制學(xué)校與培訓(xùn)機構(gòu)，而非一個個分散的學(xué)生;只有讓AI去輔助老師備課、上課，嵌入到學(xué)生作業(yè)和訓(xùn)練，幫助學(xué)生提分和學(xué)校提升升學(xué)率，才能幫助AI更快落地并且找到盈利模式。
從“全日制學(xué)校”應(yīng)用AI的實踐上看， AI能讓老師“心中有數(shù)(據(jù))”，提升教學(xué)的針對性，AI教師實際上相當(dāng)于真人老師的“智能助教”，可以減輕老師50%的工作負(fù)荷量，比如AI幫老師批改作業(yè)，把數(shù)據(jù)分析的可視化呈現(xiàn)出來幫助老師定制教研方案。因此，在市場推廣過程中，AI教育項目不需要擔(dān)心基層老師的接受阻力，能讓老師擺脫“汗水老師”的局面也是基礎(chǔ)教育機構(gòu)所希望看到的。
由于全日制學(xué)校獲取的大數(shù)據(jù)比培訓(xùn)機構(gòu)更加海量、持續(xù)、高頻，因此高木學(xué)習(xí)更看重AI在全國全日制學(xué)校場景中的數(shù)據(jù)價值，積極在全國推行城市合伙人制度，并計劃與地方教育主管部門合作推出全國教師AI應(yīng)用能力培訓(xùn)公益活動。
To B模式中另一大企業(yè)客戶就是體制外的培訓(xùn)機構(gòu)，他們所面對的學(xué)生付費意愿強、購買力相對旺盛，是AI教育項目獲得穩(wěn)健現(xiàn)金流的必爭之地，那么當(dāng)前培訓(xùn)機構(gòu)應(yīng)用AI教育項目開展“人工智能雙師班”的效果如何呢?
(1)首先、AI教練能保持教學(xué)效果穩(wěn)定化輸出，解決原本老師教學(xué)效果不確定的弊端。
(2)其次、AI 提升了老師的工作效率，突破了培訓(xùn)機構(gòu)因為名師稀缺且流動性大限制培訓(xùn)機構(gòu)的規(guī)模化發(fā)展的瓶頸。
(3)再次、比如高木學(xué)習(xí)的AI幫助學(xué)生發(fā)掘了“元認(rèn)知能力”增強學(xué)習(xí)信心、提分效果明顯，幫助合作培訓(xùn)機構(gòu)提升了續(xù)費率，為招生帶來便捷。
可以說，人工智能教育走to B模式是“為教學(xué)機構(gòu)賦能”，既能為全日制學(xué)校老師和學(xué)生“減負(fù)”，又在給培訓(xùn)機構(gòu)做大業(yè)務(wù)“增量”的，難能可貴的是，AI項目并不需要學(xué)生端那里刷品牌存在感，把所有的教學(xué)效果功勞于老師，可用“潤物細(xì)無聲”來形容。
結(jié)語：
人工智能教師不僅不會奪走老師的“飯碗”，還能幫助老師從繁重、低效中解放出來，讓學(xué)生享受到智能化因材施教教育。當(dāng)前我國的AI教育是在標(biāo)準(zhǔn)化應(yīng)試教育的框架下，盡可能讓學(xué)生獲得個性化學(xué)習(xí)解決方案，在幫助學(xué)生完成提分、升學(xué)的“小目標(biāo)”同時，喚醒和開發(fā)其“元認(rèn)知能力”，這回歸了教育的本質(zhì)。在知識爆炸的年代，教育的重心應(yīng)該由從儲備具體知識轉(zhuǎn)向到掌握開啟知識寶庫的“鑰匙”即元認(rèn)知能力上來，這才是AI教育帶來的智慧啟示。
京公網(wǎng)安備 11010502049343號