能够自我进化的AI 将会比老师更了解学生？

经历了数十年时间的积累，人工智能、通信、大数据等技术与产业进入了高速发展的阶段，全域智能时代已经来临。

2020年，新基建的提出，给全行业设定了一个明确的发展方向。造就与张江集团共同推出“新基遇”系列Talk，探讨新基建对于社会与人类未来影响的同时，也希望能够推动不同行业间的交流。

本期内容出自造就x张江「新基遇」系列Talk第〇期——智能新价值。

崔炜

松鼠Ai 1对1联合创始人、首席科学家

在过去13年里，我一直在做人工智能。前面5年是在做人工智能算法相关的研究，最近8年一直在做人工智能的垂直应用，尤其是在教育领域里面的垂直应用。

今天主要想给大家分享一下人工智能对教育的影响，5G和新基建给人工智能教育带来的一些改变，以及我们对未来人工智能教育的理解。

传统教育的困境

我们知道每个人都是不一样的，世界上没有完全相同的两个人。在一个班级里面，每个学生展现出来的认知特点、行为特点、学习能力千差万别，决定了每个学生的学习能力、学习方式完全不一样。

所以说理论上来讲，我们应该针对每一个孩子、每一个学生进行个性化教育，就是孔子在几千年前提出的“因材施教”，而且孔子在几千年前就以身作则，对不同的学生采取的方式也不一样。

传统教育的困境

但是目前的教育模式其实是千人一面的。无论是过去在课堂里面的教学，还是最近疫情期间的在线教育，所有学生接收到的学习内容都是一样的，都是一个老师教给学生的。这种教学模式下面，有的学生哪怕已经掌握了这些知识，还要去学习。

过去或者当下的教育模式是一种线性教育，每个学生必须按照老师的节奏走——老师教什么，学生就学什么。学习顺序也是固定的，每个学期学生必须按照老师的教学顺序来学习这些知识点。那么就造成了好的学生吃不饱，但是比较弱的学生可能消化不了。

其实这里面最根本的原因是师资资源的缺乏。

最根本的原因是师资资源的缺乏

我们从这张表里面的数据可以看出，老师的数量跟学生的数量不成正比，优秀的老师万里挑一，但哪怕我们把每一个班级配上一个优秀的特级老师，他也没办法照顾到每一个学生，因为老师的精力和时间都是有限的，一个班级的学生数量实在是太多了。

一般情况下，超过15个学生，老师就记不住每一个学生的具体学习情况，也难以照顾到不同学生的不同教学方式。

教育信息化的发展

教育信息化是我们未来发展的一个方向和趋势。在政府层面、在国家层面也提出来要快速地把人工智能、大数据这些新技术用在教育领域中，促进教育发展。

从学前教育开始，从幼升小开始，到小升初，到中考，到高考，甚至是毕业之后的找工作，还有我们换工作的时候，都需要不断地学习。

对一个国家来讲，教育是关乎一个国家发展的事情。就像二战之后，美国之所以能够在世界上数一数二，是因为它垄断了全世界所有顶尖的科学家，形成了世界上最厉害的高等教育。

教育是一个利国利民的事情，是推动一个社会发展的事情，是关乎人的一生的事情。

人工智能教学机器的发展历史

早在20世纪30年代，当计算机出现之后，那些对教育感兴趣的计算机科学家就开始研究这样一个问题——如何用机器来取代老师，让教学变得更加有效，能不依赖于老师。而这项研究也随着人工智能技术的发展而不断演变，到现在我们看到了一个新的领域，叫做人工智能自适应学习。

其实它也是经历了几波浪潮，就像人工智能在过去经历了一个潮起潮落，发展到现在以深度学习为代表的人工智能技术一样。其实这也是推动当下人工智能在教育领域应用的一个核心因素。

目前使用人工智能自适应学习的学生，在全世界已经超过9000多万。我们看到，人工智能自适应学习带来的效果非常明显，数据研究证明，它跟真老师的教学效果不相上下，还能够降低学生的辍学率，提升学生的学习通过率，并且给学生带来更高的学习效率。

那么什么是人工智能自适应学习？

我们现在非常熟悉而且每天都在用的一个产品，就是今日头条。最主要最核心的一个原因，是因为它改变了我们阅读媒体的方式，适配了我们每一个人的个人偏好和喜好，而且是主动适配。每个人每天每时每刻刷今日头条的时候，看到的新闻媒体内容都不一样，而且看到的都是我们感兴趣的内容。

而人工智能自适应学习就是在做这样的事情。

人工智能自适应学习这项技术并不是搞一个虚拟AI老师出来，这项技术还不成熟。现在是一个弱人工智能时代，还没有进入强人工智能时代，人工智能技术上还没有完全达到人类的水平，只能通过大数据做一个数据拟合。

AI智适应教育会带来什么

人工智能自适应学习技术，其实是在解决个性化学习的问题，给每个学生带来千人千面的学习效果，让每一个学生能够拥有自己的学习路径、自己的学习方案，从而使学习效率提升。

在我们的生活中，也可以看到人工智能在教育里的不同应用，不仅仅是人工智能自适应学习，还有我们熟悉的口语识别、口语评测、作业批改等。口语识别能够评测一个人口语发音标不标准，作业批改能代替老师批改英语作文或者语文作文，能够识别出来一张卷子里面的文字或者答案等等。

还有一个大家比较熟知的应用，就是双师课堂，本质上其实是基于计算机视觉技术，有一个摄像头，能够捕捉到课堂上所有学生的行为动作。这些数据能够分析出来，当前课堂上的老师讲课内容吸不吸引人，而在台下坐的学生对老师的讲课内容感不感兴趣。这些信息通过摄像头捕捉下来，记录下来，反馈给老师，有助于老师调整他的教学内容。

人工智能自适应学习，它所切入的点其实是个性化学习，是从学生入手，把过去以老师为中心的课堂模式转变成为一种以学生为中心的教学模式。这才是从教育学上来讲我们应该追求的一种教学模式。

AI老师的4大功能

人工智能自适应学习AI老师主要有4大功能。

首先是给学生做知识漏洞检测，通过一套AI驱动、算法驱动的测试，诊断出来每个学生的知识漏洞。在接下来的学习过程中，AI还实时地去评测学生的知识掌握水平，然后通过这样的分析，了解每一个学生的学习情况之后，给每个学生量身定制他的学习方案，推送最合适学生的学习内容，规划最佳学习路径。

那么我们先来讲一下知识诊断。

知识诊断听起来很容易，给一张卷子，测出来的结果就是你的水平，但实际上不是这样。我们过去的所谓知识诊断、考试或者是测试，得出的结果就是一个分数，并不能说明什么，我们从这个分数里看不出来学生的学习情况究竟什么样子，它只是对学生学习水平的粗略估计。

一个优秀老师一定知道学生到底是哪里不会，不会的根本原因是什么，然后才会从他的痛点着手因材施教、对症下药。所以通过AI驱动的算法的知识诊断测试，是对每一个学生的每一个知识点做一个诊断。

初中数学可能有一万多个知识点，AI能检测出学生每一个知识点的掌握情况怎么样——有没有掌握，掌握的熟练程度如何。每一个学生每一个知识点都会有一个模型去评估，通过在系统里面采集到的学生数据，通过AI的算法模型，评测出学生在这个知识点上掌握的熟练程度如何。

知识评测结果

评测的结果就像这张图。

检测出每一个学生在每个知识点上到底是掌握了还是没有掌握，这样的话在接下来的学习过程中，学生只需要去学习他的知识漏洞，也就是没有掌握的知识点。

不同的学生会有不同的知识掌握状态，每个学生都需要一个最适合他的个性化学习方案。人工智能在教育领域的另一个应用，就是给学生做个性化推荐，本质上就是给每个学生量身定制个性化学习方案，就是这个学生接下来学习什么，以什么样的顺序去学习。

个性化推荐

比如说这个学生有一百个薄弱知识点要学习，按照过去传统的课堂做法，每个学生都按照线性顺序学习。但是因为每个学生的学习情况不一样，每个学生可能在自己会的知识点上还反复地去学习，这其实是一个低效的学习，是浪费学习时间。

AI技术，我们认为最主要的就是，让学生做少量的题，就能够获得更多的知识，就能够掌握更多的知识。

AI算法在这里面起到的作用，其实就像AlphaGo一样。AlphaGo选择每一步的落子，都是基于一个长期考虑，运筹帷幄于千里之外。它其实是基于当前的棋盘的棋局和棋势，在当前可以选择的落子选项里面，选择一个具有最大概率获胜的落子选择，会把每一种可能性、每一条后面的和对手博弈的路径全部推演出来。

所以说，AlphaGo的算法，本质上是一个无限的穷举。只不过它采用了蒙特卡洛树搜索，采用了深度学习，采用了加强学习，让搜索的过程尽可能高效。

AI在给每个学生做学习路径规划的时候，在给学生推荐接下来学习的知识点、学习内容的时候，也是采用类似的思路和思想。

比如说他有100个知识点要学习，接下来可以先学习5个知识点，但是这5个知识点每学一个之后，对学习剩余99个知识点会有什么影响——他学完这一个知识点之后，他能学习剩余99个知识点里面的哪些。然后学习第二个知识点的时候，会对他剩下98个知识点有哪些影响。

所以通过这样一个不断的推演，我们再反推过来学生在学习这个知识点的时候，他的学习效率是多少 ，学习成本是多少，也就是他花多长时间以及花的时间之内能够提升多少水平。

所以AI是基于这样的目标去做最佳学习路径规划。学习内容也是一样的，我们可以给学生推荐不同难度的学习内容，保证学习内容是最合适的。

实时采集数据

在这个过程之中，AI算法会实时去采集数据。

因为AI是数据驱动，没有数据就是无泉之水，所以我们会采集学生的历史学习记录；会采集学生当前的学习情况，包括学生在系统上答题所花的时间、题目的难度、题目考察的知识点；还有学生的一些行为数据，包括学生鼠标滑动的数据，以及我们学习内容的数据等等。

这些数据会作为算法的驱动，同时这里面我们也可以采用深度学习算法应用。深度学习的一个好处，就是能够尽可能地减少这些数据的标注或者是打标签，所以我们也在尝试用深度学习的方式，去做一个无标签的数据应用。

我们把所有的题目，通过自然语言处理技术、知识图谱、算法关联起来，知道每一道题目考察的知识点。同时还会对每个学生学习知识的状态进行分析，这些数据结合起来作为算法输入，然后输出的结果是给学生推荐最适合他学习的内容，包括是看视频还是做练习题，还是做测试题等等。

自适应教学系统可以因材施教

人工智能技术在教育里面还有一个应用，大数据分析，从学术上来讲叫教育数据挖掘，或者叫学习的分析。也就是对学生的学习过程分析，形成学生的画像；对学生的学习结果去分析，去评估学生的学习效果。

我们相信在未来，正如教育司司长所讲的，老师的时间其实可以解放出来。也就是说，人工智能自适应学习技术不仅仅是让学生的学习效率变得更加高效，同时对老师也是一种释放，把老师从繁重的工作里面解放出来，让老师去做更有意义的事情。

因为教育并不是只有教学，并不是只有学习授课，更重要的还有育人，要培养每一个学生的创造力、想象力。人与动物最大的区别在于人具有想象力，具有创造力，这是动物没有的。所以在教育过程中，一定不要忘记去培养学生的想象力和创造力，而这些是人工智能做不到的，也只有依赖于人、依赖于老师。只有把老师的工作释放出来，老师才会有更多时间和精力去做育人的工作。

就像我们现在的直播课，效果其实很差，根本原因就在于老师在那讲，学生在那听，但是听着有没有效果老师不知道。但通过人工智能技术，我们能够很好地去监控学生，了解每个学生的知识状态，更加清楚了地解学生学习前的状态，学习后的状态，清晰地掌握学生的变化。

而这里面人工智能算法的好处是什么？过去的话，我们评测是基于排名、基于考试分数，但是人工智能技术的应用，能够实时、持续地去评估学生，评估他每时每刻学习能力水平的变化。

具体算法模型就是通过每个学生的学习数据，分析学生在不同知识点上每时每刻发生的变化。我们可以通过贝叶斯算法，不断去累积这样的评估，数据量积累得越多，我们对一个学生的了解就越多，对他的水平的评估和评测也就越准确。

所以说人工智能是真正意义上能够做到比老师更了解学生。

5G与AI教育

在5G时代，我们相信5G和新基建能够进一步推动人工智能在教育领域里的应用和发展，能够让人工智能教育变得更加可行，让因材施教变得规模化，让个性化学习变得普及化，让每个学生都能够享受特级老师带来的一对一个性化辅导，带来千人千面的教学效果。

我们相信，5G的发展能够让学习变得更加有趣，学习内容更加形象，让教学变得更加生动和活泼，让每个学生爱上学习。

AI老师

一个AI老师不仅拥有丰富的知识，还有着丰富的教学经验。它对学科里面的知识知根知底，更重要的是它知道不同知识点的关联性，通过AI技术尤其是知识图谱技术，能够把老师丰富的知识经验复制出来。

我们知道，一个优秀老师的培养可能需要几十年的时间，但是我们能够通过AI技术把一个优秀老师复制出来，并且复制得比优秀老师更厉害，因为AI能够把所有优秀老师的知识经验都复制出来。

而且我们不仅能够教学生知识，还能教学生思想能力方法。AI通过数据能够评测出来，不同学生到底是哪方面比较薄弱，有的学生可能是认知水平、逻辑思维比较强，有的学生可能是表达能力比较强，有的学生可能是空间想象能力比较强。这些能力水平我们能够把它量化评测，做到更好的教学。

更重要的是5G扩展了数据的采集，我们能够通过各种不同的设备采集到更多数据，而这些数据能够促进AI老师的进化和发展。因为AI最重要的特点是能够做到自我进化，所以通过万物互联，我们能够让AI老师，让人工智能教育能够更快地去进化，变得更加智能。

AI老师能够全方位覆盖教学评测及完整的教学过程，在教学过程仅仅通过一个电脑设备，不依赖老师。而我们的老师并不是消失了，而是能够去做更有意义的事情，去激励学生，培养学生的人生观、价值观。

而要去实现这样的AI老师，其实并不是一个简单的过程，需要通过各种不同的算法的结合以及AI的工程化。我们在落地过程里面采用了三层架构去真正实现一个AI老师。

三层架构

最上面一层是本体层。如果把整个AI老师比作一个人的大脑的话，那么第一层就是模拟大脑的记忆中枢，因为记忆中枢存储了知识图谱、学习图谱。而本体主要目的是模拟一个优秀老师丰富的知识经验，因为一个优秀老师毕竟是学科领域的专家，所以必须拥有学科完整的知识体系。

第二层是大脑的计算中枢。之所以称它是计算中枢，因为这里面具有推荐引擎、推荐算法，能够模拟老师丰富的教学经验，分析每个学生的知识状态、学习情况，并且去制定相对应的个性化学习解决方案。

第三层就是眼耳口鼻舌。它能够跟学生进行交互，让学生有更好的学习体验，让学生爱上学习。

而AI老师大脑的核心引擎具有5大功能模块，包括智能推荐引擎；还包括智能反馈系统，能够实时不断地去采集数据，并反馈数据用来优化和迭代算法；还有学习分析系统，能够通过大数据分析学生的学习效果，评估学习内容的有效性等等；还有多模态分析，人机对话等等。

捕捉学生的行为数据

就像刚才提到的，5G技术扩展了数据的采集，这也是我们正在跟“人工智能界的黄埔军校”卡内基梅隆大学做的研究。我们通过一些外部设备，更好地捕捉学生的行为数据。

通过计算机摄像头，我们能够精准地捕捉到每个学生眼球移动数据、表情数据。我们还可以通过微血管去分析，即使是Poker Face，也能分析出来他当前的情感或者心理状态，分析出来这个学生是专注的状态还是走神的状态，或者是比较困惑的状态。

而且我们还能够通过脑环捕捉到学生的脑电波数据，结合学生的人脸表现数据和眼球移动数据，以及我们系统采集到的学生的学习数据，能够更加精准地知道学生此刻的学习状态，能够更好地给学生施以帮助，也让老师更加了解学生的学习状态。

更重要的是最后一点，我们相信AI教育不仅能够推动社会的发展，还能够让教育变得更加公平。它能够突破时空限制，突破距离限制，能够带来一个高质量、高水平的更好的教育，让每一个学生能够成为更好的自己，让每个人都能够成为更优秀的自己。

（本文未经造就授权，禁止转载。）

文字 |柴朝宸；视频 | Henry

版面 | 田晓娜