新智元报道
讲者：樊星
编辑：木青
【新智元导读】中国在线教育市场千亿刚需，AI技术赋能传统教育，不断提升用户体验。在此过程中，如何实现教与育的平衡？AI技术与真人老师该达成怎样的协同关系？3月27日，在“2019新智元AI技术峰会智能云芯世界”上，松鼠AI智适应教育联合创始人兼CTO樊星做了主题演讲。
前瞻产业研究院报告显示，“AI+教育”已经成为在线教育行业的关键词，到2019年中国在线教育市场规模有望达到3870亿元。
其中，中国K12教育市场规模前景明朗，市场空间大，据艾瑞咨询统计，目前全国K12公立学校中约1.6亿在校生，同时，每年有1600万6岁人口成为一年级生，为这个市场不断输送新鲜血液。
如今人工智能技术已经运用到在线教育的多元场景中，不断提升用户体验。但“AI无法取代传统教学”、“真人老师更懂学生”的论调仍普遍存在，人工智能企业该如何实现将AI技术赋能传统教育，打破人们对“AI老师”的偏见？
松鼠AI智适应教育联合创始人兼CTO樊星
3月27日，在“2019新智元AI技术峰会智能云芯世界”上，松鼠AI智适应教育联合创始人兼CTO樊星做了主题为《AI技术赋能传统教育》的演讲。
樊星认为：
在教育市场的争夺中，AI终将赢得人机大战的胜利，人工智能正在改变中国的教育。
并以松鼠AI智适应教育为例，分享了在其发展过程中的技术突破与实际应用。
AI可以取代70%的传统教学工作，人机对战“AI老师”必胜
如今人机对决的“战火”已经蔓延到教育领域。
樊星在演讲中提到，此前松鼠AI曾试验过几次人机大战，在提高学生分数方面，AI老师已经战胜了真人老师。
樊星提到，理想化的人工智能教育软件需要快速有效地判断学生的能力。这需要高质量的教学内容，持续性的分析分解学生知识的图谱，和根据学生知识图谱为学生提供定制化内容。而松鼠AI想要通过人工智能自适应算法解决的，是教育行业的真正两个痛点：教育机会分配不均衡和缺少个性化教育。在此之前，前者只能通过MOOC解决，后者只能通过家教的一对一辅导处理，都达不到通过技术系统性解决问题的期待。
在新智元AI技术峰会上，樊星在接受媒体采访时也提到教与育、AI与真人老师的关系：
目前，人工智能已经可以替代70%的传统教学工作，但是在育人这方面，AI很难替代真人。而实际上，教和育的分离是自古有之，只是目前我们更多地重视”教“，“育”的存在感比较低，因为大家都在接受知识。
那么如果用AI代替70%的教学部分，那么真人老师可以腾出更多的精力花在育人方面，从而真正地让孩子实现德智体美劳全面发展。
除对教育方式的改变外，AI赋能也令中国教育市场融资非常活跃，教育行业是现金流飞速流转且备受资本青睐的领域，其中K12中小学教育尤其具备吸金能力。以松鼠AI智适应教育为代表的AI独角兽企业截止2018年7月累计融资近10亿人民币。
在“智能云 芯世界” 2019 新智元AI技术峰会上，松鼠AI智适应教育凭借研发出中国首个针对 K12 领域学生教育的 AI 自适应学习系统等，成功入选
新智元2019人工智能独角兽
。
以下为是樊星《AI技术赋能传统教育》的演讲实录：
松鼠AI智适应学习引擎架构+纳米级知识点拆分：从技术层面，检测出学生问题
樊星（松鼠AI智适应教育联合创始人兼CTO）：回顾一下传统教育的一些情况，松鼠AI是聚焦于K12教育的公司，定位为人工智能自适应教育公司。公司一直在做的事情就是希望用人工智能的方法让系统模拟一个优秀的特级教师，从而为每一个孩子提供个性化的、一对一的教育服务。
为什么会有这样一个定位和愿景呢？我们可以看一看现在教育存在的一些情况：特级教师千里挑一，更是学区房一房难求。
这些问题的核心在于，优质教育资源不均，优秀师资资源紧缺。
AI能够为这些问题做什么呢？松鼠AI的人工智能教师其实就像一个系统，类似手机导航，复制的边际成本是非常低的，而且使用可以不受限制，只要孩子有一个网络、有一台电脑，不管是在北京还是在西藏都可以享受到AI老师的服务，且提供的服务都是一样的。
每个孩子对教学的需求是不一样的，现在这样的上课方式很难满足，也是为什么现在课外辅导这么火的原因，因为课外辅导老师会根据孩子的情况进行一对一个性化的教学。那么AI可以带来什么呢？AI可以给每一个孩子配备这样的老师，每个AI老师可以根据每个孩子的情况制定个性化的教学方案和教学目标，孩子每次学的东西可能都是需要去学的。
大家诟病已久的情况是，虽然我们一直想改变孩子”死读书、读死书“的现状，但事实上十几年来我们的改变是有限的，为什么呢？目前我们的教育更多的是注重对孩子知识的掌握，其实一定程度上忽略了对孩子能力、思想、方法的训练，所以造就了高分低能诸如此类的问题。
利用AI，我们可以把日常课堂中孩子浪费的部分时间拿回来，然后针对孩子的学习思想、学习方法进行训练，相信这种情况会有改善。
今天我们更多的会讲技术层面的东西，看一看松鼠AI智适应学习引擎架构，整个学习引擎分为三个层面：
最上面的是学习目标，主要会由几方面的组成：首先是孩子的错因，因为什么原因孩子会经常犯错；第二是Learning Map，孩子的学习地图，一般决定先学什么后学什么；第三是Content Map，整个知识体系又是什么情况。
中间的就是学习记录，每个孩子个性化的学习推荐，学习检测不仅依赖于静态的东西，更多依赖于历史的学习数据，可能更多包括其它孩子的学习数据。
最下面的是学习基础，更多的是AI引擎、AI架构，比如评测引擎、推荐引擎等。
我们拥有全球首创的纳米级知识点拆分，为什么要有这种拆分？对孩子的评估和检测更多的是针对检测的结果需要做到又细又准又快。不同的检测结果代表治疗的有效性、治疗的针对性，也代表着解决问题的效率。
上图是分数加减法的图谱，这些都离不开教研，而且这些教研必须要能够懂我们的算法和AI架构，也就是我们的能力、思想和方法。
松鼠AI智适应教育全球独创了学习思想、能力、方法的拆分，下图是具体一个学科的思想拆分。
因为之前我们讲的这些东西没办法提升，之前的提升方法在于读书破万卷其意自现，通过大量潜意识的训练获取这样的能力，而不是有目标、有价值、有方向，就像孩子学游泳一样，天天往河里扔也会学会游泳，但如果让专业的游泳教练去教效果是不一样的，二者的核心区别在于效率。能力、思想、方法是可训练的，也是可提升效率的，刚才讲的读死书、死读书、高分低能是可训练、可改变的。
接下来是我们系统的两大引擎：状态评估引擎和推荐引擎，状态评估引擎更多的是检测、判断和评估，推荐就是根据目前的检测判断结果以及检测对象的情况给出一个最优的路径，然后按照这个路径往下执行。
精准侦测每个孩子的知识漏洞，刚才我们讲的检测的时候要做到又快又准又细。前几次我们做过人机大战，在提分方面，AI老师已经战胜了真人老师。战胜的很大关键就在于检测，因为AI老师可以把对孩子的情况检测做到又快又准又细。我们知道只有问题定位准确，定位问题的时间是解决问题时间的十倍以上，只要能够把Bug定义出来，其实改Bug是很容易的。
如何预测孩子的情况？因为要给孩子做计划就必须要预测孩子的情况，制定这些计划以后孩子能不能搞定？需要多长时间、多大成本搞定？需要什么方法搞定？这些都依赖于整个预测引擎，预测当中又有实时分析和推荐器，关键的信息在于我们要不断地去收集孩子的实质信息，然后把这些信息输入到引擎里面，通过自己的模型跑出这样的预测结果。
其实不仅仅是学习目标，我们需要做到Dynamic Goals，也就是动态化的目标。每个人即便是在同一个目标，需要达到的程度也不一样，有些孩子概念上的问题，有些孩子是理解上的问题，有些孩子是应用上的问题，学习的过程当中孩子也会出现变化，所以孩子需要的是动态的、可实时调整的学习目标，而这些靠真人是很难做到的，只有机器做到这一点相对比较轻松。
这是我们的对话识别引擎，仅仅通过孩子的行为得到的信息还是不完整，但可以通过对话得出更多的信息帮助系统得出判断。系统运行的过程当中会收集更多的信息，包括孩子每一次答题的结果，甚至孩子每一次鼠标移动的情况，孩子的情绪都会做到这样的判断。
我们的老师起到的是什么作用呢？老师会不断监测孩子的情况，其实就是通过这个面板，系统会给老师推送这样一些警告，可以帮助老师作出一些决策。
上图是个性化图谱，所谓的个性化教学目标这里就可以看出，即便只有十个知识点，整个情况都有很多种组合。可以看到提升效果还是不错的，百分之九十的孩子都得到了提分的结果，几次人机大战当中系统也战胜了真人。
现在松鼠AI在这个领域的全球学术知名度已经达到一定程度，基本上是这个领域的领头羊，5月份我们也会举办AIAED全球人工智能智适应教育峰会，到时候会更加聚焦于人工智能教育领域。
我们希望每个孩子身边都能够拥有一位AI特级老师，每个孩子都能够成为学霸，没有学渣。
