在大數據的“滋養”下，AI在越來越多的領域更懂人，讓擁有深度學習能力、不斷進化的AI幫助人類探索學習規律、開拓認知潛能，已成為人不被機器淘汰的必要之舉，根據教育部的規定，2018年秋季開學後，高中生們將要開設一門新課程：《人工智能》。
互聯網教育尤其是線上K12培優項目一直是投資熱門，直播1對1模式風口過後，教育圈內最火的應該是AI項目了。據億歐智庫的報告顯示，2017年人工智能教育融資額度達42.17億元，其中超80%屬於早期投資項目，這個賽道有望誕生多個獨角獸公司。
筆者發現，當前佈局人工智能的在線教育大體分為三派：
- 教學或題庫測評類工具產品，比如作業盒子等；
- 培訓機構應用AI技術，比如好未來等；
- 人工智能教育引擎及平臺提供商，比如高木學習等。
現在擺在AI教育創投從業者面前的問題是：到底以技術實力論英雄的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裡？如何才能落地？ 本文試做解讀。
一、為什麼“自適應”其實並非真正的AI？
一位投資人朋友曾向我這樣說道：“既懂互聯網行業又完全懂本行業的業務的管理型人才不超過十個，這是在‘互聯網+’雙創浪潮中每個垂直行業頭部項目就幾家能玩轉的原因。”而認知和技術門檻更高的“AI+”情況恐怕會更加不妙，甚至很多人把“自適應”與“AI教育”劃等號。
自適應學習（Adaptive Learning）的鼻祖是美國的Knewton公司，它通過評估不同學生對知識材料掌握度進行個性化推薦，有點類似於今日頭條的興趣引擎。Knewton在國內的門徒眾多，目前大概有40多家項目宣佈發力做“自適應”，比如“乂學教育”（學練測自適應）、“學吧課堂”（題庫自適應）、“英語流利說”（英語口語糾正）、“一起作業”（家長、老師在線監控）等等。
嘉御基金創始人衛哲說過，“90%的人工智能項目都是偽AI”，鑑別的依據是看項目“算法速度”，如果是代數級而不是幾何級計算那就不是“真AI”，以此來考驗自適應項目，得到的結論未免讓人失望。
初級的自適應項目是人工預設指令或編程規則推薦，高級的自適應是基於知識圖譜推薦，即使是高級的自適應項目由於沒有按照既定的教學大綱和教學目標有邏輯地展開，在具體知識學習之中並不系統。關鍵是很多自適應項目採集的是各科最優秀特級教師的能力，導致其算法本身是線性的、模擬人學習而已。
自適應的技術原理就好比AlphaGo是應用了人類最優秀圍棋大師的能力而非是完全迥異機器深度學習和自演化模型；自動駕駛AI應用了某個人類零誤差老司機的感知能力而非是基於全網海量交通大數據做運算和決策；人工智能醫生是應用了看X片最快最準的醫生的經驗而非是海量數據庫訓練；顯然按這樣的路徑訓練出的機器並非是真正的AI。
“真正擁有充分教學大數據及算法速度的‘AI教師’是能輕鬆超越擁有30年教齡特級教師的，並且可以突破人類的知識侷限，對算法模型進行自動演化，找到人類從未嘗試過的策略。”高木學習創始人劉瞻這樣描述AI教師。
劉瞻是帝國理工學院科班出身，早在2015年開啟AI教育創業，他認為判斷真偽AI教育項目具體有三個考察維度：
（1）自適應是基於模擬優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“教學實踐大數據”中做深度學習。
（2）自適應主要用作知識盲點的統計，但無法分析出知識體系之間的本質聯繫，用AI更重要的任務是找到行為背後的原因，比如某學生表面上二次函數是薄弱環節，既有可能是其對二次函數的各細分知識點掌握不牢，也有可能是前置知識點一次函數、函數的思想理解不透徹，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會根據該學生數據和“知識路徑矩陣”，找到問題背後的原因從而匹配出最優學習路徑。
（3）人類教師的情感因素能左右學生的學習效果，AI教師也應綜合考慮學生的自信心與成就感的培育與激發，從而確保學生學習過程“知”、“情”、“意”的一體化。
二、AI教育的核心：幫助每個學生找到“元認知能力”
AI教育並不會改變“老師-學生”的二元結構，甚至人工智能教育還要在師生兩端徹底解決互聯網教育未完成的兩大難題：
- 如何幫助學生找到學習方法、提升學習效率？在中國一個普通中學生80%的學習時間是低效的。
- 如何幫助老師對學生更高效的“因材施教”？目前在我國師資資源依然整體短缺並且分佈不均，1對1培優成本高、小班普及率低等問題依然突出。
AI教育的優勢在於通過數據化形式分析學生自己都不清楚的“癥結”，即所謂的“懂我更懂教好我”，同時AI還能幫助老師實現教學效果的穩定化和可控化。AI在充分收集和處理教與學兩端的大數據後，還得在具體教學場景之中個性化建模，最終實現
“讓學生更會學，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”，教育本質不是灌輸知識，而是要啟發學生思考並讓學生掌握自主學習的能力。目前很多偽AI學習神器只能“授人以魚”但並不能“授人以漁”，我國基礎教育歷來缺乏方法論課程，只有極少數有天賦的學生能自主制定適合自己的學習方案，而絕大多數天資處於平均線的學生在混沌中摸索。如果從AI的視角來看，所謂“天賦”不過是少數幸運兒自覺不自覺的分享了“元認知能力”。
當人主動設定學習計劃、自我反饋、動態調整學習策略時，就接近了“元認知”，在大數據時代，這種元認知能力是能被定量化分析的，AI 教育可以為學習者提供關於反覆激活元認知能力的“訓練法”。根據劉瞻的解讀，AI教育的“訓練法”就好比給蹣跚學步的嬰兒安上矯正走姿的“學步車”，具體應用什麼樣“訓練模型”則是由AI根據大數據進行場景化定製的，有可能是通向學習目標所需要的“雲梯”，有可能是“舟楫”，或者是“柺杖”等等，這些模型能不斷調取和強化人的“元認知能力”。
儘管市面上90%項目都是著眼於知識點和解題訓練的自適應，真正AI教育項目比如高木學習的AI不僅包含自適應的知識圖譜大數據，而且還能不斷從學生的行為數據中演化“知識路徑矩陣”即AI可根據學生對知識和能力體系的理解定製出個性化學習路徑。與此同時，AI讓學生在對知識的理解與記憶過程中不僅訓練知識掌握度，還不自覺地訓練了元認知能力，這套“個性化學習引擎”其實是在培養學生“忘掉所有知識後”剩下的元認知能力，具有普適化的特點。
實際上，AI教育並不需要侷限在某一學習階段、某一學科的知識體系，完全可以打造一個跨學科、跨門類、跨階段使用的“通用知識學習引擎”，也就是說，除了應用在K12領域外，AI教育還可以應用在高等教育階段，甚至在輔導大學生時比中小學生會更為輕鬆，無須綜合考慮學生的學習動力因素等。
反過來講，如果市面上的人工智能教育項目只能用於某一單科或只能教K12，就不是基於大數據獲取和智能化引擎的“全才”和“通才”，基本可視為基於特定領域專家總結的經驗規則的“偽AI”。
三、為什麼AI教育項目落地，to B模式比to C模式更容易跑通？
當前AI教育項目的商業化進程走向大體分為兩大派：
- 一派是自建場景的顛覆派，試圖開發新的測試軟件以抓取學生的數據，甚至引入一些把AR（增強現實）、MR（混合現實）等黑科技，其目標是以“AI教師”完全取代真人老師教學，屬於“人機對抗”模式，較為典型的是乂學教育的松鼠AI。
- 另一派是升級現行教育體系、不另創場景的改良派，屬於“人機共教”模式，較為典型的是高木學習的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。鑑於我國當前AI教育的應用場景主要為教學機構包括全日制學校與培訓機構，而非一個個分散的學生；只有讓AI去輔助老師備課、上課，嵌入到學生作業和訓練，幫助學生提分和學校提升升學率，才能幫助AI更快落地並且找到盈利模式。
從“全日制學校”應用AI的實踐上看， AI能讓老師“心中有數（據）”，提升教學的針對性，AI教師實際上相當於真人老師的“智能助教”，可以減輕老師50%的工作負荷量，比如AI幫老師批改作業，把數據分析的可視化呈現出來幫助老師定製教研方案。因此，在市場推廣過程中，AI教育項目不需要擔心基層老師的接受阻力，能讓老師擺脫“汗水老師”的局面也是基礎教育機構所希望看到的。
由於全日制學校獲取的大數據比培訓機構更加海量、持續、高頻，因此高木學習更看重AI在全國全日制學校場景中的數據價值，積極在全國推行城市合夥人制度，並計劃與地方教育主管部門合作推出全國教師AI應用能力培訓公益活動。
To B模式中另一大企業客戶就是體制外的培訓機構，他們所面對的學生付費意願強、購買力相對旺盛，是AI教育項目獲得穩健現金流的必爭之地，那麼當前培訓機構應用AI教育項目開展“人工智能雙師班”的效果如何呢？
- 首先，AI教練能保持教學效果穩定化輸出，解決原本老師教學效果不確定的弊端。
- 其次，AI 提升了老師的工作效率，突破了培訓機構因為名師稀缺且流動性大限制培訓機構的規模化發展的瓶頸。
- 再次，比如高木學習的AI幫助學生髮掘了“元認知能力”增強學習信心、提分效果明顯，幫助合作培訓機構提升了續費率，為招生帶來便捷。
可以說，人工智能教育走to B模式是“為教學機構賦能”，既能為全日制學校老師和學生“減負”，又在給培訓機構做大業務“增量”的，難能可貴的是，AI項目並不需要學生端那裡刷品牌存在感，把所有的教學效果功勞於老師，可用“潤物細無聲”來形容。
結語
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，讓學生享受到智能化因材施教教育。當前我國的AI教育是在標準化應試教育的框架下，儘可能讓學生獲得個性化學習解決方案，在幫助學生完成提分、升學的“小目標”同時，喚醒和開發其“元認知能力”，這回歸了教育的本質。在知識爆炸的年代，教育的重心應該由從儲備具體知識轉向到掌握開啟知識寶庫的“鑰匙”即元認知能力上來，這才是AI教育帶來的智慧啟示。
#專欄作家#
靠譜的阿星（李星），公眾號：靠譜的阿星，人人都是產品經理專欄作家。靠譜匯創始人、科技媒體專欄作家，CMO訓練營認證導師。
題圖來自 Unsplash，基於 CC0 協議
閱讀更多 人人都是產品經理 的文章
