不看好自適應題庫的他如何做智能學習？

劉瞻是一個出生在教育世家的技術宅，創辦高木學習這樣一個運用人工智慧、大數據等技術的個性化教育輔導平台似乎是冥冥之中的註定，然而其實這樣的選擇卻是歷經了很多轉折才塵埃落定。

2012年，讀大學部大二的時候，劉瞻和美國斯坦福大學畢業的70后技術大牛陳鵬共同創業做了一家技術外包公司，一年後又轉型做了電商數據挖掘平台，但在劉瞻的想法里，做電商創造不了一個偉大的事業，並且以當時團隊的能力和資源很難把這事做得特別大，成功的空間很小。

於是他轉而去英國帝國理工讀研究所深造。認識了當時的研究所同學孫鑫，研究機器學習領域，在高階統計模型領域很有研究。

另外，劉瞻調研發現當時在線教育已經產生了三代產品：內容資源型、工具型、O2O型，但他認為這三種類型分別存在不同的痛點：內容整合型產品只滿足了用戶很表層的需求；工具型產品只提高了機構的管理效率，一部分的教學效率，但沒有提高學生的學習效率；平台型產品很難在K12教育領域複製出淘寶、滴滴、美團等撮合交易的業務，因為孩子們根本不知道自己需要什麼，供、需雙方無法自然對接。

另外，現在存在的矛盾K12領域的線下培訓班市場規模達到5000多億元，但是在線教育領域卻很難掙到錢，其中的原因劉瞻解釋為目前的在線教育產品主要解決的是資源獲取、提高管理效率、信息對接等教育的邊緣化問題而不是本質問題，因材施教、學生潛力挖掘等問題才是教育的本質問題，這些是家長認為價值很大的事情。而教育的付費行為95%發生在線下，而線上只有5%不到。

此時的外部環境和內部條件讓劉瞻意識到此時做教育是水到渠成的事情。三人結合各自優勢，一拍即合：做一款教育界的AlphaGo，探索自適應學習。

不看好自適應題庫

劉瞻告訴億歐起初團隊想直接做個自適應題庫，實踐過後放棄了這個想法，他講了自己的親身經歷：「我在自適應題庫做GMAT，第一次輕鬆拿到600多分，複習了一個半月後再次做題的過程很痛苦。」他告訴億歐自適應題庫會沿著一個人的能力邊界推薦題目，以最少的資源、時間獲取最高執行度的測評結果，特點是能高效、精準地測出做題者的水平，但是它並不是一個很好的訓練和學習方式，「因為自適應題庫不把做題者當人看，它是基於做題者是高情商、高智商，並且能老老實實坐在那裡做題，但是基於這種假設的學習產品是沒有意義的」，所以他意識到開發一款自適應題庫產品對學生的幫助很小，家長也不會特別認可。

劉瞻認為目前市場上開展自適應學習業務的主要有三類公司：

第一類是從線下培訓發展自適應學習方向的企業，如學而思、新東方，有教育培訓的基因。但是，首先會在AI和大數據技術實力上遇到瓶頸；其次，培訓班採集的數據在數據量、連續性、全面性上有顯著局限性；

第二類是工具型進校產品往自適應學習方向發展，具有用戶量的優勢，但不等於數據優勢，因為往往工具型產品最初的底層數據結構是沒有考慮未來要加入融入演算法分析，採集數據的維度往往也有局限；

第三類是自己這類具有AI基因的創業公司，那麼他眼中的自適應學習之路應該怎麼走？

人工智慧應該智能成什麼樣

他認為在教學中，傳授知識是一方面，另一方面，鼓勵和關心學生的心理也是必不可少。對於12-15歲的國中學生，需要不斷積累小的成就感建立自信心，自信心倍增才會產生學習時間延長，學習節奏正常化的效果。

有想法就有行動，去年開始，劉瞻團隊對其AITutor產品進行升級改造，將學習心理作為很重要的部分納入進來，例如學生做題后系統會給出正反饋、會考慮人的遺忘規律把握推送複習內容的節奏等等。

另外，劉瞻還提出了他對於人工智慧教學系統的期待，首先他認為AITutor可以像真人老師一樣不斷積累自己的教學經驗，不拘泥於課本順序，可以根據自己的經驗和認知規律、過去教學經驗的總結決定知識點的優先順序。據介紹，目前產品已經積累了超10萬學生的行為數據，劉瞻告訴億歐按照該速度，再過1個月時間系統就相當於具備一名老師20、30年的教學經驗。

其次，至於智能化的程度，劉瞻表示不論是建立知識圖譜、知識點關聯還是大數據結構化等，他表示AITutor對存在的已有數據有自我質疑的能力，雖然還不能達到自我矯正的智能程度，但是在知識點關聯錯了的時候能出現異常作為提醒，然後再由人再來重新篩選、更正。

再者，通常真人老師會用成績來評估學生的能力、知識體系的掌握程度等，但除了成績還有很多因素需要考慮，包括選項設置的順序、做題時間長度、人的情緒因素等，劉瞻要求AITutor可以進行多維度的評判。

最後，AITutor需要的是「日常學習數據」，周期性考試、偶爾周末補習中採集的數據是不夠的。從數據維度上，為了更精準地評估學生的知識掌握水平，只採集做題結果（正確率）遠遠不夠，而還有大量的學習行為數據暴露了學生的知識掌握水平，比如做題時間、樣本時效、選項上的猶豫、典型錯誤等。

以數學學科站穩腳跟

目前國內的自適應學習產品尚處在起步階段，對於技能學習、成人教育等這類超級個性化的領域沒有條件做到，大多數應用在k12領域。

目前高木產品定位在國中數學，劉瞻想專註專業化定位，以數學站穩腳跟。2016年，高木學習完成長達9個月的四期封閉式試點，在10所學校選取65個實驗班，跟蹤3000名學生的數據:堅持使用45-90天，「中等生」在各自年級平均進步95個名次，「後進生」平均進步135個名次。

有別於其他在線教育平台，高木選擇從B端入手，通過和學校、教育培訓機構、政府部門合作，去年十月份，從10所學校拓展到180多所學校，覆蓋湖南、江西、海南、河南、陝西等，截至今年5月份，共覆蓋11.8萬名學生，今年預計共進入400所學校、覆蓋50萬學生。劉瞻表示數據採集是個大問題，沒有相應的數字環境，影響數據採集，比如學生沒有硬體條件或者家長不讓用、小孩不自覺很難提供連續的個性化的服務，高木直接從B端切入、學校硬性規定使用為此提供了解決途徑。

其實，作為一個初創公司，與之前提到的兩類公司做自適應學習的成熟企業相比，拼資金和行業資源不佔優勢。劉瞻認為出路只有一個：在深刻理解教育的基礎上，充分利用AI優勢，死磕產品效果。

但是教育產品的實際效果需要大量樣本並且較長時間的驗證周期。劉瞻認為市場這麼大總有生存的空間，很多對手死掉不是被市場或者對手搞垮而是會被自己搞垮。「人工智慧不是喊口號、說大話，實證效果是需要擺出來的」，劉瞻說道。

重磅福利！【2017互聯網+新商業峰會】，6月15-16日兩天3000人次，攜程創始人梁建章，嘉御基金創始人、前阿里巴巴CEO衛哲，分眾傳媒創始人江南春等嘉賓已確認出席，期待你的參與，限量鉅惠票等你拿！

本文作者岳麗麗，億歐專欄作者；_love520（添加時請註明「姓名-公司-職務」方便備註）；轉載請註明作者姓名和「來源：億歐」；文章內容系作者個人觀點，不代表億歐對觀點贊同或支持。