乂學智適應教育栗浩洋：人工智慧如何推動教育升級

【獵雲網（微信：ilieyun）北京】4月13日報道（文/岳園）

今天，獵雲網2017人工智慧產業創業創新峰會在北京四季酒店隆重召開。此次峰會的主題為「精·識·致·用」，分別詮釋為精準大數據，智能識別，產業結合，生活應用。上百位人工智慧領域著名學者、頂級專家和知名投資人參與，共同探討當今AI的發展創新與變革，將產業與人們的實際應用相結合，為人工智慧的普及奠定可行性的基礎。

峰會中，各位嘉賓大都在講解行業以及發展趨勢，乂學智適應教育栗浩洋則為大家具體講解人工智慧在教育行業的應用。

栗浩洋提到人工智慧在教育領域的應用。他們希望利用AI智能代替特級教師，與全國學生進行一對一教學。特別是人工智慧的商業化和在場景中的應用。

具體分享了人工智慧在教育領域上應用的幾個優勢：

1，精準定位。人工智慧的方式可以智能偵測到學生學習的盲點，從而減少其重複學習的時間，從而提高效率。並舉例，人工智慧教育在美國，遠遠超過了人類的教育。AI老師將所有的知識點進行鋪點，對幾百萬道的題進行涵蓋。這樣的情況通過知識空間理論，找到學生的薄弱項，從而精準到學生最需要學習的內容。

2，個性化學習路徑設計。對於同樣一個知識點的學習，每個學生用的時間不一樣，效率和學習路徑也不一樣。因此用人機對話的方式代替45分鐘線性教育。根據學生的畫像，通過機器學習，幫助其設計最快的最適合的學習路徑。

3，根據教育測量學，認知診斷理論。通過研究課題，建立個人畫像，個性化匹配和優化模式教育幫助學生解決問題。

另外，栗浩洋指出當前的教育模式都是盲目補習的方式推進學習。通過快速偵測的方式可以找到學生此前知識的盲點，追溯到更基礎知識的補習，一步一步滿足用戶學生學習分級，從而達到理想的成績。

對於學生來說，一種新穎的學習方式更有動力去學習。因為其打破了傳統老師模式，學生自主完成整改學習過程，從測到學再到練，形成一個完整的學習閉環。

最後，栗浩洋提到了新東方教育，他認為更加精準的偵測和學習路徑的推薦可以解放更多的老師，相比於其他人工智慧領域的創業，人工智慧+教育的方式在商業模式上，變現上也更加清晰和容易。

以下是栗浩洋的演講實錄，內容經獵雲網（微信：ilieyun ）整理：

今天大家講行業和人工智慧發展的縱觀，我今天給大家分享一個實踐。我自己上一次創業用了十年時間，參與到和我的幾個合伙人，和內部創始人一起，把這個公司在A股借殼上市，最高市值達到140億。2014年決定從頭再來，那個時候決定進入人工智慧，那個時候所有人說做人工智慧靠譜嗎？就像把晶元植入人腦一樣，好像是遙遠的未來的事情。哪怕2015年初人工智慧界覺得圍棋下贏人類需要30年，結果2016年這個情況一下被顛覆了，從阿法狗開始這個事情被顛覆。從2014年我把美國人工智慧的科學家請到，講人工智慧在教育領域的應用。

我們所做的其實和阿法狗，就是希望用一個AI智能代替特級教師。就像阿法狗模擬圍棋大師一樣，我們用系統模擬特級教師，從而代替幾百萬老師的工作，這個後來李開復說了，他們說人工智慧代替老師的工作。我們當時做的時候我們融資找了58家VC，都幾乎沒有人相信我們的故事。但是現在我們已經被追捧到了，每天接VC應接不暇。我們去年融了1.2億的天使輪，去年人工智慧火起來之後，行業對我們認可。

但是怎麼做？大家談人工智慧到底靠譜嗎？第二就是人工智慧怎麼落地？我們說圍棋這麼難，20年前國際象棋已經下贏人類了，比如深藍。但是圍棋為什麼用了20年呢？教育也是這樣，我們經過幾十年的教育，現在聯考題層出不窮，不停的題目還是會出來。那麼我們如何做如何解決？這裡我簡單給大家分享幾個方式。

第一個是傳統的教育。

比如我自己是一個學霸，國小跳級，八歲做計算機實驗生，國中時候把高中學完了。但是我們還是要一萬道的刷題，但是每個孩子只有一部分知識點不會，對於我來說只有5%的知識點不會，10000道的題有9500道對我來說是浪費時間。如果我們用一個智能偵測，把所有的知識點推一遍，我們能夠非常推測出來我哪些題不會，這樣我不用刷9500道，我只刷500道，對於我個人來說我已經提升20倍的學習效率。如果我們用智能做知識點的檢測，我們可以讓一個學生提高20倍的學習效率。一個50分的學生，有50分的知識不會了，我可能只讓他學15個知識點。所以這是人工智慧在美國經歷了無數的人機大戰，它的及格率比人工有了大幅度提升。它怎麼做？阿法狗跟李世石下棋之前，消化了8300盤棋，所以它對勝率有一個基礎的判斷。我們人工智慧的AI老師，先把所有的知識做了了解，然後對幾十萬道題做了一個了解。

這樣任何一個特級教師不可能熟知幾十個知識點，僅僅在知識層面，那麼AI老師已經勝過人類的老師。這樣的情況下通過知識空間理論快速的偵測每一個小孩子知識點所掌握的薄弱項，可以十倍二十倍提高教學效率。

第二個層面上我們如何再三倍五倍的提升教學效率？

這是我們的實驗。對於同樣一個知識點的學習，有的學生用20分鐘有的學生用50分鐘，但是有的學生用120分鐘，每一個小孩子的學習速度不一樣。但是我們這樣一個AI智能的機器學習裡面，人機對話的過程中，小孩子根據他的學習速度進行的。我們現在的傳統教學，包括新東方好未來，他們也投資了我們公司。那麼他們所有的教育還是45分鐘，這好像自動駕駛全部按照45邁來走，其實遇見不同學生應該不同對待。

這裡阿法狗把所有的走法走一遍，來排除最不可能的可能性，快速，用最小的可能性找到相對最優的答案。我們也是這樣，我們根據每個學生的學生畫像以及學習能力的畫像，我們來通過機器學習來給他找最適合他的最快速的學習模型，你想一個90分的學生和50分的學生的學習路徑不一樣。比如我代數已經是全國奧克匹克一等獎，但是幾何特別差，我應該在幾何上下功夫。但是怎麼判斷呢？通過機器學習的方法不斷的優化。我們通過診斷模型根據每一個學生的答題情況判斷知識點的掌握狀態和學習速度，從而判斷他應該採用的學習路徑，最優的學習路徑給他個性化的路徑推薦。這個有點像GPS導航，當然GPS導航可能性比較少，A到B就三五條，但是每個學生可能全一百萬個學生，每個學生過去學習軌跡都是不一樣，每一個像我一樣考到交大的學習路徑都是不一樣，如何給他們最優的學習路徑的推薦？這個就是人工智慧能夠發揮作用的地方。

我們運用這麼多種方式，通過研究的課題建立個人畫像，通過個性化的匹配和優化教育模式，我們讓過去的學習產生了飛速的提升。我自己大學兩個月背完了兩萬個GRE單詞，很多人可能背了一年，我覺得完全是學習路徑和學習方法的問題，我高中的時候已經學了馬斯洛的心理學理論，大二當交大心理學的主編，前面幾個主編都是博士生，大學部生投稿都投不進去，而且我還是理工科為主業的學生。

我們還解決傳統教育的什麼問題？無論是傳統教育還是互聯網教育，他們都叫做盲目學習，就是不看小孩知識點的結構，我們稱之為追根溯源。如果一個小孩子三年級不及格，我們讓他留級，但是留級沒有好結果。我們可以說一個孩子來乂學教育，三年不及格的孩子可以保證考85分以上。其實到了初三不及格的孩子，可能初三50%知識點不夠，但是初二有20%的知識點沒有掌握，初一有10的知識點沒有掌握，這個時候好像是一百層大樓裡面在第一層蓋一樣。

我們先花一個星期把三四年級的學好，他可以很快考95分，再把五六年級的學會，然後把初一的補會，那個時候他可以考90分，再花一個月把初二的20%學紮實，再到下一個學期，他初二於是是95分的基礎，這個時候初三考85分輕而易舉。所以我們通過學生的學習數據、知識狀態和學習分析+挖掘技術，我們可以改變每個人的學習狀態。李世石號稱上廁所的時候，阿法狗已經對弈了40萬盤，科傑他自己在網路上下棋因為要求特別快速高速做判斷，同時一天的下棋量比線下的下棋量高五六倍，同時獲得一個相對人類最優的大數據。但是這個跟阿法狗比起來，幾乎是好笑的。任何一個特級教師一樣，不可能熟知幾百萬個知識點和幾百萬個學生。所以人類在機器面前是非常好笑的，我認為沒有必要比，會不會代替人類？一定而且是必然。當然我們能夠讓現在很多學生，我們預計我們在幾次課程中我們發現學生的專著度比普通的網路教育有大幅度的提升，因為我們能夠根據學生情況找到最適合他的學習內容。我們並不怕阿法狗贏我們害怕阿法狗故意輸，如果它懂得故意輸給人類的時候，是人類需要恐懼人工智慧的時候。

我們經過幾千萬的實驗，這些是我們的收費學生，我們收費學生有17%的學生，他們通過16次課的學習，可以達到10到25分的提升。這裡面最經典的例子是我的司機他的女兒上英語，她補了三年一直英語考試不及格，我們這裡經過半年的學習考到120分，所以這是一個非常震撼的數字。這樣一個情況只有機器智能才能夠達到。對於每個學生來說，他在新穎的教學方式中，雖然跟機器和系統，在電腦上進行學習但是感受和過去完全不一樣，因為他會感覺老師特別懂我，教了你三年的老師不知道你哪個會哪個不會，但是我們這裡全部可以做到。更重要就是我們在商業模式上比起來現在圖像識別、語音識別很難獲得收儲，我們知道科大訊飛大部分的收入跟人工智慧並沒有關係，他的人工智慧這個技術並沒有取得多少收入。

我們如果做到新東方這樣一百億的銷售額，新東方是15億的利潤，我們可以做到55億的利潤，因為我代替了40%的老師成本，而且新東方擴張過程中，大量新老師會稀釋教學質量和口碑。我們隨著學生質量的擴大我們的機器智能越來越聰明越來越高效，越來越獲得更好的口碑。所以通過人工智慧的方式我們覺得我們不僅僅只是改變顛覆過去的教育狀態，我們真的是給每個孩子帶來了無比幸福的未來。謝謝大家！

www.zhishiying.com.cn