乂學教育栗浩洋：教育機器人如何利用AI提升10倍教學效率丨CCF-GAIR 2017

乂學教育&朋友印象創始人：栗浩洋

在由中國計算機學會（CCF）主辦，雷鋒網(公眾號：雷鋒網)和香港中文大學（深圳）聯合承辦的CCF-GAIR全球人工智慧和機器人峰會的機器人專場上，乂學教育&朋友印象創始人栗浩洋也發表了其「用人工智慧打造教學機器人提升十倍教育效率」的主題演講。

在演講中，栗浩洋介紹了其對傳統學習和教育的看法。栗浩洋認為，過去的學習為什麼這麼痛苦？因為無論是公立學校，還是其他教輔機構都是無區別的對待所有學生和他們需要掌握的知識點。所以，乂學教育通過採用人工智慧、機器學習的演算法來對知識點進行納米級別的標註，從而為學生提供一套真正適合的學習方案。

據栗浩洋介紹，乂學智適應系統可為每一位學生建立適配的知識空間地圖，並跟隨學生的學習過程而不斷調整學習推薦路徑，從而真正實現「有教無類、教無定法和因材施教」。

同時，栗浩洋也指出，在解決前序很多問題之後，如何不斷保持和提升學生的關注度也成了一個難題，這一過程需要不斷地優化知識點來給學生獲得持續的成就感和興奮度，這也是智適應系統需要解決的一個難題。

以下是栗浩洋本次演講實錄，雷鋒網做了不改變原意的編輯。

栗浩洋：人工智慧在中國剛剛火了一年，然而我們是在三年前開始做這個行業的。當時，很多人質疑我們，說怎麼選了一個這麼不成熟的行業來做？事實上，直到今天人工智慧仍然不成熟，真正能夠上路的人工智慧又有多少？大家在大會上講的更多是願景，但是我們是想真正把人工智慧落地，並將其實現大規模商業化使用。

如果談到商業使用，科大訊飛90%多的收入都和人工智慧沒有關係。但是對我們做AI+教育的來說，先從商業角度來看，乂學教育打造的教學機器人在第一年就有了上億的銷售額。而從社會角度上來說，人工智慧正在給這個社會帶來翻天覆地的變化。

為什麼過去的學習這麼痛苦？

為什麼過去的學習這麼痛苦？因為無論是公立學校，還是其他教輔機構都是無區別的對待所有學生和他們需要掌握的知識點。但是，我們都清楚，課堂中每一個學生的起點不一樣。所以，我們希望藉助人工智慧的測試，將學生的知識點掌握情況構建成一張知識地圖。

乂學智適應教育系統：精準定位

乂學智適應系統主要針對K-12領域的學生，首先開發了七、八、九年級三個年級，未來會覆蓋12個年級。不管對於學霸還是學渣都適用。通過AI演算法的優化，我們像基因檢測那樣精準找到知識掌握的薄弱點，給學生推薦最適合他的知識點，通過這樣的學習，可以改變過去教育統一划齊的狀態。

· 知識空間理論

乂學教育開始做效率提升的時候發現一個問題，如果我們用非常粗糙的知識點進行定位，定位出來的效果也不好，而當我們將知識地圖的點標的越小教育就越精準。

比如，過去的個性化教育，如果檢測到學生對冠詞不了解，就機械地讓他學習5個小時，而乂學教育系統會告訴學生是不定冠詞的哪種用法不會，學生只需十幾分鐘就可以學完，學習效率更高。

· 個性化匹配

雖然知識點分拆可以解決精準定位的問題，但是這也直接造成知識點的標註比之前多了幾十倍。過去的高考中考，知識點只會考到8%左右，但也需要測試10個小時以上。但當我們有接近100倍知識點之後，測試的時間可能會長達一千小時，這一數據沒有一個學生能承受得了。

那麼，我們如何去做？事實上，通過精準的知識地圖和資訊理論的方式，我們也在不斷地通過知識點之間的網狀關係、和每個知識點是否處在最大信息節點、盡量用最少的測試量通過演算法來衡量學生每個知識點掌握的概率，而這個概率的精準度需要我們通過機器學習不斷地優化。而且不同學生遇到同樣的知識點哪怕是都掌握的狀態，由於各種能力因素或者情緒因素等等都可能會因為不同的原因出錯，這也是AI未來一定會超過特級教師的原因，因為機器對知識點、題目、錯因等各種複雜狀態的的掌握能力是無限的。

我們當時發現，現在教育巨大的差距，在知識點偵測這一個簡單事情上，就可以通過人工智慧的方式給每個孩子提升10倍、20倍的效率。

· 教育測量學&認知診斷理論

每一個孩子到底需要多長時間才能學會這個知識點？我們根本一無所知。針對這一問題，我們決定採用AI預測的方式，來給學生設置不同的學習路徑和步驟。然而，給每一個學生畫像，並不是簡單的臉部特徵，而是要記錄和偵測每一個知識點的狀態。乂學教育智適應平台通過人工智慧專家和教育專家的結合，以及藉助過去大量的試驗，可以給學生提供越來越精準的畫像匹配。

· 個性化學習路徑推薦

如何給一個學生做不同的個性化路線推薦？這是一個非常複雜的難題。比如，日本有一個白化病人被專家診斷後治療了一個月反而惡化生命垂危，IBM Waston卻判斷出這是一個罕見病的類型，應該用不同的方案，幾個月後這個病人出現明顯好轉。事實上，乂學教育智適應系統也一樣，平台上的科學家也在不斷去研究和琢磨這個問題。教育領域的機器學習不單單是演算法而已、也不僅僅只是識別對和錯，還牽扯到認知學、心理學、教育學和各種場景複雜的交織，不是一個科學家可以解決的。

所以我們做個性化推薦的時候，針對每一個學生我們都做了一個全景信息的知識地圖，並都做了清晰的標註，這種標註的難度非常高，但是對未來進行課題研究、學生畫像和課程推薦非常重要。

乂學智適應系統會在學生的學習過程中不斷推薦最合適的教學和練習材料，隨時調整學習內容和路徑，建立個性化學習檔案，不斷大量採集和分析學習數據。很快，系統甚至可以精準地預測學生的學習進程和期末的成績。

· 利用AI和機器學習，建立學生個人畫像

中國教育一直講三個詞，即有教無類、教無定法、因材施教，幾千年都沒有真正實現，而現在人工智慧卻真正做到了。

我們通過學生的各種各樣的學習數據來判斷，當然這個學習數據又是一個問題，到底用什麼題測試知識點？我們公司自己專門為系統精編製作的題目測試精度很高，但市場上絕大多數的題都不行，因為涵蓋了多個知識點並且標註錯誤或者標註不完全導致判斷錯誤。還有些題學生不是因為知識點不會，而是有意想不到的錯因，我們有一道語文閱讀題CTO做錯了，他的錯誤原因是覺得這個題政治不正確，所以每一個學生的情況千差萬別，我們如何綜合考慮到這個情況建立這些數據，同時不斷推給相對最優的答案，這是每一個特級教師也不可能做到全量掌握和精準匹配的。

如何保持和提升學生的專註度？

當所有前序問題都解決掉，如何提升學生的專註度也成為一大難題。很多時候大家都說學霸永遠學得好，學渣永遠學不好，其實不是，學渣什麼時候學得好？有成就感的時候。所以，在乂學教育的智適應系統里，我們給學渣安排了正好適合他的能力的非常簡單的題，當他們突然發現自己百分之八十都能做對，自然而然就會收穫成就感。所以我們要不斷提升這個知識點的難度，讓他們持續獲得成就感的同時不斷成長。

Alpha Go&在線教育的共同啟示

曾經有人說，今年的人機對弈，AlphaGo是故意算好贏面的概率，精準地只贏了柯潔半目，這讓業界一陣顫慄。就像現在的智適應平台，也需要設置「懂得故意輸、懂得照顧學生」的程序。我們給學生的個性化的推薦，就像今日頭條給你的個性化新聞一樣，只不過教育推薦的難度和複雜度要高出很多。所以我們在驅動機器學習的時候遇到很大的困難，因為AI需要依賴大數據，但是有兩大領域都很難取得大數據——教育和醫療，所以在用演算法和機器學習驅動這兩個領域的發展也面臨很多困難。

李開復曾經說，中國的人工智慧在未來可以超過美國。事實上，我們在從歐美挖來教育領域最頂尖的科學家和跟人工智慧最尖端的實驗室SRI斯坦福研究中心一起合作之外，已經投入大量人力物力財力在教育的獨特場景的落地應用研究，並且自主研發出很多超越歐美同行的專利和know-how 。在教育AI＋的很多細分領域已經是全球領先。

希望大家一起創造一個更加美好的未來。讓每個孩子的學習更有效、同時更輕鬆十倍！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！