中美兩國三大「AI＋教育」巨頭，怎麼看AI智適應？

黑馬智庫，創業必讀

文 |四郎

如今，教育行業的重心逐漸從「教師」轉移到「學生」，隨之產生了許多新的教育思維、教學方法，以及教育範例。尤其是人工智慧技術，雖然最早發軔於美國，但卻被廣泛應用於中國教育的場景中，匯聚成目前火熱的「智·適應」教育產業。

作為中國智適應教育的引領者，乂學教育不僅率先將智適應教育理念引入中國並進行實踐，還努力促進智適應教育的國際化交流與合作。近日，全球AI智適應教育峰會在京舉行，。

智適應教育從哪兒來？又將到哪兒去？如何做好一個真正的AI智適應教育平台？人工智慧演算法如何更好地為智適應教育產業服務？來自全球的專家學者們分別就這些教育產業前沿問題發表了自己的見解。

Knewton：智適應是教育行業的新變革

關於教育的演進，Knewton的創始人Jose Ferreira有著自己的看法——人類教育事業的發展中間有幾次較大的變革，第一次是印刷術的出現，推動了文化教育的普及；第二次是線上教育與移動教育，可以將一些好的教師課堂進行錄像，然後在全球範圍內播放，從而達到了兩個方面的效果：獲取教育與提升教育質量。而最近的一次顛覆性的革命就是「AI+教育」，它會像當年的鋼鐵戰艦摧毀木質戰艦那樣所向披靡的，並對所有行業的競爭對手造成碾壓。

Jose Ferreira認為，「移動互聯網可以提供並挖掘數據，有了數據就可以個性化，有了個性化可以改變教育的質量。智適應教育可以挖掘學生的數據，幫助學生學習，利用產生的數據進行個性化教育。」

在人工智慧的幫助下，個性化教育的步伐在不斷加快，但Jose同樣覺察到，「當今的AI雖然已經處理了海量數據及千百億次的測試，但是並沒有實現真正智能化的生活。當前的人工智慧還處於所謂的模擬智能階段。」冒牌的假智適應並沒有智能演算法匹配，在知識點的拆分方面也比較粗獷，而真正的「智適應的系統就不一樣，有非常好的材料和工具，而且可以根據學生的情況實時變化、更新和重新設計。」因而，冒牌的假智適應必將會被高質量的智適應教育所取代。

如何把這種智適應學習帶入市場呢？Jose認為初創企業還是很有機會的，雖然它們不具備規模優勢，但他們的反應速度較快，可以較好的進入到終端市場，獲得用戶的反饋。而在這個方面，亞洲尤其是中國的發展速度更快，因為中國市場B2C補習學校業務模式已經得到眾多用戶的認可，十分有利於智適應教育場景的落地實施。

Jose還提到，隨著人工智慧技術的演進，未來一些崗位將會被人工智慧所取代，而智適應學習則可以根據每個人的不同狀況，為其提供更有針對性的再就業教育與培訓，不至於淪為科技進步的犧牲品。

乂學教育：從興趣教學到成長教學，從玄學變科學

長期以來，中國教育界流行著一種「興趣教學法」，通過遊戲等各種方式提高學生的學習興趣，最終達到教學預期目標。但學生的精力是有限的，且教學的過程是不可量化的，致使無法去真正測評教學的完成度。

在乂學教育創始人栗浩洋看來，不應該是用趣味性解決教育的問題，應該用學習成長的成就感去解決教育問題。智適應教育系統不僅要在作業流程上進行量化考核，並且要深入到學生的課前測試、學習流程、練習流程、課後測試等各個環節，不斷尋找學生的最佳學習策略，進行針對性教學，從而提高效率，促進學生學習的成就感。

那麼，如何做一個真正的智適應教育系統呢？栗浩洋認為，「如果你只有極少數的知識點和規則的路徑，是不可能做到的」。所以，知識點拆分就成為一個非常大的難題。但「當我們把知識點拆分成細膩顆粒度時，可以通過更細緻的診斷，判斷出學生的程度，進行定位和針對性教學，節省學生的學習時間，提升學習效率。」

栗浩洋表示，教育不應該是一門玄學，通過人工演算法的知識點拆分，乂學教育的智適應教育系統不僅可以將數理化、語文等學科進行數據化，而且還可以做到錯因重構知識地圖以及找到非關聯性知識點，將教育變成一個可定義、可量化、可傳授的一門科學。並且，在這個學習的過程中，學生的學習能力與創造能力都可以得到大幅度的增長。

據栗浩洋介紹，乂學教育已經開始研究用AI系統實現創造力培養。「我們把創造力也拆分成分可量化、可規則化、可模塊化的描述。通過這些描述，不斷採用機器對學生的啟發式的人機對話，來獲得學生的反饋和感受。通過NLP的語義理解，知道學生的反饋是在哪個層面，然後給到他不同的回答。」

AI智適應系統也需要不斷的找到學生的學習最佳策略，通過人工智慧的對抗系統，乂學教育能夠不斷的大幅度提升演算法準確度，給到每個孩子的精準的知識內容推薦和學習路徑推薦。乂學教育根據大量的學生反饋顯示，每個學生對智適應系統的感受都不一樣，他們覺得整個智適應系統是人性化的，是根據自己的水平去定製的。

ALEKS：多軌道的人工智慧演算法與智適應

智適應學習系統依賴於人工智慧底層技術的發展，這方面來自ALEKS前首席數據科學家的 Dan Bindman有著自己獨到的見解，並從技術角度解答了智適應學習系統構建的相關問題。他認為：「高質量的內容、智能AI給所有學生繪製知識轉化的狀態圖譜，以及量身定做的選擇材料」，是智適應學習系統的重要支撐點。

Dan Bindman說：「最開始處理知識圖表，要檢查數據是否正確，系統是否奏效。當時真的是到了瘋狂的地步，幾千幾萬個鏈接，要看到每一個點、線連接繪圖方面的問題。但是，這樣的系統分年級卻並不適用，所以需要我們建立一套模型，不完全依賴於知識點的知識圖表，能夠處理繪圖中大部分能處理的問題。」

究竟什麼樣的演算法模型最合適呢？Dan Bindman認為，與傳統的IRT和KST等其他模型相比，多軌道模型更有優勢，「通過對學生的知識狀態PKS評估可以分析出學生的情況，確定他掌握知識的程度，並跟學生產生互動，繼而產生的數據預測精準度就比較高。」「根據模型，可以了解在任何時候學生回答問題有三個因素，一個是學生在知識軌道的能力，二個是問題的權重，第三個是問題的中心概率值。我們通過等式就可以了解學生在某一個知識軌上，他掌握的問題權重，就可以得到他所回答的問題來。」由此看來，多軌道演算法模型通過大數據、機器學習算出來的準確度更高，並且能夠不斷根據學生的成長度來調整學習狀態，對智適應學習平台的構建具有十分重要的意義。

在2018全球AI智適應教育峰會上，來自中美兩國三大教育機構的專家、學者對智適應教育的緣起以及前景、智適應平台的構建、以及人工演算法等方面的技術等問題都進行了友好的切磋和探討。他們堅信，隨著人工智慧技術的不斷演進，智適應學習將得到全球更多用戶、教育培訓機構和資本的認可。

*本文由i黑馬（ID：iheima）原創，作者四郎。如需轉載請留言。讓創業不再孤獨，提升普通創業者的成功率，歡迎關注i黑馬。

歡迎關注，創業黑馬旗下產業媒體

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！