9小時做決定，跨越10000公里，67歲機器學習教父「跳槽」中國

松鼠AI創始人栗浩洋（左）與 Tom Mitchell 教授簽約

在線教育泡沫三年、總融資額近50億，互聯網卻沒能改變教育，AI才能。

AI+教育的星火已經開始燎原，來看看最近刷屏教育圈兩件事：一是幼兒園版的AI教程問世；第二件則是機器學習領域的教父級人物跳槽加入了一家成立僅四年的中國初創公司。

11月16日，全球機器學習教父、人工智慧領域頂尖科學家Tom Mitchell教授，正式宣布加入了中國一家教育創業公司——松鼠AI，出任首席人工智慧科學家，引起圈裡一陣驚嘆。

Mitchell教授到底有多牛？

Mitchell長期從事機器學習、認知神經學科等研究，全世界最經典應用最廣的機器學習教材，就出自他之手。在全球機器學習領域，Mitchell教授是公認的行業「教父」，Machine Learning第一人。

這些還不夠——Mitchell還擔任全球高校AI領域排名第一的卡內基梅隆大學（CMU）計算機科學學院院長（而他的前任院長Andrew Moore ，正是剛剛到谷歌任職AI負責人代替李飛飛的人）。1997年，他在CMU聯合創立了自動化學習和探索中心，該中心是全球的高校中首個機器學習系，也是首個開設機器學習博士課程的機構。從1997年至2016年，Mitchell一直是該系的負責人。

1997年出版的Machine Learning （《機器學習》）一書是人工智慧領域最經典的教材之一

Mitchell為機器學習、人工智慧和認知神經科學的進步作出而貢獻蜚聲海內外，擁有學術論文專著超過130篇，並廣泛發表於《Science》、《Nature》等世界頂級學術期刊。他最經典代表作是《機器學習：一種人工智慧方法》，已經被廣泛用作通用教科書，被譽為行業聖經。

得益於在行業內作出的傑出貢獻，Mitchell還曾任美國人工智慧促進協會 (AAAI) 主席，AAAI及美國科學促進協會的成員。2007 年獲得了AAAI傑出服務獎，2010年當選為美國國家工程院院士，並於2016年當選美國藝術與科學學院院士。

這家神秘的中國公司松鼠AI，是乂學教育新推出的K12輔導品牌。乂學教育在2014年創立，主營業務是K12領域智能個性化輔導，主要是通過演算法結合中國學情開發出一套學習引擎，為每位學生智能提供專屬的學習路徑。到今年6月，松鼠AI累計融資已近10億人民幣，估值超過11億美金，邁入獨角獸行列。

鈦媒體獨家獲悉，Mitchell教授加入松鼠AI前，拒絕了眾多千億美金巨頭公司拋出的橄欖枝——擔任首席科學家、董事會成員的機會，最終選擇了這家中國公司，教授到底為什麼？一家剛剛成為獨角獸的中國公司，為什麼可以贏得和谷歌、Facebook、微軟、IBM首席科學家同級別的全球頂級AI屆泰斗的認可？

人才流動就是產業的風向標，當整個互聯網產業都面臨流量的拐點時，被AI激活的教育會不會成為下一個爆髮式增長的超越TMD的行業？

而已經年滿67歲的Mitchell，加入一家才成立4年的中國人工智慧教育創業公司，會不會成為多年之後回望產業時的一個里程碑式的時刻？

教育行業真正的革命要來了

「我對教育領域一直很感興趣，我編寫過教材，始終認為教育是我職業生涯中的重要一環，我最近開始深度關注AI對教育的應用，因為現在時機比較成熟了。」在最近一場關於AI+教育的主題大會上，Mitchell如是說。

這句話背後，其實是有很深含義的。AI在教育領域應用時機的成熟，很可能意味著這個自古以來的傳統行業，也要真正進入到數字化的快車道了。而從歷史來看，所有被數字化的行業——音樂、媒體、零售、通訊、交通，都無疑會迎來一場天翻地覆的變革，和爆炸式的增長。這樣的挑戰和機會，才是對頂尖人才最大的吸引力。

全球範圍內，教育行業的核心痛點只有一個，沒有之一：缺乏優質的教師資源。

為什麼優秀的教師資源如此稀缺？松鼠AI的CEO周偉曾在鈦媒體T-EDGE峰會上分享過一個現實：以上海楊浦區為例，幾百萬人口中，初中英語學科只有一位特級教師。「因為他需要20、30年的經驗，去不斷的累積，這樣的教師資源是我們可遇而不可求的。」

實際上，稀缺的不僅是優質教師資源。據今年8月教育部發布《2017年全國教育事業發展統計公報》顯示，全國共有義務教育階段學校21.89萬所，招生3313.78萬人，在校生1.45億人，專任教師949.36萬人。而特級教師不到千分之一，這個巨大的差距，使得保證基本教學質量就已經成為一個艱巨的任務，更遑論能夠讓孩子學習效率得到最大提升的個性化問題了。

正是這個瓶頸，使得雖然互聯網和移動互聯網技術給教育帶來了一些變化，但並沒有取得其他領域那樣巨大的變化和影響，只是提高了獲取教育資源的便利性，卻並沒有對教育學習的效率帶來很大提升，更沒有解決到到教育的深層次問題。

換句話講，過去互聯網和移動互聯網，只是解決了教育行業的「太花錢」的問題，包括錄刻式的教育或者是手機APP的教育。所謂錄刻，只是把線下的教育搬移到了線上，降低了成本，但也暴露出新的問題：一是完課率非常低，二是交互性差，學生學習過程中碰到問題沒有人解決和幫助，對學生自主性要求非常高，學習時間無法保證，所以學習效能沒有顯著提高。

而之前流行的在線「一對一」教育的形式，雖然帶來個性化學習，但是，這種模式對老師的依賴性非常強，好老師的資源始終有限，他們的精力也有限，當學生數量迅速增加時，優質的老師的比例就會被嚴重稀釋，整體教學質量很難維持，而且也需要巨大的成本支出來維持、甚至爭奪優質教師的資源。而事實上，一個特級教師出來授課的課時費，是每小時4000元，收費每小時150到300元的無論線上線下一對一，是不可能找到最優質的師資的，這也是為什麼幾百萬上千萬的學區房仍舊被趨之若鶩。

正是存在著優質教師資源這個核心的限制條件，這也是為什麼教育行業沒有出現壟斷性的巨頭的原因，即使強大如新東方和好未來，發展近20年，市場佔有率也仍然不高，無法體現出規模效應。而且，好的老師主要集中一、二線城市，下面的三、四、五線城市就難以找到一個好老師，擴張起來就更加困難。

而以AI為基礎的自適應教育，理論上能夠從根本上解決這個問題。

智適應學習的概念，源於「自適應學習」（adaptive learning），誕生於人工智慧時代，自上個世紀七十年代起流行。智適應學習模式，融合了計算機科學、人工智慧、心理測量學、教育學、心理學和腦科學等專業領域。簡單說來，它主要是使用計算機演算法來調節與學習者的互動，並提供定製化的資源和學習活動，以滿足每個學習者的獨特需求。

在早期，囿於計算機的普及的性能以及AI演算法的成熟度，這樣的學習模式並沒有得到廣泛的運用。而隨著人工智慧的火熱，在中國，擁躉者將更願意它理解為「智適應學習」，也可以說是自適應學習在人工智慧時代的升級。

鈦媒體觀察到，近兩年來，國內幾乎所有具備實力的教育機構，已經有50多家都提出了「AI+」的發展目標。 「AI+教育」到底可以做什麼，場景也逐一清晰，目前已經被幾億家長們體驗到的就包括——智能測評、拍照搜題、智能排課、表情識別、語音識別，等等。

而上述這些方法在整個K12產業的落地還十分有限。來自艾瑞的數據顯示，總規模達3萬億的中國教育市場，K12課外輔導總市場規模6000億，新東方和好未來在其中只佔到了2%的份額。如此來看，K12課外輔導行業空間巨大，急需新的、革命性的教學方法。

智適應學習系統的革命性就在於，它更像是一種「決策型AI」，也被看成是最有可能顛覆現有教育模式的一種全新系統。

在傳統的非自適應方法學習模式中，由於學生的學習路徑、認知過程、成績反饋等數據無法得到大規模地追蹤，存儲和分析，難以實現量身定製個性化的學習模式。通過人工智慧的手段形成的智適應學習系統加上學習全過程的閉關數據，可以讓系統徹底完善地模擬最優秀的老師做出學習內容推薦和路徑推薦的合理決策。就好像是今日頭條通過讀者的閱讀全流程的數據來分析用戶畫像做千人千面的推薦，一改過去依靠編輯選擇來為讀者推薦。AI智適應系統也一改過去所有線上線下教育以老師為中心的教學模式，而成為根據學生的用戶畫像實施千人千面的因材施教，幾千年來，學生第一次真正成為主角！

「人類教師在教學過程中會制定許多決策。我們的研發任務就是模擬老師可能會制定的所有決策，並且通過計算機搜集的學生數據來最終制定決策。」Mitchell告訴鈦媒體，教師經常需要選擇最佳方式來提高教學質量，他需要快速地明白，不同水平的學生應該學習不同的知識，不同性格的學生目前最需要什麼不同的幫助，以及下一步該採取什麼行動。

松鼠AI讓Mitchell看到了AI技術落地教育場景成功的模式。系統首先根據一定的數據模型對學生進行測試，數據會根據使用其中一種模型跟蹤他們的學習過程進度，然後推薦更適合他學習的知識點和測試題。平台會根據學生學習情況，不斷調整和迭代他的學習速度和學習方法。

「全流程智適應」是他們正在關注的領域。在Mitchell看來，這是一種非常強大的學習方式，如果系統推薦的內容適合學生的程度讓學生都可以學會掌握，那麼經常受到鼓勵的學生會悟性更高。另一個他們正研究的方向，也是智適應在學習中的應用之一：學生在學習過程中如何制定動態的學習目標？90分和60分的孩子的學習目標應該是完全不同的，同樣都是60分的孩子，學習能力不同目標也不相同，所以學習路徑就應該被不斷調整達到精準有效。

解題、考試，截止目前依然是衡量教育成果的必經之路。在「應試教育」長期指導K12學習的中國，自適應學習擁有天然的基因和蓬勃發展的土壤。這種教育模式的最大優勢在於：能夠定位到每位學生的知識漏洞。

在「考試」這件事上，變革也早就開始了，中國K12教育的「指揮棒」——中考和高考已經不斷嘗試創新；而在美國，自適應測試的應用則更為徹底。

如鈦媒體在今年11月的文章，雅思考試開始推動機考，中國大陸首場雅思機考已於8月在廣州舉辦；美國高考（ACT）也開始大力推行「機考」模式。2018年，美國高考在國際考場推行的機考模式已經是計算機自適應測試（Computerized Adaptive Testing，以下簡稱CAT），已經在「高考」這一最重要考試中實現了大規模成熟應用。

作為一種非常熱門的測驗形式，「計算機自適應測試」，會根據每位學生不同的情況設置不同的考題，每一位考生在同一考場面對不同的試卷和不同的考題。在考試的過程中，出題順序和題目內容將根據考生對上道題的作答情況決定，計算機根據考生的情況對下一道出現的題目進行適應性的調整。

CAT考試中出現每道問題，都有相對應的「標籤難度」。假設一位考生正在考試，面對系統給出的第一個問題，他提交了錯誤的答案，此時系統會自動檢測到錯誤結果，程序則認為題目的難度系統對於學生的成績水平相對較高，那麼，第二題會適當降低難度係數，自動匹配出與學生水平相應的問題。

松鼠AI創始人 栗浩洋

智適應教育最大的特點不僅僅是實現個性化學習，而是讓「因材施教」規模化。將優質師資規模化「複製」，就使得基於AI的智適應教育模式在商業上有了大規模盈利的可能。

栗浩洋對鈦媒體透露，目前AI智適應系統的毛利率是70-80%，未來是可以高達90%，教師的成本的比例會越來越低；而在運營層面，成本會更低，比如說，不再需要管理教師團隊的員工，這正是AI智適應的在商業模式上的優點。

在資本市場，今年9月底掛以「教育+AI」叩開美國資本市場大門的流利說，在2018年上半年營收為2.3億元。流利說是基於自主研發的英語口語和寫作自動評測引擎，其變現產品是基於流利說 App 的定製化 AI 交互課程「懂你英語」。

在上市當日，流利說CEO王翌在接受鈦媒體等連線採訪時稱，流利說的單位經濟模型是所有教育公司最好的，因為不需要給教師付工資。流利說目前的毛利率在76%左右，這得益於AI代替教師的商業模式。

在Mitchell看來，在AI推進行業發展方面，中國具備獨特的優勢，無論是數據量級、數據的多方融合，還是中國政府對產業的支持力度，都比西方國家更有利於大數據的建立。

而同時，松鼠AI在教育領域的人才儲備、戰略判斷和行業落地方面具備極強的競爭力。在 Mitchell加入之前，松鼠AI還引進了同樣在人工智慧自適應教育領域有極大建樹的高端人才，如Realizeit的崔煒博士、自適應學習鼻祖公司Knewton前亞太區技術負責人Richard Tong和ALEKS聯合創始人、首席數據科學家Dan Bindman等美國、歐洲頂級人工智慧專家。

據鈦媒體了解，作為松鼠AI人工智慧領域第一負責人，Mitchell 將帶領團隊十多位AI科學家和幾百位AI應用工程師以及技術團隊，進行人工智慧在智適應教育領域的基礎研究和相關產品的研發應用等。

「我認為機器學習和人工智慧，將成為智適應學習的驅動式技術，發力點主要包括學習目的、學習數據類型、多任務處理學習理論、非監督式學習和增強學習等方面。」Mitchell說。

重新定義教育和學習

隨著AI在教育行業的落地，所有教學行為將迅速數字化，這個過程中形成的海量數據，在經過演算法的不斷分析優化之後，勢必會重構這個行業的底層邏輯，帶來巨大的變化和衝擊，突破我們對於教育認知的邊界。

例如知識地圖的概念，這個概念是由ALEKS創造的，這也是個性化教育的一個重要基礎。通過知識地圖，可以用1/10的題目測出每個孩子哪個知識點會，哪個知識點不會。因為我們傳統的中考高考只能測出孩子是八十分或者是六十分的孩子，但是5個80分的孩子，他們每個知識點會和不會的地方其實是完全不一樣的。

而松鼠AI在這個基礎上，又提出了錯因重構知識地圖的理念。「錯因」的概念是這樣的：如果這個孩子某個知識點沒掌握，不一定是知識點的問題，可能是其他的錯因，比如說題乾的語義理解有問題，也可能是單純的馬虎遺漏，他其實是掌握這個知識點的，所以，如果我們沒有把所有的錯因抓出來，或者只給孩子訓練知識點，其實他已經掌握了，等於又浪費了時間，同時他自己真正錯的原因還沒有解決，以後遇到類似題目仍舊會做錯。

松鼠AI用「錯因」重構了ALEKS的知識地圖，雖然需要運算的數量級大幅度增加了，但是確實提升了精準度。

最後說服Mitchell教授加盟的時候，栗浩洋在美國和教授連續談了九個小時。

栗浩洋如何向教授解釋松鼠AI產品？「我們對知識點拆分的顆粒度其實比Knewton、ALEKS等美國的競爭對手產品多了十倍。」

Mitchell第一次聽到後，覺得十分驚訝，詢問如何做到這麼精細的拆分？拆分後對比實驗的效果如何？

事實上，如上文所談到的那樣，智適應學習在美國起步更早，而在中國真正為大眾所知也不過短短几年時間。但顯然，在實際落地的場景中，中國的創業公司已經先人一步。

曾就職於Realizeit、現乂學教育首席科學家崔煒告訴鈦媒體，與國外領先的自適應公司相比，雖然它們已經做了很久，有了大量的數據積累，現有的產品模式也比較完善，但是，對於中國而言，智適應研究本地化的優勢更明顯。因為中國的學習強度和考試內容難度高於國外，測試的題目也是，加之中國地大物博，教材的穿越性也非常大。

栗浩洋舉例說，關於一元二次方程，ALEKS拆解為了13個知識點，而松鼠AI團隊拆解為了107個；初中英語聽力知識點拆分為了8000多個。 「中國可能更需要納米級和超納米級拆分。」栗浩洋表示，在英語學習方面，中美兩國學生面對的是不同的問題，類似連讀、爆破音和固定搭配等用法並不了解，口語和書面語也難以區分的中國學生需要比歐美顆粒度更加精細的知識點拆分。

中國學生的生長的環境和美國完全不同，社會文化環境也影響學習的理解。由於家境的問題，一些學生可能沒有經歷過飛機和銀行這樣的場景。所以，中國學生可能對很多英語場景的和新的知識不熟悉，他們就需要專門的訓練。

不僅如此，如果我們思考教育的終極目的，不是最大範圍內獲取書本知識和在考試中取得高分，更應該是關注一個學生的能力，這包括他的思想和方法，也關乎創造力和想像力。松鼠AI目前已經突破了歐美同行知識點學習的局限，開始培養孩子的舉一反三的能力、思想和方法的學習。

在做能力、思想和學習方法拆分的時候，松鼠AI團隊的原則是「三課原理」：第一節可定義，第二可測量，第三可傳授。只有把一項學習能力清晰定義之後，然後再對每個學生在該能力的水平進行測量，才可能進行傳授和確保學生掌握，對於人的綜合能力和情商能力亦是如此。

「我小的時候因為情商特別低，不太會跟人交往。打招呼都會覺得臉紅，也不知道怎麼樣開始。」栗浩洋告訴鈦媒體，他後來反覆思考，嘗試把「情商」拆解為30多種能力，諸如觀察能力、語言表達能力、尋找對方感興趣的話題的能力、對別人的心態判斷的能力，甚至是遭受不公平對待之後的自我化解能力等等。

比如說，在與他人聊天時，如何判斷對方是真心對你的內容感到興趣，還是出於禮貌不便打斷？如果是前者，就證明你的表達是有效的，反之，這不僅是一次失敗的表達，還容易造成對方的反感。

栗浩洋認為，如果對方根本不想聽，而你還喋喋不休，則證明情商是堪憂的。所以，在一開始就要學會觀察，發現他人微表情的區別，然後盡量找到別人感興趣的話題。

在這樣的思考模式下，再難以測量的情商能力，也可以細化到「你每分鐘是不是看了別人兩三眼」這樣細微的顆粒，去觀察接受者的情緒變化。

「就像單兵作戰能力可以拆解成射擊能力，移動射擊能力、俯卧撐、背負重物跑與爬等等這些不同能力之後，然後再去進行綜合訓練，完成任務的目標性訓練，從籠統到細分，從細分最後再到綜合的訓練。」栗浩洋說。

Mitchell 被這樣的設想而震驚，「我那時候也想過情商的問題，我們的很多學生因為是學計算機的，我擔心他們情商有問題，所以我也研究過這個事情。而栗的方法無意更加可操作並且可以明顯取得效果。」

在談到研發的時候，教授還和栗浩洋分享了他的一項研究，他展示了通過掃描大腦的熱點，發現大腦看到不同的辭彙和想到不同內容的時候，熱點範圍是不一樣的。栗浩洋也談到，松鼠AI也在通過腦電波對學生進行測量，來觀察學生在學習過程中的專註力是集中還是分散。

此前，從來沒有人將人類的行為和思想解構得如此細緻且大膽，未來的學習和教育，將會以一種全新的形象，出現在我們的面前。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！