松鼠AI智適應教育首席科學家崔煒：個性化教學，我們將顛覆傳統教育

作者 | 若名

出品 | AI科技大本營

對於智適應教育的發展方向，崔煒說，不管怎樣都要從教育的痛點出發，而不只是做成教育行業里的輔助工具。

11 月 8-9 日，在 CSDN 和 AICamp 聯合舉辦的 AI 開發者大會上，松鼠 AI · 智適應教育首席科學家崔煒講述了他們在智適應教育技術的實踐與落地，並在會後接受 AI科技大本營採訪時就有關產品和業務發展情況進行解答。

崔煒演講

很多身處鄉村的學生、留守兒童得不到優質教育，其根本原因是因為老師資源的分配不均勻，很多孩子都只能接受最基礎的教育，甚至很多孩子接受不到教育。一名老師教授大量學生是常見的現象，要想每個孩子都得到優質的教育，老師的數量是遠遠不夠的。

我們過去發明的 MOOC 互聯網式的教育受到了很多人歡迎，但它存在很大缺陷，一是完課率很低，二是缺乏互動性。在 MOOC 的學習過程中，主要是學生用戶在系統上自主的完成學習。難以堅持下來是自主學習的主要問題，這也直接的導致了 MOOC 的完課率很低，所以學生的學習效果非常難以保證。缺乏互動性的自主學習過程沒有老師的干預，學生在學習過程中碰到任何問題都沒有人給他實時解答互動，這也導致了用戶在使用的時候專註度低、體驗感差，棄課等問題。

所以我們要打造 AI 智能個性化的學習平台，松鼠 AI 智適應學習系統是我們 AI 學習引擎的品牌。我們要讓每個學生都能夠擁有一對一的私人 AI 老師，幫助每個學生進行知識架構的查缺補漏，提升學習效率，從而帶來學習效果的提升。我們的產品在 2017 年初上線，一年半時間裡開設了 6 門課程，涉及 12 個年級，有 1600 多家學習中心，幫助了 100 多萬名學生，覆蓋全國 300 多個城市。

在傳統的教學模式里每個學生都是被動接受老師的授課內容，不管是學霸還是學苗、無論學生的前序知識點掌握情況如何、無論學生接受新知識點速度的快慢，大家都要在相同的時間裡學習相同數量的知識點。但是我們的松鼠AI·智適應學習系統能「診斷」出每個學生的學習問題，根據學生現有的知識架構，為他規劃最佳的學習路徑，讓每個學生都能接收到量身訂做的學習內容，讓每個學生最大化獲得學習效率的提高以及學習成績的提升。

舉個例子，不同的學生現有的知識點掌握程度不同，所以要學習的知識點數量不一樣，學習的知識點順序也不一樣，不同的知識點上學習花的時間和學習內容難度也不一樣。松鼠AI智適應學習系統通過先行測試來診斷學生現有知識點的掌握情況和能力水平，判斷學生的知識薄弱點在哪，根據學生的薄弱點，結合演算法，推送給學生目前最容易理解和學會的內容，讓學生在學習的過程中過得成就感，從而激發學生的學習興趣，保持學生在使用學習系統的時候的專註度。目前我們的產品能在不同學科上幫助學生進行有效的提升，幫助學生對學習產生興趣，幫他在短時間內高效提升學習效率以及成績。

▌智適應學習技術原理和架構

人工智慧自適應（簡稱智適應）學習是一種教育技術，能夠自動為學生提供個性化服務。從二十年代到五十年代美國有很多教育專家和計算機專家在研究如何用技術給每個孩子帶來個性化的學習。大家比較常見的產品例如 Knewton 採用人工式的自適應方式構建了一套完整的學習內容，建立了學習知識架構，讓每個學生進行測試，根據測試結果老師給每個學生分配不同的學習內容，把智適應的原理用到線下產品中。

後來出現了智能教學系統。目前，智適應學習分為多種不同的類型。最簡單的是建議性複習，給學生推薦他接下來要學習的內容；其次是評估層面的適應性，通過對學生進行測試，能快速檢測出學生的能力水平和對知識的掌握程度；最後是高度的智適應，能做到根據實時、動態的學生情況對學習路徑進行調整。

智適應學習不需要老師的干預，其背後的技術實現原理可以基於很多方式，一種是基於個性化偏好，老師通過觀察和對學生的了解來判斷學生個人偏好，給他匹配不同的學習內容。一種是基於規則的學習系統預先編程，有 if...then 的邏輯閉環。還有一種是演算法排序的學習系統來動態的計算內容順序，基於演算法驅動的學習系統能夠更好的滿足個性化需求。

基於演算法驅動的智適應測試驅動系統基於自動化測試排序，通過一個測試把學生分為幾種類別。AI 能力驅動的系統廣泛地觀察某人試圖學習的內容，從廣泛的內容中提取出相關內容，來評估學生知識掌握的程度和能力水平，看學生是否能到達他現階段應該在的能力水平上。如果能力水平不達標，系統會讓他停留在最薄弱的知識點上繼續學習、層層遞進；如果能力達標，系統會推送拓展題，幫助學生進一步提高。

只有全面評估學生所學內容的掌握情況，才能更加清楚了解學生整體知識情況，從而對症下藥。根據學生測試情況找到學生真正的錯因，設定個性化學習路徑，匹配不同學習內容，實現千人千面的個性化教學。

我們的智適應系統的目標是做到精準診斷、高效學習。精準診斷由兩個部分組成，一個是學生開始學習前診斷出學生的知識漏洞，一個是在學生學習過程中不斷發現知識漏洞以及隨著學生能力水平的變化而補全的知識漏洞。而高效學習是指系統在精準診斷的基礎上自動生成的動態個性化學習路徑和最適合學生的學習內容。

基於這些特徵我們在系統里有四個模型：第一是學生的模型，來評估學生在每個時刻的學習情況、對知識點掌握的情況、學習的效率和學習的能力；第二是內容模型，我們清楚了解到內容哪一塊對哪類學生有幫助；第三是教學模型，這個學生是需要哪種教學方式，我們需要根據學生不同的學習風格匹配合適的教學方式；第四是預測模型，我們會基於學生當前的學習情況給學生做預測，預測學生接下來學習下一個知識點之後會達到什麼樣的水平，預測學生將會花費多長時間才能完成下一個學習目標，這四個模型是相互關聯的，把四個模型相互結合才能打造更加個性化的學習產品。

學習目標的合理性是一個重要的教育理念，在過去的教育模式里老師和家長希望每個孩子都考 100 分，但每個學生達到這個目標所需要花費的時間、精力是不一樣的，所以教育理念是應該給不同的學生設立不同的學習目標，讓每個學生在學習過程中獲得自我成就感。

診斷的準確性和效率就像去醫院看病一樣，診斷的準確率和效率越高，患者的康復概率越大、周期越短。我們對學生的判斷越準確，學生的學習效率就會越高。然後是學習內容的質量，內容不會讓系統自動產生，內容一定是人為完成，不同的學生有不同的學習習慣和喜歡的學習內容類型，我們能實時採集到學生的內容反饋，用大數據分析了解到試題的區分度，對後面的學生做到更精準匹配。

最後是干預和輔導的時機、效果和效率，在整個產品形態里機器是完成教學的主要手段，以學生為中心，老師與學生跟系統相結合，是人機共教的模式。智適應系統很重要的一點是能夠提醒老師這個學生什麼時候需要輔導，實現以學生為中心的教學模式。

▌打造以學生為中心的智適應學習系統

智適應系統在產品的設計過程里會結合不同的教育心理學理念和教學理論知識給學生帶來更好的學習體驗，從而提升學生學習的主動性，讓學生願意花更多時間學習，培養學生更好的學習習慣，這是我們產品考慮的關鍵因素之一。

這個產品是以學生為中心的，每個學生都能按照自己的節奏學習，並且是基於能力的學習，我們會及時評估，系統不會因為學生知識點沒有掌握停下來或者跳過，而是會採取戰略優先的方法讓他學會更加有利於其掌握的知識點，在學生能力提升之後再進行該知識點的學習，確保掌握後，然後再進行下一個知識點的學習。不同學生的大腦結構不一樣，認知規律也不一樣，一堂課講下來後學生的學習效果和收穫也不一樣，系統會分析出每個學生的規律然後給他匹配合適的內容。精熟學習，學生要達到相應的能力水平才能進行更難的知識點學習。

智適應產品目標非常多，教育是長期投資，最後看帶來的效果和收益，效果和收益不是立馬能見效的，我們針對產品打造和 AI 技術的落地考慮了很多方面的因素，比如學習必須要有內容推薦，還要有相對應的命題幫助學生把知識點掌握得更加熟練。必須要有這樣一套內容管理的系統，記錄每個學生在系統上產生的學習數據和行為數據，根據這些數據對每個學生進行個人畫像。所有這些系統有一個中樞系統（Master Data Service）做系統之間的銜接，打造系統的過程中我們要構建系統架構的目標藍圖。

我們 AI 技術主要目的是用在這些方面：第一做知識診斷；我們希望打造一個超級 AI 老師，能夠在沒有真人老師干預的情況下智能化的給每個學生提供性化的輔導。第二要做到高效治療；松鼠 AI 系統中初中一個學科我們拆分到了 3 萬多個超納米級的知識點，知識結構非常複雜。每個人的知識儲量是不一樣的，想要精準的判斷出學生的知識結構是非常困難的。而教學大綱里只是粗顆粒度的，很難做到精準判斷學生的現有知識點掌握情況，但是我們的納米級拆分將知識點拆分得非常細，3 萬多個知識點要評判出每個學生到底有哪些會哪些不會，這是很有挑戰的事情，但這能精準的測量出學生知識架構。

大部分的老師對學生的情況不是很了解，所以我們希望精準判斷出每個學生對知識的掌握情況。最關鍵的是我們構建了一個知識體系，形成了一個知識狀態。先行測試的目的從理論上來講，是在龐大的知識空間里尋找到學生對應的知識狀態。

▌如何做到動態實時規劃學習路徑？

然後是給學生生成實時動態的學習路徑。我們的系統會給學生制定只屬於他的學習路。，可以給學生規劃他的學習順序。我們能做到戰略放棄和戰略優先，讓學生將有限的時間放在最應該學習的知識點上。

內容匹配：依據學生學習能力匹配難度合適的學習內容，讓學生體驗到事半功倍的效果。不同的學生在不同的知識點上分配的時間是不一樣的，我們能夠給學生分配不同學習時間，目的是讓他在有限的時間內達到最優的學習目標。

知識的表徵：教育領域需要用這樣一個技術把機器的結構表徵出來，學科里有很多專業辭彙和公式，很難做到機器識別，我們構建了完整的知識體系結構，用機器去識別每個學生的知識結構，因為機器不能識別視頻具體對應的是哪一個知識點，所以我們要求對知識點進行納米級拆分，只有這樣機器才能做到更加的精準。

構建知識圖譜：學科領域的知識圖譜區別於搜索裡面的知識圖譜，在學習過程中基礎知識學不好，沒辦法學習後面的知識點。如何評估學生的知識狀態？持續性、實時性、傳遞性，這需要評估每個學生的知識水平，我們會收集每個學生做題的時間、題目考查的知識點和難易程度，這些都是我們構建學生畫像的重要因素。系統會實時的進行用戶分析，生成學生畫像，產生學習報告。

評估最後的教學效果：教育產品很重要的一點是能給給學生帶來怎樣的學習效果，所以教育產品形成良好的口碑是最重要的。目前我們進行了四場人機大戰對比實驗，採取隨機分組的形式把學生分成對照組和實驗組，實驗組是根據系統自動進行學習沒有老師干預，對照組是一個老師帶 15 到 20 個學生，在學習之前進行前測，學習之後進行後測，後測是第三方出卷保證難度是一致的。對比實驗的結果已發表在學術會議上。

我們在持續不斷的進行努力，希望把更多、更好、更先進的技術應用在智適應學習產品里，希望為教育貢獻我們的力量，為鄉村的孩子帶來更高質量的教育和個性化的教育。

以下為 AI科技大本營對崔煒的採訪內容：

AI科技大本營：有業內人士說目前 AI+教育的整個行業狀況是還處在搬數據的階段，您看到的又是怎樣一番景象？

崔煒：目前我們整個行業看得到的是 AI 已經像李開復說的到了收穫期，這指的是相對於過去很多年來說，AI 現在已經進入到一個成熟的應用期，過去很多 AI 是停留在理論層面的，所以說現在其實是一個最好的時代，就是能夠應用 AI 的最好的機會。

當然，任何一個產品的發展過程肯定會經歷一個初期、中期一直到一個非常完善、體驗非常好的產品。我們現在可以說是還不夠非常完善，但這是一個很好的起點。

AI科技大本營：今年在產品上有沒有必須要達到的一些目標？

崔煒：我們目前是在進一步去擴展更多的學科、更多的應用，從而帶來更多豐富的內容。技術是一方面，跟技術相匹配的另一方面是內容，就像今日頭條一樣，它能夠帶來千人千面的個性化體驗，這也是因為它的內容積累得足夠豐富。擴展更多學科在商業模式上能節省成本，因為同一個用戶可以報一門學科，也可以順便報其他學科。

我們也在不斷去加強我們的技術壁壘。像我們跟世界上最頂尖的幾家機構都有合作，包括斯坦福大學、中科院、卡內基梅隆大學都建立了相應的聯合實驗室或者研發中心，共同來研發我們的產品，同時在國際學術期刊上我們也發表了相應學術論文。

AI科技大本營：技術更新周期是怎樣的？

崔煒：大的迭代兩三個月就有一次，小的疊加每周都在進行，我們是互聯網運營模式，也就是小步快跑。

AI科技大本營：你們如何解決 C 端教育產品的流量和獲客問題？

崔煒：我們綜合了線上+線下相結合的模式。線上類似於 VIPKID、VIPABC 有線上遠程的教學業務來獲取流量。線下是像盒馬鮮生這樣的體驗店，我們主要在非一線城市做了學習中心，調研後發現其實線下至少有 60% 的流量。

區別於傳統的培訓機構，我們的學習中心高科技氛圍營造了一種寬鬆愉悅的氣氛，並且我們實行的是不超過 10 名學生的小班形式，但對每個學生來說獲得的卻是一對一的個性化輔導，因為我們的產品是一個以學生為中心的自主學習系統。所以在小班課上的老師是不教學的，老師只是跟隨著學生的教學，只在需要的時候幫助學生。

AI科技大本營：你們幾乎包攬了從技術平台、內容到線下招生的所有環節，最開始做智適應學習的 Knewton 也是這種打法，但最後只剩提供演算法 API 了，所以並沒有形成一個比較好的商業模式，你們會有這種擔憂嗎？

崔煒：沒有擔憂。做這樣一個業務模式以及背後的技術架構，我們都經過了深度思考。從 2014 年我們開始做產品到 2017 年初上線，在這近四年時間裡，我們做了很深入的研究，包括競品的商業模式、產品形態、技術落地等重要問題，也就是在思考如何避免從國外引進的模式在中國碰到水土不服的問題。

AI科技大本營：您說最終要打造一個 AI 教育的 iOS 生態系統，能不能具體描述一下？

崔煒：內容、引擎系統、運營、市場等全部都做其實就是一個 iOS 閉環系統，它跟安卓不一樣，像 Knewton 的引擎系統其實做的就像一個安卓，相當於只做一個發動機，但我們是做「整車」的這樣一個 iOS 閉環系統，整個系統包括生態鏈、生態體、生態系統、生態結構等好幾個模塊，這裡面也包括 Learning Management System（學習管理系統），它是直接跟用戶進行交互，而內容管理系統，主要目的是管理課程、管理知識、管理內容資源等。

其次是智適應學習的引擎，這個引擎是與我們大數據分析平台掛鉤，同時我們另外一個系統 Learning Recording System（學生學習的數據管理平台）是學習的記錄系統，收集了所有學生學習的數據和行為數據，這是 AI 引擎的一個重要基礎。

還有一個中樞是 Master Data Service，這是一個主數據服務系統。同時還有 CRM 系統，這是管理老師、校長等管理員的系統，但其實也是一個課程售賣的系統，背後服務主體是家長。圍繞 Master Data Service 把這些不同部分進行關聯，從而能統一進行對接管理。這裡每一個系統都可以獨立出去做一個獨立的公司，但我們形成了一個完整的閉環。

這樣做的缺點很明顯，做的事情很多會很累。外面說做這個系統很簡單，沒有深度學習處理、自然語言處理那麼複雜，每一個點都是一個獨立系統，但它整個合起來是一個蠻複雜的大工程。

AI科技大本營：這樣一個非常複雜的系統由剛成立三四年的創業公司來做不會太容易。

崔煒：是的，松鼠 AI 系統研發的近四年里，借鑒了國際上很多頂尖的技術和經驗。即便如此，現在很多東西不是那麼容易去做。國內有很多公司也都在做，但可能做一、兩年也很難出來。

目前國內宣稱自己上智適應教育有 50 多家公司，很多的本質上還是以老師為中心的教學模式，目前國內整體的智適應技術應用還處在一個初中級的程度，我們松鼠 AI 智適應教學系統是完全取代老師來完成教學過程，實現以學生為主的千人千面的教學模式。不管怎樣，我們都要從教育的痛點出發，而不只是做成教育行業里的輔助工具。

【完】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！