在大数据的“滋养”下，AI在越来越多的领域更懂人，让拥有 学习能力、不断进化的AI帮助人类探索学习规律、开拓认知潜能，已成为人不被机器淘汰的必要之举，根据教育部的规定，2018年秋季开学后，高中生们将要开设一门新课程：《人工智能》。
互联网教育尤其是线上K12培优项目一直是投资热门，直播1对1模式风口过后，教育圈内最火的应该是AI项目了。据亿欧智库的报告显示，2017年人工智能教育融资额度达42．17亿元，其中超80％属于早期投资项目，这个赛道有望诞生多个独角兽公司。
笔者发现，当前布局人工智能的在线教育大体分为三派：
（1） 教学或题库测评类工具产品，比如作业盒子等；
（2） 培训机构应用AI技术，比如好未来等；
（3） 人工智能教育引擎及平台提供商，比如高木学习等。
现在摆在AI教育创投从业者面前的问题是：到底以技术实力论英雄的AI教育的泡沫有多大？真金不怕火炼的AI教育项目的核心能力在哪里？如何才能落地？ 本文试做解读。
一、为什么“自适应”其实并非真正的AI？
一位投资人朋友曾向我这样说道：“既懂互联网行业又完全懂本行业的业务的管理型人才不超过十个，这是在‘互联网＋’双创浪潮中每个垂直行业头部项目就几家能玩转的原因。”而认知和技术门槛更高的“AI＋”情况恐怕会更加不妙，甚至很多人把“自适应”与“AI教育”划等号。
自适应学习（Adaptive Learning）的鼻祖是美国的Knewton公司，它通过评估不同学生对知识材料掌握度进行个性化推荐，有点类似于今日头条的兴趣引擎。Knewton在国内的门徒众多，目前大概有40多家项目宣布发力做“自适应”，比如“乂学教育”（学练测自适应）、“学吧课堂”（题库自适应）、“英语流利说”（英语口语纠正）、“一起作业”（家长、老师在线监控）等等。
嘉御基金创始人卫哲说过，“90％的人工智能项目都是伪AI”，鉴别的依据是看项目“算法速度”，如果是代数级而不是几何级计算那就不是“真AI”，以此来考验自适应项目，得到的结论未免让人失望。
初级的自适应项目是人工预设指令或编程规则推荐，高级的自适应是基于知识图谱推荐，即使是高级的自适应项目由于没有按照既定的教学大纲和教学目标有逻辑地展开，在具体知识学习之中并不系统。关键是很多自适应项目采集的是各科最优秀特级教师的能力，导致其算法本身是线性的、模拟人学习而已。
自适应的技术原理就好比AlphaGo是应用了人类最优秀围棋大师的能力而非是完全迥异机器 学习和自演化模型；自动驾驶AI应用了某个人类零误差老司机的感知能力而非是基于全网海量交通大数据做运算和决策；人工智能医生是应用了看X片最快最准的医生的经验而非是海量数据库训练；显然按这样的路径训练出的机器并非是真正的AI。
“真正拥有充分教学大数据及算法速度的‘AI教师’是能轻松超越拥有30年教龄特级教师的，并且可以突破人类的知识局限，对算法模型进行自动演化，找到人类从未尝试过的策略。”高木学习创始人刘瞻这样描述AI教师。
刘瞻是帝国理工学院科班出身，早在2015年开启AI教育创业，他认为判断真伪AI教育项目具体有三个考察维度：
（1）自适应是基于模拟优秀老师的知识图谱推荐知识，而真正的AI教育机器人则是泡在“教学实践大数据”中做 学习。
（2）自适应主要用作知识盲点的统计，但无法分析出知识体系之间的本质联系，用AI更重要的任务是找到行为背后的原因，比如某学生表面上二次函数是薄弱环节，既有可能是其对二次函数的各细分知识点掌握不牢，也有可能是前置知识点一次函数、函数的思想理解不透彻，还有可能是方程求解的问题；甚至有可能是抽象思维或计算能力的问题，AI会根据该学生数据和“知识路径矩阵”，找到问题背后的原因从而匹配出最优学习路径。
（3）人类教师的情感因素能左右学生的学习效果，AI教师也应综合考虑学生的自信心与成就感的培育与激发，从而确保学生学习过程“知”、“情”、“意”的一体化。
二、AI教育的核心：帮助每个学生找到“元认知能力”
AI教育并不会改变“老师－学生”的二元结构，甚至人工智能教育还要在师生两端彻底解决互联网教育未完成的两大难题：
（1） 如何帮助学生找到学习方法、提升学习效率？在中国一个普通中学生80％的学习时间是低效的。
（2） 如何帮助老师对学生更高效的“因材施教”？目前在我国师资资源依然整体短缺并且分布不均，1对1培优成本高、小班普及率低等问题依然突出。
AI教育的优势在于通过数据化形式分析学生自己都不清楚的“症结”，即所谓的“懂我更懂教好我”，同时AI还能帮助老师实现教学效果的稳定化和可控化。AI在充分收集和处理教与学两端的大数据后，还得在具体教学场景之中个性化建模，最终实现“让学生更会学，让老师更会教”，这是人工智能教育的目的。
陶行知先生说过，“教是为了不教”，教育本质不是灌输知识，而是要启发学生思考并让学生掌握自主学习的能力。目前很多伪AI学习神器只能“授人以鱼”但并不能“授人以渔”，我国基础教育历来缺乏方法论课程，只有极少数有天赋的学生能自主制定适合自己的学习方案，而绝大多数天资处于平均线的学生在混沌中摸索。如果从AI的视角来看，所谓“天赋”不过是少数幸运儿自觉不自觉的分享了“元认知能力”。
当人主动设定学习计划、自我反馈、动态调整学习策略时，就接近了“元认知”，在大数据时代，这种元认知能力是能被定量化分析的，AI 教育可以为学习者提供关于反复激活元认知能力的“训练法”。根据刘瞻的解读，AI教育的“训练法”就好比给蹒跚学步的婴儿安上矫正走姿的“学步车”，具体应用什么样“训练模型”则是由AI根据大数据进行场景化定制的，有可能是通向学习目标所需要的“云梯”，有可能是“舟楫”，或者是“拐杖”等等，这些模型能不断调取和强化人的“元认知能力”。
尽管市面上90％项目都是着眼于知识点和解题训练的自适应，真正AI教育项目比如高木学习的AI不仅包含自适应的知识图谱大数据，而且还能不断从学生的行为数据中演化“知识路径矩阵”即AI可根据学生对知识和能力体系的理解定制出个性化学习路径。与此同时，AI让学生在对知识的理解与记忆过程中不仅训练知识掌握度，还不自觉地训练了元认知能力，这套“个性化学习引擎”其实是在培养学生“忘掉所有知识后”剩下的元认知能力，具有普适化的特点。
实际上，AI教育并不需要局限在某一学习阶段、某一学科的知识体系，完全可以打造一个跨学科、跨门类、跨阶段使用的“通用知识学习引擎”，也就是说，除了应用在K12领域外，AI教育还可以应用在高等教育阶段，甚至在辅导大学生时比中小学生会更为轻松，无须综合考虑学生的学习动力因素等。
反过来讲，如果市面上的人工智能教育项目只能用于某一单科或只能教K12，就不是基于大数据获取和智能化引擎的“全才”和“通才”，基本可视为基于特定领域专家总结的经验规则的“伪AI”。
三、为什么AI教育项目落地，to B模式比to C模式更容易跑通？
当前AI教育项目的商业化进程走向大体分为两大派：
一派是自建场景的颠覆派，试图开发新的测试软件以抓取学生的数据，甚至引入一些把AR（增强现实）、MR（混合现实）等黑科技，其目标是以“AI教师”完全取代真人老师教学，属于“人机对抗”模式，较为典型的是乂学教育的松鼠AI。
另一派是升级现行教育体系、不另创场景的改良派，属于“人机共教”模式，较为典型的是高木学习的AI Tutor。
一般走人机对抗模式最终走的是to C模式；而“人机共教”走的是to B模式。鉴于我国当前AI教育的应用场景主要为教学机构包括全日制学校与培训机构，而非一个个分散的学生；只有让AI去辅助老师备课、上课，嵌入到学生作业和训练，帮助学生提分和学校提升升学率，才能帮助AI更快落地并且找到盈利模式。
从“全日制学校”应用AI的实践上看， AI能让老师“心中有数（据）”，提升教学的针对性，AI教师实际上相当于真人老师的“智能助教”，可以减轻老师50％的工作负荷量，比如AI帮老师批改作业，把数据分析的可视化呈现出来帮助老师定制教研方案。因此，在市场推广过程中，AI教育项目不需要担心基层老师的接受阻力，能让老师摆脱“汗水老师”的局面也是基础教育机构所希望看到的。
由于全日制学校获取的大数据比培训机构更加海量、持续、高频，因此高木学习更看重AI在全国全日制学校场景中的数据价值，积极在全国推行城市合伙人制度，并计划与地方教育主管部门合作推出全国教师AI应用能力培训公益活动。
To B模式中另一大企业客户就是体制外的培训机构，他们所面对的学生付费意愿强、购买力相对旺盛，是AI教育项目获得稳健现金流的必争之地，那么当前培训机构应用AI教育项目开展“人工智能双师班”的效果如何呢？
（1）首先、AI教练能保持教学效果稳定化输出，解决原本老师教学效果不确定的弊端。
（2）其次、AI 提升了老师的工作效率，突破了培训机构因为名师稀缺且流动性大限制培训机构的规模化发展的瓶颈。
（3）再次、比如高木学习的AI帮助学生发掘了“元认知能力”增强学习信心、提分效果明显，帮助合作培训机构提升了续费率，为招生带来便捷。
可以说，人工智能教育走to B模式是“为教学机构赋能”，既能为全日制学校老师和学生“减负”，又在给培训机构做大业务“增量”的，难能可贵的是，AI项目并不需要学生端那里刷品牌存在感，把所有的教学效果功劳于老师，可用“润物细无声”来形容。
结语：
人工智能教师不仅不会夺走老师的“饭碗”，还能帮助老师从繁重、低效中解放出来，让学生享受到智能化因材施教教育。当前我国的AI教育是在标准化应试教育的框架下，尽可能让学生获得个性化学习解决方案，在帮助学生完成提分、升学的“小目标”同时，唤醒和开发其“元认知能力”，这回归了教育的本质。在知识爆炸的年代，教育的重心应该由从储备具体知识转向到掌握开启知识宝库的“钥匙”即元认知能力上来，这才是AI教育带来的智慧启示。
作者：李星
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
