四十一年前的1977，见证了一次系统性的政策转舵：高考制度恢复。在那段艰难岁月中，相当数量的独立个体迎风而上，而在他们完成求知逆袭后，几代人的命运走向随之改变。
重视教育是中国人长久以来的历史延续，作为一种社会工具，它被赋予了打破代际和阶层的使命。这种期待往往在社会巨变之时达到最甚。
眼下，中国社会似乎正处在这样的巨变期。问题从持续释放的上层政策信号中得以窥见：
明面上，教育减负被反复提至官方红线，从2012年开始，教育部就下发过通知禁止幼儿园提前教授小学内容;此后，中央和地方教育主管机构多次以正式文件形式禁止义务教育阶段的超期授课，但显然，这个老问题并未被很好地解决，就在今年7月，来自教育部办公厅的红头文件再一次“周期性”地发布。
但实际而言，前述外部信号被视为内部教育压力过重的“治标”举措，舆论将之解读为压力的前移：即教育压力是系统性的自上而下，幼儿园的压力源于小学、小学的压力源于中学，而后环环相扣，无法言说。
此前《好奇心日报》曾报道了来自于清华大学社会学系的晋军老师的一个长期观察，他发现，清华大部分的学生都来自中产家庭，而来自于真正的寒门或贫困家庭的学生数量在过去一段时间里正不断减少。
多位高校背景的学者认为农村学生数量减少和上述教育压力前移，本质上源于教育资源的分配不均。
中国社会科学院近代史所研究员雷颐则在研究后指出，这种资源流动性变弱的明确时间节点发生在1997年——从当下往前回溯的20年前，恢复高考的20年后。
换言之，高考恢复后的20个年头，中国教育系统完成了重启0到1的过程，而此后至今的20个年头，资源的流动性则开始减弱，甚至固化。
深层次的原因是，教育行业是一个非标性极强的行业，它的核心资源是师资，但师资又受限于地域化培养和积累，存在差异，而恰巧在这20个年头里，国内地域正如火如荼地在进行城乡改造，由此带来的城乡二元化无疑与师资失衡反复作用，最终影响流动。
教育行业的“慢”特性正归结于此，然而相比于国内宏观环境的快步发展，这样的慢速度显然无法与之适配。回头看看，十几年前学的内容，十几年后基本未变，同样在延续的还有熟悉的“填鸭”方式。
我们的教育体系就如这般落在了时代的后面，彼此之间的鸿沟逐代加深。根源需要讨论，但出路更亟待思考。
就上述因果论来看，优质教育资源的稀缺性，是一个外在的约束条件，其复杂性在于既受限于宏观主政思路，又被链条最外部的房产择校政策、社会就业环境乃至文化和舆论所钳制。这些约束因素是系统性、长期性积累形成的，且彼此互为因果，很难单方面突破。
各界将破局的力量寄希望于市场开放，试图引入民间资本和其他资本，即努力方向转为供给侧。
供给侧能否被盘活，范围和水平取决于社会生产力的发展水平。这个命题在教育领域中上一次被大氛围提及是得益于广泛意义上的互联网化。后者代表了上一波技术变革带来的生产力重构机会：以移动化、广泛触网、直播技术、音视频知识付费为代表的基础设施和模式成熟，带来了第一波以MOOC(慕课)为开端的在线教育热潮，沉淀了诸如VIPKID、沪江网、51Talk等企业。
由之带来的供给侧结果被认为是突破了地域上的空间和时间限制，即使得沉淀的教育内容借由互联网在任何时间和地区都可以均享，这种进步的意义是不可否认的，但批评的声音则聚焦在它没有从根本上突破教育内容的生产效率以及授课效率：优质的课程内容需要花费相当长的时间进行拍摄制作、审核，并且质量的优劣仍然与教师个体有关，这一度让名师的争抢由线下转向了线上。
事实上，这一定程度也是教育系统产生新一轮契机的背景之一：即供给侧的生产力重点由突破空间限制进一步转为聚焦在师资和授课效率的提升上。
前阿里巴巴集团董事主席、现专注教育事业的马云先生此前曾公开发表对教育的担忧，他认为如果继续以前的教学方法，对孩子进行记、背、算，三十年后的孩子保证找不到工作，因为他们没办法竞争过机器时代。
这种担忧建立在新一轮的技术革命——人工智能的发展基础上，作为由1956年达特茅斯学会首次提出的概念，人工智能实际上此前已经完成了两次技术周期的铺垫，而这一轮周期始于2006年Hinton等人发明的深层网络训练新方法和支持对应算法的新芯片等突破口，学界和产界的广泛共识是当下的第三轮人工智能已经达到了弱人工智能的成熟期，也因此带来了大范围的行业应用与落地。
AI＋智适应”教育峰会"/>
Tom Mitchell
卡内基梅隆大学教授，机器学习教父
卡耐基梅隆大学计算机科学学院机器学习系主任Tom Mitchell被公认为全球机器学习教父，他的判断是，相比前两轮的衰落，该轮AI落地业界普遍乐观。他同时认为，利用AI推进教育，重塑在线教育系统是确实有效的，“通过AI，可以不断获取学生最新的数据，然后反向让整个教学过程更加个性化，CMU(卡耐基梅隆大学)有一些相关科学研究，提出了这样的机器学习场景，即使用了机器学习的工具后，一个机器或许能收集高达十万名学生的答卷并分析出错原因和规律，在过去，一位老师穷其一生都不能达到这样的效果”，这被他视为人工智能在教育应用上的潜力所在。
个性化是被人工智能在教育中反复提及的目标。此前，它的难度在于教育的不可控因素太多：同样上课、同样教师、不同人的理解力和掌握情况却迥异，这使得单独个体的学习曲线天差地别。
这种核心痛点被Jose Ferreira认为是AI智适应(或称自适应)学习系统的最大优势。Jose Ferreira是美国智适应教育代表企业Knewton的创始人。比尔梅琳达盖茨基金会委任的美国教育咨询机构Tyton Partners发布的智适应学习白皮书中对智适应学习的定义是，智适应学习( smart adaptive learning)是一种结合人工智能、数据挖掘、认知科学、教育学、心理学、行为科学和计算机科学的技术，其最终目的是让智适应学习系统在一定程度上能够模拟人类教师的角色，根据学习者的学习目标、 学习行为、偏好和学习状态，利用特殊的教学策略动态地调整学习内容，以达到个性化教学的目的。
国外的智适应学习技术已经发展了20年，在核心的数据和AI算法上有很深的积累和沉淀。Jose Ferreira认为，AI智适应在全球市场进入了机遇期，一个直接的例证是，全球范围内诸多风险投资和产业资本进行了布局，并且金额不菲：比如在中国，Knewton的最大对标者松鼠AI投资方包括好未来、新东方、SIG等头部VC或战投;印度的BYJU’S则获得了比尔盖茨基金会的投资;而谷歌则投资了Duolingo。腾讯创始人马化腾表示，下一个系统性千亿美元的机会出现在两个赛道：除了延长人类寿命的AI+医疗，就是AI+教育行业。
松鼠AI创始人栗浩洋将教育拆分为两部分：“教”和“育”：“教”是知识传递，“育”是品格培养、探索未知;前者交由人工智能实现“千人千面”的大批量个性化，依靠技术性迭代实现规模与高效，彻底将不均衡的师资从重复性、高负担的教课中解放出来;后者交由老师完成陪伴、关怀和教育温度的传递。
四十一年后的2018年，在教育资源流通性趋于固化的今天，AI和智适应试图续力上一轮互联网化的重构格局，在产业剧变的黑夜中撕开更大的进光口。
时间是最稀缺的资源，方向比努力更重要：在巨大系统性机会到来的当下，松鼠AI、雷锋网和IEEE LTSC攒了一个局：邀请AI教父Tom Mitchell、邀请机器学习泰斗Michael Jordan、邀请新东方、作业盒子、掌门、天图资本、赛富等等学界、产业界和资本界的带头者，一起追根究底来告诉你机会在何方?如何去把握。
11月15日-16日，北京嘉里中心：来全球“AI+智适应”教育峰会，我们和你一起共同走过教育产业的剧变前夜。
我们坚信，教育的本质不是把篮子装满，而是把灯点亮，这是后二十年教育应有的模样。
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。
