11月12日，第四届AI+智适应教育峰会(AIAED)在上海中心大厦举办。
美国人工智能协会当选主席、康奈尔大学教授Bart Selman先生，松鼠AI 1对1创始人、首席教育技术科学家栗浩洋，孟菲斯大学心理系和智能系统研究所的教授Arthur Graesser，昂立教育联合创始人、高级副总裁王晓波，Smart Sparrow创始人兼CEO Dror Ben-Naim ，与来自全球的AI以及AI教育领域的科学家，全国教科文从事AI教育的专家主席一起，共同探讨AI技术及AI教育的发展。
在大会上午主论坛上，松鼠AI 1对1创始人、首席教育技术科学家栗浩洋发表了主题为“给教育减负与AI素质教育”的演讲。栗浩洋在他的演讲中提到，人工智能的超级老师已经实现了将几百位老师结合为一体，并且通过这位“AI超级老师”的1对1辅导，孩子的潜力得到有效开发，并且可能实现减负、素质教育以及促进教育公平。
以下是他的演讲实录(有删减)：
大家好，非常高兴今天可以在这里再次分享我们对人工智能教育的探索以及给孩子到底带来了什么，经过5年的时间，松鼠AI 1对1已经在人工教育里面投入了大量的资金、人力和心血来打造AI老师1对1的系统，我们全国2000多个校长也一起为此努力，为此奋斗，我们希望每个孩子可以学得更轻松，更开心。几年前我的杂志封面文章就讲，希望每个孩子都可以成为学霸，今天讲完，希望每个人都能有更强的信心，未来每个孩子都可以被我们培养成精英。
“超级老师”的超级之处
我们打造了一款人工智能的超级老师，这个超级老师不仅结合了几百个特级教师、高级教师、研发员为一体，并且现在通过算法的自我进化，已经远远超过人类的智慧。
我们后来发现，题目当中大量的人工的对于题目难度系数的标注，对于自信是很重要的，成绩好的孩子推高难度的，差一点的孩子推低难度的，但是这些标注会有各种各样的错误，是老师意想不到的，他们觉得难的题可能非常简单，他们觉得简单的题其实非常难。但我们现在已经全部采用机器标注，完全不需要人工了。这些还不算什么，真正的进化是我们没有想到的战略，这个战略可能就像Alpha Go打破人类几千年认为的围棋的金角银边，而Alpha Go是往中间走的，后来发现这个策略是更优的。
我们也打破了几百万年来老师常用的一个战略，从我小时候读书到现在，每本书讲完知识点之后找重点和难点，但是实际上我们认为80%的难点都不应该教，什么叫难点?就是学起来困难的点。但是大部分的孩子可以考到100分吗?一个孩子现在是70分，目标是85分，或者现在是82分，目标是92分，总有8%的知识点可以完全不学，就可以更有效地达到自己的目标，那为什么还要死磕难点呢?根据更高效的学习来定制教学战略，完全不同于原来特级教师设定的战略，已经完全超过我们人类的想象。
人工智能有的时候非常聪明，它可以让我们的学生在半年之内，4科提高200分。但是有的时候又非常愚蠢，就像5年之前的GPS带着我们一直绕圈，我们其实知道就在附近，但是却过不去。
为了让它更快的进化，在今年7月份松鼠AI 1对1加入了更多的功能，比如说我们想测试孩子是否掌握了某一个知识点，但是孩子可以和我沟通这个知识点他已经掌握了;或者我们给他一道题目，他告诉我们这道题目太难或者太简单了。通过孩子和我们的对话，系统得到了更多的信息，AI就可以调整参数。借助这样的一种算法，我们希望通过1-2年的研究，它可以比 学习的算法更快更优地达到我们的目标，并且更接近人类大脑，这也是我们投入1千万美金成立实验室的原因。我们和斯坦福也成立了实验室，他们和我一起研究人机互动，未来老师不只是推视频和题目，而是可以越来越多地与孩子进行对话。
这是我们整个松鼠AI 1对1的大脑，第一层是本体层，还有学生动态的学习目标;第二层是算法层，有推荐的算法以及用户画像的算法。这一点非常像今日头条，但是我们相比今日头条的千人千面难度要更高，今日头条推给你一篇视频或者一个文章，他不用保证你必须要学会，可能一篇财经的文章，有的人看懂了90%，有的人看懂了10%;但是我们的算法要保证每个孩子彻底掌握这个知识或者能力才算结束，所以我们的算法更加复杂。
第三层是交互层，现在的交互形式还是比较简单，未来的模式会越来越全面。
减负、素质教育与教育公平
今天讲三个故事，第一个故事是关于减负。今年4月份，陈宝生部长在采访当中说减负是中国教育最大的难题。中国的孩子比全世界其他的孩子学得困难得多，但是诺贝尔奖并没有得太多，我们的科技发明在全球也排不上号，为什么我们学得又苦，结果却不好呢?其实是学习效率的问题，他还谈到减负难于上青天，没有人可以解决减负的问题，但是AI可以。
我们看这个女孩，他是我的司机刘涛的女儿，刘涛自己初中没有毕业，之后去当兵，现在当了司机。150的总分，女儿总考30-40分，换算成100分就是25分的水平。100分如果考25分，到初中9年级根本不可能毕业，初中没有毕业在今天根本不可能找到工作，人生会变得非常痛苦。她的妈妈整天都在担忧她的未来。
在这样的过程当中，她报了各种各样的培训班，学了2年没有任何的帮助。为什么?因为我们可以看到班里面有95分、62分、25分的学生，老师只能按照平均速度教，好的学生觉得浪费时间，40-50分的学生听不懂。有一部分不提分的学生，老师发现孩子学不会很痛苦，就去亲自教，这样教就能教会孩子了吗?你带着孩子走了一遍迷宫，走出来了，老师就以为孩子是会走了，但是实际上孩子会走吗?再扔到迷宫里面根本走不出来。我们给非常小的迷宫，让孩子自己摸索，对于系统来说，9年级不行，那就降到7-8年级;70分听不懂，那就降到40分的难度，他就可以自己摸索走出来迷宫。教育本质不是老师教，而是学生学。
老师带的路对孩子来说难以承受，对于这样的孩子我们怎么办呢?我们怎么解决她的问题呢?先通过系统看每个孩子大脑里面的知识点的状态，哪些是绿色，哪些是红色，以及知识点之间到底是怎么相互关联的，通过关联性的认知，我们对症下药，把红色变成绿色。95分的孩子只有5%是红色，就很容易解决;但是一个20分的孩子，大部分的知识点对她来说可能都是陌生的，这时候给她所有的知识点吗?并不是，我们每次只给她10%的知识点。
整个暑假里，在所有的培训班学100个知识点的时候，我们只给她10个知识点。以前她学100个知识点从来都没有达到过35分，而这次一个暑假就达到了35分，又用了2个月达到了50分，三个月达到61分。期末4000人的大会里面校长表扬了三个人，另外两个都是95分以上的孩子，只有她是61分的。又使用了我们的系统半年，她达到了79分，而她四科的成绩在松鼠AI里面提高了200分，这个成绩仍然不是特别好，没有进入高中或重点高中，但却考入了最好的职高。这个职高的竞争非常激烈，专业是飞机检修，她当时是以班级后5名的成绩考进去的。考进去之后，我提议继续用我们的松鼠AI 1对1系统，刘涛拒绝了我，说不需要继续学了，而且高中之后继续使用初中的系统也没有任何帮助。我说你家孩子考79分，意味着21%的知识点仍然是红色和黄色，仍然不会，没有掌握这些知识点，很多高层级的知识点就理解不了，继续学习对高中仍然有帮助。
当时我们在全国做了普及性调查，有很多的学生通过松鼠AI成绩有了大幅度的提升，但是也有一些孩子不单没有提分，甚至降分了，这是什么原因呢?我们通过AI可以看到孩子每一分钟的学习过程。我们发现了很多问题，第一是难度系数打得不够准，所以我们后来全部用机器打分了;第二是题目没有快速降级，有的孩子20分，给了他50分的知识，他不了解，降到30分仍然不了解，我们的降级要更快速;第三是没有做追根查源，第四是有一些知识点他已经识别了并且掌握了，但是我们判断错误了，这些通过人机对话的算法都可以解决。
所有机器的问题我们都可以解决，但是人类老师的问题可以解决吗?我上个星期在新疆给家长做千人演讲的时候，我到学校看了老师讲课，你会发现老师讲课当中也有各种各样的错误，他们对孩子的用户画像的了解程度比松鼠AI更为薄弱，按照自己的认知讲的时候，错误百出，我们也没办法进行后续跟踪。但是松鼠AI可以不断完善，不断优化，
这是我们的规划流程，现在我们的规划流程已经比传统的知识点做得更加完善，同步学习的时候，我们同时会进行追根查源补漏侧。补漏侧是发现他9年级的孩子，缺少了8年级7年级的知识，我们又跳到8年级和7年级的知识点学习，学完之后再回来同步学。
我们里面有战略后排隔离池，比如说我小的时候语文是80分，考到88分对我来说就是很好的目标了，如果我不需要考到100分，我在文言文虚词方面就不需要死磕了。这些知识点是我最薄弱也学不会的知识点，哪怕同班其他小朋友学得很快，但是对我来说很难理解，就放在战略后排隔离池里面。我先要保证8%的知识点可以掌握提升，所以补漏也有知识队列，战略排序同步也有知识队列，有一些知识甚至放到废弃池里面。
另外有一些需要重学的知识点，我们最近重启了我们的重学系统，但是很多校长会抱怨，有的孩子学来学去学不出去，为什么孩子一定要学出去?重学的原因是知识点没有掌握，如果知识点只有60%-70%的掌握率，也就是一知半解，基础如果没有打好，以后的学习会存在根源性的问题。所以花更多的时间重学，比学完所有的知识要重要得多。
对于人工智能来说，我们做的最重要的事就是减负。我们看到她做了追根查源的学习，把薄弱的21%补足之后，她考进了班级前3名。她们班在去年6月份的时候选了5个孩子到美国的西雅图完成剩余两年的学习，全球所有机场的工作可以任她挑选。一个孩子的命运可能因为松鼠AI而被完全改变。
第二想讲的案例是关于素质教育，减负如果做到了，80分的孩子只要学习20%的内容，素质教育该怎么办呢?我们喊了这么多年，但是我们都讲不清楚素质教育是什么。我们认为素质教育是STEAM，实际上是吗?并不是。有的人科学方面的机械动手能力并不强，但是像韩寒一样，他的语言功底强，他也可以成功;像马云第一次高考数学是1分，但这不影响他成为优秀的企业家，他了解STEAM吗?不了解。
什么才是素质教育呢?我讲一下我双胞胎儿子的故事。他平时成绩都是90-95分，大量的作业时间都被浪费。他只在松鼠AI 1对1系统里面学了2年，现在已经在攻克美国5年级甚至6年级的数学竞赛题了。也就是说，对于这样的孩子来说，松鼠AI 1对1可以彻底释放他的潜能。
但是为什么2年级就可以学习5年级的内容，其实更重要的是他们的快速提升，如果仅仅是知识的学习，是不可能达到几倍速的速度的，更重要是他们的素质和能力得到了提升，这个素质和能力是什么?我解释为MCM，思维模式、学习能力、学习方法。什么是MCM?语文学习当中要掌握是字、词、修辞方法吗?可能是也可能不是。最好的教育是所有学习过的知识都忘记了，只剩下了你的能力，你的MCM可以保证你在面对世界上任何新的问题时，都能对它们进行解决。
你未来需要从事什么职业，只要在自己优势的MCM大量发挥就可以，比如说我自己的劣势是不够严谨。我们当时在央视做了一个测试，把6个不同的职业的人分类，科学家、律师、销售、会计，去识别他们到底是谁。不同人需要具备不同的能力，而每个人在各自的职业当中都需要很强的核心能力，如果你核心能力不强，在这个职业里面一定会很绝望。在系统里面，央视策划里的很多人并不擅长发散性思考，但是错入了导演和策划这行。哪个领域的MCM不好，就不要做这个领域，比如说高敏统筹思想不好，不能做领导，所以我们看到他没有做队长。律师除了语言能力相对不错之外，规律探究能力，信息筛选能力，总结概括能力和博弈推理能力特别强。当时还有中科院的院士，也是给习近平主席讲人工智能，同时也是我们交大的人工智能院长，他规划能力，数据分析能力都非常强，这是一个科学家的能力。
所以在整个系统的训练里面，我们认为素质教育就是MCM，就是你的思维方式，你的能力，你的学习方法。
最后我想讲的是教育的公平性，我们现在说寒门再难出贵子，因为小的城市的老师都跑到大城市里去了，即使一线城市的里面，上海、北京这样的城市里面最好的学校和最差的学校教育质量千差万别。真的是抽签可以解决所有的问题吗?抽签其在选择上是公平了，但是对于每个孩子是不公平的，但是松鼠AI 1对1可以把教育公平性落到极致，帮助整个国家，甚至帮助全世界的孩子接受最优质的教育。
这个清太平镇是央视5月份给我们的一个挑战，就是让我们教他们的孩子学习，因为他们这个镇只有1000的人口。他们的孩子在6年级的时候，换了8任数学老师，我们经常开玩笑说，你的数学是体育老师教的，在那边不是一个笑话，是一个惨痛的现实。而这8个老师还不是真正的老师，都是志愿者，所以他们的数学水平非常差，他们的能力值非常弱，当时我们非常自信满满说没有问题，因为不是业余制学习，而是全日制学习。我们相信通过两个月，一定可以超过镇上的非常稳固的常年跟踪的百年名校的老师教的水平。当时我们只要超过20分，从50分考到70分就可以达到镇上的水平。但是测试的时候，发现非常令人痛苦的情况，这群6年级学生的学习水平比县里面4年级学生的水平还差，我们不知道能不能做到。而实际上他们当时的知识点掌握率不是80-90%，是60%-70%，大部分的知识点全部都是红色，根本没有掌握。但是艰苦的条件下，通过全日制松鼠AI 的AI老师1对1系统给他不断的点状，通过大量的战略放弃的追根查源，一个5分的孩子考到35分就可以了，一个50分的孩子考到80分就可以了，放弃大量的知识点，不断的追根查源，结果这些孩子考到了89分。在这样的中国18线的地区，如果每个孩子身边有松鼠AI，他们可以学得和全中国任何一个孩子一样好。
大家可能看到这个轮椅上的女孩，这个女孩得了几百万分之一概率的脆骨病，也就是说她的骨头稍微使劲碰一下就碎了，所以她连到学校上课都不可能。但是这个女孩通过使用我们的系统，语文成绩在后来超过了1千万人口的武汉二线城市的学习水平。在昨天晚上我刚刚得到她的消息，她现在到初一，考了班里面的第一。这些孩子的平均成绩原来都是不及格，从小学都不可能毕业，上初中都没有机会，到现在他们有机会实现更大的人生梦想。我觉得做松鼠AI 1对1能够帮助每个孩子实现他的人生的梦想，这是我最开心的事。
我们今年入选斯坦福商学院MBA的案例，我们又拿到MIT的聪明50公司，这一切都不重要，而是通过AI实现教育的减负，实现教育的公平性，我们每个人，尤其我们校长希望通过10-20年的时间，让松鼠AI 1对1可以像孔子+达芬奇+爱因斯坦一样去实现一个全能的老师。如果未来每个孩子从3岁的时候就可以有一个大师一对一的对话，辅导他不断的成才，人类的智商将比现在提高几倍，所以我们在做的事情可能不仅仅是AI教育，而是真正改变人类教育的发展史，谢谢大家。
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。
