王凯峰：AI将驱动下一波教育创业浪潮

  

11日下午，在以“创·见·新生态”为主题的GET2016教育科技大会“教育技术主题分论坛”上，未来工场首席产品官王凯峰发表了主题演讲“在线教育迈向智能时代”。


  以下为王凯峰演讲重点内容：


  AI是教育下一个驱动力


王凯峰指出，从整个产业增长来看，人工智能正在迎来新的产业爆发期，学术研究、行业发展和资本活跃。2018年全球人工智能市场近470亿美金，年复合增长率55.1%。2010年-2015年，AI行业融资数量年复合增长57%，中国的AI融资增长非常高，政府在支持人工智能的发展。


王凯峰认为，下一波教育创业浪潮，核心驱动将来自以人工智能为核心的“科技+教研创新”的融合。目前 AI 已在自适应学习、虚拟助手、专家系统、商业智能等方面有广泛的应用，未来随着技术成熟将会有更多新场景出现。未来教育是人与人工智能协作的时代，充分发挥机器与人类不同的优势是提高生产力的关键。人工智能将会取代简单重复的脑力劳动，而发挥人类的优势创新、复杂决策、情感关怀激励等更大优势。


王凯峰还列出了EDAI 4大应用场景：

• 个性化学习、自适应学习。
• 虚拟助手：拍照搜题和对话机器人。
• 商业智能化：把原来商业里面的智能技术应用到教育里面来，帮助学校和机构更好地解决教学管理效率和企业运营效率的问题。
• 专家系统：像高考的升学规划还有职业规划、留学咨询等复杂决策的系统
  

并以前两个场景为例，进行了说明。


  EDAI 重点场景1：自适应学习


王凯峰在研究了市面上所有自适应学习法之后，看到大家的切入点有以下几种：


从教、学、练、测、评切入。人工智能依赖于数据，数据化程度最高的是练习，因此这也是大部分“人工智能+教育创业者”的切入环节，但此环节的to C商业化能力弱，常见策略是向链条两侧延伸或切入to B领域商业化。
分级阅读。现在中国没有分级阅读的统一标准和垄断出现，这个里面有很大的创业空间。
LMS。这个是学习管理系统，里面包括了作业、练习、教课以及所有的解决方案，在不断地智能化，是我们目前探讨最多的领域。


  EDAI 重点场景2：虚拟助手


虚拟助手能够做到的事情可能有陪练、答疑、客服咨询，包括相关进度的督促和掌握，像助教环节、客户环节的事情可以通过虚拟助手来做。虚拟助手也在慢慢演进：

• 最简单的助教，它能完成在线答疑、进度督促和简单的客服工作，能够更快更简单的被替代掉。
• 中间是顾问，很多留学企业和咨询公司长不大，是因为没有顾问供给，当他们规模长大之后，发现顾问服务不过来。如果这些机器人替代顾问的话，可以解决学习规划、指导咨询、客户服务的问题。
• 第三个是老师，包括教学设计、教学服务和孩子整个的成长情感经历，都会慢慢被替代掉。
  

  以下是王凯峰的演讲整理：


  我们认为AI是教育下一个驱动力。


来看一下整个的产业增长，前两天有一个叫IDC的公司发布了这样一个预测，大概到2018年全球的人工智能市场近470亿美金，年复合增长率55.1%。同样看到，2010年-2015年，AI行业融资数量年复合增长57%，中国的AI融资增长非常高，我们的政府在支持智能的发展。


人工智能不是在变魔术，它本身不具备思维，它需要更多的数据，更高的性能，更优的算法才能做到更强的智能。我们看到这些数据不断的增长，在2009年达到了40倍，这些数据来了以后需要有更好的云存储方式，更低成本，更好的处理方式。这些数据通过智能算法，才能更好的应用到行业里面去。


我们看一下这张图，这张图特别有意思。它左边的尺度是2000年，后面是2025年。

大家知道人工智能从50年代开始发展，50年代经过了第一次发展，第二次有更大的发展，后来没有真正落地就衰落了。直到2012年，宽带降临，我们才能完成慕课、微课等大的流量视频交付。2014年，直播技术的发展，才引领了2014年、2015年的在线直播网校潮流。我认为，随着移动互联网的发展，更多应用场景的介入，让更多的场景和资本介入，催生了丰富的商业模式，包括O2O，包括像微信的公众号，包括在线直播网校。


随着这些技术不断的发展，第二波是商业化的潮流，到了2016年我们认为进入了商业化时代。


看最右边这条线，2006年深度学习算法刚刚出来，2011年语义识别上线，2012年深度学习算法在语音和视觉识别方面取得了突破，准确率达到了98%以上。2013年，猿题库和英语流利说出现，教你怎么样去扫题看答案，运用语音识别完成了新应用，教你怎么去说英语。包括2014年的3D打印和后面的VR、AR，后面更多是向智能化发展的趋势。2016年有一个标志性事件，就是阿尔法狗战胜了李世石。我们最近看到了很多的案例，很多人开始关注人工智能怎么样解决B端和C端的效率问题。


人工智能到底怎么跟教育结合呢？

• 首先大量的数据是人工智能的基础，我们需要有多维度、大量级的数据采集，包括语音、图像、运动、肌肉电，让我们获得更多的信息。
• 第二是有人工智能方面的数据处理方式，让这些数据解读出来。
• 第三是有自然人机界面，包括VR/AR，数据可视化，机器人和3D打印，都是未来的应用场景。
  

EDAI 4大应用场景：

• 个性化学习、自适应学习。
• 虚拟助手：拍照搜题和对话机器人。
• 商业智能化：把原来商业里面的智能技术应用到教育里面来，帮助学校和机构更好地解决教学管理效率和企业运营效率的问题。
• 专家系统：像高考的升学规划还有职业规划、留学咨询等复杂决策的系统
  

这四大方向是目前的切入点。


这是我们花了一段时间整理的表格，这个表格分为应用层和技术层。上面应用层，主要从四个方面整理。其中，自适应学习里面，左边的K12课内是最密集的，包括像猿题库、狸米学习等应用。虚拟助手里面有微软小英，你可以在微软小英里面和智能机器人交流。专家系统里面，有智能批改和升学规划两个方向，智能批改可以通过校宝和科大讯飞的功能，升学规划可以通过申请方和高考派的功能。商业智能，包括运营支持和学情管理。

未来人工智能到底带来什么？


我感觉，人工智能里面，机器的优势和人的优势不一样。机器的优势，是简单环境下面的标准化和规模化。机器可以做到辅助教学、限定对话、文本批改、简单答疑、作业练习、测评批改，人类可以做教学设计、复杂决策、团队协作等。


EDAI应用场景中，第一个概念是自适应学习。


自适应学习是经常提到的概念，包括内容自适应，测评自适应，进度自适应，路径自适应，回馈自适应，目标自适应，这些自适应的过程最终为学生提供个性化的学习过程。


我们可以看到技术实现的基本逻辑是：首先是教学者模型，学习者模型以及整个的知识图谱的建模；建模之后，把不同的自适应性材料，包括题目和内容交付给自适应学习者，同时获得很多的数据，把这些数据通过更加直观的方式展示给使用者，包括把这些数据传递给我们的模型，用来优化模型的算法，这是整个自适应模型的核心。我们可以看到自适应的算法和处理，其实核心是人工智能。


我研究了市面上所有自适应学习法之后，看到大家的切入点有很多的相似点，很多都是从教、学、练、测、评切入。我们可以看到人工智能依赖于数据，数据化程度最高的是练习，因此这也是大部分“人工智能+教育创业者”的切入环节，但此环节的to C商业化能力弱，常见策略是向链条两侧延伸或切入to B领域商业化。


第二个切入点是分级阅读。现在中国的小孩子没有办法读到自己适合的书，因为第一个没有标准，第二个也不知道他适合什么样的，第三个没有中间的匹配环节。自适应先做测定分级，把孩子和内容做一个相应的测定评级之后，通过自适应引擎去推荐。它能够通过阅读后的测评，让我们知道这个孩子读了这本书之后懂了还是没有懂，得到更多的反馈，通过这种方式让更多的孩子得到他适合读的内容。


两个月前发了这份报告之后，国内有很多的人想做分级阅读，因为现在中国没有分级阅读的统一标准和垄断出现，这个里面有很大的创业空间，如果大家有兴趣可以找我们聊一聊。


第三个切入点是LMS。这个是学习管理系统，里面包括了作业、练习、教课以及所有的解决方案。我们看到LMS也在不断地智能化，从原来只能按照大纲一次一次学习、练习，变成现在学生可以按照自己的节奏进行学习的系统，这是自适应学习，是我们目前探讨最多的领域。


EDAI应用场景中，第二个是虚拟助手。


虚拟助手可以帮助我们提供简单的服务。目前来说，能够做到的事情可能有陪练、答疑、客服咨询，包括相关进度的督促和掌握，像助教环节、客户环节的事情可以通过虚拟助手来做。这改变了我们的沟通方式，虚拟助手的边际成本很低，响应速度是毫秒级，有超过1000条知识库来识别文本、语音、动作和图片，把它变成机器可识别的编码。


第二部分是搞清楚他到底想要什么。这个里面包括语义识别，包括要去知道他过去的行为和习惯，追测到他这次想要什么东西，包括知识图谱。从广义来说我们讲的对话机器人，如果是通用机器人的话很难实现，因为它没有办法解决世界上通用的问题；在某一个狭窄领域可以，比如像某一个电商公司聊完之后，这家公司原来有14000名的客服，现在减掉了8000人，中间那部分人全部用机器人替代了，有时候你去网站咨询，是感觉不到是机器人回答的。


虚拟助手也在慢慢演进：

• 最简单的助教，它能完成在线答疑、进度督促和简单的客服工作，能够更快更简单的被替代掉。
• 中间是顾问，很多留学企业和咨询公司长不大，是因为没有顾问供给，当他们规模长大之后，发现顾问服务不过来。如果这些机器人替代顾问的话，可以解决学习规划、指导咨询、客户服务的问题。
• 第三个是老师，包括教学设计、教学服务和孩子整个的成长情感经历，都会慢慢被替代掉。
  

我们做了四个场景，现在是两个场景的介绍。我们可以看到大量的学习环境在线下，像现在给大家讲课一样，就算把现在这场演讲录下来、拍下来，还是没有办法做数据分析，因为我们缺少过程中我的反应、你们的反应，数据结构没有办法分析，数据反馈没有办法做。如果没有这个过程的话，教和学的过程就很难采集到，人工智能很难渗透到这个领域。


数据是很复杂分层的，每敲一个键盘是一个数据，回答一个问题是个数据，每个学期的数据不一样，每个学生的数据不一样。对于老师来说，了解教学进度是一个维度，怎么教学是另外一个维度。到了学校层、管理层，有很多复杂特征的数据。另外，数据反馈周期长，没有好的反馈周期，就没有办法反馈到系统里面来做真正的效果检验。最后，教育行业里面，科技人才太少，我们希望有更多的科技行业者进入到领域来，跟我们共同改变未来。