随着人工智能技术的开展，自顺应学习成了教育行业的一个热词。但是什么是自顺应学习？自顺应学习能否真正做到特性化教育？

近日，亿欧组织了一场线上直播分享活动，约请到了乂学教育CTO樊星作为主讲人。 在近一个小时的分享中，樊星解说了什么是自顺应学习，自顺应学习的开展，以及乂学教育在自顺应学习方面的探究。 以下是分享活动的详细内容。

大家好，是乂学教育的樊星，十分荣幸能代表乂学来跟大家分享一下我们在AI+教育上的探究。

明天的次要话题是乂学如何打造一款教学机器人，让每个先生的学习可以轻松十倍。这听起来能够很科幻，但其实是完全可以存在的。我们晓得以前一些所谓的学霸，他们总有很多的技巧，让他们既有工夫玩得好，也学得好。明天我要分享的就是如何让每一个孩子都能成为这样的学霸。

至于为什么要说教学机器人，去年，学霸君做了一个高考机器人，可以很好地模仿先生，高考数学考了130多分。但是让AI模仿先生考一个高分，并没有让AI模仿一个教师教孩子如何学习更好，换言之， 培育出能教先生的机器人，价值能够更高，这就是我们在做的事情。

乂学是一家人工智能K12教育公司，我们的愿景是希望用人工智能，让零碎模仿一个优秀的特级教员，把特性化教育带给全世界的每一个孩子。 乂学如今在全国有700家协作校，去年年底拿到了2.7亿元的天使轮融资；和美国的斯坦福大学树立了一个结合实验室，同时在纽约也做了一个AI研发中心。

为什么需求自顺应学习？

每团体都希望有一种办法能进步学习效率，这就是自顺应学习。

古代教育的来源是德国的格林洪堡大学，事先是为了培育少量合格的产业工人，为工业反动迸发后的业界提供少量合格的休息力，然后才构成了普及性教育。在古代教育中，每一个孩子都会被打上各种各样的标签，如几年级几班、哪一届、哪一个专业等，这就很像工厂流水线上消费出来的规范化产品，每一团体都有本人的标号，招致教育孩子时是千人一面的，但实践上孩子是千人千面的，每个孩子都有本人不同的特点。

我们做过一个剖析，在公立学校里，90%的孩子在学校有2/3的工夫是糜费的。由于有1/3的内容孩子曾经学会了，另外有1/3的内容是孩子不会且听不懂的，只要1/3的内容是孩子不会且能学会的。

也就是说K12教育最大的矛盾是人民日群众日益增长的教育需求和落后的教育体制之间的矛盾。 这话听起来能够相似于邓小平对社会主义初级阶段根本矛盾的定义，邓小平的定义引领了变革开放40年来一切的开展，而我们对K12教育根本矛盾的定义，也会引领接上去十年之内中国K12教育的开展。

这个结论曾经失掉了一定水平的印证，比方如今一对一的火爆，每一个家长都希望专门有一个十分优秀的教师给孩子做专门的辅导。但是从如今的师生比来看，完成一对一的教育在如今是不能够的，这就是现状。

所以我们需求自顺应教育、特性化教育，我们深信没有任何一个孩子是笨的，只不过没有找到好的教育办法而已，处理这个成绩的办法就是自顺应教育。 自顺应教育其实就是依据每团体的状况，采用特性化的教学办法。

自顺应学习的开展

自顺应教育并不是一个新颖事，在国外曾经开展了很多年了，自顺应的鼻祖Knewton曾经成为估值10亿美元的独角兽企业。

国外也做过一个比照实验，在一千多所大学里，将不同的先生分为不同的班，一个班用AI自顺应零碎教学，另一个班用真人教师教学，最终的实验后果是AI自顺应零碎教的班级的得A率和课程经过率远远大于真人教师教的班级。

乂学详细是怎样做？

关于自顺应学习，乂学教育是怎样做的呢？或许说怎样满足特性化教育需求呢？

做法很复杂，用人工智能零碎模仿的教师，给孩子提供一对一的AI教师，从而把特性化教育带给每一个孩子。AI教师其实就相当于有数个优秀教师的集合，可以给每一个孩子提供特性化辅导。

我们晓得即使是优秀的教师，能够也仅对一局部孩子有用，能够对其他孩子就没有用，但假如经过AI把一切优秀教师集中到一同，那么每个孩子都能找到十分合适的优秀教师，然后依据他的成绩提出处理方案，到达最好的教学效果。

这种做法是比拟困难的，由于教师并不是那么好模仿的，尤其是要把若干个特级教师模仿到零碎里。但这个事情的益处是可以不停地累加地做，一开端可以只模仿50%、模仿100%，最初模仿1000%。

针对异样的成绩，我们的友商也有其他的处理办法，比方经过资源衔接的办法。VIPKID是把少量的北美教师的教学资源和中国的先生衔接起来；51talk是把菲律宾外教和成人的英语教学需求衔接起来；掌门一对一是把全国的中学教师和先生衔接起来。这种资源衔接的办法也可以一定水平上缓解成绩，但毕竟有一个天花板——即使把全国的中学教师集中起来，能够也没方法给每个孩子提供特性化的处理方案。

特性化教学从逻辑流程上普通会分为三局部，大少数特级教员都是先去检测成绩，然后提出特性化学习方案，最初监视执行，并对方案停止优化，AI模仿教师也一样，从检测环节、特性化学习环节、到施行环节，AI特性化系学习零碎普通由课程、内容、评价和特性化引荐四个大模块组成，而整个零碎会的根底就是知识图谱。

整个特性化学习的进程由以下几个方面组成：首先是实时更新先生画像，即先生对每个知识点掌握的才能如何、是怎样掌握这些知识点的、学习形态如何等。其次是预测孩子的知识形态，即依据先生画像，理解他在整个知识空间里的状况然后做出绝对优化的学习方案，也就是学习途径。依据学习途径再去推送相应的、适宜的学习内容。这就是AI模仿教师的流程。

那么AI教师凶猛还是真人教师凶猛呢？去年10月，乂学做一场人机大战。在人机大战中，乂学的AI教师带的班一共有40团体，另外一个班由一个有十年教龄的专业教师带，经过40多个小时的学习之后，AI教师带的班在提分效果上高于真人教师班一倍多。从这个案例看，我们的AI教师曾经在一定水平上能替代真人教师，甚至比真人教师做得更好。

AI零碎在模仿真人教师时，在两个方面比真人凶猛，一个是测评，一个是引荐。

在测评方面，最关键的是如何测得更细更准更快。 由于在测评进程中，把成绩找得更细、更准，处理的本钱就会更低。举个例子，假如先生在一元二次方程上掌握得比拟单薄，处理这个成绩，能够需求一个月的工夫让先生学习一元二次方程，由于一元二次方程触及的东西十分多。但是假如可以把成绩定位到一元二次方程中的因式分解法掌握不扎实，那处理成绩的工夫就会延长为一周。

其实每个真人教师也都懂，但是存在一个悖论，把知识点的检测做到很细的时分，本钱就会有限上升，由于需求更多的工夫。所以成绩的关键是如何在保证检测精确的状况下，同时保证检测的速度。也就是说在检测环节，用AI零碎检测要比真人教师更准更细，还能用更短的工夫。

特性化引荐环节，需求处理的是如何用更短的工夫让先生掌握不会的知识。 特性化引荐分红三个方面：如何给先生特性化的学习目的、特性化的学习途径和特性化的学习内容？这就需求用到决策树、协同过滤和深度学习等技术。

首先制定特性化学习目的 ，在检测环节，一个先生检测出不会A、B、C知识点，另一个检测出不会A、B知识点，两人的学习目的一定是不一样的。更深一层，假如两个先生都是A、B、C知识点不会，但是一团体只用了20分钟检测，另一个用了40分钟工夫检测，零碎就可以假定前一个先生的学习才能更强，所以前者的学习目的能够是A、B、C，然后者的学习目的只是A、B。

其次是特性化学习途径和特性化学习内容。

假如两个先生不会的是相反的知识点，但是一个是完全不会知识点的整个概念，另一个只是不会知识点的运用。那么在特性化学习引荐的时分，前者会推送全部的学习视频，然后者只会引荐使用方面的学习视频。少看一个学习视频，先生就能节省4到5分钟的工夫，这就是零碎引荐的价值。像昔日头条一样，每一个工夫点零碎推送的都是最合适学习学习的内容。

检测和引荐这两点就是AI零碎能胜过真人教师的两大最关键的要素——在找成绩时，AI教师比真人教师强，在处理成绩时，AI教师比真人教师效率高。

总结一下，自顺应学习实质上并不新颖，它其实是一个办法论。 自顺应学习聚焦的关键词是效率。 假如不谈效率，事情就没有意义，而效率由本钱和后果组成。举个例子，假如不思索本钱，先生有有限的工夫，就完全不需求自顺应学习、特性化学习；再比方先生学习没有目的，不思索后果，那么也不需求用特性化学习找到优化的办法。

基于这一点，对自顺应学习做了分级。L0级是非自顺应；L1级是真人自顺应，如为先生请一对一的教师；L2级是规则自顺应，规则自顺应就中存在一些优化的办法，比方70分的先生、80分的先生、90分的先生辨别该学什么，这是规则需求处理的事情。而如今乂学做的是L3级，也就是算法自顺应，可以发现先生哪里不会，应该学哪里，哪里又需求战略保持等。而不同等级自顺应的区别次要就在于效率，它们之间是存在数量级上的差别。

那么人工智能自顺应最终会成为什么呢？能够是将来每团体都有AI教师，在它的率领下，每团体都能成为学霸、天赋。

Q&A环节

1.AI对教育的协助和改动次要表现在什么方面？

假如人工智能自顺应真正完成的话，那么每一个先生都可以拥有一个AI的特级教员陪伴。所以AI教育能处理的第一个严重成绩，就是喊了很多年的教育资源不公道成绩。以后教育资源不公道的成绩关键是总体资源不够，所以假如AI教师可行，AI零碎可以有限复制，而且本钱很低，教育资源不公道的成绩就迎刃而解了。

第二，可以处理因材施教成绩，因材施教是中国数千年以来的教育的梦想。但是不存在一个真人教师是全知全能的，而每个孩子的状况又不一样，所以真人教师不能够做到因材施教。但假如是AI，就可以不断陪伴着先生，针对成绩给出建议，从而完成因材施教。

第三，无效提升教育质量和教学效率。教育分为教学和育人，经过AI教师少量替代真人教师教学层面的大局部任务，真人教师就可以把更多的精神去放在育人层面。

2.AI+教育在哪些详细教学场景可以发扬价值，哪些场景做了也没有太粗心义？

不存在没有发扬价值的中央，只存在AI对这些场景效率提降低低的状况。假如一个场景中有少量的办法、技巧可以总结，就意味着存在有少量可以停移动互联网在带来全新社交体验的同时，也或多或少使人们产生了依赖。移动互联网使网络、智能终端、数字技术等新技术得到整合，建立了新的产业生态链，催生全新文化产业形态。止效率提升的方面，那么AI就可以在这一场景发扬更大的价值。而关于需求少量反复性训练的场景，AI的效率提升效果能够会差一点。

3.三年内AI教员可以多大水平的替代真人教员？

乂学的自顺应学习零碎，在英语教学上，曾经可以替代上海70%的500块钱一个小时的教师了。由于在乂学的实践教学进程中，70%是AI教师，只要30%是真人教师。而AI教师的教学效果可以和500块钱一个小时的教师一对一教学的效果相媲美。

在三年之内，我以为在K12的学科教育里，比方数学、英语，假如依照如今的教学目的或许教学效果要求，AI可以替代如今真人教师90%以上的任务。而真人教师有能够去做一些更初级的任务。

4.目前AI＋教育在详细落地使用上有哪些妨碍？

首先是数据搜集。也就是说如何搜集以下数据：学习全流程的数据，比方说学前学中学后；全信息的数据，比方学习表情、学习形态等笼统信息的数据；全工夫态的数据，如先生学习时的数据、不学习时的数据、甚至睡觉时的数据。

其次是算法模型需求更进一步的优化。针对各种教学场景、各种学习模块都需求做深化研讨，比方英语阅读、英语写作、语文阅读、写作等。

5.AI+教育中算法能否有优劣之分？知识图谱的拆解是越细越好吗？

算法确实是有区别的，不同的算法在效率提升、形态判别、战略规划等方面都有区别。不只仅是算法，算法的各种参数、模型都会对学习效果有比拟大的影响。这就需求针对不同窗习内容、不同的学习场景、不同的学习模块下，对算法停止特殊的训练和调教。

关于知识图谱的拆解并不是以细或许不细来权衡，而是以知识图谱拆解的无效性来权衡。一个知识点假如用不到，那么没有拆解的必要；假如用失掉，拆解得多细都不为过。所以这其实是一个效率的成绩，基于图谱在算法中的使用，知识点的拆解，需求依据详细处理的成绩和算法的可用性停止判别。

而对知识图谱拆解的维度、拆解办法的掌握，则表现了AI引擎的才能和教研才能，由于拆解需求引擎和教研的深度协同才干完成。

6.教育范畴哪些中央是AI不能替代教师的？当前教师的价值次要表现在哪里？

这个成绩比拟具有争议性。有一个十分明白的判别，教育可以分为教学和育人。教学层面，教师大局部的任务的确会被AI教师替代；但是真人教师有很多不能被替代的东西，就是育人层面的，而这些也是先生所必需的。

所以从久远目的来看，教师在育人方面的职能是AI无法替代的，这也是教师能发扬的最大价值，同时育人也是对先生来说有最大价值。详细来说就是，教师如何引导协助先生掌握正确运用知识的办法，构成正确的价值观。

在详细的教学进程中，有一些软性的层面也是AI无法做到的，比方情感关心方面。比方如何引导先生坚持积极的学习形态，也是真人教师不能被替代的。

7.畅想一下将来教育将会是什么样子？

可以畅想一下，将来有一个超脑，聚集了亚里士多德、达芬奇、爱因斯坦等若干优秀大脑的智慧。这个超脑，从你出生的那一霎时，就不断陪伴着你，对你的一切状况都了如指掌，在你遇就任何困难，需求失掉协助的时分，超脑都能给你适宜的建议和协助。在这样一个超脑的陪伴下，我置信每一个孩子都能到达的本人才能和志愿中的开展极限，这就是我们当前教育的样子。

相关引荐：

乂学教育周伟：人工智能如何推进传统教育产业晋级？

「教育科技30+」乂学教育栗浩洋：我在用对手十倍的精神做“AI教育”

细数“教育+AI”四大使用场景：人工智能的火，教育得跟上

---

6月15日，亿欧将在上海举行 「智能+教育峰会」 ，讨论AI在K12、素质教育、教育机器人等细分范畴的详细使用，剖析AI落地教育行业面临的应战，提出相应的处理方案。

目前，峰会已确认嘉宾包括：掌门1对1结合开创人兼副总裁余腾、小站教育CEO王浩平、海风教育CEO郑文丞、乂学教育开创人栗浩洋、生长保CEO路小得、智童时辰CEO郭长琛、论答CEO王枫等。

报名链接： https://www.iyiou.com/post/ad/id/600

版权声明

凡来源为亿欧网的内容，其版权均属北京亿欧网盟科技无限公司一切。文章内容系作者团体观念，不代表亿欧对观念赞同或支持。