(原文标题:开门,机器人老师来了)

一、 开门,机器人老师到了

国庆几天,河南刚刚上演一幕新科技的大戏: 计算机和人展开了为期四天的人机大战。这一次,对垒的双方不再是李世乭和阿尔法狗,而是教师和人工智能教学机器人——准确地说,是“智适应”教学系统。而比拼的项目也不再是围棋,而是“教书育人”。

千年以前的孔子一定想不到,作为传道授业解惑的祖师爷,真正传承和挑战他的后来者,不是一个人,而是“人工智能”。

10月1日到4日,活动组织了78名中学生进行一轮数学摸底测试,根据成绩划分为两组,分别接受教学机器人和真人高级教师的授课。在四天时间里做针对性和集中教学辅导,结束后再进行一轮测试,核算两组学生的分数提高情况。

当然为了保证这次人机大战的公平公正和公开,据主办方乂学教育介绍,共采取了四重措施来保证参加测试样本的真实有效:

1、所有测试考题出题和批改均由第三方公立学校教师负责。

2、引入艾瑞和多家媒体进行全程监督。

3、教学过程全程直播录像全部对外公开透明。

4、媒体和第三方机构随机抽查考题保证考题无外泄。

四重措施,四天过去,结果人机大战的成绩是:机器教学全面碾压真人教学,在最核心的平均提分上以36.13分(机器)完胜26.18分(真人)。

终于,在线教育在经历了狂热——急冻——回温的轮回之后,新的时代开始展现出来。

二、在线教育,看上去很美

长期以来,在线教育是互联网人和投资客们心心念念觊觎已久的香悖悖。毕竟,1.6万亿教育市场的庞大和人们需求的旺盛不言而喻,而现阶段的传统教育存在着太过明显的痛点,即两个局限:

1、教育资源的局限

有数据显示,特级教师只有1/10000的学生可享受,大部分学生面对的是普通低质量老师。于是,优质教育资源只能越来越集中在优势地域,而劣势地域则越来越缺少资源,马太效应由此形成。

当然,最可怕的还不止如此,劣势地域那少得可怜的教育资源还会在学校间、年级间、班级间不能平均分配,平行班让位加强班的现象,相信每个参加过高考的人都不会陌生。

2、教师精力的局限

教师不是超人,他的时间、精力和能力都是有限的,不可能兼顾每个学生的学习程度、阶段、能力、个性等。于是,传统教育采用固定的教学内容、固定的教学模式、固定的教学手段,恰恰这种标准化流程化的方式,是教育的大忌!这样做是无法做到因材施教,教无定法,有教无类的教学理念的。

基于以上两种情况,我们不难发现传统教育从一开始便和严格甚至残酷的“选拔制度”相伴,优质教育资源向优势区域集中,优秀教师精力向少数优等生集中。这也就注定了,学校里会产生一群“被放弃”、“跟不上”的人,俗称“学渣”(笔者更愿意称他们为后进生)。

很多时候,后进生并不是生性顽劣、从一开始就不好学,而是因为从一开始被放弃,跟不上教学进度,从而挫伤了学下去的兴趣和信心。一旦找到方法,遇到名师加以点拨,其实也能进入上分快车道。

在一个班级内部,只要能拯救那些老师照顾不来的后进生?那么谁就可以从教育市场上分下一杯羹,在这种情况下,在线教育似乎是一种解药,特别是移动互联网爆发以来,入局者甚众,到了2015年更是伴随着“跟谁学”的A轮5000万美金巨量融资进入高潮。

一切看起来都这么顺理成章,感觉有人要掀起一波教育浪潮了。理想如此丰满,现实呢?

三、扶不起的阿斗

这些踌躇满志、裹挟着大量钞票横冲直撞闯进教育市场的门口野蛮人,全身的每个毛孔都绽放着贪婪,空气中都能闻到他们的野心勃勃。不过,这么多的抢滩者也不外乎这几类:

1、学习工具。这是一种初级且低成本的操作,早期机构无非就是抢了文曲星们和步步高点读机们的生意,他们是第一代教育互联网化的先行者。

从开始的扇贝单词、百词斩,到更加智能的工具流利说、一起作业网、学霸君,分别从背单词、口语识别、布置完成和批改作业、拍照答疑等等单点切入教育,一针见血地获得了大量客户,前段时间作业帮和小猿搜题之间的互诉,充分说明竞争的惨烈。

2、在线授课。说到在线二字,就不得不提一个软件YY直播,因为有了游戏的这个强大流量入口后,不知道是情怀还是商业布局,“YY教育”就这么被衍生出来了。当初李学林怀揣着10亿和雷军一起要砸新东方,结果人家新东方还好好的,知乎上搜索“YY教育”最多的就是资金链断裂、战略性错误这样的文章,也是让人忍不住心痛三秒钟。

3、对接平台。当滴滴打车席卷神州大地之后,教育领域也开始有人动起了O2O模式的主意,从最初龚海燕倒下的“91外教”,再到B轮死的“老师来了”和“请他教”,最初都立足打造中介和桥梁,让教师和学生通过平台实现对接。

随着上面教学的高成本和师资质量的管控难题,现在只剩下融资1亿美金的轻轻家教和跟谁学等两三家巨头垄断了过去的家教市场,其他拿到融资的二十多家机构都已经消失了。

4、MOOC教学。MOOC(慕课)是标准含着金钥匙出身的一种在线教育,清华大学原副校长袁驷在今年9月召开的“教育部在线教育研究中心智慧教学研讨会”上指出,慕课教育是一次国际教育教学改革,中国要在这次浪潮中称为领跑者,而不是追赶者。听起来很高端的样子,通俗点说,就是像是哈佛耶鲁公开课和youtube上可汗学院那样,简单粗暴地把老师上课录成视频放在网上,学生看不看得下去和看没看完都没人知道。

5、线上一对一。就如同学驾照有所谓的商务总裁班一样,在线教育向上提升最常见的方式就是一对一,任何独家享受的服务总是让人感觉体验感十足。但是业内打着“首家赴美上市的在线教育企业”的51Talk,近期发布的2017年Q1财报并不好看,其亏损达1.4亿元,亏损面继续扩大。

梳理51Talk近几年的财报,从上市前的2013年到现在始终处于亏损状态,2016年亏损额高达5.448亿元。 线上一对一高昂的营销成本和教师成本比例,让人瞠目。这里面只有vipkid凭借90%的续班率节省出大量营销成本,成为黑马。

尽管这些玩家都获得了令人惊羡的巨额融资或者上市光环,但是他们的进展并不顺畅:工具类都在巨大流量下因为没有匹配的收入苦苦挣扎或者完全转型另外的高收入的商业模式;MOOC教学虽然不差钱,但是曲高和寡,Coursera白皮书显示学生课程完成率只有4%。而线上一对一的高营销费和高老师成本的魔咒也急需等待破局。之所以大家都玩的这么亦步亦趋,究其原因,可能有以下几点:

1、在线教育只是把教育“在线化”

课程还是那个课程,讲解还是那样讲解,变换的只是上课的地点,从教室搬到了手机上、电脑上。不过是把传统教育“在线化”而已,却没有解决最根本的问题。过去电视火的时候叫电视大学,现在网络火了,改名叫在线教育吧。

2、牵扯关系复杂

国民关注度前三位是什么?住房、医疗、教育。然而这三个领域也恰恰是互联网最难有所建树的领域,一般的互联网公司玩不转,往往陷到模式太重的坑里。最重要的是,教育关系到国计民生,需要处理的关系涵盖政府、学校、教师、学生、家长,这么多层的关系都需要处理。更不用说教师教学的过程,几百小时几年下来,牵扯到的知识储备、教学技能、孩子性格和特长、以及教育学心理学认知学的深度,远远比买卖房子和看病几小时、治病几星期更加复杂。

3、流量转收入是伪命题

不同于“打车、外卖”这样的高频、刚需、标准化需求,教育本身具有重决策和非标的特征。特别是家长会在反复比较,再与孩子协商后,最终才会决定。所以,教育流量转收入是伪命题。大家逛街逛着可能几十块买本书几百块买件衣服,但是不会随便逛着突然几千几万买个孩子教育。

4、注意力很“反人类”

谁都无法解决“注意力稀缺”的诅咒,因为学生阶段想集中注意力,这本身就是一件很反人类。线上教育缺乏制约性的学习氛围,其结果就是学生购买课程却常常无法完成课程。当然,这事成年人也没好多少,就好像你去知乎上买了live课程,有多少能全部听完?

伴随着在线教育的前辈们纷纷折戟沉沙,在AI时代来临之际,我们是不是有了一些新的思路去破解这一难题?作为最新一代解决方案,智适应脱颖而出。

那么,何为智适应?

四、智适应,“智”在哪里?

说白了,智适应就是基于人工智能的个性化教学系统。

如果说,今日头条是基于人工智能、了解每个人的兴趣爱好,推荐他关注的内容。那么智适应就是就是基于人工智能了解每个学生的知识点掌握状态、学习能力、学习进度、阶段和特点,并给予相应的授课。

简言之,一套智适应系统应该具备三个要件:

1、 能摸底。能通过认知诊断模型根据学生的作答数据确定其相应的知识掌握状态,而不是传统的以分数来判定 。

2、有“弹药”。能将教学知识细分成若干知识点、传授方法,并形成灵活弹性的系统。让知识点和学习能力,思维能力,学习习惯之间,以及学习内容产生相关性。

3、会更新。可以根据学生不同的阶段对知识点的账务,算法还可以不断优化更新。当然,所有的知识点自身拥有一套不断迭代更新的算法和数据系统。

尽管相对于“人工智能”,智适应对于大众来说是完全陌生的,但是对学术界来说,智适应并不是一个新概念。

在西方,智适应已经有了十多年的发展历史, 其中最著名的就是美国Knewton的智适应,已经深耕此领域10多年,最近3年得到广泛认可,欧美已经有3000家中小学、大学使用了各家机构的智适应教育技术

在这些人机大战中,智适应教育表现出了三个亮点:采用自适应教育的学生平均分高于接受人工教学的学生成绩,提升效果显著;及格率普遍提升,对基础较差的学生效果尤为明显;学生能够提前完成学习任务,学习效率显著提高。

风口已经逼近,全球范围内一经有一大批的教育公司开始涌入和布局。在美国,Knewton、Realizeit、ALEKS等老牌的智适应机构这几年都获得了巨额融资和广泛应用,澳大利亚的智适应学习平台Smart Sparrow也获得了1400万美金B轮融资,印度的byju's在转型智适应后,获得了超过1亿美元融资,韩国的KnowRe也获得了软银的投资,蓬勃发展。

此外,美国传统的非智适应机构也纷纷开始转型智适应。Coursera和可汗学院也分别于今年7月和9月,宣布将从慕课转型智适应,传统的语言学习平台Duolingo也转智适应,并获得了8330万美元融资。

在中国,一堆创业公司涌入了智适应。除了前文提到的人机大战的乂学教育以外,还有高考机器人的学霸君、国家863科技的科大讯飞、智能题库的猿辅导、口语练习APP流利说、朗播网等都纷纷从原来的领域转型智适应。同样,这几家公司在资本市场的表现也都是非常亮眼。

乂学教育在天使轮就斩获1.2亿之后,据说又被知名基金在三个月内大额翻倍追加;学霸君已经累计融资3.7亿人民币,做高考机器人后火速融资1亿美金;猿题库更是得到IDG、腾讯、经纬中国的青睐融资1.5亿美金;流利说转型“懂你英语”之后也迅速融到1亿美金;科大讯飞把重点放在在线教育并且用AI做助力之后,市盈率飙升。从一个侧面来看,钱是追着智适应跑的。

当然这些公司的围绕着智适应作出的文章也是各不相同,其探索主要集中在:

1、科大讯飞;AI识别型,主要在语音识别、自然语言处理方面,衍生出口语测评、作文批改系统等应用。

2、乂学教育;AI模拟一名优秀的特级教师,给学生进行一对一的个性化辅导。利用智适应的手段,将知识点分段,针对孩子薄弱环节强化针对性教学。能够解决个性化学习问题、学习效率问题、优质教学资源稀缺性问题。

3、 学霸君;通过图像识别技术,为初高中学生提供在线拍照搜题的服务,并于今年推出了高考机器人,模拟真人参加高考答题。

4、流利说;利用实时语音识别和AI技术,给英语口语打分,把发音不准的地方标注出来,基于多年积累的口语大数据,结合深度学习技术,在2016年推出了“懂你英语”,用户付费后,可以享受定制化教学内容。

五、七问“智适应”

阿尔法狗对李世乭的胜利,标志着在围棋这样最高智慧的细分领域、人工智能已经胜利。而教学领域的人机大战,如果最终智适应取胜,则标志着教书育人这个最复杂重要的领域,新时代的黎明正在到来。

在线教育“烈士”们遇到的问题,智适应就都解决了?

教育是一滩深水,看起来风景美好,可是每条路上都是坑。

在此,我们至少可以看到这样几大问题:

1、如何建立庞大的知识库和教学信息库?知识是浩瀚无垠的宇宙,知识点则是这个宇宙一个又一个的行星。那么智适应如何建立这个庞大的宇宙,并且排布每一个小行星就是横在创业公司面前的一道坎。而且,AI建立的是一个新的宇宙,所有的知识点和题目都必须是为了它的规则和目的特制的,所以所有以前的知识和数据都完全失效了。

2、如何解决各地教学大纲不统一的问题?地大物博是我们形容广袤中国的一个常用词,同样教育以行政区划为单位,各地教学大纲不同,教学重点不同,想一样米养百样人恐怕有难度。

3、如何建立最强大的算法,真正了解每个学生?算法到底是一个程序的逻辑,而人则是活得,学生的多样性更加增加了算法的难度,如何避免头条式的兴趣阅读太过垂直的问题是一个社会问题。

4、如何处理与学校、教师的利益关系?推广智适应绕不开学校和教师这两道关口,而智适应要革命的就是现有的教育体系,怎么可能把人卖了,人家还帮你数钱?

5、如何解决学生的注意力诅咒?这个魔咒是人性的弱点,智适应缺乏老师的约束和监督之后,纯粹依靠学生的主观能动性,到最后很可能是学生根本不沉浸在学习中。

6、如何解决家长的不信任问题?没有人愿意当小白鼠来做这个实验,所以智适应说的再好,归根结底还是需要接受实际的论证,那么到底有谁愿意让孩子来接受智适应的教育,而放弃传统教育?

7、如何将应用成果显性化,从而迅速得到支持?倘若一切都如同设想一般,这个智适应到底如何能够让成果落地,不再只是一个空中楼阁,并且能够实现社会效益,商业效益?商业模式真正铺开才是硬道理。

六、机会在哪儿

尽管困难重重,智适应全面应用的前景依然诱人。

一旦谁的系统获得成功、全面推行,将会推动整个教育行业的升级,垄断新教育市场。几千年来人类的交通、通讯发生了巨大改变,唯有教育还和三千年前没有太大区别,人机大战宣告一个新的时代来临。

但正如前面提出的这些问题,“智适应”不是猪都能上天的风口,要想玩的转,这个公司必须具有以下能力:

1、整合优质教育资源,围绕AI的本质和需求建立信息库。由于传统的知识结构是为了人的教学设计的,就像武术的招式一样,现在都没用了。智适应是要用钢铁侠的打法,充分利用机器效能优势,所以必须要大投入全新重建一套教育资源信息库。

2、通过先进系统,进行知识切割。将中小学教纲知识点进行梳理拆分,而这个拆分越细小化越好。

3、算法优势。这里的算法必须是策略型,要学会找到学生的不同的学习策略,不能是单纯的识别型,通过图像捕捉来匹配题目答案,策略型和识别型这两个类别的AI工程师并不能跨界,一个类似电影的编剧,一个类似摄像,所以是完全不同类别的人工智能。识别型AI人才更多来自于百度和微软亚洲研究院,而策略型AI人才只能从欧美引进。

4、样本数量充足。学习的刚性需求明显,但是特殊性也更突出。所以只有足够的学生使用,从而产生数据量,才能不断优化算法。样本数量的选择,需要从一二线城市到三四线城市甚至五线的县域城镇都必须有可以抽取的样本。

5、正确处理和学校、教师的关系。入局者必须摆平利益被分薄者。

6、获得政府部门的支持,获得办学资质。同时依托于教育主管部门,可以在公校迅速拓展认知和渠道的布点,渠道比较宽,速度比较快。

7、强公关能力。通过一些社会化行动,迅速让社会获知成果,赢得家长信任。高考机器人参加高考,与教学机器人战胜高级教师,容易引发全民关注的品牌化活动需要定期策划。

8、优秀专业的团队。团队成员必须在各个方向都有所长,立足于AI的智适应实验室必不可少,团队成员应该具备教育行业的从业经验。

智适应作为在线教育的新升级,让人看到希望,又难免有些担心。正如蹒跚学步的孩子,我们知道他会摔倒,但是又笃定他未来一定会奔跑。

作者:张俊、马龙,“辩手李慕阳”专注tmt领域产品开发和商业分析,事件营销操盘,公众号阿辩论(ID:bianlunlove),微信biohazard2010,加请注明来意。

*文章为作者独立观点,不代表虎嗅网立场

本文由 辩手李慕阳授权虎嗅网发表,并经虎嗅网编辑。转载此文请于文首标明作者姓名,保持文章完整性(包括虎嗅注及其余作者身份信息),并请附上出处(虎嗅网)及本页链接。原文链接:http://www.huxiu.com/article/218043.html

未按照规范转载者,虎嗅保留追究相应责任的权利

[转载]AI教师正来势汹汹,教师饭碗堪优的更多相关文章

  1. 【转载】 Spark性能优化:资源调优篇

    在开发完Spark作业之后,就该为作业配置合适的资源了.Spark的资源参数,基本都可以在spark-submit命令中作为参数设置.很多Spark初学者,通常不知道该设置哪些必要的参数,以及如何设置 ...

  2. 转载~基于比较的排序算法的最优下界为什么是O(nlogn)

    基于比较的排序算法的最优下界为什么是O(nlogn) 发表于2013/12/21 16:15:50  1024人阅读 分类: Algorithm 1.决策二叉树 回答这个问题之前我们先来玩一个猜数字的 ...

  3. admin端的教师管理功能测试

    1  概述 1.1   测试范围 本次所测试的内容是admin端的教师管理功能. 1.2   测试方法 采用黑盒子方法进行集成测试. 1.3   测试环境 (1)   服务器l  操作系统:Windo ...

  4. AI+教育落地,百度大脑如何让校园更智能?

    人工智能作为影响社会底层技术革命逐渐向传统行业渗透,“AI+”已经替代“互联网+”成为创业创新的新引擎,出人意料的是,在AI在教育业的率先落地并且相当火爆. 现在,人工智能教育已成为从业者心目中的“教 ...

  5. 俞敏洪:未来教育是互联网+ AI +区块链联合颠覆

    “我对面向未来教育领域,内心是有一丝悲哀的.至少在我思考和理解的范围内,互联网和 AI 是不是有可能彻底的改变中国教育现状?我没有想清楚.”10 月 31 日,在鲸媒体举办的以“教育 +AI”为的主题 ...

  6. (原创)我对未来的人类的发展,以及AI技术发展的一些思考。

    最近AI非常的火,不仅仅是阿尔法狗的成功,因为它击败了人类最强的大脑,颠覆了人类几千年来的对传统的认识,也让人类意识 到了一个问题:天外有天,人外有AI. 那么AI究竟会对人类的未来造成什么深远的影响 ...

  7. AI案例

    https://www.bilibili.com/read/cv830627     到底什么是人工智能?人工智能能做什么?这是大家最关心的问题,但说到真正能够理解的话,还是只小部分专业人士.这篇文章 ...

  8. MYSQL 50 基础题 (转载)

    MYSQL 50 基础题 (转载) 前言:最近在强化MYSQL 能力 答案在(也是转载处) https://www.cnblogs.com/kangxinxin/p/11585935.html 下面是 ...

  9. “体检医生”黑科技|让AI开发更精准,ModelArts更新模型诊断功能

    摘要:华为云AI开发平台ModelArts黑科技加持AI研发,让模型开发更高效.更简单,降低AI在行业的落地门槛.全面的可视化评估以及智能诊断功能,使得开发者可以直观了解模型各方面性能,从而进行针对性 ...

随机推荐

  1. 团队作业10——项目复审与事后分析(Beta阶段)

    一.Beta阶段项目复审 http://www.cnblogs.com/womenshuodedoudui/p/7001208.html 二.事后诸葛分析 http://www.cnblogs.com ...

  2. 结对作业1----基于GUI的四则运算生成器

    组员:201421123015 陈麟凤 201421123019 张志杰 201421123020 黄海鸿 coding 地址:代码点这里 需求分析: 1.除了整数的四则运算还要支持分数的四则运算: ...

  3. 201521123077 《Java程序设计》第1周学习总结

    1. 本章学习总结 java语言的历史 dos下运行 java文件 Math ,String ,Scanner,Interger等常用类的使用 jdk,jre,jvm等概念的了解 classpath, ...

  4. 201521123048 《Java程序设计》第1周学习总结

    一 本周学习总结 第一周我们了解了java及其它的由来.刚开始学java显的特别吃力,对于一些概念和程序执行步骤什么的都不好理解,也有很多在编程时容易出错的地方需要花时间理解和记忆.初步一周下来,在我 ...

  5. JSP学习(一)之中文乱码问题的解决

    一.响应中的乱码 我们所看到的页面,是由服务器把内容放入响应(response)中,然后发送给浏览器的.如果响应中的数据无法被正常解析,就会出现中文乱码.为什么英文不存在乱码问题?因为无论是ISO-8 ...

  6. 201521123007《Java程序设计》第14周学习总结

    1. 本周学习总结 1.1 以你喜欢的方式(思维导图或其他)归纳总结多数据库相关内容. 2. 书面作业 1. MySQL数据库基本操作 建立数据库,将自己的姓名.学号作为一条记录插入.(截图,需出现自 ...

  7. 201521123069 《Java程序设计》 第13周学习总结

    1. 本周学习总结 以你喜欢的方式(思维导图.OneNote或其他)归纳总结多网络相关内容. 2. 书面作业 Q1. 网络基础 1.1 比较ping www.baidu.com与ping cec.jm ...

  8. 201521123098 《Java程序设计》第10周学习总结

    1. 本周学习总结 1.1 以你喜欢的方式(思维导图或其他)归纳总结异常与多线程相关内容. 2. 书面作业 本次PTA作业题集异常.多线程 1. finally 题目4-2 1.1 截图你的提交结果( ...

  9. 201521123052《Java程序设计》第9周学习总结

    1. 本周学习总结 1.1 以你喜欢的方式(思维导图或其他)归纳总结异常相关内容. 2. 书面作业 本次PTA作业题集异常 1.常用异常 题目5-1 1.1 截图你的提交结果(出现学号) 1.2 自己 ...

  10. php环境和apache服务启动不的解决方法

    安装服务器,可能需要设置apache的端口号,用记事本打开httpd.conf  ctrl+F搜索80,在中间添加数字8 08 0,不解释 在sql中配置好了服务器 服务器安装路径中的WWW文件作为服 ...