AI智适应技术如何升级换代教育产业

松鼠AI创始人栗浩洋认为，几百年来科技对各个领域产生了很大改变，科技对交通和通信的改变巨大，但对教育的真正改变甚少。在人工智能领域，人们对视觉识别、NLP投入大量的人力、财力，发表了大量论文，但人工智能在教育里的真正应用却很少。

栗浩洋表示，AI教育在全球发展非常迅速，但在国内却很少有人知道和关注。他举例说道，美国已经有40多家AI智适应教育公司，例如Knewton累计融资1.8亿美元，用户超过1500万；阿联酋有1家做了4年的AI教育公司Alef Education，在当地已经有了25000名学生，相比于阿联酋的学生数，这已经是非常大的数字；印度有一家估值54亿美金的教育公司Byjus，做智适应教育已有10年，但中国的AI智适应教育才刚刚开始。

他表示，传统的教育就像中医，老师“望闻问切”，讲完就结束，整个过程像个黑匣子，大家什么数据也没有得到。但是通过AI智适应的教育，就能及时了解每个学生学习的终身数据，这些数据对于机构帮助学生学习，对于学生了解自己，都有巨大的价值。

他列举了松鼠AI目前的一些数据，松鼠AI目前已在国内20多个省，200多城市，有了1900多家学校，这个数字还在以每月100多家增长，注册用户超过200万。其中，今年第一季度付费用户（1年1-2千美金）比去年同期增长了14倍。同时，栗浩洋宣布松鼠AI与卡内基梅隆大学联合建立实验室，并与斯坦福国际研究院联合建立人工智能自适应学习联合实验室。

栗浩洋介绍了松鼠AI老师的引擎架构。松鼠AI老师引擎架构总共分为三层，第一层是本体层，里面主要是内容包括学习地图、知识地图等；第二层是算法层，里面有推荐引擎，有学生的用户画像引擎，有目标管理引擎等；第三层是一个交互系统，这个系统是关于机器如何与人进行交互的，在2019年之前，松鼠AI的交互系统更多是通过视频、题目及一些简单的互动和人交互，未来松鼠AI希望发展更多的人机交互方式，使得学生与机器互动更加顺畅。

栗浩洋表示，有了知识地图，才能对学生进行对症下药，才能实现国家提倡的给学生减负。应试教育下，学生通过刷海量的题来训练对知识点的掌握，如果不通过科技和AI的力量，这种题海战术还是无法解决。所以，知识地图就是要试图解决这个问题。通过知识地图检测，我们不仅要能区分孩子是学霸或是学渣，而是要看孩子大脑里对每个知识点的了解情况，是真正懂了，是掌握的一般，还是根本没有理解。

当智适应系统对学生知识点掌握的判断，才能帮助学生实现“那里不会学哪里”，学生只需要去学不会的知识点即可，能考95分的孩子，只去学剩下的5%的知识点，而不是再盲目的刷题海。

本体层中，松鼠AI针对知识地图做了一个超级纳米知识点拆分。他表示，整个队知识点的拆分细腻度超过了Knewton和Aleks的5-10倍。至于为何这样细致的拆分，他解释说就像把相机像素从400万拉到4000万像素一样，当知识点做的越细腻，对于学生知识点掌握的诊断也就会越精准。

同时，栗浩洋也介绍了从去年到今年，松鼠AI做的一个最新研究成果——错因分析。他表示，之所以研发这个技术，是因为他们发现，就算学生掌握了所有知识点，仍旧在做题中出现很多错误，这就是错因，例如粗心、惯性思维、审题不清等等，因此，借助系统他们能够告知孩子，不是知识点掌握问题，而是没有找对错因，找对了错因就不需要做很多无用功。

当他们把常见错因总结出来，就可以覆盖30%—40%的问题。如果没有错因分析，就很难去做个性化教育，当找到各种学生的错因类型，就可以针对性地去推荐不同的学习和错因视频分析。

在实现对孩子用户画像和学习状态的了解后，栗浩洋表示，松鼠AI还要能够像今日头条一样去给学生做推荐。他认为，与今日头条的算法相比，松鼠AI的算法难度更大。因为头条只要给你推荐合适的内容就成功了，但是松鼠AI还要保证学生能够掌握这个内容，对于他们来说，学生没有掌握学会，这个推荐就是失败的。所以他们还要开发一个预测引擎，Tom Mitchell建议要不断采集更多的数据包括孩子的表情、动作等各方面的数据，这样能够更快优化松鼠AI的算法。