真人老師與AI教師對抗是自不量力，出路在于馴化它！
文|李星
公眾號|靠譜的阿星
1
當你的孩子正由AI教師來教導時，實際上大家預設一個前提：既然AI比人更聰明，那就讓AI做老師。AI教育出現意味著教育不再只是人與人之間經驗傳授，而是變成“把你更懂你自己”的機器來幫助人進行潛能開發。而AI教師躋身講臺究竟會不會砸掉線下真人老師的飯碗成為熱議話題。
現在主張AI教育公司基本都是互聯網教育公司，而互聯網教育又主要聚集在變現能力最強的K12階段。正如慕課教育、網校模式、直播課甚至雙師模式都沒有沖擊到線下學校業務一樣，AI教育要想繞開老師幾乎是不可能的。因為在K12教育領域，能否督促和管理學生去學習（愿意吃苦或者不玩游戲）是成敗的關鍵。但凡是高舉技術大旗顛覆某個崗位，到頭來都會遭遇現實的迎頭痛擊！
AI老師不會替代真人老師，與AI教育勢必可擋并不沖突，AI的確有望解決K12教育存在多年的痛點：
1.天賦好的學生不知道自己為什么會學東西容易，成績差的學生努力不知道自己為什么學不進去，這些一直處于“上天注定”的混沌狀態，導致很多學生在努力無效后喪失信心、放棄努力，需要人工智能分析給出答案。
2.老師診斷學生基礎或者知識點掌握情況一般通用的做法就是不斷讓學生做題，但老師出的題只能兼顧到不到20%的學生，人工智能針對不同人出不同的題做測試，并及時作出反饋。
3.在大班模式之下，老師由于時間和精力不足很難做到個性化輔導，即使在培訓機構的“1對1個性化教育”在應試教育框架之下始終受制于師資供給端相對缺乏而無法落地；AI教師可以批量、規模化實現個性化1對1輔導。
說到底，AI教育解決的是“學生端數據模糊化”與“老師端教學效果輸出不穩定”的兩大難題，因而是在線教育發展的必然演進階段。
AI的可怕之處就是其深度學習（Deep Learning）能力超越于人類。人類學習是通過感官經驗+邏輯推理，但AI深學習則是來自大數據+云計算。人輸出的感性材料加工出來的是知識，而機器輸入的是大數據得出的是數據化的分析和結果，人容易受到情緒的干擾而產生謬誤，而機器只要數據收集充分準確就能得出客觀的結論。
因而做AI教育就得找到“大數據”作為AI教師訓練的“場景”，而要讓AI老師更敏捷就必須不斷優化算法模型，讓其算法速度能實現幾何級加速。再好的人類教師都有“天花板”（時間、精力、水平等等限制性因素），而AI教師的天花板取決于數據和算法，所以不能用人類的認識能力去度量AI。
吳伯凡和梁東老師在《東吳同學會》一期節目中提出個非常有啟發的觀點：古代往往擁有更多“戰馬”資源的民族更容易成為勝利者，馬除了速度和力量以外，在于馬聰明并且通人性，馬就是古代社會的“人工智能”。人雖然不能跟馬比速度，但人可以騎在馬背上。
馬云在數博會上懟阿爾法狗與圍棋大師對弈時用了一句“So TM what！”阿爾法狗學一天等于柯潔修煉十年還不止，人在完全不對等規則下PK智力，是不自量力，也是自取其辱！
要想捍衛人在“智識”上尊嚴，最好的辦法或許也是唯一的辦法，用人工智能培養人，讓人學會設計AI、駕馭和馴化AI，這也是我本人為什么堅定認為人工智能教育是最有價值的AI落地領域的原因。
2
做“AI+教育”既要具備人工智能的優勢又要扎根在教育業務上，并不是那么容易做成的，在線教育公司在這一波“在線教育AI化”過程中轉向太快，其中大多數積累的數據并不是AI理念和技術邏輯下收集的，結構化分析了之后能否用上都是個問題。一些項目的AI能力并非是自身所有的，而是其他底層技術服務商或者AI能力引擎輸出上提供的。
阿星判斷一家公司是否是真的在做AI教育，更愿意聽創業者是否真的對AI有體系化認知？是否真的對中國K12以及教育產業懂行？這兩點直接決定其項目究竟會長什么樣，朝什么方向演化。
AI教育項目首先得解決的是AI數據來源問題，而教育類大數據目前還主要在線下，BAT并沒有形成壟斷，這本身就是創業者的最大機會。在相當長一段時間內，AI教育都會處于一個對大數據積累的“跑馬圈地”階段，其中公立學校的數據量最大，甚至誰能夠更多占據學校大數據資源進行處理，誰家AI就更智能。而讓學校教學數據“線上化”（云端化）最好辦法就是將AI嵌入在教學過程中獲取老師上課、學生答題以及測試之中。
乂學教育推廣“自適應”松鼠AI獲取數據的辦法是直播課+自建校區+加盟制模式，創始人栗浩洋此前創辦昂立教育就是線下培訓機構，最近乂學教育還專門把旗下渠道獨立為“乂渠”單獨獲1300萬Pre-A融資。作業盒子在C輪融資1億美金，創始人劉夜著手搭建200多人地推隊伍在全國各地推進其“AIOC”軟件。高木學習AI tutor在廣東、湖南、河南等18個省份，通過城市合伙人落地全日制學校、連鎖教育機構的B端賦能商業模式。可見，在AI教育市場開拓期，有著線下培訓機構從業背景和教育資源的人才相對緊俏。
不同的AI團隊在收集數據的能力不一樣，有的維度少數據的顆粒度很粗，有的是維度比較多能夠抓取到學生深度數據，即使是同樣的學生大數據用不同的引擎做出AI產品肯定不一樣。
據阿星觀察，在AI算法模型目前人工智能教育項目主要分為“知識圖譜引擎模式”與“通用知識學習引擎模式”大兩類。
基于知識圖譜做知識相關度推薦的算法模型其實更容易，一方面很多項目本身擁有對某一門學科的完整知識庫數據，另一方面類似于“今日頭條”式千人千面、為不同學生個性化定制學習知識的模式比較容易講給投資人聽，比如今年6月份完成10億融資的乂學教育為了區別自適應鼻祖knewton改稱為“智適應”，其實就是“知識圖譜引擎”。
“通用知識學習引擎”則不限于具體學科或學習階段，只要按照教學計劃和大綱輸入相應的數據給AI學習，AI能在大數據中自動個性化建模，從而AI能夠幫助學生學習任何想要學習的知識，國內目前做“通用知識學習引擎”的有高木學習等。
通用知識學習引擎的優點在于通過學生學習方法的訓練和督促，能夠提升學生的學習能力，而不是停留在知識掌握上；缺點在于通用知識學習引擎的模式對于深度數據的獲取更為剛需，在極為碎片化教育產業之中需要找到一個突破的抓手比如數學培訓或者K12階段語言興趣培訓等，實際上通用知識學習引擎更接近真正意義上的AI教育，但由于在國外還沒有找到一個成功對標案例，導致很多賽道投資機構看不是很懂。
3
以前有很多互聯網產品是直接針對C端用戶的，尤其是在英語語言、題庫作業類、直播培訓平臺項目，其中有家長直接參與的付費率會更高一些，但是AI產品目前在手機端App應用相對較少，如果做C端教學產品，對于學生來說是會當做是“新負擔”。現階段在AI教育的起步階段只有在B端（教育機構）才能跑通。
所以，人工智能教育公司要想落地和壯大，應該要有這樣的格局：要想AI替學生提供個性化學習解決方案，就得先為教育機構賦能。
全日制學校的數據比培訓學校數據更加全面、完整，全日制學校應用AI是教育信息化延續，而類似好未來、新東方這種培訓機構本身就有自己學校，不用像其他人工智能團隊那樣去找學校拿合作數據，在轉型做人工智能教育方面占據“地利”優勢。
AI在學校應用只有提升老師教學效率才能快速推廣開去，AI教師不再是老師競爭者而是助教、教練的角色，也有人通俗稱之為“人工智能雙師班”（AI老師+真人老師）。
以前好未來等機構在西部省份推廣的“雙師模式”認為自己把平臺上的特級教師通過慕課或直播課形式向偏遠地區孩子教學是在“教育扶貧”，但是消極后果是，線下老師成為輔助，很容易會孩子對現有老師所教的知識產生不信任感，線上老師也沒有辦法兼顧到學生學習特點，傳統“雙師模式”由于對抗人性而流于形式；而“人工智能雙師班”是一個老師加上一個機器人助教，基層老師的接受度相對較高。
“AI雙師班”的模式協調了“機器老師與真人老師”之間的矛盾，就像真人老師需要像用電腦一樣使用AI，是有助于一線老師從混沌、憑感覺經驗摸索狀態中走出來，以往的老師教齡與經驗水平掛鉤，未來的老師會逐漸年輕化，并且有AI教練輔助教學。
其實，按照知識圖譜引擎模式的話，AI收集具體一門學科的知識，并把頂尖水平知識水平更有效率地教會學生的路徑，走的是一條讓機器老師替代真人老師的“人機對抗”之路。而如果按讓AI幫助老師的理念走，則是讓一個AI通用引擎教學生如何訓練和培養學習能力，這個AI不局限于某門課程、某個學習階段，是所有老師和學生的AI教練，這是條“人機共教”的道路。
AI教師并不需要像人類那樣成為分門別類的專業分工，如果是真的AI的話。
結 語
AI時代已經到來，現行標準化應試教育制度如果不能適應的話，刻苦努力教出了許多學生缺乏自學能力和獨立思考能力，本質上培養出來的是“機器”；如果用人工智能辦法訓練人對認知的能力，培養起學習知識的方法，看似是用“機器”輔助老師，實際教出來是真正的“人”。
作者：李星，公眾號：靠譜的阿星，哲學碩士，知名科技媒體專欄作家，靠譜匯創始人，CMO訓練營導師，榮獲2017年鈦媒體年度作者最具人氣獎，私人微信號即QQ：1598145405，歡迎勾搭
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）