乂学教育栗浩洋：教育机器人如何利用 AI 提升 10 倍教学效率

2017 年 7 月 20 日 雷锋网 李秀琴

乂学教育 & 朋友印象创始人：栗浩洋

在由中国计算机学会（CCF）主办，雷锋网和香港中文大学（深圳）联合承办的 CCF-GAIR 全球人工智能和机器人峰会的机器人专场上，乂学教育 & 朋友印象创始人栗浩洋也发表了其 “用人工智能打造教学机器人提升十倍教育效率” 的主题演讲。

在演讲中，栗浩洋介绍了其对传统学习和教育的看法。栗浩洋认为，过去的学习为什么这么痛苦？因为无论是公立学校，还是其他教辅机构都是无区别的对待所有学生和他们需要掌握的知识点。所以，乂学教育通过采用人工智能、机器学习的算法来对知识点进行纳米级别的标注，从而为学生提供一套真正适合的学习方案。

据栗浩洋介绍，乂学智适应系统可为每一位学生建立适配的知识空间地图，并跟随学生的学习过程而不断调整学习推荐路径，从而真正实现 “有教无类、教无定法和因材施教”。

同时，栗浩洋也指出，在解决前序很多问题之后，如何不断保持和提升学生的关注度也成了一个难题，这一过程需要不断地优化知识点来给学生获得持续的成就感和兴奋度，这也是智适应系统需要解决的一个难题。

以下是栗浩洋本次演讲实录，雷锋网做了不改变原意的编辑。

栗浩洋：人工智能在中国刚刚火了一年，然而我们是在三年前开始做这个行业的。当时，很多人质疑我们，说怎么选了一个这么不成熟的行业来做？事实上，直到今天人工智能仍然不成熟，真正能够上路的人工智能又有多少？大家在大会上讲的更多是愿景，但是我们是想真正把人工智能落地，并将其实现大规模商业化使用。

如果谈到商业使用，科大讯飞 90% 多的收入都和人工智能没有关系。但是对我们做 AI + 教育的来说，先从商业角度来看，乂学教育打造的教学机器人在第一年就有了上亿的销售额。而从社会角度上来说，人工智能正在给这个社会带来翻天覆地的变化。

为什么过去的学习这么痛苦？

为什么过去的学习这么痛苦？因为无论是公立学校，还是其他教辅机构都是无区别的对待所有学生和他们需要掌握的知识点。但是，我们都清楚，课堂中每一个学生的起点不一样。所以，我们希望借助人工智能的测试，将学生的知识点掌握情况构建成一张知识地图。

乂学智适应教育系统：精准定位

乂学智适应系统主要针对 K-12 领域的学生，首先开发了七、八、九年级三个年级，未来会覆盖 12 个年级。不管对于学霸还是学渣都适用。通过 AI 算法的优化，我们像基因检测那样精准找到知识掌握的薄弱点，给学生推荐最适合他的知识点，通过这样的学习，可以改变过去教育统一划齐的状态。

· 知识空间理论

乂学教育开始做效率提升的时候发现一个问题，如果我们用非常粗糙的知识点进行定位，定位出来的效果也不好，而当我们将知识地图的点标的越小教育就越精准。

比如，过去的个性化教育，如果检测到学生对冠词不了解，就机械地让他学习 5 个小时，而乂学教育系统会告诉学生是不定冠词的哪种用法不会，学生只需几分钟就可以学完，学习效率更高。

· 个性化匹配

虽然知识点分拆可以解决精准定位的问题，但是这也直接造成知识点的标注比之前多了 30 倍。过去的高考中考，知识点只会考到 8% 左右，但也需要测试 10 个小时以上。但当我们有 100 倍知识点之后，测试的时间可能会长达 1 万小时，这一数据没有一个学生能承受得了。

那么，我们如何去做？事实上，通过精准的知识地图和信息论的方式，我们也在不断地通过知识点之间的网状关系、和每个知识点是否处在最大信息节点、尽量用最少的测试量通过算法来衡量学生每个知识点掌握的概率，而这个概率的精准度需要我们通过机器学习不断地优化。而且不同学生遇到同样的知识点哪怕是都掌握的状态，由于各种能力因素或者情绪因素等等都可能会因为不同的原因出错，这也是 AI 未来一定会超过特级教师的原因，因为机器对知识点、题目、错因等各种复杂状态的的掌握能力是无限的。

我们当时发现，现在教育巨大的差距，在知识点侦测这一个简单事情上，就可以通过人工智能的方式给每个孩子提升 10 倍、20 倍的效率。

· 教育测量学 & 认知诊断理论

每一个孩子到底需要多长时间才能学会这个知识点？我们根本一无所知。针对这一问题，我们决定采用 AI 预测的方式，来给学生设置不同的学习路径和步骤。然而，给每一个学生画像，并不是简单的脸部特征，而是要记录和侦测每一个知识点的状态。乂学教育智适应平台通过人工智能专家和教育专家的结合，以及借助过去大量的试验，可以给学生提供越来越精准的画像匹配。

· 个性化学习路径推荐

如何给一个学生做不同的个性化路线推荐？这是一个非常复杂的难题。比如，日本有一个病人被专家诊断完差一点死了，IBM Waston 却判断出这是一个罕见病的类型，应该用不同的方案，两个月后这个病人出现大幅度好转。事实上，乂学教育智适应系统也一样，平台上的科学家也在不断去研究和琢磨这个问题。教育领域的机器学习不单单是算法而已、也不仅仅只是识别对和错，还牵扯到认知学、心理学、教育学和各种场景复杂的交织，不是一个科学家可以解决的。

所以我们做个性化推荐的时候，针对每一个学生我们都做了一个全景信息的知识地图，并都做了清晰的标注，这种标注的难度非常高，但是对未来进行课题研究、未来画像和课程推荐非常重要。

乂学智适应系统会在学生的学习过程中不断推荐最合适的学习材料，随时调整学习内容和路径，建立个性化学习档案，不断大量采集和分析学习数据。很快，系统甚至可以精准地预测学生的学习进程和期末的成绩。

· 利用 AI 和机器学习，建立学生个人画像

中国教育一直讲三个词，即有教无类、教无定法、因材施教，几千年都没有真正实现，而现在人工智能却真正做到了。

我们通过学生的各种各样的学习数据来判断，当然这个学习数据又是一个问题，到底用什么题测试知识点？我们公司自己专门为系统精编制作的题目测试精度很高，但市场上绝大多数的题都不行，因为涵盖了多个知识点并且标注错误或者标注不完全导致判断错误。还有些题学生不是因为知识点不会，而是有意想不到的错因，我们有一道语文阅读题 CTO 做错了，他的错误原因是觉得这个题政治不正确，所以每一个学生的情况千差万别，我们如何综合考虑到这个情况建立这些数据，同时不断推给相对最优的答案，这是每一个特级教师也不可能做到全量掌握和精准匹配的。

如何保持和提升学生的专注度？

当所有前序问题都解决掉，如何提升学生的专注度也成为一大难题。很多时候大家都说学霸永远学得好，学渣永远学不好，其实不是，学渣什么时候学得好？有成就感的时候。所以，在乂学教育的系统里，我们给学渣安排了非常简单的题，当他们突然发现自己百分之八九十都能做对，自然而然就会收获成就感。所以我们要不断提升这个知识点，让他们持续获得成就感。

Alpha Go & 在线教育的共同启示

曾经有人说，今年的人机对弈，AlphaGo 是故意算好赢面的概率，精准地只赢了柯洁半目，这让业界一阵颤栗。就像现在的智适应平台，也需要设置 “懂得故意输、懂得照顾学生” 的程序。我们给学生的个性化的推荐，就像今日头条给你的个性化新闻一样，只不过教育推荐的难度和复杂度要高出很多。所以我们在驱动机器学习的时候遇到很大的困难，因为 AI 需要依赖大数据，但是有两大领域都很难取得大数据——教育和医疗，所以在用算法和机器学习驱动这两个领域的发展也面临很多困难。

李开复曾经说，中国的人工智能在未来可以超过美国。事实上，我们在从欧美挖来教育领域最顶尖的科学家和跟人工智能最尖端的实验室 SRI 斯坦福研究中心一起合作之外，已经投入大量人力物力财力在教育的独特场景的落地应用研究，并且自主研发出很多超越欧美同行的专利和 know-how 。在教育 AI＋的很多细分领域已经是全球领先。

希望大家一起创造一个更加美好的未来。让每个孩子的学习更有效、同时更轻松十倍！