教育巨頭的另類AI解題思路

撰文 | 高靜宜

不知從何時起，AI 技術與教育領域的跨界融合開始成為新風潮，許多教育機構也把 AI 當作自己的重要賣點。

整體看來，AI+教育仍處於發展的早期升溫階段。

好未來在去年開始正式對外亮出 AI 這張牌，並用「全力布局」來形容自己投入 AI 研發的決心。

同年 8 月，好未來成立 AI Lab 並發布「魔鏡系列」產品。而在經過了一年的技術研發與產品打磨之後，好未來推出了全新的「WISROOM」智慧課堂解決方案，並升級「魔鏡」智能測評系統。

「現在，AI 人才遍布我們的每一個事業部、項目組。」黃琰介紹道。

好未來 CTO 黃琰

Q：眼下許多教育機構都為自己打上了 AI 加持的標籤，在你看來，AI 在教育領域的落實情況究竟如何？

A：現在回頭看，AI 在教育領域的落實進程可以歸納為三個階段，分別為數字化、結構化、智能化。

數字化容易理解，就是把傳統的紙質內容轉化成電子版本，是後續 AI 技術在教育行業落地的重要基礎。在此基礎上，如何更好地利用這些數據就是結構化過程。而使用當下的 AI 技術從圖像、語音等入口為產品賦予效果與價值則是所謂的智能化。

我們可以看到，2013 年是中國互聯網教育元年，有一些公司提出了「互聯網教育」的概念。當時 AI 還未興起，但有許多公司參與其中，都開始做 AI，不論是傳統的教育從業者，還是從互聯網公司出來的創業者，亦或是投資人，均是如此。

2013 年底到 2014 年初，不少互聯網教育創業公司誕生。那時與 AI 最接近的產品是類似於拍照搜題的 APP，相當於學習過程階段的學習工具，這種工具符合技術主導、尤其是技術出身的教育創業者。那時大家依然是從教育創業方面講互聯網教育，大部分是把教育內容數字化。

AI 真正受到關注源於 2016 年 AlphaGo 戰勝人類圍棋手事件。那時的 AI 新技術主要指像圖形、圖象以及表情的識別、自然語言處理等，是教育的一個新切入點。在這之後，AI 知識開始普及，人們也開始思考 AI 的本質以及與企業深度合作的可能性。

在 AI 最開始出現時，拍照搜題是我認為 AI 在教育領域的一個非常好的應用。這波技術始於以名片識別廠商為代表的一批公司，這些公司最開始做中文的印刷體識別，包括給名片拍照將其直接轉化成文字的形式。不過，那時純粹的 AI 公司、互聯網公司中的 AI 團隊都還沒出現，所以 AI 在教育領域還大部分停留在概念階段。

而從 2017 年初到 2017 年中，AI 在教育領域才逐步進入蓬勃發展期。這個時期大量湧現了真正和 AI 技術相關的教育產品，AI+教育也穩步邁向了繁榮期。

這就要提到自適應學習，事實上，有許多公司在去年發布了自適應學習系統。自適應學習有很多變種，是一個範圍很大的概念。伴隨而來的是高考機器人，這類機器人可以解題、判題以及自動閱卷。在中國的英語考試中，不管是托福、GRE，還是中考、高考，其中的英語口語閱卷都可以用計算機完成，這些產品的出現標誌著 AI 在教育裡面的真正落地。

Q：好未來在 AI 這條路上的探索經歷？

A：我們是在 2016 年的時候開始了 AI 方面的嘗試，開始積極把自適應學習技術運用到好未來的教育體系里，探索拍照搜題、自然索引等功能。那時我們也開始投資全球的自適應學習公司，例如 Knewton。

其實在 2016 年，我們最開始考慮的是商業智能，希望可以讓我們的數據產生有價值的產品，進而對學生有所幫助，並為此成立了一個大數據部門，執行的也就是之前所提到的結構化過程。

在 2017 年下半年，我們開始在多個維度全面探索 AI。我們也在思考，究竟 AI 在哪些業務領域可以產生實際的價值？

當時我們自己也沒有一個確定的答案，所以我們一邊同行業進行廣泛交流，一邊尋找行業內的剛需和痛點並快速打磨產品，初步形成了 AI 雛形。

在 2017 年 8 月，我們正式宣布成立 AI Lab 並推出「魔鏡系列」產品，上個月我們發布了第二代產品：「WISROOM」智慧課堂解決方案。

Q：在 AI Lab 成立至今的一年多時間裡，對技術與產品的研發進展與成果？

A：AI Lab 對外有兩個產品，分別為「魔鏡」和「WISROOM」。

「魔鏡」是一個系列產品，主要應用於好未來的業務，其核心價值是解決「雙師課堂」的痛點和剛需。

「雙師課堂」是我們第一次解構「學習」一詞裡面的「學」和「習」二字。通常意義上我們認為，「學」是接受新知識，「習」是複習、溫習、預習。所謂「雙師」其實是把學習的過程拆解成兩個步驟，每個步驟由專門的老師負責。

第一個老師負責孩子「學」的過程，與孩子進行互動、傳遞新知識；第二個老師叫輔導老師，在孩子的學習過程中進行更細密度的交互、溝通，包括鼓勵、表揚，帶著孩子去解決問題，負責課後答疑，覆蓋知識盲點等。

「雙師」的主講老師會同時存在於很多個教室，而每個學生其實都需要知道老師給他的反饋，無論是點名、表揚、互動、點評，對孩子而言都非常有價值。

這裡涉及到一個腦研究的核心學術認知，一個四年級以下的孩子，他喜好或是厭惡一門學科是與老師對他的注意力分配呈正相關。

「魔鏡」就給予了老師們一副千里眼、一對順風耳和一個超能記憶力，幫助老師不僅能看到孩子在課堂上的表現，還能記憶歷史表現。當然，「魔鏡」也可以讓老師看到班上每一位同學上課的專註度。

隨著時間的變化，這個數據從數字化到結構化，可以擬合成非常多有價值的信息。比如說老師可以評判出一個孩子最近三個月和最近一個月是否出現了顯著差異。

我們在「魔鏡」基礎上升級 AI 助手，系統能聽、能看、能評價學生與老師，這有利於我們做出更細緻的判斷，從而知道這些課程好不好，是否需要調整難易程度，這就是智慧教室「WISROOM」。

在過去，一節課對於這個班級是不是太難了或太簡單了，我們並不知道。上完課後，孩子說聽不懂，老師下次才會調整。而未來的智慧教室會先導入孩子的畫像，自動計算和生成這節課應該用什麼難度、什麼節奏、什麼教學框架去給孩子們上課，這就是我們所定義的智慧教室。

換言之，也就是整個學習過程是因材施教的，而這些都是基於底層技術的應用，比如聲音處理、語音識別、語音合成、面部表情計算、情感計算等。

Q：目前 AI Lab 團隊的人數及方向劃分？好未來在 AI 人才上的布局？

A：我們現在有 4000 名研發人員，其中 AI Lab 團隊大約有 200 人左右，其餘每個事業部、項目組都有 AI 方面的人才，進行數據挖掘、數據分析、商業智能、行情分析等。

好未來的 AI Lab 更像是 AI 產品研發部，需要佔領行業制高點。我們有專利，陸續會有自然科學基金，也有國家項目重點支持。

我們希望有研有發，避免研而不發，或者多研少發。所以我們很多路徑跟其他的 AI Lab 可能不一樣，我們的願景是最後能通過 AI 產品走進用戶和商業體系，讓大家感受到 AI 轉化為產品以後真正發揮的意義和價值。

Q：所以我們的技術研發是以產品需求為導向的對嗎？是否可以通過一個具體的落地案例，講述團隊從到最初的需求確認到技術研發、迭代優化至最終產品上線的全過程？

A：是的。

我們要對需求有足夠深刻和細緻的把握，這是我們的立身之本。比如一個教室里開燈或不開燈、太陽在東邊還是在西邊造成光影的變化，這些都細節都會對演算法造成影響。

我們有一個項目想做一件事情，就是對老師上課質量的好壞進行評價。之前好未來有非常好的評價機制，根據這個老師的學生對他的喜好程度進行評價，但是評價周期是以學期為基準。

我們有一個團隊，專門評價老師教學質量好壞。我們問最有經驗的專家怎麼評價這些老師？他說我只要兩分鐘，看兩件事。第一件事是聽老師講課的感覺，二是看老師的板書。

為了做這樣一套可以評估每個老師上課質量的系統，我們找到清華大學語音情感方面的專家。要知道，老師有那麼多重要的表情需要給予關注，我們應該怎樣做這樣一套評估系統呢？

解決這個問題的核心是要有科學解決問題的方法論。比如 AI 中有非常經典的解決方法叫做標籤、標註，就是一個老師講得好不好，如果一百個人都說好，只有一個人說不好，那麼我們就聽一百個人的觀點，這是第一類。第二類是，如果家長都說好，其他人說不好，聽家長的。第三類是，如果專家說好，小白說不好，那麼聽專家的。這三個維度一疊加，我們基本上就能確定一個正確的方式。最後我們發現有兩個維度最重要，這是我們的 AI 團隊擬合出來的，第一個叫做愉悅程度，第二個叫做情感飽和度。

通過這樣的判斷，我們可以知道，好未來原來有那麼多幽默的老師、哪些科目的老師被學生愛戴，這都是可以數據化的，是從數據化通往智能化的一個必經過程。我們目前已經在 15 間教室對這套系統進行了部署，希望未來語音可以解決 85% 以上的問題。

當然，我們不能簡單地說哪項數據好，哪個老師就一定好，但是可以據此對老師進行分類。中國歷史上有一個看上去準確但實際上不準確的描述，叫做「教無定法」，就是說好的老師有不同的教法。在我看來，「教無定法」只是因為沒有強大的機制將其分類。

另一方面，每個老師看到這套系統的結果也會覺得非常有價值，他能知道自己是不是幽默型的，然後再仔細看自己的幽默指數有多少，系統也會告訴他在哪個地方可以做得更好。

Q：對於教育行業來說，學習效果才是企業競爭力的最終評判要素。很多情況下，用戶可能無法直接從眼前的產品使用端感受到 AI 能力的存在。那麼在你眼中，如何評判一項 AI 技術對於一教育產品的意義和價值？

A：我認為有兩件事情很重要。第一件事情叫做價值的外顯性，第二件事情叫做理論和學術的支撐。外顯性讓人產生直覺的信心，理論和學術的支撐是讓它產生底層的信心。

把 AI 技術引入教育產品所帶來的變化主要體現在三個方面，一是提高系統的運營效率，二是提升學生的學習體驗和學習興趣，三是生成獨立的、全新的產品形態。

對於教育而言，AI 更像是一個槓桿和一個支點，可以從方方面面滲透其中並撬動許多業務，讓其煥發出更多的生機和活力。

Q：有人把教育比作一個黑盒，如果教學過程沒有被數據化，那麼教學質量也無法被量化。在各行各業都在發生數據革命的時候，教育行業也是如此。如何最大程度地挖掘教育數據的價值？如何實現數據共享至關重要。好未來在數據上的思考？

A：在教育行業，數據是非常重要的，數據量每年正以十倍的速度增長，未來五年還會繼續保持這一態勢。

而教育數據的挖掘其實還處在一個非常早期的階段，每個企業、每個團隊都在探索，小到上課時觀察微笑次數形成報告發送給家長，大到掌握學生在哪個知識點上沒學好。

自適應學習是典型的數據探索。以錯題本為例，如果錯了一百道題，考試前學生就會去看這一百道題。那麼這一百道題有沒有共性，能不能結構化縮減，就是一個很大的突破。未來的數據挖掘會越來越成熟的。

數據共享是一個極有價值但實踐難度卻很大的事情。數據是一個既涉及用戶隱私本身又具備巨大商業價值的事情，大家不知道這個保護層如何使用，所以未來行業中可能會有更多的一些契機和技術，包括區塊鏈等技術，促進數據向更加開放和共享的方向前進。目前，我們還只是一個保存者，把它安安全全的保存在這裡，並沒有充分的發揮出它的價值，還停留在初級階段。

Q：AI+教育行業仍處於早期發展的升溫階段，粗略統計，目前至少已經有 40 家公司已宣布入場，你如何看待領域發展的現狀？

A：不僅是有很多公司宣布入場，其實資本層面也在大規模進入。整體而言，行業內難免出現有產業泡沫、概念模糊的情況。

但從積極的方面看，在新技術進入教育領域的過程當中，聚光燈也隨著而來。這意味著，一是會有更多的人才願意進來，二是更多資本將加大嘗試頻率、產業可能性也將變得更多。

以人才為例，此前行業內可能大部分都是教育學家，未來則有更多的頂級數學家、統計學家、AI 科學家、甚至是腦科學、基因科學家跨行進入教育領域。AI 這波浪潮過來以後，很多工程師也可能會把進入教育行業作為工作的首選，我認為這具有較大的社會意義。

Q：行業內的真實競爭情況如何？好未來的亮點及護城河是什麼？

A：即便眾多公司宣布入場做 AI 教育，但大家幾乎都在各自不同的領域進行著探索。這個市場很大，大家並不是在一個小小的領域裡碰撞、摩擦，而是根據自身優勢挖掘問題、解決問題。在這裡，好未來有自己的獨特之處。

相較於課前預習與課後作業，課中的老師講課與學生聽課其實才是學習最重要的環節。我們認為在「教和學」的主場景里，目前其實缺乏 AI 應用。

在不改變老師的授課習慣和學生學習習慣的前提下，讓教室里的學生擁有更好的學習體驗、讓老師被更好地賦能，是好未來的特色。

而這個特色是基於我們 18000 多名一線老師每天講課所收集上來的真實問題，這些問題會被提供給 AI 產品經理以及教育專家，抽象成待技術解決的問題，再看當前的技術能否解決。如果沒有這個前置能力，是很難切入課中環節的。

好未來的亮點在於對於真實教育環節中出現的問題、痛點和剛需的把握。問題越真實，解決問題就越有力量；問題越不真實，一旦遭遇挫折團隊就越容易往回撤。很多公司布局科技研發所碰到的最大瓶頸就在於此，因為它們看不到科技投入以後會給企業、團隊所帶來的價值。

Q：你曾說過，科技不是為了酷炫，而是要解決教育中面臨的真正問題。那麼你認為，眼下教育行業需要解決的真正問題究竟是什麼？

A：教育本身有很多比較大的問題。從國家政策來講，教育公平和優質教育資源的短缺是兩大問題。

以前好未來投資建希望小學，後來我們發現了更好的方式來做這件事情，就是線上支教，精準扶貧。一方面通過直播技術讓好的老師在線扶貧，另一方面把教育的質量提得更高，價格降得更低，甚至提供很多免費的課程。

中國不缺老師，但缺好老師，我們對 AI 的理解本質上是優質教育資源的供給端。要讓一個好的老師在 AI 的輔助下覆蓋更多的學生，讓一個 60 分的老師在 AI 的賦能下達到 80 分到 85 分。

AI 在教育領域會成為一個非常重要的角色，因為所有的系統本身都是科技，包括我們已經研發的 ICS(智能教學系統，現已更名為 ITS)、IPS(智能練習系統，後升級更名為學而思「雲學習」)、「魔鏡」、「WISROOM」等。我們對未來 AI 在教育領域的最終設想是：AI 教書，老師育人。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！