自適應學習是「忽悠」還是「突破」？我們和專註其中的公司聊了聊

所謂簡單基於規則的自適應，對學習不但沒有用，很有可能還會有害。

目前，人工智慧在教育行業的應用場景，無外乎幾種：智能測評、拍照搜題、智能排課、教育機器人、自適應系統。

有的公司選擇選擇先發力「智能測評」，如中小學在線 1 對 1 輔導品牌掌門 1 對 1 就極其看重課前測評和學生與老師之間的匹配；有的公司選擇深挖「智能排課」，如面向 4-12 歲的在線少兒英語小班課產品「魔力耳朵」；還有的公司如「作業盒子」則致力於開發能教育機器人，實現 AI 教師落地。

但在自適應系統這個繞不開的話題上，國內提及的人不少，專攻的卻寥寥無幾。因為其核心演算法的不透明性以及攻克的難度，自適應系統相較於其他幾類人工智慧在教育行業的落地場景更容易被貼上「忽悠」的標籤。2016 年建立於上海和紐約的人工智慧學習系統論答（learnta）就是為數不多專註於自適應系統開發的一家。

其 

CEO 

王楓認為，中國是 

AI+ 

教育最合適的商業市場，因為應試教育是 

AI+ 

教育最能發揮價值的場景，而這一點的實現還得通過自適應學習（

Adaptive Learning

）。

在國外，自適應學習並不是個新鮮概念，相反，其是在上世紀七十年代隨著人工智慧的概念逐漸為人熟知。難怪王楓說，教育里的人工智慧就是自適應學習。根據維基百科的解釋，自適應學習，也稱為自適應教育，是一種教育方法，它使用計算機演算法來協調與學習者的交互，並提供定製的資源和學習活動，以滿足每個學習者的個性化需求。（Adaptive learning, also known as adaptive teaching, is an educational method which uses computer algorithm to orchestrate the interaction with the learner and deliver customized resources and learning activities to address the unique needs of each learner.）

2008 年成立於美國紐約的 Knewton 是該行業的代表，在 2015 年也曾來到中國並引發了國內對於自適應教育的第一次集中關注，但最終結果卻顯得有些「水土不服」。極客公園和論答 CEO 王楓聊了聊他眼中的自適應系統，做到自適應需要什麼條件，以及 Knewton 失敗的原因等問題。

論答 CEO 王楓

真假

Geekpark：

能講講自適應學習到底指的是什麼嗎？它與人工智慧有什麼區別？

王楓：自適應學習不是什麼新名詞，90 年代初卡耐基梅隆就已經開發出了 Cognitive tutor（認知嚮導），同時加州大學和紐約大學開發出來的 Alex。其實這兩個產品已經比較成熟了，不是什麼新產品。當然，產品的發展和許多人工智慧領域的演算法類似，受制於當時計算機的運算能力。現在這些年下來，自適應學習已經能夠成熟開始商業化應用，Knewton 不是第一家做知識性學習的，但是第一家把它做到大規模商業化應用的。對我們演算法來說，自適應學習是找到孩子學習問題，推薦下一步學什麼，並在最短的時間內，幫助你攻克這個知識點。

其實自適應學習本身就是 AI 在教育里的應用，最早不說 AI，是因為那時候演算法非常初級。但是教育裡面的 AI 就是自適應學習，當然還有現在大家說的人臉情感識別，這些我就不說了。

Geekpark：

現在國內所講的自適應和真正的自適應有什麼區別？

王楓：2015 年初我回國時，國內一些同行零零星星的在講自適應學習，但當時很多理解都非常不準確。對教育來說，是根據學生實時的學習情況，來不斷調整下一步學生要學哪個知識點，或者做什麼試題，這叫 Adaptive。

但這裡面水在什麼地方？Adaptive 簡單說來有基於規則和基於演算法兩種，比如說當一個學生做錯了一元二次方程，系統根據提前埋好的點推薦幾個一元一次方程的題目，再推幾個因式分解題目，這就是基於規則。但不能說這是真正有用的自適應，因為 A 學生可能是一元二次方程不會，B 學生可能是一元一次方程不會，C 學生可能是因式分解不會，而 D 學生可能連小學的乘法快速運算都不會。按照埋點的方式，無法預先知道學生到底是哪個知識點不會。如果按照設定規則的方式，74 個知識點，就得需要設定 2 的 74 次方程的規則（每一道題都有會與不會兩種情況）。

換句話說，所謂簡單基於規則的自適應，對學習不但沒有用，很有可能還會有害，因為學生需要浪費時間去重複學習他可能已經掌握的知識。真正有用的自適應一定是基於演算法的，這就基於機器學習，基於 AI 了。

Geekpark：

論答現在能做到的自適應是怎樣的？

王楓：前面說的 74 個知識點，論答只需要用 8 道題就能檢測 74 個知識點，有 66 個知識點是不用出題就可以判斷學生的掌握情況。但可能還不止，因為一些知識點下面可能會有很多道題。

學生每做完一道題，下一道題在哪個知識點上給他出題，我們沒有任何人知道。論答的系統就像一個黑匣子，但本質上就像一個名師一樣。一個名師來測試整個中考代數，可能也只需要 5 至 8 道題。因為他有多年的教育經驗來不停地判斷每道題之間的關聯性，他大腦中的判斷是個非常複雜的過程。對於機器而言，每做完一道題系統都在不斷更新，判斷你在每一個知識點上面掌握的可能性。

Geekpark：

如何判定這個黑匣子中的演算法就是有效的？

王楓：首先可以通過直觀感受，多做幾套測試來看看效果，看到底是不是靠譜，我們機器得出來的判斷和作為一個好老師的判斷，或者你對自己理解的判斷是否一致，這是第一點。比如在實數運算這一節，我全是亂點的答案，但蒙對了 3 個，可是系統對我的判定是掌握了 0 個知識點。有意思的是實數加法法則與運算率這個知識點，相關的兩道題我都猜對了，這種概率已經是 25%×25% 了，不過通過相關的演算法，機器最後還是認定我沒有掌握這個知識點。

從嚴謹的實證研究來說，我們完成了中國有關自適應學習第一個嚴謹的實證研究，研究結果發表在全球頂級的研究雜誌《交互學習》研究雜誌 2018 年第一期上面。在這個實驗中，與一個主流學習系統相比，我們的學習效果顯然更好，我們的學習效率是在它的 3-28 倍之間。

Geekpark：

為什麼論答能做到通過 

8 

道題測評 

74 

個知識點？這背後的開發流程是怎樣的？

王楓：我從 2015 年初回國開始，就在開發這個系統。一直到今年 5 月份才覺得系統基本打磨成熟，開始輸出。演算法的研發團隊是紐約那邊做數據科學相關的高端人材。首席數據科學家馬鎮筠博士在那兒負責，他是浙大數學系本科，弗吉尼亞大學統計學博士，他負責開發我們的核心演算法。

這件事本質上是一個龐大的系統工程，演算法開發、知識圖譜設計、以及到最後相匹配的練習題、講義的生產等都是非常複雜的過程。拿 6-9 年級系統中的數學測試題來說，我們專業的題目研發團隊通過對知識點的拆解原創開發了十幾萬道題。開發出題目後還需要用人工打標籤，每一道題從開發到入庫，中間有幾十道工序，有很多個標籤要打。只有這樣演算法引擎才知道，每個知識點後面有哪些題，每個題後面的屬性、難度、區分度以及與學生做題之前的知識掌握程度等。入庫後演算法會不斷根據學生的使用情況調整這些題目的屬性。

前景

Geekpark：

自適應系統能解決教育市場中的什麼痛點？

王楓：像論答這樣的自適應系統，可以從根本上解決優秀老師供給的問題。這也是整個教育產業最核心的價值。在中國，不管是培訓機構還是公立學校，最缺是優秀老師。像新東方跟學而思這樣 200 億美金的大公司，加起來所佔的市場份額也不到 12%。為什麼？因為他們根本沒有那麼多優秀的老師。論答現在可以做到讓一個沒有任何教學經驗的兼職大學生，只需要 3-6 小時在線微信群培訓，再加上我們人工智慧系統，就能達到一個優秀老師的教學水平。

Geekpark：

論答為什麼能解決優秀老師的供給問題？

王楓：因為一個名師的必殺技 70% 都能被我們的系統替代掉，我們已經完全可以去做課堂。一個好老師其實有兩種職能是機器難替以代的，第一是看場子即是說保障課堂秩序，第二是精準定位，即是說能夠一步一步的把一道題拆開，讓學生去思考到底是哪裡不會。現在論答已經能夠賦予普通老師第二種功能，所以通過短暫的培訓就能讓普通老師成為名師。

Geekpark：

都知道 

Knewton 

是這個領域的領先者，為什麼 

Knewton 

在中國沒先跑出來？

王楓：自適應學習引擎是最核心的，但光有引擎是不夠的。Knewton 吃了虧，以前全部都做，後面只做引擎。但是光有引擎，沒有相匹配的內容和系統，最終的結果就沒法保證。除此以外，中國的學科體系和美國的也不一樣，所以在美國適用的那些經驗，到中國就搞不定了。

對我們來說，除了引擎外還有一個龐大的學習系統，包括教師、學生以及相應的備課系統，甚至包括相應在線直播平台，以及相匹配的課程內容。這裡面是一個完整的人工智慧學習系統，而且我們還是開放式平台，任何老師可以在裡面添加任何形式的教學內容，任何機構、任何學校都可以，是真正開放式平台。

Geekpark：

中國的教育場景有什麼不同特點？

王楓：應試教育是 AI+ 教育，最能發揮價值的場景。而全球最大的應試教育市場在哪兒？就在中國。所以對於 AI+ 教育公司來說，中國是最合適的商業市場。

為什麼 AI 最有用的應用場景是應試教育呢？簡單來說，AI 要能夠判斷，需要量化，必須有數據。像人臉識別、表情也不是說沒有用，但是對於機器而言，要能最大發揮價值，還是要能夠最大限度量化，而且必須要明確測量的目標。從應試教育來說，中國家長從初中開始，只有一個訴求——提分，考一個好的高中，然後考一個好的大學，通過自適應系統能夠很好的實現家長的這些訴求，在這方面機器的確能夠發揮巨大的價值。

Geekpark：

現在的商業模式是怎樣的？

王楓：B2B2C 的模式。我們 5 月份開始向 B 端學校，還有培訓機構輸出，現在已經有幾十所學校使用了。我認為 3-5 年之內，論答的系統至少成為整個中國培訓產業的標配，而且對中國絕大部分中小學來說，他們會發現論答系統，對他們學校的教學來說，也都是極其關鍵的。

責任編輯：卧蟲

掃描二維碼詳細了解 thinkplus 高效能方案

我們將那些改變了世界和歷史的商業勢力稱之為「酷」，而我們更願意相信那些即將決定未來世界的公司一定會做到「更酷」。極客公園同 ThinkPad 一起，推出酷公司 100 計劃，並提供給未來的「酷公司」們 thinkplus 高效能方案，助力企業高效成長。讓「酷公司」更加有力，讓他們成為我們對未來世界不可或缺的美好想像。

本文由極客公園原創

轉載聯繫 zhuanzai@geekpark.net

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！