人工智慧與教育結合點
過去的2018年，AI熱，在線教育熱，AI+教育越來越得到重視。比較有代表性的如智慧超人K12人工智慧教育。人工智慧教育前景怎麼樣，智慧超人K12人工智慧教育又如何呢？
那AI+教育後面到底如何，AI如何影響教育呢？
一、在線教育的這幾年發展的參考
看AI+教育需要參考在線教育這幾年的發展路徑。
12年MOOC興起，國內也經歷了第一波的在線教育熱。但是隨後幾年進入了低谷，從2017年開始慢慢回溫。經歷過或者一直關注過這波的人一定會更理性。這是一個很典型的路徑，先熱，再低谷，再走上正軌。很多第一波的在線教育企業要麼死了，要麼經歷了很多坑逐漸找到了方向，也有不少企業後面在行業走向正軌時候加入陣營。
所以AI+教育，會不會也是這樣？至少AI從火起來，到過去一年，不少泡沫正在破滅，越來越回歸到理性。
二、AI+教育的應用邏輯
每一波技術要素的出現，融合到具體的行業中，會爆發出新的機會，但技術只是表象，本質是結合技術實現原行業的重構，創造了更優的客戶價值，同時，在成本結構上又需要具備可持續的效率。PC、移動、直播技術都已證明了，AI也是。比如英語一對一教學，看到的是直播，但是背後其實是通過直播解決了優秀老師供給稀缺的問題，重新創造了新的用戶價值，構建了新的教學形態，內容研發形態和師資管理形態。
所以技術應用到具體的行業中，一定要看原來的行業如何結合了技術要素進行了重新構建，而重新構建的成功與否的核心邏輯是，有沒有創造了更優的用戶價值，有沒有提高運營效率。只有同時滿足了這2點，技術帶來的改變才會持續有價值。
AI+教育一定不會例外。
AI是什麼
AI是模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的科技科學，其實就是一套編程。從符號主義、統計主義、到大數據加深度學習階段，這一波AI帶來的影響是深刻的，很多可能還未被人意識到。AI的核心是一套深度學習的系統，短期內還是弱人工智慧，它只是人類的工具，只是一種能力。但是在某些具體的領域，可以比人類做的更好。人類只要告訴用戶，這是我需要的結果，然後機器去自己不斷的調整優化，達到人類想要的結果。AI在德州撲克、圍棋、物體識別、語音識別都得到了應用，在商業場景中比如淘寶的推薦、美圖秀秀自拍中得到了較多的應用。
為什麼要AI+教育
為什麼一定要AI+教育呢？本質上就應該看，AI+教育到底創造什麼核心價值？
而這一定是基於用戶價值與效率維度上的，不然是沒有商業價值的。教育的領域比較寬，這裡以以提升具體可衡量的能力領域為例，這一塊已經夠大了。
用戶價值層面——大規模滿足用戶的個性化學習需求
首先必須明確用戶的核心價值是什麼？用戶需要提升能力，這是根本，所有的設計都是為了這個目標。
AI的技術邏輯是這樣，標註數據叫做能力提升，然後告訴機器，達成這個結果是好的，機器然後不斷的收集數據進行深度學習，達到用戶想要的結果。就像阿爾法狗只要看棋譜，最後輸出的結果是贏對方，機器就在不斷的進行學習達到這個目標。
基於這一點，AI第一步是需要拿到用戶的數據和內容數據，然後拿到足夠的數據後進行自我學習，可以針對每個人提供個性化的解決方案，讓用戶的能力值得到提升。
總結下，就是AI的技術原理帶來的用戶價值就是大規模的滿足個性化的能力的提升。
難點1——知識點和解決方案如何進行數據標註和匹配？
但是如何做到大批量的個性化，這裡面有很難很難跨越的點。
在AI層面，實現精準化的匹配，需要數據標註。
具體表現為，一方面是用戶的能力項的定義需要明確，另一方面是解決方案需要足夠精準。可以把能力項和解決方案都定義為數據，並進行標註，那這數據到底如何細分和標註，才能讓機器進行有效的深度學習，這是很難的一個點。
舉個例子，淘寶賣家培訓，賣家的流量獲取能力弱，但是影響流量的指標項就很多，列出來包括標題優化，主圖點擊，銷量遞增，下架時間等。
而另外，給用戶推薦的內容又必須圍繞精準的能力項進行匹配，這樣效率才能更高。比如需要如何做主圖優化，如何做標題優化，如何做銷量遞增，如何設置下架時間。否則，根本就無法匹配出來。
而這對於現有的內容體系是需要進行重新的構造並進行數據標註。這將是一個很大很大的工程。
匹配也是很難的一個點，裡面的維度就更多了，比如同樣的知識點薄弱，學習時間是6個月和3個月的推薦維度是不一樣的，還有提升的難易程度等等，一些列複雜因素，需要不斷的調優。
難點2——提供給用戶的解決方案如何做到有效？
從機器識別需要提升的能力項，到推薦的方案，到完成學習，到能力的提升，這裡面是有鴻溝的，在學習領域，不是拿到了方案，用戶都能完成提升的。
學習的主體是用戶，不是機器。所以現在很流行的機器去考試，只能證明機器是發展到一定階段，但並不能直接等同於用戶能力提升。阿爾法狗的任務就是直接打敗對手就行。而教育不行，因為學這件事情是需要用戶自己去消費完成的。
所以機器更多的是在提供用戶方案層面的價值，這塊可以不斷的根據用戶行為進行調優，並反饋給內容端。但是用戶學習的過程的效果並不在AI的可控範圍內。這裡需要內容端大量的配合。AI要給用戶一個解決方案，可是內容根本無法承擔這個職責，這肯定是不行的。
這裡不可控的因素太多了，比如同樣的上課，同樣的教室，同樣的老師，不同的人的理解力不一樣，學習的主動性也不一樣，還受到課後各種外部的因素影響。
這一切都會影響到AI+教育的目標的實現。
所以，需要內容、服務都圍繞著AI的思路進行重新設計。這是很難很難的。
AI確實是可以解放很多重複性的人力勞動，但是從AI+教育對解決方案端的內容和服務的要求可以看出，人的因素非常重要。
比如完成內容的重構，需要老師，這是極其大的工作量，而且每年還不斷更新；解決方案的效果的好壞很依賴人，機器是冰冷的，人是有情感的，不管是克服惰性還是關懷，人在學習中有人陪伴效果也會更好。
整個過程中，一定要平衡好人和機器的關係，既有體驗的因素，也有成本的因素。如果體驗好了，效率跟不上，那整體的價值還是沒法發揮，反之亦然。
未來商業的形態是智能商業。智能商業在教育領域是怎麼樣呢？
智能商業有幾個特徵：1、大規模的實施在線 2、滿足用戶的個性化需求 3、不斷的迭代更新。而這其實也就是AI+教育的思路。
所以，在這個領域，更願意將AI+教育的AI當做一種商業思維，而不是單純的技術。本質上是教育行業結合AI技術的特點，重新去構建教育的內容、技術和服務體系，最終大規模的滿足個性化的用戶需求，從內容匹配到實施都為此準備，都能切實提升用戶的能力。
從教育發展規律來說，這也是符合規律的。論語云，有教無類，因材施教。1對1教育火的背後，也孕育著市場對於滿足個性化的認可。如果能夠通過AI，實現大批量的個性化，這豈不是更好？
AI+教育，看起來很美，難度也很大，那很實在的，在商業中，如何看AI+教育的價值呢？
第一，將指標可衡量化，只有可衡量化了，才更有說服力。這是教育培訓很難做的，因為學習是綜合性的因素，除了學習時，還有學習外的影響。做教育培訓，特別應試類的，很明確的目標就是提分。這會很難，但是一定可以拆解，有辦法去衡量，而且已經有人在做了。
第二，用戶為這個目標所花費的成本，包括時間和金錢。是不是跟原來比有更明確的綜合提升。因為技術是普惠的，AI+教育也是。如果反而成本會更高了，那這沒法算是成功。
第三，從企業角度來說，首先要看用戶是否為此買單了，其次，一定要看運營效率是否提升了，成本結構是否健康。這樣才能持續提供服務。
總之，時刻記得服務的是用戶，不管是原來的技術，還是AI，還是內容，還是服務，都是從服務用戶的角度出發，在這個基礎上，運用技術，哪些可以通過機器完成，哪些必須需要人的參與，綜合起來，在用戶價值和成本上獲得競爭力。
綜合上面的描述，AI+教育下，本質上是創造更優的用戶體驗，同時，又是能結合機器，提升了運營效率。本質上是屬於產品驅動的。
而這產品的價值的體現，需要通過技術，內容加服務一起設計完成。
這是核心競爭力。跟靠營銷拉動的邏輯完完全全是兩碼事。
如何改造技術架構，怎麼改造內容，怎麼設計內容產品，怎麼定位不同的角色，都是面臨的挑戰，就像軍事中，火槍、坦克投入戰鬥中，對排兵布陣都會帶來新的變化，只有這樣才能發揮先進武器的作用。
所以，對於未來的教育，是需要有技術+內容+服務綜合一體的團隊。
第一， 需要具備極強的智能商業的思維，在這個層面上，AI+教育更傾向於是一種思維。
第二， 團隊必須要懂切入的行業，懂用戶，技術一定要落腳於客戶價值和企業的運營效率。
第三， 堅信人的力量，AI可以幫助人類完成很多重複性的工作，但是人是有感情的，尤其是教育領域，一定要重視人的作用。
這對於傳統教育機構來說，要做AI+教育，很難，因為需要改變的太大了，基因很難變，加上之前在線教育那波的經歷，依舊活的挺好的，估計擁抱的動力更不大。
而非傳統教育行業的切入，又勢必面臨的問題也很大，因為這裡需要內容、需要技術、需要品牌、需要服務，是相對來說比較重的模式。
