市北GMIS | 松鼠AI崔煒：AI智適應技術如何帶來學習效率的革命

機器之心報道

演講者：崔煒

整理：微胖

乂學教育-松鼠 AI 創立於 2014 年，成立後 3 輪融資總額近 10 億人民幣，目前估值 11 億美元。2018 年 6 月，乂學教育正式推出「松鼠 AI」品牌並發布松鼠 AI 1 對 1 產品。「松鼠 AI」是一個以演算法為核心的人工智慧自適應學習引擎，目前應用在 K12 教育領域，簡稱「松鼠 AI 智適應學習引擎」。在 7 月 19 日市北 GMIS 2019 大會上，松鼠 AI 首席科學家崔煒做了《AI 智適應技術如何帶來學習效率的革命》的演講，針對行業內師資參差不齊，提分效率低下，不夠個性化的普遍問題，松鼠 AI 智適應系統孕育而生，崔煒系統闡述了該系統的特殊結構與功能，以及如何實現承擔教學主導，將真人教師降至輔助角色。本文根據其演講內容整理而成。

傳統教育的困境

如果在座觀眾有孩子正在上小學，或者初中，高中，一定會碰到教育問題。想給孩子更好的教育，家長會想給孩子去找一些一對一的輔導班，但是，花費會比較高。

所有孩子都是接受千人一面的教育，學習的內容，路徑，都是一樣的，因為老師是按照傳統的方式給所有的學生進行統一授課。最主要的原因是我們傳統的學校裡面老師跟學生的數量往往是不匹配的。根據國家統計局的統計，老師跟學生的數量存在巨大差距。

更重要的一個問題是，在我們的傳統教育里，傳統課堂主要是在培養學生知識的獲取，缺少對學生思想能力和方法的培養，而正是這些思想能力和方法的培養才可以幫助提高孩子在未來的生活里的自主學習的能力。

人工智慧+教育的優勢：個性化學習的普及化

崔煒，乂學教育-松鼠 AI 首席科學家，《麻省理工科技評論》中國區「35 歲以下科技創新 35 人」

人工智慧在其他的行業裡面的應用，包括圖像識別，還有剛才看到的視頻技術，帶來不錯的成功案例。我們相信，人工智慧在教育領域，也能夠將過去的傳統的教育變成千人千面的教育，就像現在大家看到的今日頭條，每個人在今日頭條上面看到的內容都是時時刻刻在發生變化的，看到都是自己感興趣的內容。

AI 在教育這個領域能夠給大家帶來個性化的教育，能夠集合上千名優秀的老師的教學經驗和知識，並且根據每個學生的個人興趣和愛好，給每個學生帶來不同方式的教育；能夠根據孩子學習的情況，知識薄弱點的不同，給每個學生匹配和推薦最合適的學習內容；能夠根據每個學生的學習情況定，制個性化的解決方案。

更重要的是，人工智慧跟教育的結合，能夠幫助培養孩子的思想，培養每個孩子學習的能力和方法，讓孩子未來在進入中考和高考之後，所有的知識能夠連貫。讓孩子能夠在整個學習的過程中獲取學習的能力和方法，讓他在未來工作和生活裡面能夠快速獲取更多的知識。我們相信 AI 教育能夠將個性化的學習規模化，將因材施教普及化。

人工智慧在教育裡面的應用，不是最近幾年的事情，其實 20 年前美國的一位科學家 Sydney Pressey 就發明了一種教學的機器，比如學生可以自主地在機器上完成作業，然後機器自動給每一個學生進行解答。發展到現在，在全世界範圍內有一百多種人工智慧教育相關的產品，有一億多名學生在使用人工智慧自適應的產品，這些大量的數據也有效地說明人工智慧教育的產品能夠給每個孩子帶來更好的效果，能夠幫助較弱的學生來提高通過率。並且更重要的是它能夠幫助學生提前完成他們的學習內容，提升學習效率。

去年有三篇相關的學術論文，科學家和研究者們用科學權威的方法驗證了智適應學習產品的有效性。2018 年上半年發表的一篇論文有效證明：使用人工智慧產品 ALEKS 的學生課程通過率比未使用的要高 15 個百分點，也有論文研究證明人工智慧是可以幫助學生提升成績的。

松鼠 AI 的兩個目的：精準診斷、高效診療

在過去幾年，從 2014 年開始，我們研發出一款針對中國 K12 學生的人工智慧學習產品，這個人工智慧智適應學習的產品第一個是做到精準的診斷，第二個做到高效的治療，細分下來有四個方面的內容。

首先診斷分為兩個方面，在學生開始學習之前，產品通過智適應快速識別出來每個學生的學習情況，發現每個學生知識上的漏洞，並且在學習的過程中能夠實時評測學生此刻學習的情況以及他做題的數據，可以看到他學習的狀態，掌握的程度。基於這樣的一個對學生知識狀態的診斷和持續性學習能力評測，我們生成每個學生的畫像。

基於這個畫像，這個智適應產品可以做到兩個個性化的推薦。第一是能夠規劃每個學生最佳的學習路徑，第二是能夠給學生推薦最合適的內容。通過這兩個方面我們幫助學生最大化他的學習效率，讓他在單位學習時間內學習更多的知識，更快完成他的學習目標。

第一個功能就像 X 光，掃描出來學生知識的漏洞，和每一個知識點掌握的熟練程度情況，診斷測試之後會分析出來他在學習的知識點上哪些是薄弱的，哪些是已經掌握的。在接下來學習過程裡面，系統有針對性地讓學生學習他不會的知識點，把更多的時間花在他沒有掌握好的點上面。

在學習的過程裡面，學生有多個薄弱點的話，我們的系統也可以根據他掌握的情況給他規劃一套最佳的學習路徑，我們會基於學生的數據挑選學生接下來要學習的哪些知識點，去完成哪些練習題測試題等等，我們會幫助學生最大化他的學習效率。在我們的系統上，每個學生可以按照自己的節奏去學習，在知識點上不同的學生花的時間是不一樣的。我們的系統給每個學生分配不同難度的試題，不同數量的學習內容。

在過去的四年時間之內，我們也取得一定的成績，我們產品目前為止已經覆蓋五大學科，語文，數學，英語，物理，化學，其他的科目正在研發，覆蓋了小學，初中，高中的課程，我們目前在 400 多個城市裡面有近兩千家學習中心，並且截止到目前有近 200 萬的學生使用我們的系統，系統為他們帶來最好的學習效果，我們的學習中心給學生提供輕鬆的高科技的學習氛圍，提高學習的效率。

松鼠 AI 的工作原理

1. 智適應學習引擎學習系統是如何打造出來的呢？我們智適應學習引擎有五大方面的內容。

• 第一個是智能推薦引擎（IRES），依據每個學生的情況，給他量身定做個性化的解決方案；
• 第二個是學習分析系統（LAS），能夠針對他的數據進行分析，分析每個學生的畫像，知識掌握的情況，分析出來對那些學生的幫助性最大的，並且把這個內容優化和迭代。同時，我們還能夠對知識點進行關聯性分析，去發現以前我們沒有發現的一些知識點的關聯性，進一步完善我們的知識體系結構。
• 第三塊是多模塊綜合行為分析系統（MIBA），能夠採取多來源的數據完善學生的畫像。
• 第四塊是虛擬助教（VTA），它能夠跟學生更好地進行互動，提升學生的學習興趣。
• 第五塊是智能反饋系統（IFS），我們可以實時的採集到學生對我們這些問題的反饋，這樣能夠在基於較少量數據的情況下去更快地更高效地進行人工智慧演算法的迭代和優化。

2. 引擎架構主要分為三層：

第一層是人腦的一個記憶功能，包括學習目標的本體、學習內容的本體和錯因分析本體；第二層是計算引擎，包括智適應推薦引擎，實時分類和預測引擎，以及目標管理引擎等等；第三層是類似於人的眼，能夠和學生實時的交互，包括管理系統，檢測預警系統和實時的事件收集器。

3. 系統演算法帶來實時評測，整個智適應學習系統覆蓋了完整的教學過程，而每一個環節的目標是不一樣的，所以，基於人工智慧不同的演算法，系統能在沒有老師干預的情況下，幫助學生完成自己學習目標。

在知識狀態診斷這一塊，我們知道傳統方式是有考試的，尤其像最高頻的周考，月考，通過考試的分數了解每個學生的情況。但是，這個分數只是對每個學生學習水平粗略的估計，並不能真實代表這個學生的水平，因為幾個不同的學生即使有相同的分數，不同的學生掌握的知識點和沒有掌握的知識點是不一樣的。在整個系統裡面，我們能夠評估學生在每個細小的知識點上掌握的情況，以及掌握的程度，在後面學習中，更加精準地給他進行學習內容的規劃和推薦。

在學習過程裡面，傳統的測評是基於成績或排名，傳統的智適應測評是基於 IRT、DINA、BKT、DKT 模型，而這些模型的一個缺陷就是無法進行實時評測，我們的系統基於貝葉斯理論是能夠基於學生過去所有的記錄來進行持續性的，實時的評估。

比如過去的一些歷史和記錄我們能夠利用過來，給學生評測此刻的學習狀態。每一個知識點上我們都能夠評測出學生的學習狀態。

4. 系統演算法帶來的個性化學習安排、預測和規劃，以及內容推薦和個性化學習推薦。

我們知道傳統採用的演算法，像今日頭條，亞馬遜，阿里巴巴商品的推薦，大多數是協同過濾演算法。但在教育領域這樣的演算法是不適用的，教育的推薦和傳統的推薦基本原理是不一樣的：協同過濾演算法基於產品用戶的相似度。但在教育裡面，我們幾個不同的學生，學習的情況是類似的，學習分數是類似的，但是實際上我們細緻地看的話，每個學生的知識點是完全不一致的。我們更重要的一個目標是要精準，保證推薦內容的效果，也就是給學生每推薦一個知識點，我們要保證他能夠在最快的時間之內以最有效的方式把這個內容掌握，保證他的學習結果。所以，我們採用了神經網路，基於學生的學習效果完成個性化的推薦。同時，我們採用了深度學習的演算法進一步提升個性化學習的精準性和推薦的精準性。

更重要的是，在系統裡面採用動態學習目標規劃的技術，在學習過程中，會針對不同學生實時調整他的學習目標，因為對於較弱學生來說，100 分裡面的 90 分來說是難以企及的要求，對他來說，60 分可能剛剛好，但是對學霸來說，90 分目標遠遠不夠，他需要達到 95 分的目標，並且在學習的過程裡面，較弱的學生也有可能變成學霸。所以，不同的學生在不同的時間段，他的學習目標會根據學習動態調整的。

我們的系統可以採集到大量的學習的數據，我們可以預測學生在下一個課裡面所需要花的時間，在這個時間之內完成學習的數量，能達到的學習程度，我們還能夠預測未來在考試裡面能夠取得的分數是多少等等。我們還能夠基於學生學習的狀態進行分類，哪幾類學生可以在一起互幫互助地進行學習。這個是協作式學習。

與智適應學習演算法同等重要的是整個知識體系結構，因為技術的演算法在這裡需要給學生推薦匹配，發現問題，給他安排最佳的學習解決的方案，所以說這裡面的學習內容也同等重要。

4. 對知識點拆分提升學習效率，而在這裡最重要的是以納米級知識點為代表的智適應體系結構。它最主要的第一個功能是能夠更加精準地定位每一個學生的學習中的問題，從而對症下藥

另一方面，把知識點拆分到納米級，讓每個學生高效學習內容，拆分到最細緻，學生學習起來效率會更高。同時，對於學霸來講，我們也會進一步把這個納米級的知識點進行綜合，跟思想能力方法結合，把不同的知識點相互結合，學生只有熟練地掌握這些納米級的知識之後才可以學習更難的更綜合的知識點。

我們還有另外一個知識結構的圖譜，基於貝葉斯網路狀的圖譜，把相關的知識點關聯起來。通過這種技術模擬優秀老師教學的順序和關係，這樣的教學符合學生認知的規律和知識點層次難易上的關係。我們通過這樣的一個網路上的知識圖譜來模擬老師豐富的知識的結構，模擬他大腦深處對知識的把握。

我們還能夠培養學生的學習能力，學習的方法。就像知識點拆分一樣，我們把思想方法做一個納米級的拆分，針對每一個知識點和思想能力方法，匹配相對應的視頻，大概 1-7 分鐘之內，能夠讓學生學習這個知識點，同時還有匹配的練習，我們會給每一個知識點或者每個學習點，配上不同難度的練習題，或者測試題，讓學生學習的時候加強鞏固，把老師的東西變成自己的東西，因為這是一個加強鞏固的過程。

同時，系統里有不同類型知識點掌握的視頻，最主要的目的是學生在學習的過程裡面能夠更容易地快速地吸收接受這些知識，讓學習變得更加的高效。

5. 外部設備捕捉學生表現。在我們的系統裡面，我們會通過一些外部的設備，採集更多學生的數據。

比如，在過程中我們會通過電腦的攝像頭，捕捉到每個學生面部的表情，眼球移動的數據，還可以採集到他行為的動作的數據，這樣能夠分析到這個學生在此刻學習是否專心，是否走神，然後我們匹配一個教師端系統，老師根據這個系統能夠分析到每個學生學習專註的程度，老師能夠及時進行干預。

我們也正在研發人機對話，通過對話系統能夠跟學生交互，回答一些學生簡單的學習上的問題，或者系統操作上的問題，讓他對這個學習系統的興趣更加濃厚。

現存問題及未來展望

這個系統智能程度如何，它到底能否給學生帶來更好的學習效果，這個是每個家長最關心的問題。

我們舉辦了一系列的人機大戰，我們在美國斯坦福國際研究院的幫助下設計了方案，因為他們過去有過跟美國政府，跟美國公立的學校做了很多類似的實驗，我們把學生分為兩批，一個是傳統教育的學生，一批是用我們系統的，他能夠登錄我們的系統，沒有真人老師的干預，我們根據他們在學校裡面的成績，保證他們的能力水平是一致的。並且我們會通過前測和後測卷體現成績提升的差異性。為了減少干擾因素，我們的時間也限定在四到五天之內。我們先後舉辦了四次實驗，有效證明了我們的系統能夠和真老師的教學水平不相上下。

當然我們的系統也不是完美的，我們在這個過程裡面，是沒有真老師的干預的，當然我們也不是說能夠 100% 的代替老師，在教學過程裡面，我們遵守一個以學生為中心，老師為輔助的原則。在教學過程裡面只有當學生有疑問的時候，或者老師發現學生不專心的時候老師可以給予每個學生幫助，大部分時間學生是在系統上自主學習。這樣的話，不只是幫助學生減負，也是幫助每位老師減負了。

我們相信在未來人工智慧是能夠做到更好地了解這個學生，更好地對每個學生進行個性化的教學，老師能夠解放出來去更好地給學生進行人文的關懷，而這是機器目前不具備的。未來的話，老師能夠給學生更多的時間進行心理和情感上的溝通和交流，以及培養這個學生的創造力，想像力，這樣的話能夠更好的幫助每個孩子。

同時，更重要的是，在偏遠地區山區、有留守兒童的地方和沒有優質老師這樣的地方，我們的系統也能夠給那些孩子帶來這樣高質量的個性化的學習。

因為我們知道，現在的人工智慧在不斷進行迭代更新，有很多新的演算法出來，所以在人工智慧教育應用和落地上面我們持續不斷地進行著研究，跟世界上最頂尖的教育機構進行合作，我們跟卡耐基梅隆大學成立了聯合實驗室，聘請了機器學習教父 Tom Michell 教授作為首席人工智慧科學家一起進行人工智慧在教育相關的研究和研發，同時跟美國斯坦福國際研究院進行聯合技術開發，我們過去發表了一系列學術論文，並且我們也在這次的會議上做一些分享和演講。我們也組織了相關的一系列的 workshop。

我們也是希望引起更多的人工智慧方面的專家一起關注人工智慧在教育領域的應用和落地，希望能夠讓更多的人一起來把人工智慧教育做得更好，走得更遠。我們最欣喜的就是看到使用我們系統的學生得到了提升，我們能夠幫助來自全國各地的學生學習了不同學科，幫助他們更高效，更好地去提升他們的學習成績，同時我們也見證了一些學生，實現了他們的夢想，幫助這些學生，做到了原來做不到的事情。包括不能夠出國的，他通過我們的系統得到提升，現在已經在國外留學。

松鼠 AI 公司司機女兒，曾經考試成績不佳，通過使用松鼠 AI 智適應系統，考上上海最好的波音公司技術學校，後又繼續使用系統考到全班前三，被選為優秀學生送到美國西雅圖波音總部繼續深造，並且可以選擇終身在波音公司工作。

我們也舉辦了全球人工智慧智適應教育峰會（AIAED），希望對人工智慧教育有關注的專家能夠一起來做這件事情，來推動這個事業的發展。謝謝大家！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！