作者|Shellie  來源|智能相對論(ID：aixdlun)

好未來“用科技推動教育”輕課業務被曝數據造假;AI伴學的明兮語文在疫情流量的大風口下無奈關店;宣稱“AI賦能”的優勝教育長沙一校區突然跑路……

在很多人看來，雖然AI在教育行業的進軍被稱之為“AIED(Artificial intelligence in education)的金礦”。但近期AI+教育行業一系列的“地雷”引爆讓公眾對“AI+教育”的內核重新產生了懷疑，AI對于教育來說，到底是真需求還是偽概念?“黃金礦工”為何變成了“掃雷”游戲?

“90%的人工智能項目都是偽AI。” 阿里前CEO嘉御基金創始人衛哲，2017年和原斯坦福教授，現 Google 人工智能負責人之一李飛飛教授，溝通后有感而發。

2020年的“AI+教育”大抵也是如此?

在新基建開始大規模鋪設的今天，處于人工智能領域中的AI+教育能否借著這股東風，去“偽”存真，為“AI+教育”重新正名?

01

“算命”換皮后，躲在AI招牌后的“人”

去年央視曾點名批評了“AI算命”的網絡騙局，說的是只需上傳一張照片，“AI”便可以解碼你的未來命運。命運贈送的禮物有沒有在暗中標上價格暫且不知，但你的命運被套上了模版卻是實錘。打著AI的招牌，背后卻是一套隨機的模版。其背后唯一支撐的科學原理來自于人類的的心理自我暗示。

那么，“AI算命”和很多教培機構通過問卷回答的方式為學生定制“AI個性化課程”有無異曲同工之處呢?

有AI方面的專家對此表示：“在底層數據沉淀和AI技術發展的前期，‘AI個性化課程’定制的方式并無不妥，也有一定的作用。其本質就是用機器模擬老師和學生的交流，是一個搜集信息的過程，只是當前的技術遠遠無法還原人腦立體活動，深度學習程度不夠，其結果就是準確度就不夠。”

另一名在AI領域深耕八年的程序員稱：“這類算法可大可小，底層數據足夠大，就可以看起來足夠智能。如果打的標簽少，運行的算法少，問題涉及的維度窄，那么最后結果的準確性就要打個問號。”該程序員認為，如今的技術水平尚不足以支撐讓機器來分析人的性格，只是通過學生的回答和日常活動標注的標簽，組合生成一個報告，完全去人為化是不可能的，“很多教培機構沒有開發團隊的，總共就用了幾個模型幾個框，不管回答怎么樣都往里一套，我們常說的偽AI也就誕生了。”

除了“偽AI”，還有偽需求。

2019年10月腦機接口公司BrainCo推出教育產品“智能頭環”不但被人民網點評批評，在社會也引發了廣泛爭議。

通過采集大腦中的生物體征信號，然后用計算機對信號進行解讀，從而實現專注力評分。公眾討論的焦點集中在科技所帶來的隱私問題和人工智能應用落地的紅線問題，即在教育領域，到底需不需要這樣的AI技術?

上述兩個案例實際上是目前“AI+教育”在市場層面“各自為政”“獨自美麗”現狀的冰山一角。在這個似是而非的灰色地段，抓不到躲在招牌后的人。首先從AI和教育的搭配、到技術和道德界限，這些問題沒有統一的規范和標準，由于概念混亂，因此AI+教育始終無法發揮出最大的效益。

02

從數據到AI，教育機構們愛在心頭口難開

“智能相對論”認為，AI+教育概念的混亂，一方面是由于技術門檻過高，許多管理者本身并不懂“AI”，只是風口到了，便順著概念而上。例如，目前市面上著眼于“自適應”的教育企業就非常多，工作原理主要是通過評估學生對知識、課本的掌握程度進行個性化推薦，可以看作“教育屆的抖音自動推薦”理解。這一類公司對外便一直宣稱自己是“AI+教育”，并獲得了一定的認可度。

另一方面也不能怪機構自封“AI”。因為概念本身就有重疊，且基于民眾認知和媒體宣傳的影響，諸如“自適應”“機器學習”等諸多數據處理技術都“被”和人工智能畫上了等號。因此機構在自我宣傳造勢方面，也頗有些無奈。在采訪中就有某中小教育企業創始人自嘲：“不要說什么人工智能，其實現在都還是人工智障，去人工化就不可能，我們自己都知道。”

Stack Overflow的數據科學家David Robinson就曾提出了一個簡單差異定義：數據科學產生見解、機器學習產生預測，而人工智能產生行為。

數據科學產生見解很容易理解，杰夫·李克(Jeff Leek)曾在Types of Data Science Questions對數據科學提供的見解類型進行定義，包括描述性(學生做題)、探索性(不同的學生做題有不同正確率)、因果性(課后習題表明學生A正確率比學生B正確率高)，但在這其中人是不可或缺的角色。例如，因為技術團隊缺失，一些培訓機構的線上做題系統便是停留在這一步，下一步還需要老師根據其數據人工進行分析。這一類應用，“智能相對論”Shellie統一將其歸為“簡單工具”，還不能邁入AI之門。但如果做題閱卷后，還可以針對結果勘錯或推薦同考點的題目，那么則向AI又邁進一步。

因此有技術方面優勢的機構就更進一步，走到了數據科學和能產生預測的機器學習相結合的進階階段。這里的機器學習可以看作是一個黑盒模型，生長在“智能”與“工具”的夾縫中。例如各搜題軟件：小猿搜題、作業幫、阿凡題等，搜題后提供答題解析的同時，還可舉一反三自動推送相似題目、點評、考點等相關信息，利用技術進一步提高學生學習的互動性、積極性。并可以借此將搜題的用戶導流到自己的題庫中，增加用戶留存。

“小猿搜題”路徑

相似題目的推送，知識點與課程、題目的關聯，則都需要投入大量的標注工作量，標注越多才被“訓練”得越“聰明”。這樣的“學習”還出現在許多“養成系”的聊天機器人(小愛同學)、口語測試(羊駝教育PTE模擬考)、語音識別系統(科大訊飛語音識別)等知識圖譜算法中。

但完全去人為化的人工智能定義則存在諸多爭議，所代表的更多是一個技術愿望。在如今的技術層面上，我們無法達到這個高度，對機構提出如此高的要求屬實是難為了。目前多是在數據科學和機器學習的協同下，從工具不斷努力無限趨近于智能。但畢竟不論白貓黑貓，能幫助人類提高工作效率的就是“好貓”，將其在易理解的考慮上，將這一類統稱為“AI”也無不可。

業內知識圖譜算法程序員李博士解釋：“目前很多機構的技術就是一個巧妙的集成。”他舉了幾個例子，例如拍照線上解題，用的文字識別、題庫抓取等技術;注意力監測，是人臉識別、知識圖譜等技術;口語測試，是語音識別、集成數據經驗算法、知識圖譜等技術......“機器知其然，并不知其所以然。它本身仍不懂知識點是什么專注是什么，只是由于曾經被人為標注，因此識別了這個標注，按照算法走了人類早前做好的路徑，推薦了同類標注內容。”他解釋道。

咨詢的多個AI專家也都表示：“目前強行追求技術愿望并不實際，更多的則需要關注AI在不同場景中的表現。”事實上，僅僅只是在機器學習層面，大量標注工作、高門檻的技術含量算法開發，都不是一個中小型機構可以承擔的。于是許多中小型機構或分公司，便另辟蹊徑往小而美的細分領域開發方向，不斷在場景中挖掘亮點。

例如在線培訓機構羊駝教育研發的語言測試AI打分系統，解決了口音對語言測試的影響、一對一口語培訓費用昂貴、不同教師對學生要求的差異化等問題;小猿搜題等解題軟件，解決了學生搜題難、家長輔導難、知識點對應題庫難等課后習題問題。這些都是利用機器節省人力成本，且概念輕方便使用，采取的新教育概念又廣受家長青睞。

而只有科研資金和技術團隊足夠雄厚的頭部機構，才能配合國之重器不斷豪擲資本，不斷在此方向深耕、研發，形成自己的技術壁壘。技術的不斷前進，才是從招牌后揪出偽AI去偽存真的最佳方式。因此，“AI+教育”方向的新基建就顯得尤為重要。

03

新基建，將AI坍塌成教育蟲洞

宇宙中可能存在的連接兩個不同時空的狹窄隧道，被稱作蟲洞，過蟲洞可以做瞬時的空間轉移或時間旅行。

目前優質的教育資源集中在大城市、發達地區，導致強者越強，弱者越弱。新基建在此節點上，有將AI坍塌成教育蟲洞，溝通兩頭教育資源，同時承擔一定程度的教育公平和個性化教育兩大痛點的指導責任。早在2019 年 2 月，中共中央、國務院印發《中國教育現代化 2035》，便提出面向人人、因材施教、共建共享等基本理念。從政府方面加強現代化教育宏觀調控，已經開始落在了實踐意義上，于 2012年開始建設的“三通兩平臺”成為其重要抓手。

“智能相對論”Shellie認為，如今新基建走在發展的高速路上，5G已經開始被廣泛鋪設溝通，教育大數據中心建設游刃有余。在未來，以5G溝通大數據和人工智能的信息時代，K12教育還將將繼續深化未來學校的改革和實踐，在辦學體系和教學結構等頂層設計上進行深層次優化。

例如騰訊教育推出的智慧校園，便是通過多樣化的數字工具和產品的應用場景支持，構建覆蓋智慧管理、智慧教學、智慧家校、智慧辦公、智慧環境、智慧評價、智慧數據等校園全場景的智慧生態圈解決方案。整個系統依賴于騰訊云大數據系統，實現了教育廳局、學校、班級、家庭四級的打通與聯動，并通過“統一服務門戶”、“統一身份鑒權體系”、“統一應用接入平臺”、“統一數據治理平臺”，打破了系統間的數據孤島，讓管理者可以統一規劃和治理，讓學習者可以獲得更好、更具個性化的學習體驗。目前，騰訊智慧校園已為多地教育局和學校師生提供高效的管理服務、更便捷的生活體驗和更智慧的教學體驗。

可以預見，未來在數據科學和機器學習無縫配合之下，數據搜集、判斷更高效化，政府可以更好的從宏觀層面上優化教育政策設計，根據大數據調整考試大綱，通過政策施壓倒逼“AI+教育”市場更加標準化、流程化。同時，溝通發達地區與落后地區教育資源、考試資源，達到知識無地界。并出臺“因材施教”的標準，規范化流程化地進行個性化教育、素質教育。

科大訊飛高級副總裁杜蘭博士在2019年第二屆中國(廣東)人工智能發展高峰論壇上就宣布，科大訊飛探索實踐了智慧教育大數據平臺項目，通過大數據重塑粵港澳大灣區教育教學、教育管理、教育決策流程，從而打造粵港澳大灣區智慧教育區級樣板。

騰訊智慧教育產品研發總監付金懋也表示：“基于新基建的教育信息化，目前智慧校園產品正廣泛應用。并且在理念先進的地區，已經開始嘗試通過對學生學習過程中各類數據的沉淀建立模型分析，對個人的個性化學習和教學質量均衡起到促進作用。從用戶的反饋上顯示對提分有一定效果，但提分并不是最終目的。我們更希望推動教育從‘教’到‘育’的前進。從簡單的分數分析、錯題分析，向模擬人腦的多維分析完善，促進素質教育和個性化教育。”

位于北美的教育集團PEARSON EDUCATION LTD也與英美澳等眾多高校合作率先推出了“AI”標準化出國留學移民類英語語言能力考試，也就是留學生較為熟悉的PTE考試，分數被全球數千所大學和院校、專業組織和政府機構認可。其中的機器打分，雖一直有“倫理”方面爭議，但因其避免地域、膚色和口音歧視、保持絕對評分公平，因此仍廣有市場。該集團還參與了美國眾多課程的共建工作，發布了“工具類”應用網站。無論你身在何地，只要在書本上獲取驗證碼，便可直接在網頁上做該學科的基礎知識題，并獲得評分。雖工具較為簡單，但在教育公平、考試公平的層面上，仍有一定積極意義。

合作的學科

評分頁面

在談論到新基建可能帶來的未來時，羊駝教育的創始人劉雅麗表示：“在新基建完成后，知識大家都能很輕易拿到，也許就變得不再那么‘值錢’。我們培訓機構未來更多的可能扮演的是健身房里私人教練的角色。根據教育的要求，規范地引導、督促、鼓勵學生學習，并將結果數據反饋給學校、家庭。學校和家庭的數據也能按流程規范地共享給培訓機構，達成互相促進的共通閉環。”

雖然還只是停留在想象中的未來，但技術不斷進步的過程，也就是不斷將AI壓縮坍塌的過程，教育蟲洞也將依賴于新基建帶來的頂層設計不斷優化而逐漸形成。

編者按：本文轉載自微信公眾號：智能相對論(ID：aixdlun)，作者：Shellie