芥末堆 11月16日 田园 报道

11月15日，在以“共建·让更好的教育来得更快”为主题的GET2017教育科技大会“学术发展论坛”上，朗播网创始人杜昶旭以“人工智能和大数据如何影响在线教育”为题进行了主题演讲。

杜昶旭首先从时间的角度切入，阐述了人工智能和大数据影响下的时代变化。其次，他介绍了未来的四种学习场景。他认为，AI+大数据+教育可以实现“四化”，即从服务导向转为产品导向的标准化、从结果管理转为过程管理的过程化、大规模行为数据采集和分析的数据化，以及自适应学习系统推动精准学习的个性化。最后，他介绍了人工智能和大数据的应用场景。

以下是杜昶旭演讲实录：

大家下午好，特别高兴跟大家做这个分享，没想到今天这场这么多人，看来大家对AI这个话题比较感兴趣。

我上午在艾瑞的一个活动上，他们在讨论说，现在教育投资到底往哪个赛道上走，他们提出人工智能和大数据是一个大家比较关注的赛道。我说你们的提法错了，因为人工智能和大数据不应该是赛道，而应该是技术。所以它必须要和某个产业方向结合的。

所以今天想跟大家分享，AI、大数据是如何影响教育本身的，包括我们看到有越来越多的在线化趋势，这是一个什么样的状况。

这是一个怎样的时代

如今我们所面临的时代和很多年前特别不一样，所以我们才有机会讨论AI和大数据到底是怎么一回事。那么，这到底是一个怎样的时代？

第一，这是一个中国的互联网基础建设已经在全球领先的时代。我们刚开始接触到互联网这个概念，应该是在90年代末、21世纪初期。那个时候的互联网，我们不可能谈论跟教育有关的东西，因为教育是一种副媒体的形态，它有视频、音频和图片。那时大家下载一张图片要花很长时间，所以我们很难讨论大数据和和智能化。

但今天，我们使用的手机已经足够方便实现联网，并且我们可以通过手机看到许多精彩的视频。甚至现在大家对流量都没那么关注了，一个月包月下来很多人是用不完的，所以现在运营商也推出这个月用不完，就导到下个月的服务，这些服务都是让大家有更好的网络基础环境。下面是一组数据，从这组数据你可以看到中国这几年整个互联网的增速非常快。

第二，这是一个在不知不觉中，互联网正在不断地改造各个传统行业的时代。很多事情在互联网时代下，已经变得越来越容易，我不愿意去区分是互联网还是移动互联网，因为这个不重要，它无非一个终端的问题。其实这就是由于网络发展，信息传达效率变高了，我们看到了很多的变化。

你会发现过去你可能在街边打车，但现在你都用滴滴，过去你在线下买东西，但现在你都在线上买东西。我觉得这些都是我们可以看到的、很典型的，衣食住行方面的互联网的应用。但事实上，我觉得无论是教育，还是医疗，目前改造的还不够彻底，所以这个过程还会继续。

第三，这是一个在线支付变得越来越便捷的时代。我记得很多年前，我在一个分享上讲到，支付这个环节可能会成为教育在线化过程中一个很重要的制约因素，因为消费者不好付钱这件事是挺痛苦的，但是今天大家可以看到，这个已经完全不能成为一个问题，因为我们有各种各样的支付方式。

朗播大概是从2007年开始做在线教育的，毫不夸张地讲，我们可能算国内最早去考虑教育在线化的公司之一。但那时候支付不方便是一件很痛苦的事情，我们只能想各种各样的办法来解决。

今天你会发现，像共享单车这种模式它能够跑起来的原因其实很简单，就是支付很方便。我拿一个二维码，用支付宝和微信扫一扫都可以支付。而且对于大家来说，你可能还没有意识到你在支付时你就已经支付了，这带来的负面效应就是每个月发现信用卡要还账的时候非常多。

第四，这是一个用户对于“屏幕”的依赖不断加剧的时代。我觉得这个也是我们今天讨论在线教育的一个前提，包括在座的老师在内，我们对于屏幕的依赖变得越来越重。其实我在讲，各位老师拿着手机在拍，这就是依赖屏幕的一个表现，你会发现大家对于屏幕越来越依赖。

在过去80年代，家里面有一台电视机就很了不起了，但是后来事情发生了变化。家里有了电脑，你会发现，大家开始把屏幕依赖从过去的电视转到电脑上，而且那个时候的电脑基本上是以固化的PC为主。然后再往后，你会发现现在的家庭状况是你有PC、笔记本、Pad和手机，所以每个人家里至少有2到3块这样的屏幕。

大家注意到我这上面画的图都是一样的，我们来思考一个问题，就是所有的学习是不是可以通过跨屏幕去实现数据的共享和一致。比如，我们今天在看一个课程，哪怕它就是一个简单的视频课，以前我们就在手机上看，或者是在Pad上看。有没有一种可能是，我们把这个课程搬到家庭的环境里，父母和孩子一起坐在电视跟前，然后就在电视上看，也把这个课也学了。而且，这个过程结束后，后续在iPad上的进度、数据又是一致的。

所以你发现，今天大家已经有了很明显的在线化的趋势，于是很多人开始进入到这个行业里面来。但很不幸的是，出现了一个我认为可能也算正常，但却不希望看到的状态：很多在线教育的公司，或者是做在线教育的人，他们把在线教育认为是把过去的教育的服务给线上化。我个人不太赞同这个观点。

大家可能不太熟悉什么叫服务线上化，过去我们在教室里教学，现在我们搬到线上教学，这个东西就叫服务线上化。所以每次有人跟我讨论说，你到底是大班课、小班课还是一对一，在我看来都一样，因为在他们眼里这都叫服务线上化。但我们的观点是在线教育不仅仅是服务的线上化。

举个例子，以前我在传统培训机构工作了十多年，我当时在新东方教了11年的课，是一线名师。我们过去是在线下讲课，今天如果说你给我弄一个网，我在网上讲课，本质上是没有区别的，如果这件事情最终也能够成为在线教育成功的理由，那电大早就成了。

所以我们的观点是在线教育不仅仅是服务的线上化。那我们今天看一下，如果真的把教育或者是学习这件事情放到线上去，应该是一个什么场景。

未来的学习场景应该是一个什么状态

第一，没有人在意学习场景是线上还是线下。任何一个新兴事物刚出现的时候，大家总是喜欢先讨论概念用以区隔，大家开始讨论到底是线上好还是线下好。这个问题在过去几年所有的论坛、会议都在讨论的，但今年这个声音已经小了很多了，好像大家已经默认接受线上是一个很正常、很自然的学习方式。

第二，没有人在意学习行为是在PC端还是移动端。这个也是过去很多人在讨论的问题，我记得我创业这么多年的时间里，在早期时候大家都在说，你们这个东西是在网站上还是手机上，但今天我们已经不再讨论这个问题了。到底是网页、H5还是小程序、APP，已经不再重要了，重要的是你到底通过这些媒介得到了什么。

第三，没有人在意直播和录播哪个更好。不会有人去讨论直播录播哪个更好，很多人说课程到底直播好还是录播好，我告诉你们朗播的课程既有直播也有录播，我们从第一天开始就是这样的，我们跟消费者说你自由选择，直播无非就是你感觉更像线下，如果你是一个比较传统的人，这更适合你。录播时间比较自由，你愿意怎么听就怎么听，本质上是没有区别的，因为里面有一些概念，核心不是在于形态的问题，而是在于你对过程的切分、把控、数据的切割是否合理，所以这个东西也不会有人在意。

很多不同的教学场景和学习场景中间有一个共性，而把所有的东西连起来的就是数据。因为这个人在学习过程和教学过程中，会产生大量的行为数据和教学数据，这些数据都应该被一套系统管理起来，这样的话他们就形成了一个整体。也就是说，这个学习者的所有状态都是可以被处理、量化、管控的。

所以，我们所有学员的学习过程都是这个样子的，你完全可以随时随地地做，你所有的数据我们在后台都是通的。任何时间、地点你都可以去完成你的学习过程，这个就叫Any Time Any Where。

第四，“班级”概念消失，每个人都是独立的学习个体。“班级”这个概念其实是不对的，过去我们所有人讨论的都是到底是一对一好、小班好，还是大班好，这里面的问题不出在大班、小班的人数上，而是出在你对教学过程有没有拆分和管理。

从教学本身的角度来说，对于所有的人都需要知道的知识，它可以通过一对多的信息传达方式来实现，而有一种情况是每一个人都不一样，这需要有个性化的过程。如果你从这个角度想，你就会发现“班级”这个概念根本不对，而恰恰互联网是没有边界的，我们应该打破这种边界感。

AI+大数据+教育：实现“四化”

我们来看一下在这样一个模式下，我们怎么把AI、数据、教育结合起来，我提出四点供大家参考。

第一，标准化，从服务导向转为产品导向。这个词已经被说烂了，刚才我提到今天很多人做在线教育是把服务从线下翻到了线上，我认为这个不对，因为你这样做永远不可能成标准化。比如说今天是张老师讲、李老师讲或是王老师讲，因为讲法不一样，所以我如果要去学，我得到的东西肯定也不一样。企业能不能做到把整个教学过程全部产品化后，再讨论其他东西是个问题。

第二，过程化，从结果管理转为过程管理。以前大家只看结果，这个没错，教育肯定要为结果服务的。但是不谈过程只谈结果，这样做是不对的。以前就是从结果倒推，一个学期结束后，家长一看孩子成绩70分，就把孩子叫过来一顿胖揍，但这中间到底出了什么问题，我们很难知道。

第三，数据化，数据会涉及到大规模的数据采集和分析。数据采集和分析中有一定的维度，比如说什么样的数据有效，什么样的数据无效，从相对专业的角度来说就是数据纯净度。

那么，什么样的数据纯净度比较高呢？比如说我今天跟你讲了某个知识，然后让你去做某个题，你在做这个题的过程中犹豫了，你的鼠标滑过的数据显示你焦虑了，或者说你在做题过程中，我们发现你可能先选了某个典型的错误答案，后来又改回了一个正确答案，这样的数据反而是有效的。所以，我们要考虑哪些数据是有效的，这个事情对于做数据、做评价、做分析的人来说非常重要也非常困难。

第四，个性化，通过自适应学习系统推动精准学习。大家思考一下，如果我们今天要想针对某个人制定适合他的东西，那首先我们是不是得有个定义，你应该从哪些维度评价他，然后才是评价过程，最后是结合结果去做相应产品推送。简单说，应该是这么一个过程，当然这个过程也许是分离的，也许是整合的，这个都有可能。

人工智能和大数据的应用场景

我们来看一下，人工智能和大数据到底会在什么场景下有应用。我们认为大概有这么几个场景。

第一，测评技术优化。如今做测评的企业有很多，像我们就是更多地专注语言能力的测评。关于语言能力测评，我们正在解决几个问题。比如说我们怎样去优化测评的题库，因为测评的题库和大家过去看到的考试题完全不一样。举一个简单的例子，比如，你做一个英文的阅读理解题，做完了以后你说我错了，但不知道是什么原因错的。那我能不能通过一些测评题测出来，你到底是因为单词不会，还是句子没看懂，还是逻辑不清楚。这个东西需要专门的测评题库，而一旦涉及到题库，麻烦就来了，本职做不做，信度、效度检测做不做都是难题，这些东西非常专业。

第二，语音图像识别和NLOP。这个领域我觉得更多是能做一些对于语音的评价，图像识别其实在拍题、扫题的领域做得比较多，像我们更多的就是语音识别，包括语义的一些处理，还有在自然语言处理这一块，有一部分会涉及到机器学习和深度学习。

机器学习和深度学习是什么意思呢，简单来说，一个是基于规则，一个是积累数据。我举个例子：

1.机器学习。我要教会你语法，首先要讲语法规则，我把规则一条一条讲明白了，然后你听完之后会了，这就是机器学习，它是基于规则的。

2.深度学习。你从小到大学说话，这个是深度学习，将大量的预料放进去，“你怎么学会的？”“不知道”。“会不会？”“会”。这个是深度学习。

第三，过程性评价。就是你怎样去把行为数据进行有效地采集、分析，然后对教育结构做预测。

最后几点：

我今天讲的东西其实是相对宏观的东西，我想跟大家说的是，朗播今天做的产品，是给学生提供整个语言学习的一站式的解决方案，这个解决方案既包括课程，也包括自适应学习系统，还包括我们说的测评、内容这套东西。

我们过去是一家纯2C的公司，我们面向个体消费者，但是现在我们也跟一些机构，包括一些国际学校也进行一些合作。我们希望成为整个语言学习这个领域的中央厨房，我们把最标准的、最有技术含量的部分东西做好，最后我们希望更多的人能够利用这个平台嫁接更多的服务。

非常感谢大家！