芥末堆 子航 11月16日 报道

11月16日，在以“共建·让更好的教育来得更快”为主题的GET2017教育科技大会上，驰声科技创始人林远东在人工智能论坛以“教育＋技术：从改良到渐进融合”为题发表了主题演讲。

以下为林远东的演讲实录（芥末堆略有删减）：

在人工智能这个论坛中，前面可能有很多的前辈和同行分享了很多关于技术本身，今天我主要探讨在更广泛意义上的技术和教育结合推动的过程中，我的一些观察和想法。

驰声是教育行业最大的口语评测技术解决方案提供商，大致在6个细分行业提供智能口语评测技术，包括像江苏、凤凰等出版行业，中间是针对新东方、好未来等培训机构，再有就是大家耳熟能详的51talk等在线教育，还有像宏碁、读书郎等教育类的硬件，最后则是传统的教育软件行业，以及考试服务类的机构。

所以，作为一个第三方技术和解决方案提供商，我们比较有幸参与和观察了很多合作伙伴应用驰声所提供的人工智能技术，所包装的各种各样的产品。这个过程中我们去体验，到底教育和技术结合的过程中，有哪些趋势和哪些规律。

简而言之在我看来教育和技术它的互相促进演化的过程，有两个比较明显大的阶段，又分为4个比较小的阶段。当前，我们应该在这两个大的运动中，我们可能已经经历过了改良运动的大部分阶段，并且正在前进或者进入融合运动的阶段中。可能今天做到这个论坛的从业者，会更多的体验人工智能技术对这个行业里面的改良运动。

然后，已经有非常少的从业者开始接触到融合运动中关于自适应学习的这一部分。而在我们看来，大数据阶段可能还远远没有到大家真正意义上的应用和能够触碰的阶段，接下来会给大家分阶段的分享我们所观察到的这样一些不同的教育和技术发展的阶段。

阶段一：移动互联网的信息技术

首先，只要是教育技术的从业者，大家可能都能够体会到在差不多10年左右的时间里，掀起的在线教育与教育技术的热潮。这个热潮适于最早的一批技术人的梦想，我们认为当移动互联网、互联网改变了许许多多的行业的时候，有那么一批技术人认为技术必将颠覆教育，这其实就是整个教育技术改良运动的起始。

最典型的是，当录播出现时，我还一直还记得这样的一个口号：“我们能不能有一天能够使得最好的老师、教材、教法能够提供到每一个需要它的孩子，和需要它的学习者手里”，这就是我们传说中的录播，大量企业和创业者都很开心地认为，这将颠覆整个行业。

但实际上都是在录播的基础上，加上智能语音的互动，试图重现课堂上名师跟学习者的互动这个过程，从而想达到替代老师或者说完全改变现有教育学院模式的目的。当然大家都很清楚，这样一个阶段的技术改良运动，最终的结果是失败了。

时至今日，我们所知道的绝大部分世界上有名的录播的应用，比如说我们说的斯坦福在线、MIT在线等，它给出了世界上几乎是最好的大学课程，但是我们都知道它的完成率都不到3%、4%。我记得上一次参加未来之星CEO培训班的时候，当时好未来的副总裁刘总跟我们分享：学而思网校的完成率是30%，几乎所有台下未来之星CEO们第一反应是怎么那么高。

所以大家可以看到，实际上技术人想要颠覆教育的第一步梦想，也就是我们说的教育改良运动的第一步，我们希望通过信息技术去颠覆教育，实际上没有发生。

我们又发现了另外一个有意思的趋势，几乎到现在为止我们所有的合作伙伴，做语言教育比较深入的，都在谈论一个比较深入的话题即，视频、直播、外教。中间的VIPKID、51Talk都是我们常年的合作伙伴，尤其是像VIPKID最近比较火，刚刚完成了一轮融资，今年会有预期50亿的收入。

忽然之间，大家都在谈论一对一，都在谈论视频的教学，实际上在我看来这就是信息或者是移动互联信息去改良教育的一个回归。在技术人尝试颠覆教育的梦想受挫以后，大家开始去反思教育的本质或者是为什么最好的教法、最好的老师和最好的教材没有办法颠覆教育。

于是大家开始去寻找那些信息技术所缺乏，或者是信息技术完全嵌入到教育过程中会带来的原来线下所缺乏的东西，就是人和人的互动。大家发现原来教育实际上不是简单地把知识传授给这些学生，或者是教育主要的部分，80%不是把知识传授给学生，而是这个过程中人和人的互动，这个过程中能够让学习者产生足够的的学习动力、形成良好的学习习惯和正确的学习方法。

为了继续推动技术和教育之间的融合，不可能回到原来线下教育的时代，于是大家又找到了这样一条路，直接回归人和人。在线下，大家都知道学校的教育是一对多，但是转线上以后，其实人和人的互动、同学和同学之间的互动、老师和同学的互动被大规模的削弱。这就是为什么回归到线上以后，我们通过一对一的互动来弥补线下人和人互动的生动性，同学和同学之间互动带来的友谊方面的价值。

这个阶段比较典型的特征是，技术人员逐步认知到不管是什么样的技术，更多还是作为一个辅助教学的工具，也就是他们不再认为技术将颠覆教育行业。

我们再看整个移动互联的信息技术对于教育改良运动实质带来的影响是什么，第一阶段的录播想要颠覆这个行业，结果受到了挫折，所以回归到人和人的教育，通过在线视频等方式，把技术定位在辅助工具。实际上，通过这些信息化技术的普及，你会发现真正奠定的比较深远的影响，是整个知识的传递开始普及化。

在移动信息技术出现之前，跟我同龄的70后、80后，很多时候像古文教学是很困难的。因为我们的语文老师很多时候对于某些字、某些词的解释也不到位，他也不知道应该怎么解释。但是到了现在，如果我们碰到古文有一个字不认识，我们会做什么？我们会百度，完全不是问题。

第二，随着移动互联信息技术的普及，随着我们技术不管是作为一对一的视频载体还是作为教学辅助的工具，你都无可避免地发现所有的教学行为、所有的学习数据都变得在线化、移动化，而且大量的数据采集、存储、分析和后续的分析和推动，实际上现在的信息整体都被存储下来了，这是在移动信息或者是互联网技出现是没有办法想象的。整体就形成了整个教育改良运动的非常重要的一个基础。

阶段二：人工智能技术阶段。

教育技术改良运动的第二个阶段叫做人工智能技术阶段。

分享两个案例，像一起作业和英语趣配音这都是两个比较典型的合作客户。这个应用最重要的特色就是，它鼓励用户能够张嘴练习英语的发音技能，包括我们前面有几位分享嘉宾也在分享类似的技术。这些技术都是整个人工智能技术的一些垂直分支，其最重要的作用是使得人们练习技能可以在线化、数据化了。

这又要回到我刚才讲的教育前面的一部分知识的在线化。知识和技能是不一样的，简单讲，知识是你知道就知道了，但技能是需要大量的练习获取的，以骑自行车为例，本身技术和原理是螺旋向心力，如果没有骑过自行车的人我告诉你螺旋向心力的知识以后，你上去骑车，第一个有可能发生的事情就是摔倒。只有经过不断地摔倒，才能最终把这个自行车骑起来。这是技能练习的过程。

在很长一段时间里面，技能的习得是需要大量的人工干预的，比如说智能口语评测这个技术出现之前，人们练习口语的唯一途径是找到熟知英语口语的人，跟他一起练习。使得整个过程难以普及，很少人真正有机会张嘴说好一口外语。

所以我们讲说人工智能技术去做这个技术和改良运动的推动，它使开口练习发音技能变成了可能。

2012年教育部开始在全国各地做口语考试试点，口语考试不仅是要求你能够正确的发音，还有口头作文、看图说话等类型。他们希望你就某一个限定的话题，能够完整地应用你学到的英语的知识去表达。我们称之为表达能力评估，这是一种更加复杂的技能，不简单是发音。

当前人工智能技术的发展，在智能口语评测领域已经在这方面有了很大的突破，实际上整个驰声表达能力评估技术已经突破了评分，并且在大量地方使它成为了现实。这也就意味着，你会发现现在人想要去，希望知道我能否应用我学习的语言知识去谈一谈我对环境保护的看法，谈一谈我对职业发展的看法等等，这些都有可能实现自动的评估。所以，他能够在练习中逐步去掌握一些复杂的技能。

又比如跟VR和AR结合。实际上通过与AR和VR这一类技术的深度结合，人工智能跟他们加起来使得能够大量的学习者能够在虚拟的场景下，真正练习他们的口语交流能力。在这样一个过程中，你会发现，不管从发音到表达，交流、虚拟的场景，技术实际上是在不断地更新，或者说使得技能的练习从简单到复杂，到更加的拟人方针的这些练习，都变成了可能。

这是从2012年-2017年以来，我们所参与到的大量的，全国范围内的中高考英语口语考试的自动评分的一些场景，实际上也是在这个进程上不断的往前走，简单技能的练习、复杂技能的练习、复杂技能的评定，都越来越多的被人工智能技术所能够嵌入和推动。

尽管人工智能这一段时间很火，实际上从我的眼中来看，应该说整个教育技术改良运动的第二阶段，实际上远远还没有完成。它应该说只是处在方兴未艾的阶段。

但是，可以往前推测的是，整个人工智能技术，对于教育还会有这么多的影响。首先，现在越来越使得技术对于教育的影响，从知识的传递到技能的习得。还有，当人工智能技术能够替代人去最技能评定也做成了非常有效的时候，很多的技能判定就会从主观变成了客观。

原来大量依赖人的时候，主观的因素就会被掺进来，如果大量的使用人工智能来替代，它就会越来越变得客观。一旦客观了以后，你就会发现原来对于人的判断从定性会走向定量，然后更多的是由于技能的习得和互动的流程，大量的使用人工智能的参与，它就会从线下走上了线上。

我们最近还碰到过一些职业教育的客户，他们提到以前汽车修理会有很多的名车公司会给他们捐赠车。而实际上学员要去练习修车的时候怎么办？要把这个宝马砸了，我们去把这个宝马修了。可是我们都知道不可能有成百上千辆宝马让你砸的，谁也砸不起，所以能够练习的人其实是少数。

如果我们通过VR把这样的一个场景能够复原，通过人工智能和VR结合起来，你就会发现你不需要再去砸1000辆豪车了。你可能只要在设定了这个应用环境下，就可以不断的练习，这些练习的行为大家要注意，它最重要的还不是Enable你去学习，同时这个学习的行为就可以被忠实的记录下来。

不像以前在修车的过程当中，你只能通过拍摄才能够把这些行为记录并去分析。现在你可以做到非常精准的分析和定位，从而使得学习效率变得更高。而从另外一方面讲，由于不管是人工智能还是信息化的技术，他在真正广泛意义的应用过程中，会使得整个成本大大的下降。所以最后一条是，他会使得原先只有少数人能够受益的一些方式和方法，比如修车，使得绝大部分人都有可能能够获益。

所以，我刚才跟大家分享的整个教育技术改良运动的两个阶段：

• 阶段一：移动互联信息技术。

• 阶段二：人工智能技术。

这两个大阶段构成了教育技术改良运动。为什么我们认为会把它归集成为一个改良运动，是因为在这个过程中，如果大家还能够注意到的话，事实上教育的主流模式并没有发生根的变化。不论是移动互联信息技术的出现，还是人工智能技术的逐步普及，都没有改变当前、班课老师和学生互动的主流教育模式。

所以，我们认为仍然处于改良运动。当然，改良运动运动并不是没有价值。我们现在来看一下，改良运动实际上做了哪些事情。

通过这两个阶段，我们只有一句话总结，“教育技术改良运动使得因材施教具备了技术基础。”

通过前面两个阶段的改良运动大家可以看到，其实当前老师已经不在是知识的拥有者了，不管我现在走进任何一个教室，我们几乎可以马上确认当前站在我面前这个老师，并不是能够把这门课讲的最好的老师，现在几乎可以肯定。

因为，现在我们都可以肯定由于互联网技术存在，应该说全世界范围内一定能找到，几乎可以肯定能找到，比当前站在我们先面的这个老师，更适合讲好这门课的方式。实际上我们相信未来，越来越多的这些老师在课堂上，作为知识的传授者这个角色会被大大的弱化，其次是随着类似于像口语练习，甚至是像口语考试的批改，这样一系列的重复性的劳动都被人工智能技术所取代，比如说老师的这些重复性劳动也会持续的下降。

这两张图其实是在跟大家分享，我们在实质上的一些客户，在应用我们的技术，在各个省市地区覆盖的情况，应该说现在越来越会被这样一些技术所覆盖。

下一个部分是个体教和学过程与海量评价数据诞生，不管是移动互联信息技术的普及，还是人工智能技术的Enable使得更多的技能练习成为了现实。同时也都不可避免的造成了，在教和学的过程大量的数据会被存储，应该说第一阶段的移动互联信息技术使得这些数据被存储、分析，成为可能性。

第二阶段人工智能技术占据老师越来越多的重复性劳动，使得更多的行为从离线变成了在线，也导致了这些数据的大量的产生，所以整个教育技术应该说才会产生从工具到融合的推动力，什么意思呢？就是恰恰是因为整个教育改良运动前面的成果，使得因材施教变成了可能。

或者大家可以想象一下，越来越多的知识传递的功能从老师身上剥离，越来越多的传授技能功能从老师身上剥离，而同时又产生了越来越多的教学中的数据，那么老师的功能必然不可避免的为走到我如何从这些数据掌握到这些学生，教和学里面的规律，然后去做学习的决策。这也就是大家一直推倡的所谓个性化的学习，或者说所谓自适应学习很重要的基础。

阶段三：教育融合运动

接下来分享的第三个阶段，教育融合运动的第一个阶段：

自适应学习，这里面有几点思考。其实，自适应学习的定义也很多，但基本上我觉得都可以统一起来的是，基于对一个学习个体的深度理解，从而规划出对他最高效的学习路径和学习内容。所以，从前面的教育改良运动也好，教育融合运动也好，我们可以看到对个体的深度的了解的程度和利用程度决定了自适应学习的价值。

因为，现在大家谈到的自适应和市面上看到的自适应很多都是在讲我做了几道题目，然后能给我推出大量的我做错的这些题，相关的知识点的题目。实际上应该说这样的自适应学习当然也符合自适应的定义，但是事实上你会发现，如果对一个学习者的了解、理解和利用程度，仅仅是几道题目，那它的价值其实是非常的微弱的。

另一方面，整个教育和人工智能技术其实还是方兴未艾，应该说第二阶段的改良运动还没有完全的彻底。今后，我们可以看到的是整个人工智能将会越来越多的，在技能习得方面，不管是教学、评练测会更多深度的参与，使得老师越来越从这些功能里面解放出来，才有可能走到自适应学习和教育技术融合运动的真正的阶段。

第二阶段：关于自适应学习，融合其实意味着教育和技术的彼此改变，而不是在改良运动过程中，实际上是技术甘愿充当辅助的工具，去更高效率的推动当前教育模式往前发展。

下一个是海量数据的自动化时代对教学的挑战是人的角色的变化，所以我们认为自适应学习和个性化学习本质的关键点和瓶颈是教师的角色改变和整个主流教学模式的改变，或者说教师角色的重新被定义。

为什么最后要讲大数据？因为从我们的角度是，是否意味着人或者教师的存在，永远没有办法被机器所替代。这个问题基本上是答案是肯定的，但从另外一个方面上讲，人工智能也好随着移动信息技术也好，越来越多的取代教师大部分的功能，而教师转向针对采集到的海量数据去做决策，这一部分其实自适应学习的第一步。

而自适应的学习这样这一步发生了以后，老师对于个性化学习的决策数据开始被收集，正如我前面几位同行所分享的，所有人工智能的起由和推动都是数据，当这一部分数据被大量的采集，人工智能在进一步往前去替代人对于个性化学习的决策才变得可能。

所以，随着未来海量数据和自适应学习数据这个阶段被真正意义上的记录、存储和分析，人类从大量的数据里面学习到学习的规律、教学的规律才成为可能，在那个阶段我们认为才是真正意义上教育和技术进入大数据梦想的阶段。