芥末堆 吉吉 11月20日

11月15日，GET2017教育科技大会“教育技术论坛”上，乂学教育首席科学家崔炜以“人工智能教学机器人如何让每个学生轻松提升10倍学习效率”为题进行了主题演讲。 

崔炜表示，乂学教育一直相信在现在人工智能时代、在现在大数据时代，唯有人工智能技术才能够解决个性化的教学问题，才能够解决优质教师稀缺性问题，才能够实现孔子2000多年前提出的“因材施教”。

以下是崔炜演讲实录（芥末堆略有删减）：

大家下午好！我分享的是如何用人工智能技术打造教学机器人，帮助学生快速提升学习效率。

人工智能和教育

这张图我们可以看到一个大脑，大脑里面有一个接口，这是一个脑机接口。大家对美国硅谷的钢铁 侠不太陌生，创立了多家公司，最近又创建了Neuralink，治疗脑疾病患者，通过脑机接口修复大脑里的损伤 ，帮助病人回复正常生活。

技术如果进一步发展，它是大脑和机器的接口，未来可以演变成学习的方式，以后我们学习可能就像机器一样，建立这个脑机接口，知识自动灌输到大脑里面，类似于我们现在在AppStore里购买 商品一样，支付钱后APP就购买来了，想学习神经网络等知识，可以方便的去购买脑机接口，知识就进入到脑里了，当然，这是对未来的畅想，也可能几十年后就能够实现这个目标，当前技术发展突飞猛进和迅速。

教育领域是个比较传统的行业，过去几十年、上百年，课堂没有太大改变，是私塾课堂、线下课堂，以一个老师为中心一刀切的教学方式，还有一个特点是老师跟学生的比例非常大，四五六线城市的一个老师带八九十个学生是很正常的事情，老师也非常稀缺，优质的教师资源非常稀缺，上海长宁区特级英语教师就一个，更不用说在其他地方了，五六线城市更缺优质教师资源，优质教师资源非常昂贵，一个是很难找到，二是想上一对一课程的价格非常昂贵，三是优质老师是难以复制、难以传承，我们很少见到一个优秀的特级老师带出一批的优秀特级老师出来，特级老师是很难复制和被传承的。另外，我们还可以看到在一二三线城市优质教师资源比较丰富，但到下面的城市少之又少，这存在教育资源区域不平等性。

在过去互联网时代以及今天的移动互联网时代，这些技术对我们生活各方面带来很大便利性、幸福感，对教育领域也一样，给我们教育带来很大的便利性，在线教育、直播平台解决了教育资源的可获得性，也解决了一部分教育信息不对称性。但是无论是互联网技术，还是移动互联网技术，对教育的几个痛点，像优质教师资源稀缺性问题、教育个性化问题都没有得到很好的解决。

乂学教育一直相信在现在人工智能时代、在现在大数据时代，唯有人工智能技术才能够解决个性化的教学问题，才能够解决优质教师稀缺性问题，才能够实现孔子2000多年前提出的“因材施教”。

自适应学习在国外的发展

我们可以看到，人工智能教育的发展在国外已经有很多年历史了，在这个细分领域叫“自适应学习”，DynEd已经做了20几年自适应学习。

这里包括国外很多高等教育界的人士，包括很多科技人士，他们对自适应学习、对个性化学习非常认可。包括很多媒体和经济学人、福布斯、纽约时报等都对自适应学习做了深入的分析和研究。尤其是比尔·盖茨梅琳达基金会在2012年时投入一个基金，投资第三方机构对市场上自适应学习产品的特点、特色、差异性和自适应产品的学习效果做了分析和研究。

美国市场关于自适应学习的产品非常丰富，其中列举了十几个自适应学习产品。像这些传统慕课形式的教育在最近都渐渐转向了自适应学习，还有澳大利亚自适应学习公司。科技很性感，大家最终得看效果如何。

研究自适应学习产品的效果如何，得出三个结论：第一，采用自适应学习的学生高于人工教学的学生成绩。亚历山大州立大学，学生通过率提升了17%，课程退学率降低了56%，说明自适应学习的产品非常适合学生，促进了他们学习的动力，帮助通过了通过率、降低了退学率。第二，及格率普遍提升。第三，学生提前完成学习任务，学习效果显著。亚历山大州立大学45%的学生能够提前四周完成课程，因为学习能力特别好的学生学习能力强、学习能力快，能够提前完成学习目标。独立研究者，2011年研究发现自适应学习效果跟一对一 老师学习效果不相上下。

乂学教育的本地化

乂学教育做了本地化，一年前做了国内第一款针对中国K12领域学生自适应学习产品，学生在系统上得到个性化的学习，每个学生的学习进度、学习内容、学习路径都不一样，最终是帮助每个学生获得最大化的学习效率提升。

自适应学习本质上是在模拟一个优秀的特级老师，因为优秀的特级老师非常难以复制、难以传承，相信有AI的技术能够复制优 的特级老师。类似于AlphaGo，它采用深度学习的技术模拟围棋高手，战胜 了人类。我们用AI的技术模拟优秀的特级老师，带给每个学生个性化学习的体验，帮助他们提高学习的效率。

优秀的特级老师具备两个特点：第一，优秀的特级老师必定是这个学科领域的专家，他通过10几年、20几年、30几年的教学经验，对学科体系非常了解，知道知识点间的关系如何，他知道知识点是如何影响其他知识点体系的。所以在第一方面构建了这样一个知识体系，并让教学机器人学会这个知识体系，学会之后它就具备了优秀特级老师的知识经验。第二，优秀的特级老师具有非常好的教学方法、教学经验，能够根据不同学生的学习情况，找到学生的痛点和学生的问题所在，并且依据学生的学习情况，给学生制定个性化学习解决方案。

我们从五个维度模拟老师优秀的教学方法：

精准的知识状态检测。优秀的特级老师必定首先清楚的了解这个学生的学习情况，才能够做到因材施教。就像一个医生给病人看病，需要通过望闻问切，了解病人病因所在，才能够对症下药 。我们通过智能化知识检测，通过一个动态的测试，能够精准定位到每个学生学习情况，定位到每个学生的知识薄弱环节。

在学习过程之中，我们的系统能够实时监测学生能力情况，像医生给病人治疗过程中会时刻关注病人，比如给病人吃了一个礼拜疗程药之后，会关注病人反馈，再讨论接下来一个礼拜药方的配比。一个优秀的特级老师也一样会去关注学生学习过程的情况，并且及时调整学生学习活动和学习方案。我们自适应学习系统能够做到实时的、动态的去评测学生的能力水平，并且更新学生的画像。

同时，自适应学习系统能够形成内容画像，优秀的特级老师发现学生的问题之后，能够去找到匹配的学习内容，帮助学生补充他知识上的漏洞 。我们的智能教学系统也能够有一个学习内容画像，知道哪些内容适合哪些学生，并且推荐给学生。教学机器人能够针对学生推荐最合适的学习内容，规划最佳的学习路径，帮助学生最大化提高学生效率。

我们的系统、我们的教学机器人并不是百分之百代替一个老师，我们认为在教育里面教和育可以拆分，教是教学，育是育人，我们的机器可以替代老师教学。传统的教学环境中，老师大部分的时间是花在繁杂的批改作业、备课、授课、管理学生等事情，往往忽略了育人。我们的教学机器人目的是为了帮助老师摆脱繁杂的工作，帮助老师去从事更有意义、更有价值的事情。

我们的模式是七比三的教学模式，学生是70%的时间在系统上进行学习，我们的系统、教学机器人带领学生个性化进行学习。另外30%是老师给学生进行个性化的辅导，老师变成辅助者，不再是以老师为中心的课堂教育，老师变成一个监督者、管控 者，在学生需要的时候帮助学生进行答疑解惑，激励学生学习的兴趣，帮助学生树立学习的信念，帮助学生建立学习的信心。人机结合，达到最好的教学效果。

接下来分享自适应学习系统的三个特点：

第一，精准监测，像医生给病人看病通过望闻问切，现在西医通过CT、X光等检测，帮助医生给病人下药。我们通过智能化进行动态监测，精准定位学生知识薄弱点。花费最少的时间，最快速找到学生的薄弱点。比如数学里面有1000个知识点，我们通过大概两三百道题目，能够精准检测出学生在1000个知识点的掌握情况。传统做法，1000个知识点要花3000道题目才能检测出来。

第二，我们采用自适应对数是知识空间理论和信息论。在智能知识状态检测里面构建智能状态空间，类似AlphaGo在下围棋时会建立棋谱空间，围棋有361个格子，每个格子有三种下法，所以下法是3的361次方。AlphaGo做的事情是搜索这个空间，然后找到最大概率获胜结果的落子选择。我们智能知识状态检测里也采用类似的方法，构建一个智能知识状态空间，比如有1000个知识点，每个知识点有2种状态，一种是没有掌握的状态，一种是没有掌握的状态，所以是2的1000次放。就像AlphaGo里采用深度学习技术等，这些技术的最终目的是快速找到最佳 落子选择。我们的知识空间理论和信息论技术能够帮助快速精准定位到学生的学习状态和薄弱点。

知识论大家并不陌生，它的作用是给学生推荐每道题时，挑选这道题考察的知识点一定是信息含量 最大的知识点，这样能够最大化获得学生在其他知识点上知识掌握的情况。知识空间理论是通过知识点之间的关系，有些知识点之间是有关系的，筛选掉知识点没有关系的，缩小了搜索的范围。

在我们的智能测试里，每个学生测试所花的时间、所做的题量都不一样，但是最终系统能够定位到学生的实质状态、定位到薄弱知识点。智能知识检测一个最主要的目的是给学生进行遗补漏，传统课堂做法是无区别对待所有的学生和所有的知识点，所有的知识点对所有的学生都是薄弱知识点，每个学生都要花相同的时间去学习，它非常浪费学习效率。

我们的做法是通过智能知识状态检测，发现每个学生的知识漏洞 ，比如发现这个学生在所有的知识点里只有6个是薄弱知识点，其他的他已经掌握了。那么在接下来的学习和查缺补漏的过程中，学生只需要学习这6个没有掌握好的薄弱知识点，大大提升他的学习效率。

第二个特点，我们知识漏洞的追根溯源。学生在学习过程中，我们会时时刻刻去评估、检测学生的学习情况，去评测学生对知识点的掌握熟练程度，从而知道学生 在学习过程中碰到什么问题、学不好的原因是什么，我们会做细致的分析，并且及时调整学生接下来的学习内容，调整学生接下来的学习路径。

比如我们知道，在传统的课堂里面，有两类学生的学习专注度是比较低的，学生在学习过程中如果是一个初二学生，在初二方程概念上学不好，很有可能不是初二学生在方程概念下没有用心学，往往因为学生在初一因式分解没有学好。所以我们在系统里能够通过算法 、通过教育测量学和认知诊断理论，实时监控学生学习情况。学生每做完一道题，每看完一个视频，我们都会去评测学生对该知识点掌握熟练程度，如果学习不好，我们会分析原因所在，并及时调整学习内容。

在我们的系统里面，每个学生都有不同的知识状态，这是其中一个学生，这是另外一个学生，这里面不同的知识点有不同形状，代表不同学生对知识点的掌握程度，每个学生在每个时间点的状态都不一样。

我们的系统在每时每刻更新学生画像，才能够做到更加精准、个性化推荐学习内容和学习路径。我们个性化匹配体现在两方面第一是个性化学习路径的推荐，第二是学习内容的推荐，学习路径的推荐主要是规划薄弱点如何去学，比如这个学生有20个薄弱知识点，传统的做法是让学生自己从中挑选，或者按照线性排开。但不同的学生在不同的知识点上掌握的熟练程度不一样，不同的学生的学习能力、学习风格都不一样，每个学生都应该有自己独特的学习路径，我们的算法体现在依据每个学生学习情况，在知识点上给学生规划属于自己的最佳学习路径。这是其中一个学生在二次根式上的学习规划路径，每个学生都有自己的学习路径。

另外，个性化的学习内容推荐。类似于今日头条、亚马逊，它能够依据每个用户的兴趣爱好，匹配感兴趣的内容或者话题。在智能化系统里不仅仅依据学生的兴趣爱好，最重要的是每个学生在不同知识点上的掌握程度和熟练内容。在传统课堂里有两类学生学习专注程度最低，一类学生是学霸，一类是后进生，老师讲课的内容对学霸来说过于容易，对后进生来说过于难，所以这两类学生专注率不太高。

40分能力水平的学生，我们给他推荐的是45分难度的知识学习内容。如果学生是在60分水平，我们给他推荐的学习内容大概是65分难度。保证我们的学习内容对每个学生来说都有点小挑战性，然后让学生获得学习的动力，因为学生都喜欢接受点挑战。保证学生花一点时间后掌握学习内容，从而帮助学生获得小的成就感，小的成就感能够促进学生在接下来学习中保持持续学习动力和兴趣，从而逐步提升学习效率。

我们学习的流程大概是，学生在我们的系统上进行学习，后台学习分析系统做到实时采集学生的数据，并且结合学生历史的学习数据进行分析，并且更新学生学习画像。学生当时的学习情况和学习状态能够反馈给老师和学生，帮助学生更清楚了解学习情况，从而做到个性化的干预。同时，每个学生更新 的学习画像能够反馈到自适应推荐系统，帮助推荐引擎更好对每个学生进行精准的、个性化的推荐。

为了达到最好的技术、最好的个性化学习效果，我们跟世界上顶尖的人工智能教育机构合作，我们跟美国斯坦佛国际研究院一起合作成立人工智能自适应学习联合试验室，共同研发产品，共同给产品做友好和迭代。

大家感兴趣的是学习效果，我们最近举行了一次人机大战，把教育机器人和近20年教龄的高级老师的传统教学方式做对比，最终的结果是：通过机器教学的学生平均提分是36分，通过高级老师传统形式教学的学生平均提分26分，我们整整高出10分。

这是我们出版的白皮书，在产品研发过程中我们不断做对比实验，不断对产品进行迭代、优化，进一步改进和完善我们的产品。

这是我们产品的学习效果，通过一个学习或者半年之后，学生成绩的提升在不同地区、不同年级、不同学科的学习成绩都有不同程度的提升。

我们最初的愿景是希望通过最好的科学技术给每个孩子带来个性化的学习，让每个家庭不用再去购买学区房才能得到优质教育，让每个孩子轻松获得高质量的、优质的、个性化的教育，从而帮助每个孩子获得幸福的未来。