AI赋能自适应教育的难点与机会
文库划重点：教学工作作为一个职业，它被人选择作为一项普通工作的情况越发明显，专门投入到教学研究方面的时间会相对有限，再加上普通的教学工作也很难带来较大的收入增长，使得这个社会最顶尖的人才很少会出现在教学领域。
说一说自适应教育
自适应教育的提出由来已久，不是这两年才出来的新概念了，或者换句大家更常见的表达，那就是比较有针对性的教学，或者因材施教。虽然这两个词不能完全表达自适应教学的意思，不过理解起来会更简单。
通过好的老师去实现针对性教学，从而提升学生的成绩，是没有什么问题的。在我们走访的若干较为知名的教师中，他们提分的诀窍基本都基于此。
不过非常遗憾的是，好的老师作为一项重要的教育资源，供给却始终是有限的，而且这个供应不是短平快的培训可以提供得了的。这需要这些老师们长年的投入，以及随之带来的教学经验。
教学工作作为一个职业，它被人选择作为一项普通工作的情况越发明显，专门投入到教学研究方面的时间会相对有限，再加上普通的教学工作也很难带来较大的收入增长，使得这个社会最顶尖的人才很少会出现在教学领域。
同时，名师的方向又分为两种，一种是补差的名师，把差生交到他手上，很快就能有提升，另外一种是培优的名师，能够让拔尖的学生更加的出类拔萃。在往名师方向发展的选择上，大家以培优的名师为主要的方向，也就是带出来更多厉害的学生，而非让更多的差生变得较好，因为这样的选择能够让名师们名利双收。
两种不同的方向选择，所需要付出的努力内容，也是不太一样的（具体有何不同，这里不再进一步探讨），无法兼顾。这样的现状，使得社会上那些更为广大的普通及以下的学生，很难接受到良好的教学，而他们恰恰是最需要教育来改变的那群人。
所以针对性的教学，说起来很好，听起来也非常有道理，却非常难以实现，主要卡在了供给上，而这个供给，从我们能够看到的时间范围内，是不太可能被调和的矛盾。
在过去的几十年，国内教育的“有”才算刚刚被解决，如何解决“优”，可以说是一个前所未有的历史性难题。
好在国外在教育的领域有了很多研究，针对性教学的研究也不例外，不过目前看起来成果都不是很明显。随着几年前AI技术的再次火热，通过AI去实现自适应教育，好像又有了新的可能性。
如果我们能够利用AI的能力去部分替代教师的作用，让更多的教师去补充那些还不太能够被替代的“人”的因素，两者结合，岂不妙哉？
AI赋能自适应教育的难点
不过这玩意儿说起来简单，理解起来也不难，但是操作上却是困难重重。
针对性教学分为两个部分，一部分是针对学生不同的水平，匹配相应的教学程度，另外一个是针对学生不同的特点，匹配不同的教学方式。我们现在用AI能力去赋能教育的领域，第一个部分还没有实现，更别说第二个部分了。
目前在线教育的大公司们，虽然出现了很多百亿美金以上估值的公司，但是大家现在在做的，基本上是把线下的辅导班利用一些技术手段搬到了线上，技术解决不了的问题，还是在用人海战术解决。
现在的局面是对线下教育的在线化，流行的还是名师大班课、在线双师课、小班课、1对1等等，在尽量用技术的手段弥补搬到线上后的不足，在尽量的让老师的人效最大化，真正的革命性的变革是没有的。
AI对于教育如果能够起到我们所预期的作用，那么一定是教育领域、或者培训领域的一个变革。它将改变过去的教学方式，不管是同步班课还是提炼的阶段性课程，老师过去都是一堂课一堂课的讲，这种情况未来可能会被AI所改变。
那么AI赋能教育，难点在哪里？
首先，是教研能与产品能力的结合。
很多的老师都具备教研的能力，虽然教研跟教学还不太一样，但是这二者之间好歹会有想通之处。而产品能力，或者产品思维，这是大多数的教研人员所不具备的。
同样的，具备产品思维和能力的人，很多时候又丝毫不具备教学经验。
这使得教研人员觉得有很多的产品导向，破坏了教学的完整性或者别的什么性，不能很好的将整个教学过程进行“完美”的展现；反过来，又会使得产品人员觉得教研的人员的想法过于老套死板或者什么别的，使得整个产品不够酷炫，不够吸引用户，跟别人无差别。
既是资深教研人员，又颇具产品的思维的人，非常少，所以能够很好结合教学跟产品的人就会很少。要他们相互拥抱，不是说不可以，但是需要时间，我相信最终大量的复合人才，不是招聘到的，而是公司资金培养出来的。
由于这样的原因，导致目前的现状就是，如果教研人员与产品人员有分歧，谁说了算，就听谁的。
因此我们从市场上很多教学的互联网产品里能够非常轻易的就发现，这是一个教研导向的在线教育产品，还是一个产品导向的在线教育产品。
其次，是标记数据与算法的结合。
需要注意的一点是这里提到的标记数据，而不是纯粹的数据。我记得最近两年的交流过程中，不管是同行、投资人还是热心群众，提到的最多的问题就是，大公司沉淀下来的数据这么多，那么创业公司还有什么机会。
没错，他们沉淀下来了很多的数据，但是我们通过AI赋能的话，需要的是大量的标记数据，而不仅仅是数据。
教育行业的标记数据，相比其它行业来说，要更为复杂。
比如电商的猜你喜欢、搜索结果的自然展现，主要是利用你已经沉淀的数据与别人的数据结合，然后利用算法来推断、反馈，训练的时候不太需要人工标记数据；比如人脸识别，它是抽取不同的特征值，结合算法来判断，最早的训练数据是需要标记清楚特征值对应的对象；比如图片识别猫狗，也是提取图片特征值，标记清楚这是猫还是狗，然后再训练等等。
上面的应用，要么是本身就有或者机器进行的标记，比如一些推荐算法，要么是任何一个人都可以做的标记，比如这张图到底是不是这个人，这张图是猫还是狗，但是教育行业不一样的地方在于，不是任何一个人都能够来进行标记，需要专业人员来进行标记，再结合算法去打磨。
如果我们仅仅是找同类的题，相对比较简单，一旦用户数据量足够大，就跟别的推荐算法类似，而且很多题库类产品已经实现了，那不需要人工去做标记，或者只需要少量人工去做标记。
如果我们要去识别这道题到底是“谁”，得进行专业一点的标记，从标签到权重，而且不同的学生做同一道题错的原因未必是一样的，所以找同类的题简单是因为从题出发，只有一类最为类似的结果，但是要清晰定位错的点，不同的人就不一样了。拿英语选择题举例子，有的人是因为选项的知识点没搞懂，另外的人可能题都没看懂，还有的人可能单词都没认全。
定位完学生错在什么地方之后，进行教学补充，这补充的教学到底有效没效，是不是做到了领域的针对性和形式的针对性。
相对而言，看起来技术含量更高的算法模型，倒是只要有相关技术储备的公司都能做，做的水平另说。不过相比其它很多AI应用靠算法驱动的行业来说，教育行业的AI应用，还处于标记数据的基础建设时期。
我想，这也是为什么很多公司说了很长时间，却没有做出来的原因。之前有很多同行说，你看，谁谁谁的公司，知识点标记都到了“夸克”级，但是标记的有效性和准确性，不是以粗细来做判断的，就像数学题，我们把每一个词组都做上标记，它无疑会增加大量的计算时间，却不会提高多少准确性。
有效的标记数据等基础建设，是AI应用的根本。此外，教学结果的反馈周期较长，也是对针对性教学的有效性的挑战之一。
然后，是完整的教学闭环。
针对性的教学，是需要历经知识图谱建设、对照检测薄弱点与优势点、定位薄弱及优势点、针对性教学、教学结果反馈、整个链条的反馈与打磨、成绩提升等完整的教学闭环的。
虽然现在行业内一个都还没有做得很好，但是我们一定要清楚这不是一个单点应用，这需要是一个完整的教学闭环。否则，针对性刷题的题库产品，已经能够满足相应的要求。
然而，我们会发现，题库产品解决不了最终效果的这个问题。原因在于，首先它只是推同类题，并不清楚你的问题在哪里，也就谈不上针对性的解决问题；其次，它针对你错题的类型进行推，但是你的薄弱点未必仅仅是你错的这道题，比如你有30个薄弱点，这次错题暴露了10个，那么它大概率会推这10个薄弱点的题，另外20个薄弱点要受到“照顾”，就得再等一等了。
我们在娱乐的时候，你有10个可被娱乐的点，但是我知道其中一个点能够娱乐你，我更多推这个点，你还是可以实现娱乐的目的，但教育不是这样的，需要挖掘所有的点，才能确保你能够学习、提升。
从图谱构建到最后的教学反馈提升，整个教学的闭环，少一环都无法实现最终有效的实现针对性教学提升。
最后，是长时间的研发周期。
考虑到上面提到的三点，也就意味着，这不是一个公司突击半年到一年就能做出来的事情。如果没有个几年专注的人力和资源投入，是做不出来有效的结果的。
AI赋能自适应教育的机会
考虑到现在大量的在线教育公司还在班课的战场上厮杀，一时半会还不会有结果，且他们大量的融资也意味着他们无法停止在那个战场的战斗，势必要争个你死我活。班课需要大量的资金，需要堆砌大量的人力，打下来也可以帮他们建立起较强的壁垒。
此时去选择另一个领域作为重点投入，想必不是他们的当前的重点选择之一。
所以我认为，自适应教育这件事，考验的是大公司的决心和小公司的耐心。
大公司的决心，自然不必说，需要有一个团队，持续的长时间投入研发，他们在短期内可能无法带来像样的收益，做得不好甚至会砸了公司招牌，会在取得一定明确效果前谨慎推出，直到最终做到一定的效果。
小公司的耐心，就更是困难了。首先要活得下来，才谈得上耐心，然后是相当长一段时间都不会取得非常明确的效果，但是还得销售产品换取发展的资金，不像大公司不缺钱，如果有决心，可以更长时间埋头研发。因此，小公司来做只可能是营销导向，根据不同的研发策略，有的策略前期甚至可能口碑之类的都会不太好，直到最终做到一定的效果。
不过好在，国内大部分的地区，还是处于教育资源匮乏的阶段。只要不非得聚焦高线级城市，不像某某ai那样炒概念纯圈钱，稍微做出点效果，还是可以被低线级城市的家长所接受的，等到打磨到一定程度，再反过来覆盖更高线城市的用户，也不失为一条发展之路。
对于创业公司来说，研发上不要憋大招，且做且进步且发展可能才是好的选择。
所以对于大公司来说，需要的是决心，对于小公司来说，需要的是活下来的能力和耐心。
收录于哈希力量，手机站省略本文固定网址
