记者 |
“站在2021年，看教育AI这5年的发展，单从硬科技方面，教育AI基本上没有逃脱Gartner技术曲线。” 校宝在线董事长CEO张以弛日前在2021世界人工智能大会“推陈出新•乐育人才”技术创新与人才培养论坛上说。
张以弛提到的“Gartner技术曲线”，指的是“当一个技术刚刚出现，投资会特别火热，大家对于它的期望也很高，它快速会达到一个顶点，然后快速地破灭，最后再缓慢爬升上来。”
他以2014年国外最为火热的AI+教育公司KNEWTON为例，该公司是目前全球范围内融资最多的自适应教学公司，前后约融资1.8亿美金，但最终以不到2000万美金被收购。2014年该公司曾发布技术白皮书，里面提到其核心期望，即通过人工智能和大数据研究，为每一个人提供不一样的知识点学习路径、学习节奏及评估。
“这样的故事在2014年就已经有了，但是到2021年中国还有很多公司在讲这样的故事。”张以弛表示。
他对AI+教育整个大趋势的判断是相对保守的。在张以弛看来，任何一项技术都是有边界的，再好的技术也存在天花板，而今天教育AI的核心问题是仍无法完成它的服务闭环。
举例来讲，2-3年前特别火的情感计算，老师在讲课，通过学生的表情，可以显示学生是否有听懂，假如这个情感计算是百分之百准确、班级里面35%的学生没有听懂，那么老师要为这35%的学生改变备课教案吗？今天又有多少课堂实际在使用这个东西？
张以弛认为，如今大部分的“AI+教育”，本质是“AI+出版”，简单来讲就是AI录播课，“录播”的本质就是“出版”，核心就是给你看不同的书的章节而已。
“教育AI的天花板到底低不低，可以看中国绝大多数的AI公司人才往哪些公司流动。”张以弛注意到，“中国大部分教育+AI公司的团队基本不扩张，这个和其他行业不一样。”
流利说（NYSE:LAIX）联合创始人、首席科学家林晖则认为，AI技术的发展在过去十年里发生了一系列的突破。深度学习的出现，特别是感知类技术与生成技术的逐步发展成型，使得AI+教育有了本质的突破，实现了从不可用到可用的变迁。
但时至今日，“那些所谓的切入到核心教学环节的、无论是AI伪直播还是AI课，本质上还是千人一面，并没有做到真正个性化。”林晖提到，很多AI课其本质是动画片，只包含非常浅显、简单的交互，上课流程与教学环节并没有真正做到非常多的个性化、缺乏有针对性的互动。
“虽然我们看到了很多创新和效果，但是离真正规模的个性化，还是有较长的路要走的。”林晖坦言。
要做到规模的个性化，林晖认为有两个核心要素，一是数字化的内容足够丰富，数字化内容不是简单的一个视频或者音频，而是视频、音频背后的结构化信息，到底教了哪些知识点，是关于哪部分内容的讲解，内容要足够丰富，才有可能真的做到千人千面。
二是算法足够精准，对学生的学习状况评估是否足够准确，它的推荐是否足够正确，这两者缺一不可。如果没有足够内容，即使算法检测到学生的需求，也没有相应的内容给到学习者，从而提升相应的薄弱点。做出一个智能性很高、以及较多可用的数字化内容的技术产品，才算真正做到个性化的学习。
但这两个核心要素在目前的技术以及目前的实现阶段上，都处于较早期。
关于解决方向，无外乎在这两个维度上不断精进，除了用更精准的AI对学生做更好的评测，还有怎样制作更多数字化的内容。林晖提到，在生成技术上的突破，能够帮助我们生产更多数字化的内容，还有一些模块化的东西固化成系统，像搭积木一样搭出新的内容。
未来五年甚至十年，AI+教育的创新动力来自哪里？
林晖认为，首先，技术上肯定有更新的突破，并应用到行业里，进而产生像过去十年来一样强大的驱动力推动行业发展。
“在中国，未来五年很有可能发生的一个创新驱动力是来自于政策的推动。”在林晖看来，国家推动教育的数字化转型也是其中很重要的一部分。一些AI技术已经比较成熟了，比如感知技术。目前他认为比较缺乏的是基础教育人群里面的基础设施数字化，目前并没有做到很好的打通。
而随着未来数字化转型政策和项目的逐渐落地，如果数字化基座建立起来，所有之前的智能化技术，都能够在数字化基础上给学生做更好的评估；如果数字化内容建设更加丰富，也能够做更加个性化的教学，跟课堂做结合，这里面有很大的可能性。
张以弛比较看好的方向是“泛AI”在教育的边缘场景的运用。
一是通用型AI，即图像识别。张以弛介绍，图像识别在学校的门禁系统里应用较多，但是通用性的AI一定不是为教育场景专门开发的，在教育场景下它能够做一定的场景落地。比如说门禁能否支持快速的、大规模的学生的考勤？能否用手机的摄像头代替考勤机的摄像头？如果在每个教室门口装一个签到的考勤机，能不能做到300块以内？在他看来，这是真正的教育AI公司要做的，而不是在人工智能算法上做突破。
其次是高复杂度、高负荷度的算法问题。比如在教育场景中真实出现的分层走班排课（NP）问题，这是一个多项式复杂度的非确定性问题。行业现行的方法是利用人工智能做某种程度的优化，把一个老师的工作从两个礼拜缩减到两个小时，这也属于教育的边缘场景。
在张以弛看来，不管是通用型AI，还是高负荷度的算法问题，其最具有经济价值和社会价值的场景都不在教育，所以大概率讲，这些技术会在别的行业先被应用，然后在教育落地。
中国信息通信研究院技术标准研究所产业互联网研究部副主任臧磊则例举技术在教学、实验实训、考试等教育场景的应用。例如虚拟沉浸式课堂，它可以解决跨空间资源共享的问题，可以使不同地区的同学们，利用虚拟现实技术，享受同一个教学资源。
对于一些特定的考试场景，比如户外的体育测评，可利用自动的测量机器人，让体育老师从原来的手工测量，组织学生检测等繁重的工作中解脱出来，目前有些学校正在进行探索。
在臧磊看来，目前整个经济社会都在推进数字化转型，比如推动制造业数字化、工业互联网、交通领域智能交通和车联网的技术。“有些行业已经取得了比较好的应用效果，但是教育领域存在和其他领域不一样的地方，教育是以育人为本，需要探索出一条适合教育领域特征的发展路径。”
臧磊和学校探讨过程中发现，“有些学校对智慧教育一些手段或者技术的应用会抱着谨慎的态度，虽然他们带来了很多便利，激发了学生的兴趣，改变了传统模式，但它同时可能会带来一些问题，比如造成学生的注意力分散，或者说学生对电子方式的依赖，这个其实是教育实践者非常关注的问题。”所以还是要在教育和技术两者之间找到平衡点和契合点，帮助行业更好发展。
