其实人工智能+教育在∮国外已经有十几年的发展历史。国内我们想要打造的人工智能+教育的“特级教师”，在国外对应的概≡念叫自适应学习。

　　6月24日，人工智能先行者大会暨黑马大赛人工智能分赛在京举行，近千名人工智能产业相关创业者、投资人、产业专家参会。本次活动由创业黑马与人工智能新媒体平台黑智联合主办，联合冠名商摩比神奇与战略合作伙伴铂诺对活动进行了支持。

　　下午，乂学教育首席科学家、自适应学习和大数据专家崔炜进行了主题为《人工智能在教学机器人中的应用实践》的演讲。以下是演讲内容节选，经创业家& i黑马编辑：

　　大家好，我很高兴第二次站在创业黑〗马的舞台上，与大家分享乂学教育在过去接近两年的时间里的一些思考与实践。

　　首先我们回顾一下过去发生了什么。在过去10多年里，互联网浪潮、人◣工智能技术逐渐成熟、视频技术的发展等都推动了教育的发展，具体来说有以下五□波浪潮。

　　第一是互联网+浪潮。慕课的教育形式让教育资源可获得性大大提升，人们在家里就可以通过网络看到斯坦福、哈佛等大学里的讲课视频，获得高质量的讲课内容。第二◣是工具化的浪潮。一些教学工具、学习工具，给师生带来很多方便，比如学生可以◤在没有老师帮助的情况下，通过学习工具，快速找到他们问题□　的答案。第三是O2O的浪潮。这很好地解决了信息不对称的问题，让更多更好教师资源能够触及更多人。第四是真人一对一的浪潮。通过视频技术，很多人足不出户就能享◣受到国内外名师一对一的个人辅导。第五也是现在√最火的这一波浪潮，就是人工智能的浪潮。现在有很◣多做人工智能+教育的应用，包括采用图ㄨ像识别的技术做一些题目搜索，用语音测评的技术做口语的识别等等。

　　我们再来看看教育行业的痛点。传统教育的场景是一对多，一个老师对几十上百个学生进行授课。这种情况∞下，老师采用是一刀切的教学方式，不能照顾到↘不同水平的学生。从学生角度来看№，很多学生都不能得到个性化辅导，导致学习无法提升。另一方从¤教师角度来看，教♂师资源是教学的核心，但是 优质教师资源稀缺且昂贵。一个最好的卐老师，在保证教学效果的情况下，最多只能带100个以内的学生。

　　同时，我们也看到人工智能技※术带来了很■多应用。比如Alpha Go成功战胜了一位又一位的围棋大『师，比如在金▲融交易所里，有不少是机器在→做交易，众所周知，巴菲特每年收益率在20%以上。但是有一家公司能做到年收益率30%以上，叫复兴科技，是由一位数学科学家创立的，采用了人工↙智能技术构建一个金融交易的模型，构建一个高频交易的策略，写好代码后计算机可以自动化交易▃。

　　看了人工智能这么多↑成功应用之后，结合教育行业的痛点，我们想在教育领域里打▓造一个类似Alpha Go的教学机器人，给每个人带来个性化的辅导。它能够关注每个学生】的学习情况，并且能够提供个性化的学习建议⌒和辅导。

　　我们先来看看国外这一块的发展情况。其实人工智能+教育在国外已经有十几年的发展历史。国内我们想要打造的人工智能+教育的“特级教师”，在国外对应的概念叫自适应学习。自适应学习本质上就▼是利用人工智能和大数据分析，依据学生个人的知识状况和能力水平，给学生推荐『个性化的学习解决方案，让这个学生学习变得更加有效率。

　　目前为止，国外已经有几十家自适应教育产品的公司，包括我们都知道的Knewton，它目前已经融资1.5亿美元。很多国外著名的媒体比如经济学㊣　人，福布斯，还有比〗尔盖茨基金会等，都非常认可自适应学习这个发展方向的趋势，因为它回归到教育的本质，真正能做到因材施教。

　　国外已经有㊣很多公司对学生使用自适应学习产品的学习效果进行了详细分析，有公司发♀现自适应学习的学习效果，已经非常接近1对1的老师。2014年的研究↓也发现，通过自适应学习代数课程，问题解决能力能提高25%，集合代数就提高70%，而且还能降低学校整体的辍学率，提升◥学生升学率。从另一个角度看，自适应学习产品还能在一定程□度上减少学校的人工成本，因为学生大部分时间都是在系统上学习，真人老师可能更多属于一个辅助角色。

　　除了借鉴国外自适应学习产品的经验，我们也需要结①合中国国情，打造一款针对中国学生K12领域进行自适应学习ぷ产品。其实无论是传统还是MOOC形式的ㄨ教学，所有学生在每个知识点上花费的时间都是一样的。一个学生对知识点A掌握得好，另外一个不∮好，但是他☉们所花的时间一样。

　　而在咱们的自适应学习系统里，改进了这种学习方〓式。怎么做呢?

　　首先，我们通过检测发现他的薄弱知识点，并且详细◆了解到每个学生在每个细小知识点上不同的掌握情况。

　　我们知道，我们给学生精准的∩定位他的知识状态的时候，其实是在一个庞大◣的知识状态空间里给学生定位到他所处的知识状态。如果一个知识里包括500个知识点，其实搜索的空间就是2的500次方，因为每个知识点对应的两种状态：掌握、没有掌握。2的500次方是个庞大的搜索空间，做穷取∴法的话其实是非常耗时耗力的。此外，这500个知识点里面有◤些知识点跟其它的知识点关联比较▅大，因为它跟其它的知↓识点连接的更加紧。所以，我们在给学生挑选↘知识点的时候，要快速的找到知识★含量最大的知识点。

　　因此，我们采用了类似AlphaGO的技术，结合了知识空间理╳论和信息流技术，在更广泛的人工智能技术▓框架下，做到了快速缩小知识状态的搜索范围，给学生精准定位╱他的知识状态，同时快速找到知识含量最大的知识点。这样我们也〇就做到了，只需要花一两百道题的测试，我们就能针对500个知识点，快速检测出学生的知识状况。

　　除了』快速检测，我们也希望快速定位学生早期出现的问题，而不是等到学生在期末考试才发现。所以，我们系统做到的是持续跟踪、评估学生在学习过程中的学习掌握情况，学生做完每一∑　道题，看完每个知识点或者做完练习题，我们都会相对应得出学生在︻该知识点上的掌握情⌒　况。并且，我们会▃根据整个知识体系重新为进行学生的个人画像。这就像一个特级老师，不仅仅了解这个学生在某个专▓题上所掌握的情况，还了解他在整个知识体系中的知识掌握情况，实时跟进。

　　通过快速检测、持∏续跟踪和评估、够构建学生的画像，我们ξ就能给学生推荐个性化学习内容，从而匹配他最佳的学△习路径。比如40分的学生给他提供40-45分的学习内▽容，让这个学生迅速获得他学习成就感，从而提升他的学习兴趣和动力。

　　教育领域的推荐完全不同于电商、资讯的个性化推荐，就像 AlphaGO的模型只能用来下围棋，不能下象棋，我们在构建我们●教育领域的个性化学↙习路径推荐的时候，结合了〗人工智能+教育测量学、教育理论知●识。不仅考察给学生推荐知识点的属性，还同时考察学生当前的能力水平、学习能力、学ω　习效率和学生的当前知识状态，并且实时更新。也就是说，我们的个性化推荐会随着∏学生的能力水平变化、知识状态的变化，进行实时改进和更新。后台根据这些数据不断更新我们对这个学生的认知。

　　教育产品◥是很看重效果的。我们产品上线近一年的时间，大部分使用的学生都能得到有效的学习成绩有效的提升，一位学生原来只能考70多分，使用4个月后∮提高到了120多分，我◥们也收到了这位同学的校长的表扬。还有很多学生反◣馈表示他们喜欢这种新型的人机结合学习模式▂。

　　我们希望未来︽能将个性化教育带给更多的孩子，让他们感受到学习的快乐。

　　谢谢大家!