在每次时代变革中，教育从来都不会缺席。这个时代的主题是AI+，AI+教育自然成为当下教育的发展方向。

　　而在AI+教育火爆之前，线上教育已经开疆拓土了很多年。

　　据艾瑞咨询调查数据显示，自2012年以来，中国K12线上教育市场增长速度基本保持在30%以上（2015年为21.4%），在2017年增长率甚至高达51.8%，相◎应市场规模达到298.7亿元。因而，2017年也被认为是线上教育规模化变现元年。

　　图片来源：艾瑞研究院

　　2017年高增长率被认为是一对一在线授课的火热带¤来的，同时也是一对一在线授课清晰的盈利模▓式促使企业得以规模化营收。与此同时，新兴的AI技术也迅速被引入这＠一领域，促使科技（AI）和教育再次融合。

　　AI+教育也是德国人工智能研究中心（DFKI）的重要研究方向之一，同时，DFKI拥有全球顶尖的教育技术实验室。Carsten Ullrich作为该实验室副主任，在AI领域，尤其对机器学习、规划算法、语义数据库等▲▲AI技术的研究々与应用擅长，在此领域有超过15年的经验。

　　从AI到AI+教育的转身

　　在长达15年的AI研究生涯中，Carsten Ullrich对人工智能、机器学习、语义Web、Web 2.0、移动应用程序等都有研究，在诸多大型国际项目中，曾担任〓研究员、技术负♀责人，也曾在上海交通大学在线学习实验室担任高级研究员，进行教育方面相关研究。Carsten Ullrich从事AI教育研究工作，也是从对AI的痴迷中拓展而来的一个方向。

　　用传统思维来看，Carsten Ullrich的转型々很成功。“我∮通过人工智能进入教育领域，在对计算机科学研究过程中，我开始着迷于构建智能系统，当发现人工智能可以使人类学习更有趣、更高效时，我开始迷上这个领域，从那时起，我就开始进入AI教育研究。”

　　如果论及Carsten Ullrich在AI教育研究领域的成名作，针对智适应教育的PhD（博士）论文应该算是其中之一。

　　在这项研究中，Carsten Ullrich主↑要开发了一个课程生成框架，将复杂和现☉实的教育知识进行建模和应用，与此前的架构相比，该研究应用了诸如人工智能规划、用户建模、知识表示（语义网）等技术，根据学生的学习目标和学习能力生成了结构化课程。

　　Carsten Ullrich告诉雷锋网，“以前在课程生成方面的工作相当有限，并未考虑学习目标〒。例如，在教学过程中◥，使学生深入了解某个数№学概念的推导过程，不同于教学生推导方式，相对更难。我们的系统组建课程的目的包括深入学习、准备考试，以及培训具体能力等，可以使用人工智能构建非常详细的教学策略。”

　　此项研究成果得以在世界著名科技期刊Springer-Verlag（施普林格）上发表了，Carsten Ullrich也表示，“目前，未见有其他同领域研＠ 究成果超越该项研究成果。”

　　DFKI及AI教育研究项目

　　DFKI是德国顶级人工智能研究机构，也是目前世界上最大的非营利人工智能研究机构，其股东包括Google、Intel、 微软、宝马、SAP、Airbus在内的全球前十的顶级科技企业。同时，DFKI针对教育技◆术有专门的教育技术研究实验室，EdTec实验室研究和开发工∩作侧重于技术和软件，智适应教』育也是其重要研究方向。

　　作为EdTec实验室副主任，Carsten Ullrich告诉雷锋网，“在这里我们与工业、医疗等专业领域的工作人员合作进行应用研究，了解他们︻遇到的问题和对人工智能有的常见问题，然后构建能够真正带来价值的解＠ 决方案。”

　　Carsten Ullrich在EdTec实验室主要负责研究并带领工作场所教育技术潜力挖☆掘相关项目。例如，APPsist项目研究的是智能生产开发了一个辅助和知识服务架构；DigiLernPro项目研究的是半自动生成的数字学习场景，以支持工业生产中的员工。

　　以APPsis项目为例，该项目搭建的是生产中的智能辅助和知识系统，通过开发和应用新一代上下文敏感的辅助和知识服务以及底层架√构，构建一个集成的软件解决〓方案（系统），通过AR/VR及AI技术采集工作场所密切的信息、知识。该软件解决方案原型用于具有高度自动化的制造业工厂。

　　数据挖掘仍≡是难点

　　AI+行业应用的趋势加速了诸多行业的飞速发展。几年前，不会有人会想到机器人下围棋可以赢得ω　了围棋大师，但是AlphaGo做到了；不会有人想到摄像头可以用来抓逃犯，但是智能摄像头（人脸识别）做到了；也不会有人想到AI会应用到教育领域，但是乂学教育、洋葱教学、先声教育等大量教育公司已经涌入这一赛道。

　　与消费领域々不同的是，教育领域数据挖掘仍是一个Ψ老大难。对于AI应用来讲，要训练AI模型，必须要有大▲量的数据。此外，由于每个人的学习能力和学习习惯都有所不同，进一步增加了教育领域数据的碎片化。“在教育方面，目前只有在极少数方面有大量数据可以进行分析。”

　　谈到AI在教育中的应用瓶颈，Carsten Ullrich也认为，一项重▂大技术挑战仍是数据收集。

　　如果我们想要应用今天的机器学习算法，就需要大量的数据。但在教育【环境中，这些数据来自哪里？在学校环境中，至少学生的学习目标是相似的，我们可能会收集到大量的数据（Squirrel AI Learning非常适合这一点）。在其他环境中，特别◥是在成人教育中，这要困」难得多。另一方面，人类々可以担任AI模型训练师。那么，问题就变成了他们拥有的知识。一旦我们理解地足够好，在AI模型中实现它就不会太困难。

　　当然，出现技术瓶颈也是一个行业在上升期必然会遇到的问题，更何况，现在㊣　智适应教育的发展已经足够让我们惊讶的ξ　了。Carsten Ullrich认为，“学习分析（Learning Analytics）和教育数据挖掘（Educational Datamining）在学习▆管理系统中的应用已经取得了令人瞩目的成果。目前关于如何从现实世界收集数据的调研结果显示，行业中已经开始在教室、演讲厅，以及诸如智能手机上的传感器等场景收集数据。一旦我们能够缩小数字系统与真实（物理）生ω活之间的差距，AI就会变得非常◆强大和有用。”