「教育科技30+」乂学教育栗浩洋：我在用对手十倍的精力做“AI教育”

近两年，自适应学习、教育机器人、AI老师等成为教育行业的热词，越多越多教育企业走在探索人工智能应用场景的路上。

在此背景下，亿欧策划了【教育科技30+】系列选题报道，聚焦图文识别、语义分析、语音识别、机器学习、大数据等在教育场景里的应用和创新。

本文采访的是乂学教育创始人兼CEO栗浩洋，乂学教育成立于2014年底，是一家基于人工智能技术，为学生提供针对性的知识点图谱和定制化学习方案的公司。2016年，乂学教育开发了拥有自主知识产权的人工智能自适应学习引擎“松鼠AI”。除此之外，乂学教育还与线下教育机构合作，在全国开设了500多家“智能个性化辅导”门店。

---

自从AlphaGo击败人类围棋大师后，“人工智能”从一个技术概念变为了妇孺皆知的通用词汇。这几年，各个行业都掀起了人工智能落地应用的热潮，教育行业也不例外。根据亿欧智库发布的 《2018人工智能赋能教育产业研究报告》 ，人工智能及相关技术应用于教育领域，主要集中在 “自适应/个性化学习、英语语音测评、教育机器人、智能陪练、分级阅读” 等几大方向。

其中，自适应学习被很多人称作是“革命性地改进K12教育的生产力”： 一方面， 自适应学习能通过“智能推荐引擎”解决学习过程个性化的问题； 另一方面， 自适应学习能通过智能学情分析解决教学过程精准化的问题。这种教育方式，能够弥补K12教育班级授课的教学缺陷，实现孔子时期就提出的“因材施教”。

AI自适应技术如何运用在学习环节上？我国的人工智能自适应学习又发展到哪了？ 乂学教育创始人兼CEO栗浩洋分享了乂学教育在“AI+教育”上的实践与思考。

AI+数学：用数百个知识点给学生“把脉”

“从2015年至今，中国已经有40多家公司宣称自己是人工智能自适应公司了，但大多数公司并没有智能算法匹配，在知识点的拆分方面也比较粗犷。”

自适应学习本质上是在模拟一个优秀的特级老师，可以找到学生存在的问题，进行“因材施教”。但如果只有极少数的知识点和规则的路径，就很难准确的定位到每位学生的知识漏洞，以及跟踪到学生在不同学习时间的学习情况。

将每一个知识拆分成细致的知识点，对于定位学生的知识漏洞至关重要。 栗浩洋拿乂学教育举例，“教科书里面的一个知识点，可能在课堂上老师讲课时会分为两到三个知识点来教给学生， 竞争对手会拆到7到8个知识点，但我们会拆到70—80个知识点。 ”

拿具体的题目来举例，一道“分数的加减法”，乂学教育把这道题拆分成100个知识点。 栗浩洋认为，当把知识点拆分成更细腻颗粒度时，就可以通过更细致的诊断，判断出学生的学习程度，进行定位和针对性教学，节省学生的学习时间，提升学习效率。

把题目拆成100个知识点，实质上是在做“难度分级”： “如果一个孩子做分数加减法，他不会最难的异分母分数连续加减法，我们就降到第37级，让孩子做相对简单的分数加法；如果孩子不会分数加法，我们就降到第29级，让孩子做同分母分数相加，孩子不需要把两个分母相乘然后再去加法；如果孩子还不会，我们就降到第17级，让孩子做同分母的分数相加，并且不会出现三分之十这样的情况； 最后 如果孩子还是不会，我们可以降到第8级的知识应用，这个知识点叫做同分母的知识相加，并且不需要约分。 当我们把知识点拆到这么细的时候，我们发现没有学不会知识的孩子。 ”

栗浩洋认为细化知识点的过程，就像医疗从智能中医把脉到可以利用CT诊断的发展过程： “现在医学技术可以把每一个细胞看得很清楚。到底哪些细胞是有问题、病变的，哪些细胞是良好的。细化知识点后，我们就可以用相对更少的精力来学那些不会的知识点，不浪费时间在其他地方。”

AI+语文：拆分9级知识点破解的“玄学”

语文一直是人工智能“触不到的恋人”。

这是因为 人工智能胜在记忆和算法， 所以下棋、数学等和人类的比赛都可以轻而易举地获得胜利； 但在文字理解方面， 人工智能系统无法理解必要的信息，阅读和理解句子含义的能力存在局限， 所以2016年微软人工智能小冰首次尝试中国高考作文写作时，才会输得一塌糊涂。

利用人工智能自适应系统辅助学生学习语文？这并不是异想天开。栗浩洋表示，尽管数学、物理、化学更容易做知识点拆分，但语文学习同样也可以拆分为知识点。

“以前语文教研组的组长跟我说，我们做语文的阅读最多做一下难度分级，用AI自适应学语文简直是一门玄学。但我当时就说， 乂学教育就是希望把中医变成西医，把玄学变成科学。所以我们把阅读理解做到9级的知识点拆分，并对考点进行详细分析。 ”

栗浩洋解释，每个学生在阅读理解上，不理解或者不擅长的地方可能都不一样。学生很可能不是阅读理解不懂，而是不擅长一些线索题、细节题，或者不擅长主旨题、社会环境题，只要一考这一类型的题目，学生必然就会错。

拿线索题举例，乂学教育把线索题分成7大线索，比如说时间线索题目、地点线索题目、空间线索题目、人物线索题目、情感线索题目。 有的同学只会在情感线索题目中出错，因为只要有情感线索的题目一定有人物，而他正好对这一类型的题目不理解。让这个同学又做了10道人物线索的情感线索题后，他以后在情感线索题上面再也不会犯错。

“在传统情形下，刷一万道题，才能出来一道情感线索题。如果不把颗粒度分得这么细，给你专项的线索训练，根本无法给实时有效的教育。”

 不止学习知识，AI还能实现“错因重构”和“能力培养”

人工智能的核心在于数据支持。

大量丰富有价值的数据，是人工智能算法发展的坚实基础。没有数据，就像是建房子没有砖瓦。在栗浩洋看来，对于自适应学习来说，仅仅有“部分”数据是不够的。

“如果你在教学过程中只有错误数据和学生最后做作业的数据，而却缺乏整个教、学中间流程的数据，自适应教学是没有用的。整个教的过程和学生认知成长过程中的数据和知识才是最重要的。自适应学习系统的意义在于帮学生实现错因重构和能力培养。”

乂学教育提出了一个 “错因重构知识地图”。

为什么一道题考查知识点，有些学生知识点已经会了，但是仍旧会做错这道题？栗浩洋表示，这并是因为知识点不会，而是因为每个孩子理解问题的层级、角度都不同，所以乂学教育给每个孩子去搜集错因。

“ 无论英语、语文、数学、物理还是其他学科，孩子在学习时会在某一类问题当中屡屡犯错， 而整个初中数学就有近百万的错因。 我们会找到所有孩子的错因，通过算法去找到每一个孩子的错因可能性，然后根据孩子的问题对症下药，针对性地解决孩子的学习问题。 ”

错因重构、个性化学习……栗浩洋认为，从更深层次的角度来看，乂学教育所要做的是帮助学生掌握学习方法、培养学习能力。

自适应教育可以基于心理学和认知学等理论， 画出学生在学习认知速度的可能性和学习能力提升的一个阈值，让学生不仅仅是跟着AI系统去完成知识的学习，还可以通过这个系统来学习方法，培养孩子学习能力。

“对于孩子来说，每一个知识点不仅仅看的是有没有掌握，有时他掌握了也没办法完成一道题的应用或解答。要教学生的不止知识点学习，还有能力学习，所以我们对学习能力进行了拆分，要让孩子学会如何举一反三，如何举一反一百。”

乂学教育提出了一个 “可定义、可量化测评、可传授” 的三可标准来定义每一个知识点。 据栗浩洋表示，目前乂学教育现在已经有了500多种学习能力的拆分，每一个学科都有100多个能力的拆分。

人工智能赋能教育是大势所趋，越来越多的教育企业开始探索 如何利用 AI赋能教育行业，如何利用自适应学习实现个性化教育。 2018年6月15日，亿欧将在上海举办 智能+教育峰会 ，本次峰会邀请了乂学教育创始人兼CEO栗浩洋为大家做主题分享，更多精彩内容敬请期待，欢迎大家踊跃报名 ！

版权声明

凡来源为亿欧网的内容，其版权均属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。