海风教育创始人郑文丞：AI如何助力海风用科技和爱普及“因材施教”

2018年6月13日-15日，由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导，上海市长宁区青年联合会、亿欧公司联合主办，拼多多协办的“2018全球智能+新商业峰会”在上海长宁世贸展馆举办。

本次峰会以“AI落地，产业升级”为主题，现场聚集超过5000位AI行业内外人士，共同探讨AI目前面临哪些挑战，当下如何商业落地，未来将会怎样发展等问题。中国科学院院士王曦、阿里巴巴集团技术委员会主席王坚、加利福尼亚大学伯克利分校教授Michael I.Jordan、猎豹移动董事长兼CEO傅盛、科大讯飞执行总裁胡郁等作为演讲嘉宾出席峰会。

在6月15日智能+教育峰会上，海风教育创始人兼CEO郑文丞发表了主题为《AI如何助力海风用科技和爱普及“因材施教”》的演讲。

他提到：

1、教育是大行业，大市场，AI在教育行业的容错空间比医疗、驾驶等领域大。

2、在线一对一模式解决传统模式的三个问题：1.0问题是供需匹配过程中的时空问题……

3、传统纸和笔面对面教学模式典型的痛点是“黑盒问题”，家长不知道孩子的学习体验怎么样，管理者不知道每一节课培训的是什么。

4、AI是教育的一个方向，两者之间的关系用赋能来定义是最好的，我们希望最后做出来的东西就像动画片里的大白一样。

现场演讲速记如下，经亿欧教育编辑整理：

大家上午好！很高兴有机会在这里分享，也很高兴看到这么多人用一上午的时间热情投身AI+教育这个领域，这是一件好事情。

首先探讨为什么AI+教育呢？一方面教育是大行业，有很大的市场，另外一方面它的容错空间比医疗等行业大一些，什么意思呢？ 医疗、驾驶领域的容错空间特别小，出一点事就人命关天。教育不至于到这样的程度。

我们发现AI和教育结合的时间点很快，比如说我们的项目中就有很多的应用在几十万课时量的学生和老师当中。

探讨具体的问题之前，我们需要把逻辑理清。讨论AI这个问题之前，我们首先探讨的是采取在线一对一模式商业模式本质解决的三个问题。大家都知道在线一对一这个模式在过去两三年也是挺火的模式，我们也是利用在线一对一的教学方式，针对中小学生进行课外辅导的公司。我们的模式解决了传统模式的三个问题。

1.0问题 很简单，就是供需匹配过程中的时空问题，这是互联网解决的问题，无非就是通讯成本、场地成本以及空间上的匹配，大多数学生分布在不同的城市，我们通过互联网解决了匹配问题。

2.0问题 可以展开探讨一下，就是传统纸和笔面对面教学模式典型的痛点。这里可以举一个例子，叫“黑盒问题”，家长端存在黑盒问题，假设你给孩子报了一门课，你的孩子是用户，你是消费者，典型的消费者和用户分离的行业，一个非常差的消费体验是什么呢？你买了课之后需要等很长时间才发现质量好不好，这个过程当中没有太多的输入信息，你问孩子学习情况怎么样，很常见的回答是还可以，这其实是没有信息量的。

从管理者角度来看也一样，刚才说一个机构有几十万的课时量，并不能搞清楚每一节课培训的是什么，作为线下管理者，不能等到投诉退费才去管理，线下管理者也面临黑盒问题。 互联网在这个教学过程中很有优势的地方在于对教学过程的掌握，也就是透明化课程的环境，原来门一关，你都不知道老师和学生上课时发生了什么，现在音频、视频、作业布置情况、完成情况都可以知道，包括老师的备课过程也都能够知道，是否预习，预习花了多长时间，以及课后测验结果都可以记录下来。这样家长就可以监督我们的课堂了，不仅监督我们的老师是不是在教学，也可以监督自己家的孩子是否认真上课。

我们可以分析一些数据，这个过程发生的速度和效率对于事件的管控和引导，远比线下通过经验的积累、总结、归纳以及培训落地的东西效率更高，这也通过在线一对一模式解决的问题。

3.0问题 才是我们切入整体整题的，在线一对一模式让因材施教教育供给资源的数量和质量问题得到根本性解决。因材施教这个概念是两千多年前孔子提出来的，前面几个嘉宾也提到了，坦率讲这个东西在过去2000多年是小范围的人才有资格、有条件享受的，原因在于传统老师人群的课程过程是漫长的，一方面需要天赋，一方面需要经验的积累，这一块也需要传统的方法听课、背课文。

这件事情仍然是传统线下教学模式没有办法改变的东西，我们觉得 在互联网时代下，具有大数据的前提条件下，我们尝试想要改变这个事情，我们认为我们在做的事情本质上该完成的任务就是先解决1.0、2.0，再解决3.0， 并且阶段性取得了一些成果，这边也可以做一个简单的汇报。

我们通过一个系统平台扮演赋能的角色，从整体平均水平来看，最好的高级教师和特级教师有差距，我们希望通过平台赋能教会帮助老师做很多事情，使得他们的教学体验变得更好。

我们判断教学上AI赋能关系也就是AlphaGo这个项目，它在很短时间内击败了人类最厉害的围棋手，人类的围棋手迭代速度太慢了，一些下棋的套路都是局部最优解，机器达到的是全局最优解。教育能否像围棋一样，存在局部最优解向全部最优解转变的过程，我们积累的教学经验是不是也只是局部最优解？围棋是非常封闭的游戏，复杂程度非常高，所以 我们需要全维度的数据，了解所有的数据维度才能尝试做这件事情，我们尝试的过程改变的就是优秀老师的养成逻辑。

下面我们可以做一些相关的展示，主持人提到我们上个月发布了第一个AI项目叫好望角项目，希望引领商贸道路上的好望角，也就是地理大发现的开始，我们希望尝试这样的事情。

先看一个功能，大家注意到小的图标了吗？这个是我们上线好望角的 第一个数据维度， 叫做基于人脸、表情和眼球移动两个信息，掌握这个信息，传输信息、分析信息之后得到学生的数据状态，这边的标识是提醒老师的学习状态，一旦有特殊情况发生的话，他就会提醒老师，比如说学生现在的状态是开心的还是沉闷的。

类似于这样的功能效果还是比较好的，上线一个月之后老师都已经应用这样的功能教学了，首先这个是有用的功能，得到的反馈是一致的，特别是理科老师，讲得很深入的时候没办法实时监控学生的状态，这个东西可以提醒老师判别学生状态如何。同时摄像头也在拍摄老师，这个数据是提供给后台的，我们认为这是第一个信息维度，脸的数据我们也在同时积累，并且不断优化推断更准的结果，主要的交互界面是在奖励区。

第二个信息维度，我们探讨的是语音。 目前主要是三个阶段，跟AI没有半毛钱的关系就是交互频次，我们提醒老师，你要提高你的互动频次了。后面两个阶段我们需要进行探索和测试，一个是语调的识别，语音语调也是情绪的识别辅助，一个是对话内容分析，我们教学质检团队分析我们的教学内容，这两个环节在今年内也会完成内部的测试，然后在全方位铺开使用。

第三个环节是行为的分析， 我们掌握了所有的数据，但凡在我们平台上发生的动作都掌握了，我们相信当中是可以寻求到一些规律的，我们希望循序渐进，比如说从课后的练习以及适合的题目开始，对用户进行画像描绘，推合适的作业题，以及最终根据学生的表情，针对学习问题以及特征来分析适合学生选择什么样的内容以及题目去讲，这一块需要完整的对于用户知识图谱的画像描绘，这件事情在很快的时间内也会发生。

实现真正让课堂透明化，我们会把这样的分析情况提供给我们的讲师管理团队，让他们可以看到他们团队每个老师的在教学上什么地方表现好，什么地方不好。我们提到的知识图谱可以颠覆线下的传统教学方法，传统的老师都是凭经验，我们是凭数据驱动课程设计，我们相信类似的功能在不远的未来都会实现。在这个过程当中我们相信一件事情， 脱离不开的事情是数据，这也是教育提供方提供的，也就是说的数据是前提条件，有数据驱动可以更训练AI做更精准的推荐，这个过程一定是渐进的过程，也一定是赋能的关系。

最后一个话题，我们的定位是赋能AI和教学，什么意思呢？ 我们经常打一个比方，如果说教学最好的老师是“武林大侠”，我们平台上很多老师是我们经过筛选的很出众的年轻人，怎么能够帮助他们获得像武林大侠一样的战斗力？我们用AI和系统平台把他们武装起来， 我首先给他们发一把冷兵器，这个冷兵器越来越强大的时候出现了热兵器，然后出现了手枪、钢铁侠等东西，这个过程是循序渐进的，脱离开数据讨论所有的结论都是耍流氓。

最后切一下题， 用科技和爱来普及因材施教， 因材施教这一块我们也做了一些可以实现的功能，至于爱这个概念，我们最终是一家教育培训机构，爱代表温度感，今天这个主题是关于AI的，但它仍然是一个教育的方向，他们两者之间的关系用赋能来做是最好的，我们最后做出来的东西就像动画片里的大白一样，我们希望最终的效果是这样的路径，我们也特别高兴看到这么多的人关注这个行业，关注这个领域。

特别推荐：

1、全球智能+教育峰会专题

2、30家智能+教育企业系列报道专题