科技猎在线教育行业：从数据到内容
编辑导语：如今，AI发展的如此迅速，许多行业已经逐渐使用AI代替劳动力。那么，对于教育行业来说，AI是否能给取代老师的位置呢？本文作者基于这个问题为我们谈了谈他的一些想法。
作为一名在线教育行业的产品经理，长久以来，我都坚持一个观点：总有一天，AI 要取代老师。
诚实地说，以目前的技术水平，这一天还很遥远。AI 现在可以落地的，只是拍照搜题、语音评分、作业批改这些不涉及教学核心逻辑的边缘场景。但是，AI 取代老师，或者说取代传统的授课型老师，是一件一定要做的事。
为什么？
——因为教育塑造了人，而好老师是一种稀缺资源。
想要抹平教育资源分配的不平等，只有将“好老师”这个角色抽象出来，将它赋予到一个有着无限分身，又能因材施教的“新生物”上。
AI，某种程度上，承担着教育普惠的希望。对 AI 来说，最重要的有两个部分：一个是算法，一个是数据。如果把它限定到学习场景，那么最重要的就是学习算法和学习数据。
罗马不是一天建成的，学习类 AI 也不可能一蹴而就。
一开始，AI 通过人为设定的规则去执行对应的学习策略，学生通过与 AI 的交互，产生学习数据。通过学习数据的喂养，AI 可以逐渐演化出一套自适应的学习算法，从而实现千人千面的教学方式。
在 3 月以前，我一直以为学习数据是一款产品最重要的资产。在此之上，我们可以构建一个简单的、基于人工策略的学习算法。这样，学生的学习效率一定会成倍提高。
直到近 5 个月，我深度参与了教研内容的制作后，才发现了一个很朴实的道理：知易行难。
我一直认为，未来的在线教育会有四大特征：
- 知识的体系化：将知识以图谱的形式表现出来，包括知识的层级关系、难易划分和关联程度；
- 内容的形象化：将抽象的知识以具象的方式表现，让知识点更清晰易懂；
- 学习的交互化：主要是以游戏化的方式，提高学生的学习动力和兴趣；
- 过程的数据化：将学生的学习水平和对知识点的掌握程度量化，由学习算法根据学习数据动态规划学生的学习路径。
在这四大特征中，以前我觉得最难的是知识的体系化。
在四化中，数据好采集，但难的是数据采集过来，我们要怎么根据学生的不同情况，去做下一步的规划。比如我们可以设定量化的标准，达到这一标准，那么就算过关了；如果没有，会有分支的流程去处理，比如重新学习某个知识点。
新的问题来了，如果一个知识点达标了，下一步要干什么——这要去依据这个学科的知识图谱。
理科和工科，都有明确的知识点，知识谱系已经相对完善了。比如编程，先学数值类型，再学基于数值的运算，再围绕数值和运算构建更复杂的函数和数据集。
文科就不一样，知识点混乱，缺乏结构和标准答案。没有标准答案可以接受，但缺乏结构，就不知道下一步该往哪儿走。为什么文科不如理科？原因之一就在于知识图谱没有理科完善。
知识图谱也有高下之分，同样的终点，高手构建出直线，低手走成一个圈，最后却发现是歧途。这一点，成年人体验尤其深刻。
当一个行业处于开荒阶段，所有的方法和道路都要靠从业者一步步摸索出来，而由于行业本身的分离，这些积累下来的经验四散在各个公司，乃至个人的脑袋里。
知识的构建是离不开人的，即使技术突破，没有这样的一群人愿意去做，那也是白搭。这是最核心的元素。
我原本以为，一旦知识图谱构建好，就可以根据图谱和学生的学习数据，去构建对应的学习算法。但是深入参与到教研环节后，才忽然发现自己忽略了实际情况：即使我们可以根据学生的学习情况去构建算法，并且对学生需要学习的知识有着清晰的路径规划，我们也没有办法解决学生不会某个知识点的问题。
举一个具体实例：
英语中有时和态的区分，时是事情发生的时间，态是事情存在的状态。时和态组合起来，一共有 16 种情况：
比如：学生将来完成时这个时态不清楚，学习算法根据学习数据判断学生当前的情况，给他分配了对应的讲解，讲解如下：“将来完成时是用于表示在将来某一时间以前已经完成或一直持续的动作，将来完成时是由shall/will + have +过去分词构成的。”
坦白讲，这段话唤起了我高中时被语法书支配的恐惧。我多么想对出这些语法书的人说，朋友，我之所以错，就是因为我看不懂你的话啊。
什么是将来某一时间以前已经完成的动作？这句话有什么高深的寓意吗？是不是说，我虽然活着，但我已经死了？
我们配备了高端的学习算法，我们构建了完美的知识图谱，但最终它呈现出来的是一句干瘪、令人费解且毫无新意的废话。这种感觉就像范蠡心心念念的西施，突然被刘谦施法变成了东施。
这种情况如何解决呢？
这就要靠前面说的：知识的形象化。
拿上面的时态为例，形象化的方式就是用时间轴来表示，辅以具体的场景实例。
以前我以为，知识的形象化是可以大规模生产的，但事实证明并不行。拿我们在做的内容来说，每一个知识点，都是异质的，不存在大一统的形象化的方法。
而且知识的形象化，首先要求做内容的人，本身理解了这个知识点。上面的时态还好说，这些知识都比较简单。更深一点的，比如单词与单词之间的辨析，就要去追溯词源，查更多的资料。
有一些高阶的概念，懂的人就更少。更要命的是，懂知识点的人不一定能够把这个知识点很好地表述出来，使他人也能够很好的理解。
这也是名师为什么存在的原因。
所谓名师，首先是这个领域的行家，其次是一个好的传达者。行家容易找，好的传达者也容易找，但既是行家又是传达者的人，就非常难找。而人本身是一个非常好的交互载体，这样的三重属性合在一起，造就了名师。
但名师个人，是有局限的。
比如一个名师要教一百个知识点，他或许只有 50 个讲得很好，虽然对于单个学生来说这已经够了。但对另外 50 个知识点来说，他就不起什么作用。
再次，名师全靠一张嘴，形象化是有限的，他的形象化只限于把抽象的东西，逻辑层面的元素理顺了；而更进一步的具象化，是没有办法达成的。
现在，我们要做知识的形象化。
能够把知识形象化的人，如果知识比较浅显，那么能够去做这种形象化的人有很多。这里的知识可以指代高中及以下层次各学科的学习，而更高层次的知识，比如大学、研究生和工作后要求的专业技能，这些领域能够做形象化的人就很少。
当然，无论是低层次还是高层次，形象化内容的制作者都必须掌握形象化的技能，他可以不是具体的创作者。
比如要画时间轴，那他不一定要会画画，但他一定是一个策划者；创意方案、如何构建、如何精准地将意思传达出来，这是制作者必须要具备的能力。
能够达到上述要求的，如果他从事教育行业，无疑是精英。而一个公司如果要汇聚这么多的精英，就目前来说，恐怕连好未来和新东方都做不到。
像我们这种创业公司，目前能够做到的，只能是低层次知识的形象化。
比如单词，如何使得单词从一个重复性材料转变为逻辑记忆，这不需要内容制作者有很高的英语功底；那么只需要制定一些标准化的流程，而对每一个单词去做异质化的内容构建，这种方式仍然是可以尝试的。
当然，还有一种走捷径的方式，当团队中有人具备了专业能力的要求，即能看懂知识点，那么这群人可以去搜集国内外关于该知识点的优秀解答和呈现方式，将这些形式搜集下来，再根据需求重新加工。
这样，对于一些使用频率较高的知识点，就可以用这样的方式，来降低对制作者创意和策划的门槛需求。
除了寻找已有的优秀形式，分工是降低门槛的另一重要元素。
如先前所述，名师是聚合了专业能力和表达能力的稀有产物，又兼有人的交互属性（交互带来情感，调动学习的驱动力），所以成为一个稀有物种。而分工就是将不那么稀有的物种组合起来，以达到稀有物种的效果。
一些初级的知识，专业能力和形象化可以分离：那么有一部分人产出专业内容；一部分人负责对专业内容的创意；还有一部分人负责寻找优秀的创意；最后有一部分人负责创意的实现。
更高级一点的，可能产出专业内容的人和专业内容的创意要合并，但后两者仍然可以存在。总之，在可以分工的情况下，做到最大程度的分工，以降低对人的需求。
说穿了，内容形象化就两个难点：一个是内容多，每一个内容都得异质化；另一个是能做的人少。异质化没法解决，我们可以把客观世界化约为一个个公式，但我们不可能化约为一个公式。
能做的人少，现阶段只能靠分工；要么就是有更多优秀的人加入到教育的行业，要么就是有一个 wiki 平台。用户可以自组织创造一些内容，不过这种要求的门槛比较高，历史经验证明，门槛高的最后都死掉了。
还有一个更加异想天开的，就是每个大学都有一群大佬们不去写论文而去琢磨怎么把知识更好地呈现出来，那可能对高端人才的需求会一下子被满足掉。
#专栏作家#
善宝橘，微信公众号：善宝橘，人人都是产品经理专栏作家。一个崇尚终身学习的互联网斜杠青年，擅长学界理论与业界实践结合，专注新媒体、游戏领域的运营策划。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自 Pexels，基于CC0协议
