乂学教育松鼠AI创始人栗浩洋：知识地图是实现“哪里不会学哪里”的关键| AIAED全球AI智适应教育峰会

2019年5月24-25日，第三届AIAED全球AI智适应教育峰会召开。“人工智能+”这两年快速兴起，其中人工智能和教育因为其天然的结合基础，获得了快速融合发展。为了更好地推动人工智能教育产业的发展，打通行业信息流动通道，推动全球的科研机构、投资机构、教育机构形成合力，36氪联合乂学教育-松鼠AI等产业链头部机构举办第三届AIAED全球AI智适应教育峰会，旨在“在全球普及人工智能教育，推动人工智能技术对教育的改变和发展，为了人类更好的教育公平性和教育成果做出贡献”。

在传统教育方式中，老师的授课方式就好像是一个黑盒子，学生并不懂老师的授课逻辑是否对自己适用。但是在人工智能时代，AI加持下的教育行业却可以通过技术手段识别契合学生的教育手段。而且，乂学教育松鼠AI创始人栗浩洋认为，目前AI不仅可以帮助学生找到个性化教育手段，还能让学生实现真正的减负。他笃定，AI+教育的组合，是未来教育的前进方向。

以下是经整理后的演讲全文：

在这里，其实我想讲一下人工智能教育的发展，以及我们松鼠AI是如何来做人工智能教育的。很多人其实来之前，包括我的朋友说，来这样的大会经常听不懂。没有关系，熏陶也是一种成长。我之前并不是学人工智能的，我想马云之前他也并不懂互联网，他也不懂人工智能，现在他已经开始做了达摩院。

美国已经有40家多家人工智能或者是数字化学习智适应教育公司，其实在全球的每个国家，不管是日本、韩国、澳大利亚，还是爱尔兰等国家，人工智能教育公司都在蓬勃兴起。上一周，我去了迪拜。在阿联酋有一家人工智能教育的公司有4年的历史，而且在当地已经有了25000名学生，比起当地阿联酋的学生来说，这已经是一个非常大的数字。在印度有一家公司已经是50亿美金的估值，它做智适应已经做了十年的时间。但是在中国人工智能智适应的教育才刚刚开始，所以这也是我们想要办这一场大会的目的。

其实我们看到国家的政策这两年在不断快速鼓励这个行业的发展，教育信息化2.0行动是教育部发布的行动，也是在讲智能教育，尤其是以学习者为中心的智适应化教育，不再是改变过去的以老师为中心的教育，让学生能够构建网络化、数字化、智能化、个性化的这样一种教育体系。以前我们的教育更像中医，老师望闻问切，讲完就结束了，整个过程是一个黑匣子，我们不知道任何的数据。但是通过人工智能智适应的教育，我们及时了解了每个学生他所学习的终生数据，而这些数据对我们帮助更多的学生也好，对每个学生了解自己也好，都有巨大的价值和帮助。

通过产品投放市场，现在乂学教育松鼠AI已经在中国20多个省市自治区，200多个城市，有了1900多家学校，这个数字每个月还有100多家的增长。我们已经有了200万的注册学生，但是更重要的是我们的付费学生，付费1-2千美金一年的学生，在今年第一季度比去年第一季度的同期，增长了14倍。这是我们感到比较欣慰的。

今天早上我跟Tom Mitchell教授还在讨论如何能够更多了解学生的学习信息，更多维度了解学生的信息。近期，我们也会由Tom Mitchell教授主笔发布人工智能教育的白皮书，他是第一个机器学习系的创系系主任，当时也做了一个机器学习的白皮书，我们希望人工智能教育这样一个技术的白皮书，能够领导和帮助这个行业和技术的发展。还有Ken Koedinger的加入，我相信我们在这个领域会越做越好。我们和斯坦福研究院一起合作，今天斯坦福研究院Marie Bienkowski也来到这个会场，这几年也联合发布了很多论文，在很多大型国际学术会议上去获奖，我们也有很多的系统，得到了很多顶级人工智能的支持，这也是我们的成果。

究竟松鼠AI的人工智能老师是什么样的？

今天我最想讲的是引擎架构，总共分成三个层次，本体层里更多的是内容，包括学习地图、知识地图。第二个层次称作为算法层，里面有推荐引擎，有学生的用户画像的引擎，有目标管理引擎。第三个层次是一个交互系统，就是这个系统如何和人进行交互。在今年之前我们的系统和人的交互，更多是通过视频、题目，和一些简单的互动和推荐系统，未来我们希望能够发展更多的人机交互，让学生和机器之间的交互更加的顺畅。

第一个本体层。我小的时候已经算是非常顶尖的学生之一，拿到了清华、北大、交大等offer。我那个时候在河南，能多考一分，就能比一万人考得更好，所以我每个月每科要刷一万道题。到今天为止，几十年过去了，孩子们还是要大量的刷题，包括小学的孩子都在大量的刷题，所以，到底我们如何能够给学生减负？如果不通过科技和人工智能的力量，根本不可能解决掉。而我们现在通过母体层中的知识地图，试图去解决问题。

什么叫知识地图？

我们看一个孩子是一个笑脸，实际上在孩子大脑里面，是一个又一个的知识点，我们不只是看到这个孩子的情况，他是一个学霸，或者他是一个学渣，而是对这个孩子大脑里面每个知识点有充分的了解，到底是真正懂了，还是掌握得一般，还是没有理解。

当我们有了这样清晰的判断，我们才能实现松鼠AI说的一句话，叫做哪里不会学哪里，我们只用学不会的知识就可以了。我95分，我只需要学5%的知识点，而不用去刷一万道题，一个40分的孩子，只需要学40-60分的知识点。有了知识地图以后，我们才能够对孩子进行对症下药的诊断，才能真正完成减负。

乂学教育在全球做了一个超纳米级的知识点的拆分。为什么做这么细节的拆分？我们把相机做到400万像素拉到了4000万像素一样，当我们做得越细腻，我们对一个学生知识点的诊断，相对来说也就越精准。

加减法这样普通的知识，教育机构只有五个知识点，我们拆成了100个知识点，超纳米级。很多人说是不是丧心病狂了，有什么价值要拆得这么细吗？

当我们拆得这么细的时候，我们才能真正让每个学生实现减负，而学得更轻松，更少。

去年到今年我们最新的一个研究成果，就是错因分析。这也是让我们团队去做了4、5年，但是那个时候我们没有足够的资金和财力去做，因为错因实在是太海量了，当我们把知识点拆到几万个的时候，题目可能就需要几百万的题目，因为一个知识点可能学习上万个题目在这个知识点里面。

错因来说，每一道题可能就有30个错因，我们有500万道题目，可能我们有上亿的错因，这是海量的，几乎没有办法完成的数据。现在我们在越做越好。

第一，我们发现了一些常见的错因，比如说粗心，通过这些错因，我们慢慢可以让孩子了解不是你知识点不会，而是你其他的错因出了问题。知识点的问题解决了之后，我们发现知识点哪怕全部掌握了，学生仍旧会出很多的错误，这就是我们说的错因，我们把常见错因总结出来，就可以覆盖30、40%的问题，而不需要上亿的错因。如果没有错因分析，其实没有达到非常好的教育个性化。当这些能力、思想和方法在不断训练的过程中，我们其实还做的一件事情，就是希望未来对这个孩子的想象力和创造力，去进行培养。

第二个层次是算法的层面，其实我们要做的事情很多，我们不仅仅像今日头条，要去做每个学生的用户画像的分析，知道每个孩子的状态，我们还要像今日头条一样，来去做推断，就是到底给他做什么样的推荐。我们的算法比今日头条难在哪里，今日头条只要推给你合适的内容就成功了，而我们要保证学生掌握这个内容，这个难度更大。对我们来说，如果学生没学会，就不是成功，所以我们还要有一个预测的引擎。Tom Mitchell教授说，我们不断实施采集数据，未来包括孩子的表情，他的动作等各方面数据的采集，能够更快优化我们的算法。

最后第三层，我们跟斯坦福研究院在合作，能够让机器和学生进行互动，我们也拿到了一些论文，我们的MIBA系统在世界人工智能大会拿到了大奖，这些都是科学家的努力，我们通过数据采集去了解更多学生的信息，来去完善我们的算法。他们通过深度学习系统，来去解决这些问题。

我们希望塑造一个超级老师，我们去年捐赠了100万的帐号，能够帮助每个贫困家庭的孩子去学。我们去了一个山区，在山区里面根本没有老师的情况下，我们用松鼠AI帮助他们去教学，把教育变得更可持续发展。希望我们能够用AI+教育，帮助世界上的每一个孩子。