AI+教育存在哪些误区？如何更好地融合？听听投资人和创业者怎么说

自2017年以来，在政策鼓励、人工智能技术爆发、资本加持的大背景下，AI+教育创业热潮开始兴起，人工智能技术在教育行业的落地应用逐渐增多。

截至目前，人工智能技术在教育领域的落地场景主要包括：语言类学习和测试；数据化课堂过程辅助教学；智能阅卷、个性化自动排课系统；自适应学习、虚拟学习助手和专家系统；软硬件结合的教育机器人；智慧校园一体化解决方案，已经基本覆盖“教、学、 考、评、管”全产业链条。

但是，AI赋能教育的同时也存在很多误区和错误使用，很多些项目都是从AI出发在教育中找应用场景，而不是从教育的实际问题出发找AI的赋能。

不可否认的是，人工智能与教育的结合尚处于起步阶段，还远没有达到人们的预期，当下，AI+教育存在哪些误区、又有哪些新的机会？AI+教育如何真正落地？AI+教育如何更好地融合？

近日，在蓝象资本主办的主题为“人工智能在教育相关领域的技术应用及发展趋势”分享会上，来自AI教育产业界、学术界、行业服务界的一线从业者，发表了他们的看法。

蓝象资本执行合伙人周爽认为，尽管人工智能在教育领域的应用，目前还存在处在探索阶段，但从教育的本质来说，也许未来对于不同教育目的的不同需求，可以分化出不同的分级，在每个分级里面，都会存在新的机会；好未来 AI Lab 算法科学家杨非认为，随着人工智能技术的发展和完善，想要实现全面应用到教育中大致需要经历三个阶段：教学辅助、价值创造、因材施教；优学天下副总裁欧阳明则分享了他对于AI+教育融合的思考。

以下是三位嘉宾的演讲全文，雷锋网做了不改变原意的编辑整理：

蓝象资本执行合伙人周爽：AI+教育的困局与机会

雷锋网注：蓝象资本执行合伙人 周爽

教育行业与互联网行业或者其他传统行业相比，它的发展轨迹和决策机制是不一样的。当人工智能与教育结合，我也从投资人的角度看到了一些担忧和机会：

1、大数据+教育，什么样的数据才算“大数据”？

目前大数据在教育领域的应用有智能批改、校车、校餐、自适应推题、高考志愿填报等。教育本身是个重服务的行业，具有很强的针对性、专业性和适用性，在大数据的应用上也就存在一定的难点。

 底层数据的筛选决定了最终的判断结果，真正的大数据应该是具备以下几个特点（by IBM）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性） 。

 比如用大数据分析做高考志愿填报咨询这类项目，从我看到的BP而言，很多项目都是用自己采集的部分数据样本来推演全体。我对这样的项目的科学性是存在质疑的。

 2、人工智能+教育，教育本质中挖掘新机遇

历史上，人工智能经历了三波风口：第一波，1956年-1974年，美国，感知神经网络软件和聊天软件；第二波，1980-1987，英国和日本，语音识别、语音翻译；第三波，2006，全球，深度学习、图像识别，但最终都“挂了”。

每个人心里对人工智能都有浪漫主义幻想，但理想与现实是存在差距的，理想比现实发展的更缓慢。在2019年的今天，卷积神经网络席卷全球，再一次燃起了人们对于超级智能的无限向往。那么，教育该如何分享这次人工智能浪潮中的科技红利呢？

对于教育领域来说，优质教育资源的稀缺、优质老师劳动力的解放等都是亟待解决的问题，蓝象作为科技主义者，一直坚信科技是推动教育发展，是解决教育公平、实现因材施教的唯一有效路径。

但目前在国内，对于教育的好坏并没有一个可以统一衡量的标准。比如，让孩子学习钢琴，目的是为了让孩子考级？还是为了让孩子开心？这件事情是没有标准答案的，这也就导致，人工智能在教育的应用中，无法准确的衡量到底什么是好的教育，什么是真正适合孩子的教育，也就无法判断应该收集什么样的数据，这些数据是否是真实、全面的。

尽管人工智能在教育领域的应用，目前还存在处在探索阶段，但从教育的本质来说，也许未来对于不同教育目的的不同需求，可以分化出不同的分级，在每个分级里面，都会存在新的机会。

好未来 AILab 算法科学家杨非：AI+教育如何落地？

雷锋网注：好未来 AILab 算法科学家 杨非

我国作为发展中国家，尽管近年来整体教育水平有了飞速的提升，但目前的教育行业仍然存在很多问题，比如，优质教育资源稀缺，不同地区、不同学校师资力量不均衡；教师工作负担重，课堂教学效率有待提高；我们还远远做不到因材施教，对每个孩子的个性化需求难以满足等。

随着人工智能技术的发展和完善，想要实现全面应用到教育中大致需要经历三个阶段：

第一阶段：教学辅助。即将一些相对较零散的技术应用到教学场景中，但还涉及不到教学的核心流程，仅能借助一些工具提升教学过程中的效率和优化教学体验，帮助老师减轻工作负担，比如：智能测评、智能批改、拍照搜题等；

第二阶段：价值创造。开始承担教育过程中的一些核心环节，通过系统化、智能化教学过程评价与分析，帮助学生提升学业表现，以及帮助老师提升能力价值，比如：学习过程评价、全流程学情分析与管理等；

第三阶段：因材施教。开始逐步实现高效的个性化和人性化的互动教学，需要具备强交互能力。具体应用比如AI老师、自适应学习等。

目前，人工智能在教育各场景中的全面落地，还存在一定的挑战，但毋庸置疑的是，随着技术的完善，人工智能在教育领域的应用场景会越来越广泛、越来越深入，最终实现教学以老师为中心转变为以学生为中心。

优学天下副总裁欧阳明：AI+教育融合的思考

雷锋网(公众号：雷锋网)注：优学天下副总裁 欧阳明

我们从使用人工智能的层面，做了一些AI+教育融合的思考：

第一，研究场景，找到刚需。

研究产品的前提是深刻理解产品的使用场景，找到真的刚需。比如，人工智能类产品应该往哪个方向发展的问题，哪个地方需求最大或者说哪个地方市场最大，就是人工智能产品发展的最好的方向。

以我们今天看到的在线课程来说，这可能是目前最大的市场机会。因为现在这个时代，流量已经变得非常昂贵，如何使用人工智能去解决流量的问题就是一个机会。

再者，在线类的课程想要做好教育服务，就需要大量的人工助教，助教的人数几乎可以占到企业总人数的50%甚至更多，他们的工作中，批改作业、跟家长沟通、做数据分析等这些效率较低的问题都是可以借助人工智能来实现效率的提升。

第二，人+AI，要有温度。

在我们自身探索AI课程业务的过程中，我发现如果只做纯粹的AI课程，其实最后产品在使用效果上依然是存在问题的。好的人工智能+教育，应该合理有效的将人和AI的优势进行融合，人擅长的事情还是由人来完成，而AI擅长的事情由AI来完成。

第三，少点鸡汤，深度融合。

每一波浪潮的到来都会掀起市场的狂热，这也导致现在大家对人工智能+教育产生了比较大的预期。在我看来，当市场还没有真正大规模的发展之前，应该选择一个单点把他打透，做一些深度的融合，会存在一些不错的机会。

相关文章：

2019，AI教育的变与不变

AI+教育如何抓住“落地”机遇？这六位引领者给你答案 | CCF-GAIR 2019

政策、技术生变，AI+教育路在何方？ | CCF-GAIR 2019

。