“AI+教育”是教育资源分布不均对症的“药”吗？

来源 | 智能相对论（ID：aixdlun）

作者 | 易不二

教育资源分布不均已经是我国千百年的教育难题，改革开放以来，我国在政治经济文化等方面都取得了举世瞩目的成就，人均受教育年限也在逐年增长，但一二线城市与三四线城市、同一城市城乡之间在教育经费、教育质量、教师资源等方面分布不平衡问题依然严峻。

“技术的进步，是解决教育普惠更好的方式。好未来希望运用(教+育)*AI，通过提高效率、改善体验，实现教育的公平与质量。”在2019好未来TI教育智能大会上，好未来教育集团总裁白云峰如是说。

教育被称为永远的朝阳行业，同时也被认为是AI落地的最佳场景之一，随着各大玩家的争相入局，AI+教育赛道越来越精彩，已从发展早期的探索阶段来到了升温阶段，目前，根据艾瑞的AI教育报告，AI+教育可分为辅助工具类和直接教学类，从这两个类型实现AI在教育行业的落地。然而，面对千百年来的教育资源分布不均问题，这些好未来这些企业们究竟能向前推动多少？

辅助工具类与直接教学类的殊途同归：规模化的个性教育

教育资源分布的不平衡，一方面，从城市资源来说，一二线城市与三四线城市的教育资源差异巨大，学生面对的教育机会完全天壤之别；从贫富差距来说，同样的城市，富裕的家庭又能得到更多的教育资源。另一方面，从学生角度来说，传统的教育无法做到个性化，不能满足每个学生的接受程度，从而导致接受能力慢的学生跟不上，而接受能力快的学生却要浪费时间听自己已经会了的知识点。另外，老师每天都要面对大量的备课、作业批改、教研任务等，没有更多的精力去给每个学生做精细化辅导。

AI+教育解决教育行业痛点，体现在两个方面。

首先，让教育从千篇一律到有针对性，更大规模化的实现“因材施教”。好未来搭载智能教室WISROOM 2.0版本，根据学生的个性化数据反馈来调整授课内容，成为适应每个学生的课程。WISROOM 2.0的“智能大脑”T-Box，可以实现表情识别、人脸框检测、语音识别、动作识别等智慧课堂所需AI能力，分析学生上课是否专注；在问答环节，根据学生的做题时间长、正确率低，去安排这名学生回答相应难度的题目，让学生找回信心。同时，学习数据将会反馈给老师，帮助老师了解各个学生的情况，针对不同的学生调整相应的教学方案。

乂学教育推出的松鼠AI，以系统为主导完成“教”和“学”，模拟成一个优秀的老师，通过知识地图的拆分，细化到具体的知识点，更加精准地检测孩子水平的时候，再根据孩子的水平调整相应的教学模式，做到因材施教。

其次，将一二线的优质教育资源延伸到三四五线城市，更大范围地实现教育普惠。好未来还推出了“教研云”系统，来进行资源共享，普惠下沉市场。据TI教育智能大会介绍，教研云”系统汇聚了好未来16年教学教研核心资源，总计收入500万试题、2000册图书、10000张图片、4000个视频和1000个小程序，这些内容带有标签，可以通过输入关键词进行检索，供教研备课使用，具备完全数字化、可视化、互动化三大特征，可以帮助使用者获取好未来优质的教学内容、教学方法和教学经验。

网易有道用AI将老师从批改作业中解放出来，可节省更多时间放在学生身上或提高自身教育水平上。“中学老师花在作业批改上的时间是两个小时，老师布置作业、学生完成提交，老师做批改，分析、诊断、反馈给学生，这个过程每天都需要两个小时，强度是比较大的。”“对比传统的方法和有道的方案可以节省100分钟，也就是说从120分钟的批改变成20分钟的批改时间，之前都是手动一个作业本一个作业本的批改，现在可以实现批量的批改。”这样，老师就有更多的时间去教授学生，提高自己。

以辅助工具类起家转化为直接教学类的流利说，则以“与AI同行”公益项目来惠及大量教育资源匮乏的偏远地区。教育资源匮乏去的学生只需要下载“英语流利说”APP，就能跟着内嵌的人工智能老师进行英语学习。

从事物的特殊性和普遍性来说，一个新事物的发现我们会认为它具有特殊性,但是当我们对事物的认知达到一定的程度,它就会具有普遍性。不管是辅助工具类AI还是直接教学类AI，在大范围的教育普惠和规模化的因材施教目的上，都是殊途同归，也都已经技术的发展下，从特殊性走向了普遍性。这个从特殊到普遍的变化，是AI教育从教师效率和学生体验上做了根本的改变，从而优化教育资源的分配，提高学生学习质量，实现更加公平而有质量的教育。

解决教育资源分布不均，AI+教育还有一些问题

“人工智能的数据处理整体上还处于比较简单的阶段。数据处理包括多模态的数据收集，比如课程音视频数据、学习交互数据、日常练习数据；数据化处理，如图像识别分析、语音分析；可挖掘的数据分析，譬如学情分析、综合测评分析。”2019全球人工智能与机器人峰会的智慧教育专场，腾讯AI教育总经理关俊辉如是说。

这意味着，AI+教育虽然在人工智能领域的风口已极速升温，但仍然还有很长的路落地之路要走，智能相对论认为，还要面对一些问题。

第一，从行业角度来说，数据短板限制AI发展。

工欲善其事，必先利其器”，因材施教的前提，是对每个学生进行个性化关注，这就需要AI跟踪记录完整的教学与学习数据，从大量的数据中多层次、多精度、多情境等去分析教学与学习特点，从而辅助教学。但在教育领域，尤其是公立学校，并没有足够的教育和学习数据被记录，这就无法为人工智能提供足够的数据支持。新东方在线COO潘欣曾表示，人工智能最核心的不仅是算法，还需要数据，对整个教育培训行业来说，最缺的就是数据。

对于培训机构，样本学习的场景主要来自于在线教育和课堂教育，以好未来为例，截止到2018年末，好未来共服务了全国234个城市及地区，1107家教育机构，超过2万线下学员。但，这样的数据依然不够。每个学生的学习状态都不一样，而不同的课程的学习状态又有不一样的表现，比如，有学生可能上课一直全神贯注，表情、动作都符合认真听课的标准，但实际上，他可能在英语课上画了一副老师的漫画。而且，培训机构的学习环境下的人群与学校的环境下的人群，又具有不同的差异性，对学生真正做到个性化关注，就需要AI建立多个维度联系对其取样分析。

第二，从学生角度来说，数据捕捉存在信任危机。

互联网时代，隐私是人们最为重视的事，但这也是常常引发信任危机的源头。据至顶网消息称，新东方教育科技集团信息安全负责人杨宁曾说新东方每月遭受的应用层攻击（如扫描、SQL注入等攻击尝试）高达上千万次。外部攻击风险和内部数据泄露一直是造成信任危机的主要原因，比如曾经的携程“隐私泄漏门”、华住酒店近5亿条数据遭泄漏事件等。在智慧课堂上，AI要以个性化关注做到因材施教，就需要不停的捕捉学生的动态，而那些不断被AI收集的大数据，若无法被100%保证只会十分安全地出现在于教学系统里，则会引发巨大的信任危机。

怎样能避免危机产生？除了企业建立防御体系，行业建立标准或是解决之道。美国OpenEd的CED亚当布卢姆在面对“在保护学生数据隐私和安全的同时，如何满足人工智能工具的需求?”提问时曾回答说：“我们正处在一个没有PII(personally identifiable information：个人可识别信息)的位置。如果你获得了足够的信息，那么有可能解析出某个人是谁。因此， 我们需要行业标准。 在隐私方面需要更好的标准，如果他们遵循这个标准，就没有人会被起诉。”

第三，从老师角度来说，AI引发被替代恐慌。

随着人工智能的发展，“未来10年可能超过50%的工作会被人工智能所取代”这种说法开始流传，而AI在教育相继取得的成就，也引发了老师们担心被替代的恐慌。根据BBC基于剑桥大学研究者 Michael Osborne 和 Carl Frey 的数据体系，分析了 365 个职业在未来的“被淘汰概率”，其中人事、客服、政府职员、会计等职业都高于89%，而教师被取代的可能性仅为0.4%，不难看出，能被AI取代的，一般都是工作流程简单、重复性高这些有客观标准可被量化的职业，而教师这样有情感需求的职业，则很难被替代。根据艾瑞咨询的《中国人工智能自适应教育行业研究报告》,人类教师以经验教学为主,优势在于情感、创新和温度;人工智能自适应学习系统,以学生学习数据为基础,优势在于精准,标准和速度。教师除了教书育人，还充当着学生的引路人、帮助者和陪伴者，AI也许能做到教书，但做不到育人。

“一切AI落地的矛盾都在于从事人员对于新技术的抗拒、抵触心理，本质是担心被替代掉”，只要疏导了教师被替代的心里，老师层面的落地矛盾也相应解决了。就如福建教育学院教授黄家骅在《人工智能重构未来学校》文中说的：机器人只是替代教师的部分劳动，并不能取代教师的角色。

结语

随着好未来、网易有道、乂学教育等巨头在AI+教育赛道上的不断突破创新，大规模实现因材施教和大范围实现教育普惠将不再是难题，而随着技术的不断发展与人们观念的的更新，AI+教育面对的难点，也有望逐一解决。AI加持下，好未来等巨头已经为解决教育资源分布不均迈开了一大步，随着技术的成熟，缩小教育资源的不平衡差距，实现规模化的个性教育，是非常值得期待的事。

不管怎样，AI+教育赛道上，风已渐大，教育行业正在变天。