多知網11月29日消息，在GES2017未來教育大會上，好未來旗下學而思網校總經理陳寧昱、學霸君創始人兼首席執行官張凱磊、Wyzant聯合創始人兼首席執行官Andrew （Drew） Geant圍繞“大數據時代下的K12課外輔導市場新模式”主題展開討論。

　　以下為部分現場分享內容，經多知網編輯整理

　　AI出現，改變了教育的哪些方面？

　　John J-H Kim（嘉賓主持）：從孔子的時代開始一直都是老師對學生的培訓，但我們現在開始談論用大數據和人工智能，請問用大數據或者用人工智能和10年前單向的培訓有什么不同？

　　陳寧昱：在好未來的學而思網校，我們利用大數據、AI輔助老師，從關系層面，老師跟學生的關系還是教學和被教學的關系；但原來一個老師教十幾個學生可能已經是極限了，現在一個老師可以教成百上千個學生；另外，學生得到的體驗以及效果基本上跟以前差不多，甚至比以前更好。

　　雖然依然是師生互動的過程，但因為有了機器的加入，一個老師的口語課可以同時給幾百個學生同時上，但每個學生都會收到它自己個性化的反饋，這樣它就提高了老師的效率。

　　再舉個例子。我們一個晚上大概能收到十幾萬條來自于學生發起的學習問題，其中大概有7000-8000道是競賽類的題目，競賽類的題目可能會非常難，普通老師是沒有足夠的能力去很好的處理。

　　我們通過后臺分發的數據，可以把一道題目是數學還是物理先分清楚，機器算出后，會分發給北師大附中晚上在那講課的一個老師，它可以很輕易的把這道題目講明白，我們瞬間可以把這個效率拉高到這樣一個程度。

　　當我們能拉高到這種程度的時候，我們讓知識獲得變成了普及。所以，它除了效率之外，更大的提升是你愿意付一點點的成本來獲得更多的教育資源。

　　張凱磊：

　　是的，它變輕松了。

　　舉一個例子，中國有大概1400萬中小學老師，其中900萬人沒有獲得過大學本科以上的學歷。我們給那些準備授課的初級老師做了一個測驗，一張150分的卷子，絕大部分人很難考到90分以上，這就是我們在日常接受教育的實際情況。

　　但今天我可以讓他一個晚上一直在答立體幾何類的題目，讓他在兩個月的時間內見到比它20年教學經驗里見到過的還要多的立體幾何類的題目，包括學生各種不同的答案，可以在兩個月的時間里迅速成為立體幾何方面的專家。

　　所以，大數據它是在讓分工變細，是在讓人變得更專業、更垂直，所以我認為入門變簡單了，但他要成為一個專家變得越來越難了，如果不是非常非常的努力，他很難成為一個頂尖的數學老師。

　　Andrew（Drew）Geant：

　　我非常同意你說的，我覺得現在可能入門的要求變低了，但是有更多的細分，而且我們沒有辦法在每一方面都成為專家。所以我們會減少對某一些領域的要求，希望某些老師能夠成為具體某一個學科、或者某一個領域的專家。

　　那么，大數據也是輔助了我們學習的能力，我們可以了解導師是否滿足市場最基本的需求，他們是否能夠保持持續學習的能力。

　　陳寧昱：

　　未來的教學肯定是分工越來越明確、越來越細。比如說一個老師是一個本科生，但是未來可能他在某一方面就是一個博士。

　　John J-H Kim：

　　我們現在討論的是使用大數據和人工智能來幫助導師提高他們的能力，我們把討論的范圍更細化一些，你覺得這些機器人能在高考中做到什么水平？

　　張凱磊：

　　到今天為止，我們看不到強人工智能的突破。我們今年做了一個機器人參加高考，在數學成績134分，這基本上已經達到了一個頂尖的學生的水平。我們明年會讓這個機器人再參加一次高考，它的整個理科分數都可以全線達到考清華北大水平。

　　但是，我們做機器人、做AI與老師并不矛盾，我們做教育的很清楚，老師是傳道、授業、解惑的人，但其實這里面沒寫還要負責批卷找題目、備課。

　　我們今天讓機器來干這個事情就是希望老師回歸到傳道、授業、解惑的本職上。所以，機器人的出現，或者說數據的出現，是為了賦能老師，讓老師成為超級老師。

　　陳寧昱：

　　我認為老師不會輕易被AI替代

　　因為教育這個行業并不僅僅是說你能解題就行，或者說你能發現錯誤，這個東西都不是最核心的。孩子為什么有興趣？很多時候是因為老師的關注，他需要一個真人的關注，而不是一個機器的關注。

　　所以，其實我也比較贊同這個觀點，未來的很長一段時間內，我們可能解決的問題就是用像給醫生提供驗血結果、CT核磁共振結果的方式來幫助老師，讓老師的效率越來越高，但是AI在很長的一段時間內，應該都不能解決這個問題。

　　短期內，機器人無法替代老師

　　John J-H Kim：

　　我覺得其實大家都已經說得非常全面了，比如說AI可以幫助我們來檢查作業，我現在已經看到很多這方面的嘗試，這還會繼續垂直下去。但是談到長期的以關系為基礎的授課模式，或者在對一個學科的精通掌握程度上，這是無法被AI所取代的，機器人很難來替代老師，可能幾百年之后會有不同的情況，但是至少現在是不可能的。

　　在一些輔導學生或者和機器人對話來這一塊兒，可能會有一些幫助，這些可能會給我們提供一些幫助，但是我們強調是：以關系為主導的輔導或者授課，AI肯定是無法替代的。

　　我總結一下剛才三位的觀點，我們談到了使用數據來進一步使項目或者使整個學習過程更加有效一些。我們也談到了把不同的角色分離出來，比如說鼓勵學生更好地學習，在數據使用、傳授內容等方面可以進行有效的分工。

　　我的想法是，其實這是一個開放性的問題，這會進一步增加還是減少好的輔導老師的數量？未來輔導老師這個職業是否會有大量的需求？還是會有更多的不同的分工參與進來？

　　這是一種未來的趨勢，我們是應該更加區分化還是均衡化？

　　陳寧昱：

　　我覺得現階段，老師的數量應該是不夠的，即使說老師的效率越來越高，但是在二三線城市，甚至農村，其實我們優秀老師的整體數量是不夠的，一個小學老師會同時教好幾門課，所以在短期之內，我們肯定是要增加優秀老師的數量。

　　但是，未來會不會出現因為效率的提升，老師的數量開始減少？我覺得是有可能的，但是是特定的科目。我覺得未來的教學不會只是教語數外或者物理化學這些科目了，未來還會有一些像科學、理財之類學科。那這些學科可能就需要更多的老師，另外包括一些專業的方向，他可能也需要更多的老師。

　　所以，我覺得如果從單一學科來看，因為效率的提升，老師的數量可能會減少，但是從整體上來看，隨著學科的增加，我們的老師數量還會增加。

　　John J-H Kim：

　　這個市場是很好的案例，我們的業務正在發展，學生數量也在進一步增長，現在人們都在利用線上資源而不是線下資源進行學習，所以整個教師的數量是減少的。整個教課的范圍和規模還會進一步擴大，線上的老師會進一步覆蓋更多的群體。

　　張凱磊：

　　教育是一個在馬斯諾需求理論里面更高一層的需求，伴隨經濟的增長，教育整體需求是在不斷地在往上伸展。

　　我認為，今天任何一個技術的進步，都會激發更多的教育需求，所以我們不會看老師減少的可能性。在這個過程中，市場越成熟，就會有越多的人加入到教育這個行業。所以我們覺得老師的數量正在增加，這是一個整體在爆發的行業。

　　John J-H Kim：

　　我比較好奇的是你怎樣知道應該挑選什么樣的數據，并且知道會有什么樣的作用呢？我們都知道這個行業充滿了各種各樣的數據，但是獲取有效信息的方法和渠道是非常匱乏的。這就是說，我們有很多的數據，但是很難了解哪個數據能夠有得到有效的應用。

　　陳寧昱：

　　我原來是在互聯網行業和廣告行業工作，發現人工智能跟大數據在不同行業里，使用起來是有非常大的差別的，在教育行業，雖然我們也有大量的數據，但是我們根互聯網行業最大的不同就是優化目標不是那么明確，什么叫優化目標不那么明確呢？

　　比如說，在互聯網行業我們優化點擊率，但是在教育行業，我們優化的是孩子的學習能力，可能是他的學習能力是否提升，是特別難評估的，我們能拿到有效的數據，比如孩子做了多少道題，對了多少題、錯了多少題，他花了多少時間。但是它到底是進步了還是退步了，他到底是不是實際上掌握了這個能力呢？我們是很難掌握的。

　　所以整個教育行業，確實是像剛才Kim所說的那樣，數據很多，但是抓取的有效信息很少。我們不能判斷學生兩次考試成績不一樣是因為考試題目的變化，還是說他現在狀態的變化導致的，還是它真正學會了，所以我們只能從短期來確定這一個知識點他是不是徹底學會了。

　　張凱磊：

　　我來說一下我們做的幾件事。第一個，在中學的理科方面，所以我們把手寫識別做好了，再結合我們自己特質的硬件，可以有能力采集學生的所有書寫軌跡。每秒鐘采集120次，并且可以把它給全部復原回來。

　　整個教育行業現在還處在傳統醫學的階段，還沒有進入到現代醫學。現代醫學在發現了細胞，以及開始有了驗血、核磁共振等一系列技術之后，才突飛猛進到今天的。我們今天先把一個技術先給做好，就是說我能復原學生的筆記，我能復原它做的這個題目，并且我能把它翻譯為機器能理解的語言的時候，我們復原了主要場景。

　　但是我們現在還有很多進步的空間，比如說我們可以將考65分的孩子分為兩類，雖然我們能明確知道他們是不一樣的，并且告訴你不一樣的點在哪，比如這一個孩子他考65分是因為耐力不夠，他一個小時之后就開始出現大量的錯誤，不管什么題都錯；另一個孩子考65分，是因為他閱讀能力有問題，語言復雜一些他就會容易丟分；我知道這些不同，但是我不知道造成這些不同的原因。

　　我們有很多數據，但是信息不夠，我們把這數據反推回給人，老師可以弄明白這件事情，大數據弄不明白，說明它的訓練依然不夠。

　　所以，這就是我印證了我剛才所說的，到今天為止，機器不能代替人，我們不知道孩子是從哪一刻開始，這個能力丟失了或者沒有被培養起來，但是老師知道了這些信息之后是能夠去改變學生的，這就是為什么說我們今天干的本質上就是CT及核磁共振，我們給醫生、老師一個很好的報告。

　　數據的獲取與使用，如何把握？

　　John J-H Kim：

　　那你覺得這個數據應該如何收集使用？我們從6年前就開始專注于數據的收集，在有了很多數據之后，我們開始思考哪些是可以進一步優化的，哪些數據可以直接使用。我們最近出了一個機器人，它可以讓人們追溯之前所做的筆記，看一下哪個環節出現問題，這其中其實是包含很多數據的。

　　我們可以通過利用數據來進一步優化，并且提供更好的建議，能夠幫助學生實現更好的、更有效的學習。其實你每一次點擊網頁，產生的信息都可以被我們抓取，現在有很多公司都在捕捉這些數據里合適的信息，它的潛力是無窮的，我們可以更好地使用這一塊兒的數據。

　　我們把這個數據還原到非常有用的信息需要有一個閉環，這些收集的數據，是要應用到教學中，教學也是需要能夠改變學生的成績，這些也是需要能夠收到學生的反饋。

　　我做一個論述，看看大家同不同意？你們覺得公司是不是能夠用大數據和人工智能在收集這些數據以后，使用這些數據來教學？再用這些教學來收集更多的數據，這些公司會成功嗎？但是這樣對有些學校會不會不容易做到？

　　因為有的學校只能是在早上和晚上收集，它們沒有辦法收集在家里的數據，那么像在座各位的公司，你們都有學術的數據，也有行為的數據，你們同意我這種說法嗎？或者你們覺得這個還是一個開放性的話題嗎？

　　陳寧昱：

　　你是說，有的公司可以收集到學習的數據，然后再反饋到教學，然后再收集到更多的數據，形成這樣一個閉環？

　　John J-H Kim：

　　對，收集這個行為數據，以及收集學校內和學校外的數據。

　　陳寧昱：

　　目前相對來說是比較難的，我覺得這個產業其實是分成好幾塊的，比如說像學而思網校，我們主要負責課外輔導，包括線下班的輔導，但課內的學習，包括作業，比如說像學霸君，它可能會有一項搜題，包括像作業盒子，一起作業這種公司，它可能會進另外一個產業，比如說進公立校，包括學霸君現在也在進公立校，我認為目前在整個學生教學數據的收集上，不同的公司如果聯合起來，它可能形成了一個閉環，但是目前為止，我覺得我們倒沒有任何一個企業單獨能形成一個完整的閉環。

　　John J-H Kim：

　　我想在AI和大數據只會有少數的贏家，只有少數的公司能夠收集足夠的數據來使用這些數據。所以，我們需要有足夠的需求，你同意這一點嗎？

　　你覺得在以后幾年，如果我們搜索越多，就越能夠獲得成功，你覺得在未來會發生嗎？

　　陳寧昱：

　　其實，教育跟search還是有一個非常大的區別，教育看起來是一個市場，比如說我們認為教育是一個萬億的市場，但其實教育還是要細分的。

　　我們認為語文、數學、英語都是細分的，未來很有可能，包括成人教育、各種各樣的學科都其實是一個細分的領域，如果我們仔細去研究，它可能不是一個通用的領域。如果這個數據在某一個特定的領域形成足夠多的密度或濃度，它可能自己就能產生一個非常大的價值，當然它可能需要在單個領域產生巨大的數據量，這個數據量也是越大越好，應該是有價值、有標注、有目的性的數據，這種數據越多，肯定會越好。

　　張凱磊：

　　我們現在看到的情況就是，你問我會不會出現最后大家上的是同一個培訓班的？我會說永遠不會發生。但你問我說，有沒有可能最后你的所有的數據被少數幾個公司真正掌握，我會說完全有可能。

　　這是一個巨大的分發性的行業，所有的從業者都在使勁，或者有意無意地在做一件事情，就是盡量地使教學數據結構化，在過去的5年里面，有一堆人已經被落下了，剩下了一些人還在繼續努力。

　　所以再過5年，教學數據的結構化可能會被少數的公司真正地所掌握。