时间：2023-09-06 09:31:40
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇人工智能辅导教育范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
这只是人工智能在教育领域的小试牛刀。虽然有专家预测在未来十年内不会看到人形机器人替代教师进入课堂，不过地平线报告2016年基础教育版和2107年高等教育版都预测未来五年内人工智能将会在教育行业普及。
教育行业已有的人工智能研究和应用
Woolf等人在2013年提出了人工智能在教育领域应努力解决“五大挑战”：①为每一个学习者提供虚拟导师：无处不在地支持用户建模、社会仿真和知识表达的整合。②解决21世纪技能：协助学习者自我定位、自我評估、团队合作等。③交互数据分析：对个人学习、社会环境、学习环境、个人兴趣等大量数据的汇集。④为全球课堂提供机会：增加全球教室的互联性与可访问性。⑤终身学习技术：让学习走出课堂，进入社会。
过去十年，一些研究者对人工智能在教育领域中的应用做了大量的探索。相关的研究成果包括：①跟踪学习者的思维步骤和解决问题的潜在目标结构（Anderson等，1995）；②诊断误解和评估学习者的理解域（VanLehn，1988）；③提供及时的指导、反馈和解释（Shute，2008）；④促进高效学习的行为，如自我调节、自我监控和自我解释（Azevedo&Hadwin，2005）；⑤以合适的难度水平和最适当的内容来规划学习活动（VanLehn，2006）。
这些研究，基本上使用到了人工智能的每一项技术——自然语言处理、不确定性推理、规划、认知模型、案例推理、机器学习等。“智能导师系统”就是基于这些研究和技术而开发的人工智能教育应用。类似的成熟产品包括Tabtor（hellothinkster.com）、CarnegieLearning（carnegielearning.com）和FrontRow（frontrowed.com）。2014年，加拿大西蒙弗雷泽大学的一项试验发现用智能导师系统的学习者比使用其他教学方法的学习者获得的成绩更高。
人工智能在教育行业的新发展
教育行业的三种类型（内容、平台和评估）的服务商都在经历着一场变革。内容出版商面临纸质印刷到数字出版和开放教育内容的挑战。学习平台正试图区分自适应、个性化和数据分析的功能。评估供应商则继续探寻从多项选择题测试转向更具创新性的问题类型。人工智能将为这三种类型教育服务商带来新的发展思路和契机，同时也惠及教育生态系统中的所有利益相关者。学生通过即时反馈和指导提高学习效率，教师将获得丰富的学习分析和个性化指导经验，父母能够低成本地为孩子改进职业前景，学校能够规模化提高教育质量，政府能够提供负担得起的教育。2017年，人工智能将在以下领域发挥其效益。
1.人工智能批改作业
批改作业和试卷是一件乏味的工作，这通常会占据教师大量的时间，而这些时间本可以更多地用于与学生互动、教学设计和专业发展。
目前，人工智能批改作业已经相当接近真人教师了，除了选择题、填空题外，作文的批改能力已经大幅提高。美国斯坦福大学已经成功开发出一种机器学习程序，能够批改8～10年级的作文。随着图像识别能力的大幅提高，手写答案的识别也接近可能。就连占有美国标准化考试60%市场份额的全球最大教育企业——培生公司也认为，人工智能已经可以出现在教室并提供足够可信的评估。据培生公司近期的报告IntelligenceUnleashed推测，人工智能软件所具有的广泛的、定制的反馈能够最终淘汰传统测试。
2.人工智能实现一对一辅导
自适应学习软件已经能为学生提供个性化学习支撑。据2011年VanLehn的一项研究发现，人工智能在某些特定主题和方法上比未经训练的导师更具有效性。进一步的研究发现，人工智能导师能在学生出错的具体步骤上给予实时干预，而不是就整个问题的答案给予反馈（Corbett&Anderson，2001；Shute，2008）。
自适应学习在拉美地区正在兴起。AndréUrani市政学校的学生使用人工智能软件Geekie观看在线课程（视频和练习）。Geekie为学生提供每一步的实时反馈，并随着学习的进展来传授更为精细的课程内容。
早在1984年，本杰明·布卢姆的研究就提出一对一辅导能带来更好的学习效果。而人工智能技术可以模拟一对一辅导，以更好地跟踪、适应和支持个体学习者。这将是人工智能在教育中更高层次的个性化学习应用。例如，比尔·盖茨看好的人工智能聊天机器人或个人虚拟导师，能在学生面临挑战时提供强有力的支持，随时随地回答学生的提问；还可以为学生订制学习方案和规划职业发展路径，并引导学生走向成功。更重要的是，人工智能可以匹配聊天机器人或虚拟导师的面孔和声音来满足学生个人喜好。对比网页界面的自适应学习系统，这才是真正做到了一人一导师。
3.人工智能关注学生情感
2016年地平线报告高等教育版把情感计算列为教育技术发展普及的重要方向。也就是说，人工智能不仅限于模拟人类传递知识，还能通过生物监测技术（皮肤电导、面部表情、姿势、声音等）来了解学生在学习中的情绪，适时调整教育方法和策略。例如，机器人导师捕捉到学生厌烦的面部表情时，就可以立即改变教学方式努力激发他们的兴趣。这种关注情感的人机交流为学生营造一个更真实的个性化学习环境，更好地维持了学习者的动机。美国匹兹堡大学开发的AttentiveLearner智能移动学习系统就能通过手势监测学生的思想是否集中。突尼斯苏斯国家工程学院的研究人员正在研究开发基于网络的人工智能教学系统。该系统能够识别学生在任何地方开展科学实验的面部表情，以优化远程虚拟实验室的教学过程。
进一步的研究发现，人工智能还可以关注学生的心理健康。当前已经有使用人工智能来为自闭症儿童提供有效支持的案例。例如，伦敦知识实验室在Topcliffe小学开展试验，让自闭症学生与半自动虚拟男孩安迪开展互动交流，研究人员发现患有自闭症的学生在社交能力方面有进步。
4.人工智能改进数字出版
教科书等课程材料并非总是完美，传统印刷出版让课程的修订变得过于缓慢。这不仅是生产工艺的问题，更主要的是纸质课程材料无法快速获取使用者的反饋来识别缺陷所在。而数字化出版在人工智能的支撑下能彻底改变这一现状。
人工智能可帮助使用者快速识别课程缺陷。大规模网络开放课程Coursera的提供者已经将这一想法付诸实践。当发现大量学生的作业提交了错误的答案时，系统会提示课程材料的缺陷，进而有助于弥补课程的不足。
另一项人工智能在数字化出版的应用是自动化组织和编写教材。这是基于深度学习系统能模仿人类的行为进行读和写。ScottR.Parfitt博士的内容技术公司CTI就依据这项技术帮助教师定制教科书——教师导入教学大纲，CTI的人工智能引擎能自动填充教科书的核心内容。
随着自然用户界面和自然语言处理在人工智能领域的成熟应用，课程材料的数字化出版也会有更新的形态——不再局限于书本或网页的形式，聊天机器人和虚拟导师将成为内容表达的更好的方式。
5.人工智能作为学生
多年的研究表明，教会别人才是更好的学习，即learning-by-teaching。美国斯坦福大学教育学教授DanielSchwartz正基于这一理念来开发新的人工智能产品。他联合了多个领域的专家一起开发了人工智能应用——贝蒂的大脑（Betty’sBrain），让学生来教贝蒂学习生物知识。试点研究发现，使用这一方法来学习的学生比其他学生成绩更好，且在科学推理上也更胜一筹。
类似的研究和开发还有瑞典隆德大学的TimeElf和美国卡内基梅隆大学的SimStudent，这两个人工智能产品也是基于learning-by-teaching而开发，让学生在教会机器人知识的过程中深化对知识的理解。
人工智能（artificialintelligence，AI）的概念最早是在1956年的Dartmouth学会上提出的，随着计算机核心算法的突破、计算能力的迅速提高以及海量互联网数据的支撑，目前已被广泛地应用于各个领域[1-2]。近年来，人工智能也给教育教学领域带来了机遇，人工智能+教育正如火如荼地开展和推进，改变着传统的教育形式及生态[3-4]。2018年教育部《高等学校人工智能创新行动计划》，各大高校在人工智能及其教育发展上有了纲领性的指导[5]。医学教育作为教育教学诸多领域的一隅，乘着人工智能发展的东风，各大高校在推进医学教学改革方面进行了大量积极的探索与尝试[6-8]。诊断学是由基础医学过度到临床医学的桥梁课，其教学质量的良莠直接影响到医学生的培养质量，传统的教学方法难以满足现代医学教学的要求，如何发挥人工智能的应用优势，让其更好地应用于诊断学的教学工作，也是诊断学课程教改的重要研究方向。
1传统的诊断学教学方法存在的问题
诊断学是学习临床基本技能最重要的一门课程，其内容包括症状学、体检检查、实验室检查及辅助检查等四大块，分为理论课和见习课，目前大多数医学院理论课采用的是以大班的形式在多媒体教室讲授，而见习课则采取分小组的模式进行，多年的教学实践发现该教学模式取得的教学效果不尽人意，尤其是近年来随着全国各大医学院校的扩招，出现了师资及教学资源配套的相对不足，上述教学模式的问题逐渐凸显。理论知识以老师讲授为主，采取的是“满堂灌”的教学模式，然而该部分教学内容知识点繁多，知识串联度不高，课堂灵活度、生动度较为薄弱，学生听完课以后对课程内容印象不深，知识掌握度差，同时由于学生的学习主观能动性差异大，不能进行课前充分预习的学生在课堂上更加难以跟上老师讲授的节奏。见习课是对理论知识进行实践，培养学生的实践操作能力，前期理论知识掌握度差又会影响见习的教学质量，导致教学过程形成恶性循环[9]。见习课主要采取老师讲授要领及演示操作流程，之后学生们互相练习的教学方法，该部分内容需反复加强练习，同样的动作要领反复锤炼才能熟练掌握，因课堂见习时间有限，而老师讲授及演示需占用大部分时间，学生动手实践机会不多，老师对学生的操作手法、操作内容、操作顺序等重要内容进行指导和勘误的时间少，学生操作的规范性难以保证，在以后的临床实践中，往往存在实践操作能力的缺陷。上述教学模式教师与学生们之间除了课堂时间，其余时间是脱节的，不能很好地沟通，学生们有疑问的知识点难以得到老师的及时解答，教学活动中没有充分反馈，各个教学环节难以进行教学反思，形成教学相长的良性循环。课后复习及阶段性总结复习是课堂知识内化及升华的重要方面，传统的教学模式通常是给学生布置课后作业，学生完成后上交由老师批改留档，这个环节学生与老师缺乏有效的沟通，且由于学生们学习主观能动性差异，课后没有老师的监督及针对性地辅导，课后作业的质量良莠不齐，教学质量欠佳是显而易见的。随着现代医学的发展及研究的开展，涌现了一大批新的诊断方法与手段，譬如关于肿瘤诊断的分子marker，评估预测疾病活动度及预后相关的指标，在临床上已经常规应用，但由于教材更新需要周期，很难跟新进展同步介绍，另外由于课时有限，难以全面地就学科前沿及新进展进行讲授[10]。
2人工智能应用于诊断学教学的重要意义
2.1教师方面
将人工智能应用于诊断学教学实践，削弱了教师的知识权威而强化了教师的价值引导，对教师的个人能力提出了更高的要求，促使教师踏实践行终身学习并持续更新自身知识结构。互联网高速发展的时代，知识呈几何指数更新并出现大爆炸，基于各种互联网即时通讯平台及手机APP，诊断学体格检查、理论知识讲授相关的小视频及研究进展不胜枚举，这就要求教师及时获取、更新知识并进行相应的知识储备。人工智能的应用促使教师从单人施教发展为团队施教，为开发更具个性化的课程教学注入团队的力量。基于大数据的人工智能可以减少诊断学教学过程中的机械性、重复性工作，如平时作业的批改、考勤统计等，减轻了教师的工作负担，教师可以将更多的精力投入到医德医风、医患沟通能力以及体格检查手法的规范化培养上，更多的心思放在丰富课程内容及教学形式上。同时大数据可以及时反应学生的学习动态，教师可以根据学生的反馈及课程评价有针对性地对学生进行相应的辅导。
2.2学生方面
将人工智能应用于诊断学教学实践，可以实时动态记录学生的学习情况及暴露的问题，如是否按时完成课程任务、测试中哪些知识点容易出错等，人工智能系统能够对这些数据进行关联分析和深度挖掘，并且可视化呈现相应的数据，有利于教师及时掌握学生的学习进度、参与度以及学习效果，并根据具体的学情分析数据来调整辅导和教学方案。基于人工智能强大的算法和分析，可以为学生定制个性化的教学内容及进度，提供更有针对性的课堂内容和随堂测试，并对测试及平时作业进行智能批改，真正做到查漏补缺。诊断学课程内容相对枯燥，学生们的学习兴趣有限，基于人工智能的教学方式可以寓教于乐，在课程中将一些比较零散的知识点可以设置成互动小游戏，营造出良好的课堂氛围，提高学生们的学习兴趣及学习效率。
2.3教学过程
针对教学过程，人工智能亦发挥着至关重要的作用。第一，诊断学作为桥梁课程，是一门必修课，包括临床医学五年制、八年制、法医学、基础医学等相应专业的学生均需要学习，人工智能拥有超强的计算能力和强大的“记忆力”，面对众多不同专业的学生，可以根据大数据进行分析，制定出适合不同专业学生的完备教学目标。教学活动开展过程中，人工智能还可以根据学生的课堂及课后测试表现，依据分层教学的要求自动设置梯次教学目标，帮助学生们逐步提升学习能力和知识掌握度。第二，人工智能可以凭借自身信息化的特点，对各种教学资源进行分析，为教师和学生选择更优质更合适的资源提供依据，促进个性化的教与学。第三，传统的教学方式、教学内容相对有限，人工智能基于大数据能够启发新的教学思路，创新教学方法，为诊断学教学提供更多的可能性。
3人工智能在诊断学教学中的应用
3.1智能教学系统
智能教学系统是教育技术学中重要的研究领域，其根本宗旨是使得学生的学习环境更加优良和谐，智能教学系统能够及时有效地调用最新最全的网络资源并充分优化后供学生学习，使得学生能够更加全方位、多角度地学习专业知识，提高学习效果[11]。智能教学系统大致由领域知识部分、教师部分及学生部分3个部分构成[12]，其中领域知识部分又称为专家部分，这一部分既包含了需要讲授的内容及掌握的技能，又可以添加专家的学术成果，既能够保证学生对于基本概念、基本理论及基本技能的掌握，又能够拓宽知识面，增加知识的广度。智能教学系统的教师及学生部分主要是为设计和制定教学方案及策略服务，基于大数据基础上，根据课程的特点、历年教学情况、学生身心发展特点及学习实际情况，制定更加个性化、高效的教学方案，促成教师因材施教，取得更加理想的教学效果。
3.2智能网络组卷阅卷系统
诊断学教学内容包括理论和见习两大块，教学过程中教师的大量时间用于出题、阅卷、批改平时作业等与考核相关的工作，并且在出题过程中需要围绕相对固定的重难点内容不断创新题型，消耗教师大量的精力。智能网络组卷阅卷系统能够充分发挥其优势，将教师从繁冗的考核相关工作中解脱出来，使得教师的教学更高效，教师能够把更多的时间。智能网络组卷系统能够有效收集和分析知名高校教学团队编写的在线题库，实现教学资源的共享，通过随机抽题组卷、答案随机排序、题型随机排序以及设置避免与历年考卷重复等，显著提升试卷的质量，亦能改善考试作弊的顽疾，客观地考核学生对知识的掌握度。智能网络阅卷系统有简明的阅卷流程，能够更有效地识别试卷及答案，能够明显降低传统人工阅卷方式因疲劳带来的出错率，使得工作效率更高、考核结果更公正。
3.3智能仿真教学系统
诊断学教学的见习部分是学生提高技能的重要环节，常常采用分小组在病房完成的方式进行，在课程的开展过程也凸显出了各种各样的问题，譬如因学生分组进行询问病史、体格检查，重复次数多，患者难以多次配合；在教学时间段内病房缺相应的病种，无法对所学的症状进行直观的学习；传染病流行期间出于对学生健康安全的保护，无法进入病房见习等等，此时智能仿真教学系统能够发挥重要的补充作用[13]。人工智能可以根据提供的海量真实临床病例，由医学专家整合其临床特征，联合计算机专家，根据相应的教学要求，形成虚拟病人学习系统，学生在仿真诊疗环境中，进行问诊、体格检查、诊断以及给出治疗方案，同时系统能够自动发现学生在问诊及诊断过程中的错误，通过实践、纠错再实践，提高学生采集病史、体格检查的能力，同时能够加强学生的临床思维的训练，夯实临床基本功[14-16]。
中图分类号：TP393-4
所谓人工智能，就是利用人工方法在计算机上实现智能，也可以说是人工智能在计算机上的一种模拟。人工智能广泛融合了神经学、语言学、信息论和通讯科学等众多学科和领域。目前主要存在三条人工智能研究途径：一是以生物学理论为支撑，掌握人类智能的本质规律；二是以计算机科学为支撑，通过人工神经网络进行智能模拟，实现人机互动；三是以生物学理论为支撑。
1 人工智能技术的特征
智能技术主要分为两类，人类和计算机智能，两者存在相辅相成的关系。利用人工智能技术能够实现人类智能向机器智能的转化，相反，机器智能也能够利用智能教学转化为人类智能。
1.1 人工智能的技术特征。首先，人工智能具备非常强的搜索功能。该功能是利用相关搜索搜索技术实现对海量信息的快速检索，满足个性化信息需求；其次，人工智能具备很强的知识表示能力。具体来讲，就是人工智能对信息的行为，能够像人类智能一样，对模糊的信息加以表示；最后，人工智能具有较强的语音识别和抽象功能。前者主要是为了对模糊信息加以处理。而后者主要是为了对信息重要度加以区分，以便提高信息处理效率。用户只需要智能机器提出具体要求便可，至于复杂的解决方案就交给智能程序了。
1.2 智能多媒体技术。首先，人机对话更加灵活。传统多媒体在人机对话方面极为欠缺，导致教学单调乏味，不能取得预期良好效果，但智能多媒体却不然，他能够实现人机自由对话和互动，同时还能结合学生实际对学生的问题给出不同层次的答案。其次，教学可行性更强。由于学生在认知能力和个人素养方面都存在差异，而且学习主动性也不尽相同，人工智能必须要结合学生实际学习状况，为每一位学生设计制定个性化的学习计划和学习目标，对学生进行针对性较强的教学，真正实现因材施教。再次，具有强大的创造性和纠错性。前者属于人工智能的显著特征，而后者属于人工智能的重要表现方面。最后，智能多媒体具有老师特征。在实际教学过程中，智能多媒体可以对教学双方的行为进行智能评价，以便能够及时发现教学中的薄弱点，有助于实现教学相长，全面提高教学质量和教学效果。
2 计算机网络教育的现状
随着现代科学的进步，网络信息的发达，人们的教学观念和学习观念都发生了前所未有的改变，网络时代正全面到来。为了满足现代社会对人才的实际需求，培养大量现代化优秀人才，计算机网络教学模式业已成型并不断完善。目前，高校正规教学模式依然是现代教学主流，尽管在系统传授知识和规范培养人才方面具有无可比拟的优势，但在资金投入、效益创收和时空限制等方面具有很大的弊端，灵活性不足，无法有效满足现代教育的发展要求。
计算机网络教学对传统教学形成了巨大挑战，并产生了深远影响。它不仅有效弥补了传统教学的时空限制缺陷，而且赋予了教学极大的乐趣性，吸引了越来越多的人积极投身到网络教学建设中去，任何人无论何时何地都能够通过网络课堂去学习和提高。但目前计算机网络教学发展仍处于探索期，在实际运用方面还存在许多问题：第一，计算机网络教学中的学习支持服务体系尚不健全，导学手段和答疑方法还非常落后，由于各种原因，在服务方式上缺乏针对性、策略性和积极性；第二，计算机网络实验教学中存在着空间分散、时间流动和自主性差等问题和弊端；第三，计算机网络的系统承载能力和信息查询能力还十分有限；第四，如何实现计算机网络考试的开放性，确保考试的客观性、公正性、权威性，已经成为网络教学发展的瓶颈；第五，计算机网络教学中的核心支撑系统――CAI，还无法有效满足和适应网络教学的实际需求和发展要求。
主流CAI课件主要有两种，一种是单机版的初级课件，包括简单的Authorware课件、PPT幻灯片和图文网页等。一种是高级的网络版课件。该类课件主要以静态图文和动态演示组成的网页为主，以聊天室、电子邮件和QQ群等形式为辅，实现师生互动、网络答疑的一种改进型课件。初级课件在实际教学中以操作容易、更新及时和维护方便著称，但实际上就是传统教学手段的变相挪用。还有些课件，尽管在互动性方面有着不错的效果，但是制作繁琐、更新较慢和维护复杂。因此，高级网络课件是目前网络教学中的主流课件，已经成为了计算机网络课件的固定模板。改进型的网络课件有效地解决了传统多媒体在师生互动不足的问题。上述两类课件是现在最为常见的两种CAI课件，尽管两者都有各自的优势，但作为网络教学的重要手段，仍存在许多问题和弊端：无法实现因材施教，无法开展层次教学；作为教学的一大主体，学生在个性化交互操作方面仍有很大不足；对学习过程中出现的普遍问题无法进行智能统计、分析和评价等。
3 人工智能技术在计算机网络教学中的运用
3.1 人工智能多媒体系统。（1）知识库。智能多媒体已经不再是用来进行纸质媒体数字转化的工具了，它应该具备相应完善的知识库，而知识库里的教学内容要结合教学实际和学生现状进行针对性、个性化设计。同时，要实现知识库资源的高度共享，并及时加以更新和补充，如此才能充分发挥知识库的教学服务作用。（2）教学板块。教学板块的设计主要是出于教学综合性考虑的，教学方法的创新是其关注的重点内容。该模块的实现要以掌握专业知识、教学策略和人机对话等领域的知识为前提，结合学生实际学习现状和特点，利用智能系统的现代化技术手段对知识和相关教育措施加以高效搜索。（3）学生板块。及时掌握学生心理动态和学习状况是智能网络教学的一大特征，结合学生实际状况加以智能评判，进而加以针对性指导和个性化辅导，实现因人施教和因材施教，全面提高学习效率和学习质量。（4）用户模块。用户模块是智能系统无法忽视和省略的关键模块，整个智能系统的正常运行离不开人工程序操作，用户需要通过用户终端将教学内容上传到网络教学平台，才能顺利完成教学。
3.2 人工智能多媒体教学的发展。（1）加强与网络的结合。随着网络技术的成熟，智能网络教学与网络之间的关系日益紧密，多元化、多维度网络空间日益成为一种趋势。互联网具有信息量大、更新速度快、超时空性等优势，加强与网络的结合是人工智能计算机网络教学未来发展的重要方向。（2）加强智能的应用。人机对话、机器指导的教学模式将成为未来网络教学的核心模式，传统教师的角色将逐渐被计算机取代。最为典型的就是现代智能导航系统。（3）加强系统软件的研发。系统软件的更新日新月异，旧的系统软件已经无法有效满足网络发展的时代要求，加强系统软件的研发以便充分满足网络要求，更好地帮助学生解决实际问题，进而提高学习效率和教学质量。
4 结束语
人工智能技术在计算机网络教学中的运用将为现代化教育提供新的发展思路，将全面改善网络教学环境，拓展学习服务渠道，提高计算机网络教学质量，并有可能彻底打破计算机网络教育的时空限制，全面加强网络教学的开放性，实现网络学习的个性化、人性化和智能化，充分落实以学生为本的教学理念。未来CAI技术的进一步成熟将全面提高网络教学的整体格局，我们有理由相信，智能网络教学将迎来全新的发展春天。
参考文献：
[1]刘广钟，高军，刘，李吉彬.报文分析技术在计算机网络教学中的应用[J].计算机教育，2014（01）.
人工智能是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科,对它的研究涉及控制论、信息论、系统论、语言学、神经生理学、数学、哲学等诸多的学科及领域,是一门综合性的交叉学科[1]。
人工智能的研究、应用和发展,在一定程度上代表着信息技术的发展方向,同时信息技术的广泛应用也对人工智能技术的发展提出了迫切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响[2]。
实践教学环节在大学教育中是一个非常重要的教学环节,是提高人才素质与能力的重要途径。人工智能课程除了具有较强的专业性之外,还具有突出的实践性,为了能深入理解和掌握所学内容,必须把讲授和实践结合起来。本文结合该课程实验教学,将研究型教学的理念引入到实验教学,并对教学过程中的经验和问题加以初步的总结。
1研究型教学模式背景
研究型教学是相对于以单向性知识传授为主的传统教学提出的,是指教师以课程内容和学生的学识积累为基础,引导学生创造性地运用知识和能力,自主地发现问题、研究问题和解决问题,在研究中积累知识、培养能力和锻炼思维的新型教学模式。研究性教学是对现有的大学课堂教学模式的突破。有利于开发大学生的创造潜能,提高学生适应社会需要的创造性和创新能力,充分展现现代大学培养人才、发展科学、服务社会的三大基本职能[3]。
19世纪初,德国著名教育家洪堡最早提出了教学与科研相统一的原则,为研究型教学模式的发展奠定了基础。20世纪50、60年代,美国著名教育心理学家布鲁纳提出了著名的“发现教学模式”[4],成为后来探究性学习和研究型教学的先导。20世纪70年代,美国研究教学专家萨奇曼正式提出了研究训练教学模式。他认为学生会本能地对周围新奇事物发生兴趣,并想方设法弄清这些新奇事物背后究竟发生了什么,这是一种进行科学研究的可贵的动力。
自此,研究型教学理念开始广泛使用。现在,哈佛大学、牛津大学、剑桥大学等世界著名大学,都非常注重学生能力的培养,普遍采取了研究型教学模式。以美国高校为例,虽然美国高校83%的教师在课堂教学中主要采用讲授法进行教学,但在整个教学过程中都渗透着研究型教学的方法,如积极引导学生参与教学过程,开设研究性课程,引导学生积极主动地参与科研活动等。我国自20世纪90年代初推出211工程建设以来,清华大学、北京大学、人民大学、复旦大学、浙江大学等一些重点大学都提出了建设世界一流的综合性研究型大学的目标。这些高校在实现从单向知识传授的传统型教学向关注创新性教育的研究型教学转变方面进行了许多有益的尝试。
2研究型实验教学
本科教学不仅要培养学生的应用能力,还要培养学生具备基本的科研素质。大学是培养未来一线创新人才的主要基地,必须从本科教学人手,深入探索研究型教学的手段和方法,才能满足未来经济增长和社会发展的需要,才能符合建设研究型大学的需要。特别是近几年来我国对科研的投入不断增加,研究生招生规模逐年增大,本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题,其涵盖的分支非常广泛,如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等,都是目前国际和国内热门的研究方向。
人工智能课程在计算机专业人才培养方案中占据着重要的位置。在专业理论方面,它承续了离散数学中的逻辑知识;在专业方法方面,是数据结构、算法分析与设计的继续;在专业工具方面,是面向对象程序设计的生动实例。并且人工智能的每一部分内容都可以作为一个深入的研究课题,课堂上讲解的内容不可能面面俱到,学生们也不可能对人工智能的每一领域都做很深入的学习。并且人工智能涉及很多的数理逻辑知识,有些显得难以理解,并且往往让学生感到比较枯燥,学生的学习兴趣就渐渐淡薄,学生往往被动“听讲”,难以获得预期的教学效果。
针对这一特点,在人工智能教学中,如何引导学生系统学习人工智能的知识、激发学生的研究兴趣,树立目标意识找准研究方向,为未来的科研工作打下基础,研究型实验教学就成为了人工智能课程教学的一个重要环节和必然选择。
2.1实验教学中加强学生的研究导向
在实验教学中,如果照搬一些教材中的例子或习题教学,一方面学生们会缺乏兴趣,另一方面学生对这个领域的知识缺乏全面的了解。应不断提出一些学生们感兴趣的开放性课题,比如基于支持向量机的人脸识别、基于肤色的人脸检测,基于内容的图像检索等,培养学生们的学习兴趣,让学生们逐渐深入的学习某一领域的知识。比如BP神经网络,在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用,是一种具有强大的非线性学习能力的计算智能技术。然而BP神经网络算法自身也存在着一些缺点,如会有局部最小解、解受初值影响较大、理论解释不完善等,而支持向量机在这些方面具有显著优点。我们可以设计一个人脸识别的实验,用神经网络和支持向量机分别实现,并作以比较。让学生们在了解人工智能新技术的同时,也培养学生们如何分析问题、解决问题的科研能力。
2.2人工智能课程实验
该课程是一门对实验技术有较高要求的课程,对于基本原理和方法的实现,要求学生进行严格的计算机专业技能训练和培养良好的科研工作作风。因此对课程中的技能及技术性内容,除单独进行必要的基础训练外,还融入到综合和研究型试验中,通过多次反复实验练习,达到牢固掌握人工智能原理和人工智能的问题求解技术的目的。
该课程的实践环节主要是实践项目,由具备较强工程实践能力的任课教师和助教负责,学生可在全天候开放的专用机房完成。在实践环节的设计上,我们尝试把验证性实验和开发性实验相结合,结合实验教学进度,安排相应的开放实验,开放性实验以科学研究实验为主。并在课程的教学过程中,不断深化和扩展教学内容,结合人工智能学科的发展趋势和本院老师的最新研究成果,对实验内容进行更新。
课程主要设置三种层次的实验:1)基本原理和算法编程,测试例设计及程序测试实验;2)分析综合实验;3)研究型设计实验。整个实验包括课前讨论、实验操作、实验报告、结果讨论、总结提高等六个环节。对于综合性和研究型实验,把学生分成5个人一小组,每小组选做其中的一个。学生从指导老师处了解到实验课题后,即着手查资料,研读文献,钻研有关理论。在此基础上,学生先提出实验方案,经与老师讨论后,即可开始实验研究。
3实验平台的构建
民族关系问题对被访对象,特别对少数民族被访对象是非常敏感的问题,对民族关系的评价又存在个体层面、群体层面、不同阶层人群之间的差异,因此,仅仅以传统的文献分析、问卷统计和现场观察等民族学方法来进行调查,得到的数据会存在较多误差。
因此结合本校的民族特色和民族学领域独特的研究优势,将信息认知技术引入民族关系研究,运用图像、心电和脑电数据进行分析,将分析的结果和心理场景测试及民族学调查结果进行相互印证和参数修正,从而获得尽可能客观的数据,这些数据将有助于建立一个客观、完备、科学的民族关系监测体系,并真实全面地评估民族关系,从而使决策机构及时做出正确的决策。基于多信息融合的民族关系监测预警系统总体框图如图1所示。
目前该平台已经搭建,由北京市公共安全信息监测平台建设、北京市公共安全信息监测平台建设关键技术研究、基于多源信息融合的民族信任研究等多个重大项目支撑。在这个平台的下面,涉及到人脸识别、表情识别,视频监控、认识等领域,小波分析、神经网络、支持向量机、模糊数学、信息融合等人工智能知识得到了具体的应用。学生可以根据自己的兴趣爱好,自愿参加到该平台下的某一项目,切实对自己所学知识有一个深刻的理解和掌握。
4结语
研究型实验教学激发了学生的学习兴趣,不但使学生更好地掌握了人工智能的基本概念、基本理论和基本技术,也切实提高了学生的实际动手能力和编程能力。研究型实验教学在实践过程中还有以下问题需要改进:
1) 研究型实验教学的理念很难普及。很多教师对研究型教学模式的内涵未能准确把握,把研究型教学模式等同于学生实习或者写论文。
2) 研究型实验教学的辅导老师素养需要提高。研究型实验教学作为体现创新教育要求的现代教学模式,需要的不是知识传授型的教师,而是高素质的研究型教师。教师不仅是单一的教者,更应该成为一个学者,教师不仅要有研究型教学的教育观念、快速接受新知识的能力和高超的教学技能,要能够合理地规划和设计实验内容。
3) 需要建立一套合理的学生学业和教师绩效的评价体系。
参考文献:
[1] 王万森. 人工智能原理及其应用[M]. 北京:电子工业出版社,2007.
[2] 蔡自兴,徐光佑. 人工智能及其应用[M]. 北京:清华大学出版社,2004.
[3] 李得伟,张超,李海鹰. 大学工科专业课程实施研究型教学的探讨[J]. 高等教育研究,2009(9):74-75.
[4] 彭先桃.大学研究性教学的理念探析[J].教育导刊,2008(3):56-58.
Exploration and Practice of the Research Experiment on Artificial Intelligence
ZHANG Ting, YANG Guo-sheng
1引言
随着人工智能技术的不断进步，重新塑造音乐使得音乐教育的学科素养培育、审美感知、艺术表现和文化理解变得更有支持和创意。探索应用人工智能技术推进音乐教学的改革与发展有具有十分重要的意义。本文通过研究与实践，引导学生学会用科学的方法培育计算思维创作音乐，用科学的意境欣赏音乐陶冶学生的音乐审美感，用科学的评价提升音乐课堂教学效率。通过这些措施，可以使学校音乐教育精准地开展因材施教差异化教学，彰显音乐教育的特色。
2人工智能与音乐
人工智能技术与音乐教育有机融合，丰富了课堂教学资源，拓展了智能乐器的功能，提升了音乐教育技术手段。它支持个性化学习，可以观察音乐课堂学习，分析音乐的旋律与节拍，有效评价教学效果，激发音乐教师运用人工智能技术创新音乐教学的热情，发挥教师在课堂教学中的主导作用。
2.1乐器的智能化
乐器是学习音乐的重要工具。乐器植入人工智能技术，形成了智能化乐器。它能够大量储存多种乐器的音乐数据。尤其是在音乐键盘中运用，功能的提升特别突出，应用于音乐教学中引发了多种形式的教学模式。例如，图1显示了融合多媒体计算机、主控系统、音乐课堂教学智能评价系统将多部电子钢琴连接起来的智能乐器实验室。通过语音室方式授课，可以实现多种乐器的分组教学。这在传统的音乐课堂上是无法完成的。
2.2智能化乐曲创作
智能乐器不仅能够储存乐器音色，而且还能用指令对各种音色播放进行控制，各种音色按照指令进行演奏。这种创作功能是以往其他乐器都无法比拟的[1]。例如，能唱出《月亮代表我的心》十七声部的合唱团，很好听，但很难。运用智能乐器按指令合成该十七声部音乐则轻而易举。2.2.1机器学习生成乐曲人工智能技术赋能智能乐器，使得机器学习的功能日趋进步。机器学习在音乐领域所做的事情，就是提取音乐作品的“数据”，输入给定模型学习音乐的“特征”，再对音乐数据进行分析和编排。例如，如果输入的是《梨园金曲》民族音乐，则机器就能学会民族音乐的曲调特征，生成掌握特征模型的民族音乐作品。2.2.2用软件生成乐谱使用MuseScore3forMac软件可以制作乐谱，在工具栏选择对应时值的音符输入音符。例如，在MuseScore3窗口输入如图2所示的“我和我的祖国”乐谱，再导出MP3文件进行播放。2.2.3代码生成乐曲用Python代码生成曲子，要借助音乐标准格式MIDI—乐器数字接口，运用Python-midi库编写程序，编译MIDI文件生成音乐。例如，生成一个简单乐谱的MIDI文件需要使用Python-midi，其中：Pattern对象表示乐谱；Track对象表示音轨，通常乐谱都有多条轨道组成，每种乐器是一个轨道；midi.NoteOnEvent表示每个音符的开端，在参数表中可以定义每个音符的音长和音高；midi.NoteOffEvent表示每个音符的结束。参考代码如下：importmidi#定义patternpattern=midi.Pattern()#定义轨道track=midi.Track()#添加轨道到patternpattern.append(track)#音符开始，并定义位置、音量、音高on=midi.NoteOnEvent(tick=0,velocity=50,pitch=midiG_3)track.append(on)#音符结束off=midi.NoteOffEvent(tick-100,pitch=midi.G_3)track.append(off)#轨道结束eot=midi.EndOfTrackEvent(tick=1)track.append(eot)#存储midi.write_midifile("example.mid",pattern)程序运行结果生成了如图3所示的简单音符：这样如图2的“我和我的祖国”乐谱，也可以通过Python代码生成MIDI文件。
3AI赋能音乐课堂
在AI赋能的音乐教育环境，促使音乐教学实践变革以及学生学习音乐方式。例如，图4所示的集音乐创作教学及教学评价于一体的“智能化音乐课堂教学评价系统”，在教学设计的优化、教学方法的高效、教学手段的更新、教学评价的智能、教学策略的调整方面都具有借鉴意义[2]。
3.1大数据学习
大数据云计算可以将所有音乐家们音乐数据存储在云中，运用人工智能技术为学生提供更多有价值的音乐数据。学生通过音乐云学习音乐知识，欣赏音乐魅力、体验音乐节奏、理解音乐韵律。它使得优质音乐教学资源跨越校园，开放延伸音乐教学，远程辐射共享资源。这样就扩展了学生的视野，音乐知识的来源无限扩大，整个音乐云皆有学生的学习教材。特别是大数据音乐云不仅可以推送给学生更多的即兴音乐和更多的音乐信息，还能指导音乐爱好者创作出雅正、健康的音乐作品。
3.2个性化学习
人工智能技术从音乐学习行为数据搜集、数据分析与运用、个性化学习评价多方位帮助学生定制个性化的学习成长路径。推送在线音乐教育资源，指导表演建议乐器学习技巧。搭建音乐教育虚拟课堂，匹配音乐教学资源，实现因材施教的个性化学习，支持一对一的教学辅导和群组式讨论。通过这些措施提高教学质量和效率。
3.3教学评价智能化
运用人工智能技术将多个音乐辅助教学设备连接的音乐创作教学系统，基于音乐课堂教学的学生学习特质分析与教学效果分析的音乐课堂教学管理系统，来实现音乐教学的全程智慧管理，使音乐学习更有效率。例如，在虚拟音乐课堂乐器教学可以变成一对多的自选教学模式，使课堂变得轻松、愉快。教师可以开启课堂教学观察模块，捕捉每位学生同步练习的音准、节奏、力度数据，分析判断将评价信息同步反馈，给出学习指导建议。3.3.1创作教学模块“智能化音乐课堂教学评价系统”中的音乐创作教学模块，集视、听、练和反馈评价为一体，适时演示教师教学作品和评价学生练习作品。例如，在进行《我和我的祖国》授课时导入电影片段，欣赏“我和我的祖国”音乐的表现形式、演唱形式以及歌曲风格，可以使学生更好地体验作品的创作意境，激发创作意识。使用MuseScore创作“我和我的祖国”三声部习作音乐，并能储存、刻录，编辑等二度创作。3.3.2课堂教学评价模块音乐课堂教学评价有着传统音乐教学评价无法比拟的灵活性、客观性和实用性。从大数据分析角度获取音乐课堂教与学相关数据，对学生的音乐基本素养与学习态度进行科学分析判断。例如，以创作《红河谷》中的和声与音乐作品风格内容的“编配伴奏音乐”教学过程为例。课前在“课堂教学评价模块”上安排学生根据作品风格完成伴奏的音乐；播放制作好的《红河谷》MIDI音乐（在第二和第六个小节缺失编配和弦）；使学生感受、探讨大小三和弦的表现力，形成对大小三和弦的感知。然后要求学生试着用MuseScore为《红河谷》缺失的两小节选配和弦，以适合歌曲的伴奏风格。学生需要边哼唱歌曲边试着套用不同的伴奏风格，找到他们认为最恰当的和弦伴奏风格，说出理由并提交[3]。评价系统将学生提交的作业比照音乐要素进行评价。及时反馈学习评价的信息，并对学生的学习进程制定一个个性化的学习方案[4]。同时通过教学反馈深度优化决策模型，促进教师实时改进教学策略，提高教学效率和效果，提升教学质量。
4结语
人工智能技术在音乐教育领域中的广泛应用，为传统的音乐教育模式注入了活力，为音乐教师创新音乐教学理念开辟了新思路[5]，为因材施教提供了新的适合学生学习的音乐教学模式。人工智能在音乐教育模式方面的探索，不仅给音乐教育教学的发展带来了物质技术层面的进步，还从音乐教学层面促进计算思维培育开辟新途径。这对音乐教育理念、教学手段、教学方式和方法以及拓展学生音乐视野、学习音乐、享受音乐、创造音乐等都带来深刻的变化和积极的影响。
参考文献
[1]邹孟雨.人工智能及其在音乐教育中的应用.北方音乐,2018(15):254-255
[2]郭文进.“互联网+教育”运行模式探究.决策与信息（下旬刊）,2015(9):63
[3]段晓军.电脑音乐系统与中小学音乐教学实践.中国音乐教育,2006(6):26-28
2教学方法研究
研究生教学应更突出学生的主体地位，注重发挥其学习的主动性和自觉性，为此，课程组结合课程特点，在教学方法进行了如下探索。
2.1加强教学设计
教学设计就是对教学活动进行系统计划的过程, 是教什么(课程内容)及怎么教(组织、方法、策略、手段及其他传媒工具的使用等)的过程[2]。在教学过程中，每节课授课前，坚持集体备课的原则，由课程组集体讨论选定授课内容，补充阅读文献，根据授课对象与课程内容特点，确定课堂组织方式，采用的授课方式以研讨式教学为主，给合讲授、实验、自学等。
2.2抓好课堂教学环节
教学方法与教学手段是保证课堂教学效果的关键。本课程授课对象主要为硕士研究生，他们的接受能力较强，有一定的求知欲。由于学员人数较少，授课方式可灵活组织。教室有完备的多媒体设备，基本的软件实验环境，教学过程可采用灵活教学方法、多种教学手段，提高教学效率，保证授课质量。
1) 以研讨式为主的教学方式。研究生教学应坚持学术研究为导向，发挥学员在学习过程中的主动性和自觉性。由于研究生学员有一定的学习基础与自学能力，教员可以在课前给学员布置预习内容，学员通过查阅资料、分析整理进而形成自己的观点，使在课堂教学中师生互动交流成为可能，改变传统的教员讲，学员听的灌输式教学方式。研讨式教学也有力于培养学员积极思考、创新思维的习惯与能力。
2) 教学手段的信息化。人工智能原理教学一个突出矛盾是知识点多、内容抽象、理论性强，但学时较少，因此，必须发挥现代教学手段的作用，提高教学效率。为此，课程组对每节课都精心设计了教学课件，课堂教学中以课件为主，辅以板书，充分利用多媒体信息量大、直观等优点，改善教学效果；引入教学声像资料，便于学员课下学习；设计演示程序，使部分比较抽象、不易于理解的内容，如子句归结、搜索策略更形象直观，易于学习和掌握。
3注重培养学员学术研究能力
学术能力是指专门对某一学问进行系统的哲理或理论研究的能力，它不仅包括思辨的方面，还包括实践及感性的敏感力等方面。研究生阶段学习的一个突出特点是要求学习的主体――研究生必须具备研究的能力[3]。论文写作是培养、锻炼、提高研究生的学术能力的重要途径，在教学实施过程中，要求每个专题学习结束后，都要提交一份格式符合期刊发表要求的总结报告，题目可自行选定，也可由教员指定；内容既可以是人工智能该专题某一算法的实现，也可以是对某一问题的进一步研究，或者是对该专题最新研究进展的综述。教员重点在以下几个方面予以指导。
1) 选题准确。要求选题不能过于宏大，应以小题目反映大问题，具有一定的可研究性为宜。
2) 研究内容。研究目标明确，方法恰当，能够提出自己的见解，所提观点正确。
3) 论文结构。结构清晰、完整，论述严谨，表达规范。
4) 占有文献丰富。撰写过程中要有意识培养学员查阅科技文献的能力，要求查阅反映最新研究成果的权威文献。
4加强实验环节教学
人工智能教学在进行各种理论知识讲授的同时，还应重视实践教学，把抽象的知识转化为形象、直观的实验，让学员真正理解人工智能的概念、本质、研究目标，从而提高学员多角度思维的能力和逻辑推理能力，进一步了解信息技术、计算机技术发展的前沿，培养他们对人工智能研究的兴趣，激发对人工智能技术未来的追求。为此，课程组借鉴国内外知名大学人工智能实验教学经验，编写了《人工智能原理实验指导书》，围绕问题表示、经典逻辑推理、不确定推理、搜索策略及简单专家系统实现等教学内容提供了7组实验供学员选择。
例如，在状态空间搜索一节教学过程中，先完成理论部分的教学，使学员对状态空间基本概念、问题表示及求解方法有一个准确的认识，然后进行实验教学。由学员自主完成重排九宫问题求解的程序，初始状态和目标状态如图1所示，调整的规则是，每次只能将与空格(左、上、下、右)相邻的一个数字平移到空格中[4]。实验过程重点指导学员掌握状态空间进行问题求解的关键步骤：问题表示和搜索策略。问题表示就是要确定该问题的基本信息及程序实现的数据结构，基本信息有初始状态集合、操作符集合、目标检测及路径费用函数，数据结构可采用向量、链表等形式；搜索策略可分为盲目式搜索和启发式搜索，可按照先易后难的原则，先实现盲目搜索中的广度优先及深度优先搜索，在此基础上再定义估价函数实现启发式搜索。而在启发式搜索实现过程中，又可以通过定义不同的启发函数：如某状态格局与目标节点格局不相同的牌数、不在目标位置的牌距目标位置的距离之和等加以比较，准确理解启发函数的意义。通过实验，学员加深了对课堂讲授的理论知识的理解，能够熟练地将状态空间法运用于实际问题的求解，提高了工程实践能力。
实验教学组织方式可根据具体的实验内容特点，采用上机编程实验、演示程序验证、模拟平台开发、分组讨论等多种形式进行。
5适度开展双语教学
研究生的英语基础普遍较好，基本都通过了国家公共英语四级考试，部分学员通过了六级考试，加之在本科阶段还开设了专业英语课程，因此，在培养研究生人工智能知识的同时，我们要提高学员阅读原版英文资料、用英语进行简单科技写作及对外学术交流的能力，适度开展双语教学，对此，我们可采取以下基本方式。
1) 专业术语全部用英语表示。
在教学过程中用英语表达人工智能原理中的专业术语和主要概念，如Knowledge Representation(知识表示)、Depth-First Search(深度优先搜索)、Breadth- First Search(广度优先搜索)等。
2) 以英文原版教材为教学参考书。
选定机械工业出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》为参考书，该书“是人工智能课程的完美补充。它既能给读者以历史的观点，又给出所有技术的实用指南[5]。”
3) 加强英文文献的阅读。
在课程论文撰写时，要求阅读一定数量的外文文献；在讨论课中，鼓励学员使用英语进行讨论。
经过课程学习，学员都能准确掌握人工智能学科专业词汇，英文运用能力得到一定提高，能较自如地阅读原版英文专业资料，为进一步用英文进行学术交流及学术论文写作打下基础。
6考试与成绩评定改革
考核方式采用传统的试卷与课程论文、实践环节等三部分组成，全面考查学员对基础理论知识掌握情况以及理论联系实际的能力，其中试卷占70%，课程论文占10%，实践环节占20%。课程论文题目不作限制，由学员在课程学习阶段结合某一专题选定题目，课程论文以选题意义、研究内容、论文结构、参考文献及撰写规范等指标为评价依据；实验成绩采用实验过程考查、实验结果验收和实验报告评阅相结合的考核方法，综合评定。这样做不但考核了学员人工智能基本理论掌握情况，也反映了学员的学术研究能力和工程实践能力。同时，考核结合实际教学进程，改变了单一课终总结性考核的弊端。
7结语
经过课程组近两年的教学方法研究与教学实践，研究生人工智能原理课程教学收到较好的效果，但仍存在一些问题，如在课堂讨论环节，个别学员准备不充分、讨论不够深入；课程论文撰写选题随意，文献综述不够全面、准确，论文格式不够规范等。在今后的授课中，课程组将根据授课研究生人数较少的特点，采取明确每名学员预习重点、加强课程论文交流等方式予以改进，力求取得更好的教学效果。同时，进一步充分利用便利的校园网平台，开展“人工智能原理”网络课程建设，购买或自主开发网络教学资源，引导学员利用网络资源进行个性化自主学习，增强教学过程的信息化程度。
参考文献：
[1] 王永庆. 人工智能原理与方法[M]. 西安:西安交通大学出版社,2002:1.
[2] 李志厚. 国外教学设计研究现状与发展趋势[J]. 外国教育研究,1998(1):6-10.
[3] 肖川,胡乐乐. 论研究生学术能力的培养[J]. 学位与研究生教育,2006(9):1-5.
[4] 周金海. 人工智能学习辅导与实验指导[M]. 北京:清华大学出版社,2008:204.
[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:机械工业出版社,2009:754.
Reform on Postgradrates Artificial Intelligence Course Teaching
TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei
互联网教育尤其是线上K12培优项目一直是投资热门，直播1对1模式风口过后，教育圈内最火的应该是AI项目了。据亿欧智库的报告显示，2017年人工智能教育融资额度达42.17亿元，其中超80%属于早期投资项目，这个赛道有望诞生多个独角兽公司。
笔者发现，当前布局人工智能的在线教育大体分为三派：
教学或题库测评类工具产品，比如作业盒子等；
培训机构应用AI技术，比如好未来等；
人工智能教育引擎及平台提供商，比如高木学习等。
现在摆在AI教育创投从业者面前的问题是：到底以技术实力论英雄的AI教育的泡沫有多大？真金不怕火炼的AI教育项目的核心能力在哪里？如何才能落地？ 本文试做解读。
一、为什么“自适应”其实并非真正的AI？一位投资人朋友曾向我这样说道：“既懂互联网行业又完全懂本行业的业务的管理型人才不超过十个，这是在‘互联网+’双创浪潮中每个垂直行业头部项目就几家能玩转的原因。”而认知和技术门槛更高的“AI+”情况恐怕会更加不妙，甚至很多人把“自适应”与“AI教育”划等号。
自适应学习（Adaptive Learning）的鼻祖是美国的Knewton公司，它通过评估不同学生对知识材料掌握度进行个性化推荐，有点类似于今日头条的兴趣引擎。 Knewton在国内的门徒众多，目前大概有40多家项目宣布发力做“自适应”，比如“乂学教育”（学练测自适应）、“学吧课堂”（题库自适应）、“英语 流利说”（英语口语纠正）、“一起作业”（家长、老师在线监控）等等。
嘉御基金创始人卫哲说过，“90%的人工智能项目都是伪AI”，鉴别的依据是看项目“算法速度”，如果是代数级而不是几何级计算那就不是“真AI”，以此来考验自适应项目，得到的结论未免让人失望。
初级的自适应项目是人工预设指令或编程规则推荐，高级的自适应是基于知识图谱推荐，即使是高级的自适应项目由于没有按照既定的教学大纲和教学目标有 逻辑地展开，在具体知识学习之中并不系统。关键是很多自适应项目采集的是各科最优秀特级教师的能力，导致其算法本身是线性的、模拟人学习而已。
自适应的技术原理就好比AlphaGo是应用了人类最优秀围棋大师的能力而非是完全迥异机器深度学习和自演化模型；自动驾驶AI应用了某个人类零误 差老司机的感知能力而非是基于全网海量交通大数据做运算和决策；人工智能医生是应用了看X片最快最准的医生的经验而非是海量数据库训练；显然按这样的路径 训练出的机器并非是真正的AI。
“真正拥有充分教学大数据及算法速度的‘AI教师’是能轻松超越拥有30年教龄特级教师的，并且可以突破人类的知识局限，对算法模型进行自动演化，找到人类从未尝试过的策略。”高木学习创始人刘瞻这样描述AI教师。
刘瞻是帝国理工学院科班出身，早在2015年开启AI教育创业，他认为判断真伪AI教育项目具体有三个考察维度：
（1）自适应是基于模拟优秀老师的知识图谱推荐知识，而真正的AI教育机器人则是泡在“教学实践大数据”中做深度学习。
（2）自适应主要用作知识盲点的统计，但无法分析出知识体系之间的本质联系，用AI更重要的任务是找到行为背后的原因，比如某学生表面上二次函数是 薄弱环节，既有可能是其对二次函数的各细分知识点掌握不牢，也有可能是前置知识点一次函数、函数的思想理解不透彻，还有可能是方程求解的问题；甚至有可能 是抽象思维或计算能力的问题，AI会根据该学生数据和“知识路径矩阵”，找到问题背后的原因从而匹配出最优学习路径。
（3）人类教师的情感因素能左右学生的学习效果，AI教师也应综合考虑学生的自信心与成就感的培育与激发，从而确保学生学习过程“知”、“情”、“意”的一体化。
二、AI教育的核心：帮助每个学生找到“元认知能力”AI教育并不会改变“老师-学生”的二元结构，甚至人工智能教育还要在师生两端彻底解决互联网教育未完成的两大难题：
如何帮助学生找到学习方法、提升学习效率？在中国一个普通中学生80%的学习时间是低效的。
如何帮助老师对学生更高效的“因材施教”？目前在我国师资资源依然整体短缺并且分布不均，1对1培优成本高、小班普及率低等问题依然突出。
AI教育的优势在于通过数据化形式分析学生自己都不清楚的“症结”，即所谓的“懂我更懂教好我”，同时AI还能帮助老师实现教学效果的稳定化和可控化。AI在充分收集和处理教与学两端的大数据后，还得在具体教学场景之中个性化建模，最终实现“让学生更会学，让老师更会教”，这是人工智能教育的目的。
陶行知先生说过，“教是为了不教”，教育本质不是灌输知识，而是要启发学生思考并让学生掌握自主学习的能力。目前很多伪AI学习神器只能“授人以 鱼”但并不能“授人以渔”，我国基础教育历来缺乏方法论课程，只有极少数有天赋的学生能自主制定适合自己的学习方案，而绝大多数天资处于平均线的学生在混 沌中摸索。如果从AI的视角来看，所谓“天赋”不过是少数幸运儿自觉不自觉的分享了“元认知能力”。
当人主动设定学习计划、自我反馈、动态调整学习策略时，就接近了“元认知”，在大数据时代，这种元认知能力是能被定量化分析的，AI 教育可以为学习者提供关于反复激活元认知能力的“训练法”。根据刘瞻的解读，AI教育的“训练法”就好比给蹒跚学步的婴儿安上矫正走姿的“学步车”，具体 应用什么样“训练模型”则是由AI根据大数据进行场景化定制的，有可能是通向学习目标所需要的“云梯”，有可能是“舟楫”，或者是“拐杖”等等，这些模型 能不断调取和强化人的“元认知能力”。
尽管市面上90%项目都是着眼于知识点和解题训练的自适应，真正AI教育项目比如高木学习的AI不仅包含自适应的知识图谱大数据，而且还能不断从学 生的行为数据中演化“知识路径矩阵”即AI可根据学生对知识和能力体系的理解定制出个性化学习路径。与此同时，AI让学生在对知识的理解与记忆过程中不仅 训练知识掌握度，还不自觉地训练了元认知能力，这套“个性化学习引擎”其实是在培养学生“忘掉所有知识后”剩下的元认知能力，具有普适化的特点。
实际上，AI教育并不需要局限在某一学习阶段、某一学科的知识体系，完全可以打造一个跨学科、跨门类、跨阶段使用的“通用知识学习引擎”，也就是说，除了应用在K12领域外，AI教育还可以应用在高等教育阶段，甚至在辅导大学生时比中小学生会更为轻松，无须综合考虑学生的学习动力因素等。
反过来讲，如果市面上的人工智能教育项目只能用于某一单科或只能教K12，就不是基于大数据获取和智能化引擎的“全才”和“通才”，基本可视为基于特定领域专家总结的经验规则的“伪AI”。
三、为什么AI教育项目落地，to B模式比to C模式更容易跑通？当前AI教育项目的商业化进程走向大体分为两大派：
一派是自建场景的颠覆派，试图开发新的测试软件以抓取学生的数据，甚至引入一些把AR（增强现实）、MR（混合现实）等黑科技，其目标是以“AI教师”完全取代真人老师教学，属于“人机对抗”模式，较为典型的是乂学教育的松鼠AI。
另一派是升级现行教育体系、不另创场景的改良派，属于“人机共教”模式，较为典型的是高木学习的AI Tutor。
一般走人机对抗模式最终走的是to C模式；而“人机共教”走的是to B模式。鉴于我国当前AI教育的应用场景主要为教学机构包括全日制学校与培训机构，而非一个个分散的学生；只有让AI去辅助老师备课、上课，嵌入到学生作 业和训练，帮助学生提分和学校提升升学率，才能帮助AI更快落地并且找到盈利模式。
从“全日制学校”应用AI的实践上看， AI能让老师“心中有数（据）”，提升教学的针对性，AI教师实际上相当于真人老师的“智能助教”，可以减轻老师50%的工作负荷量，比如AI帮老师批改 作业，把数据分析的可视化呈现出来帮助老师定制教研方案。因此，在市场推广过程中，AI教育项目不需要担心基层老师的接受阻力，能让老师摆脱“汗水老师” 的局面也是基础教育机构所希望看到的。
由于全日制学校获取的大数据比培训机构更加海量、持续、高频，因此高木学习更看重AI在全国全日制学校场景中的数据价值，积极在全国推行城市合伙人制度，并计划与地方教育主管部门合作推出全国教师AI应用能力培训公益活动。
To B模式中另一大企业客户就是体制外的培训机构，他们所面对的学生付费意愿强、购买力相对旺盛，是AI教育项目获得稳健现金流的必争之地，那么当前培训机构应用AI教育项目开展“人工智能双师班”的效果如何呢？
首先，AI教练能保持教学效果稳定化输出，解决原本老师教学效果不确定的弊端。
其次，AI 提升了老师的工作效率，突破了培训机构因为名师稀缺且流动性大限制培训机构的规模化发展的瓶颈。
从目前来看，人工智能貌似与我们的现实生活距离十分遥远，实际上它已经开始走入我们的生活，而且正以一种磁悬浮般的速度向我们奔来，人工智能已经打响21世纪新的军备赛。
社会层面，人工智能成改善民生新利器
人民生活水平的高低一直都被作为发达经济体与发展经济体最明显的区别和写照，而人工智能的普及将会对人民的生活水平带来翻天腹地的变化。
首先，在家庭生活方面，如果家里拥有保姆机器人，就可以免去苦于找不到保姆的烦恼，解决日常家庭劳务所忧。有些人可能会认为这还很遥远，实际上日本已经开始在试用家庭保姆机器人了。我们再来看看眼下各大科技公司所倡导的手机连接一切：清晨，伴随着悠扬的背景音乐起床，一天都感觉很精神；起床时，窗帘已经悄悄拉开，这个时候甜美的声音开始播放当天的天气预报；起床后，水温已经设置为适合自己使用的温度，不用担心水温时冷时热；洗簌后，厨房已经传来早餐的香味；上班前，不必担心门窗、电视等是否关上；晚上回家前，可以通过手机提前打开热水器，到家后就可以直接洗个热水澡。
其次，在医疗健康领域，目前已经有很多智能硬件公司推出了智能医疗硬件产品，能够及时地反应出人体的健康状况。比如机器视觉系统自动完成乳房X光检查和其他医学影响的分析，通过模拟医学专家诊断、治疗疾病的思维过程能够让机器人自动诊断病人病情等。人工智能在医疗方面的应用一方面能够改善就医条件和环境，另一方面也能大幅提升医疗技术水平。
其三，我们再来看看人工智能对教育的影响。通过借助人工智能，我们的教学场景将得到极大改善，而通过人工智能和大数据的应用，老师也能更好地把握学生的学习情况并进行针对性的辅导。
不仅仅是教育、医疗、家庭等方面，人工智能将会人民生活的方方面面产生巨大的影响，它将会成为未来全球各国改善民生的新利器。
经济层面，各国借人工智能再创经济神话
目前发达国家都已经纷纷推出了自己的人工智能计划，人工智能已经成为了发达国家经济体向前继续迈进的动力和标志。
一、欧盟耗资10亿欧元打造人脑计划。该项目旨在建立一套基于神经科学的全新的、革命性的信息通信技术，建造一种模拟神经元功能的芯片，然后将芯片用于建造超级计算机。
二、美国大脑计划。美国通过借助DARPA部门，然后将每年的研究经费划拨给各个大学的实验室、科技公司等用于各式各样的前沿研究，目前该部门已经与谷歌、IBM等科技公司达成了合作，并获得了多项人工智能重要科研成就。
三、日本机器人计划。目前日本工业的老龄化问题非常严重，为了推动日本经济继续发展，日本联合各大企业推出了机器人计划。通过机器人、无人搬运机等人工智能技术的应用，日本工业再次走上了世界前列。
中国的人工智能技术刚刚起步，而人工智能对于中国的经济发展是难得的一次新机遇。李彦宏所提出的“中国大脑”计划如果能够得到顺利实施，将对中国的科技创新发挥至关重要的作用。目前我国的经济正在加速从投资驱动为主向创新驱动发展为主的转变，人工智能作为未来科技创新的决定性力量，它是中国经济继续实现腾飞的有力保障。在未来的全球经济竞争中，可以说谁在人工智能上领先了，谁就能引领未来的新经济时代。
企业层面，科技巨头争先恐后
目前全球的科技巨头诸如谷歌、百度、微软、IBM、Facebook等都已经纷纷涌入到了人工智能领域，它们在以下五个层面展开了激烈的竞争。
一、图像、语音识别技术
在图像、语音识别技术领域竞争最为激烈的当属谷歌和百度。借助移动搜索，百度和谷歌都向语音、图像识别技术发起了猛烈的进攻。谷歌通过连续的收购确立了其在图像、语音识别技术方面的领先地位，而百度则通过组建以吴恩达、余凯、张潼、徐伟等人才组成的豪华专家团队，并坚持自主研发，最终在语音识别技术上超越了谷歌和微软。
二、深度学习
在深度学习方面，微软、谷歌、百度、Facebook、IBM等科技巨头都投入了巨大的力量。日前，微软的研究人员在学术论文中表示，微软最新的深度学习系统在分辨2012年版的ImageNet图像数据库时，错误率只有4.94%，相比于普通人的5.1%，这是人工智能首次在识别图像的错误率上面超越了人类的水平。
三、无人驾驶
最早将人工智能技术应用到汽车领域的是谷歌，随后国内的百度、华为也先后向无人驾驶技术发起了挑战。未来百度自动驾驶计划的核心方向就在百度大脑，它可实现人与汽车的语言互动，车辆定位，驾驶辅助甚至自动驾驶等功能。而华为则通过联合东风汽车共同打造无人驾驶汽车。
四、智能家居
说起目前的智能家居，谷歌、苹果、微软等都已经在摩拳擦掌，而国内的智能家居格局竞争更是相当激烈，已经形成了战国纷争的局面：小米+美的、海尔+阿里+魅族、联想+百度、360+格力、腾讯、华为等。
五、机器人
人工智能未来的最终方向就是意识机器人的出现，通过机器人的使用，企业能够节省大量的成本和提升效率。对于机器人公司的收购，谷歌总是乐此不疲，去年谷歌连续收购了10来家机器人生产企业。而百度开发的“小度”机器人走红网络则向我们表明：机器人将会受到越来越多人的欢迎。
其实不仅仅是科技巨头，已经有越来越多的创业公司正在涌入到人工智能领域。对于企业来说，人工智能是一次绝好的商机，它的产值将在万亿规模以上。
军事层面，人工智能打响新的军备赛
著名军事理论家张召忠可谓对李彦宏“中国大脑”计划给予了高度肯定，并且认为它将有助于军队现代化建设。事实上，在我国军方的一些研究机构，已经在网络科学、神经科学等领域有很好的投入，并获得了一些阶段性的成果。此次，人工智能如果能够上升到国家战略，对于军队科技的创新将有着深渊的意义。
人工智能无疑是当下最火的科技概念。从BAT到创业公司，从传统行业到资本市场，无不对这一概念趋之若鹜。若是再结合医疗、教育等同样热门的领域，几乎毫无疑问会备受关注。深耕基于人工智能技术的智适应学习的V学教育，就是这样一家从成立伊始就带着“教育”与“人工智能”双重基因的公司。
V学教育董事长栗浩洋浸教育行业十几年，是业内知名的资深专家。而作为一个标准的“学霸”，他很早就对人工智能产生了浓厚的兴趣。当IBM的“深蓝”赢了国际象棋大师，栗浩洋受到了很大的冲击，他开始相信人工智能未来会颠覆世界。身为创业者，这样的机遇不容错过。
学霸的烦恼
有句网络上很流行的话说：“最可怕的是比你优秀的人还比你努力。”放在现实生活中，栗浩洋就是个很形象的例子。
读书时代的他像是开了挂：从小学习成绩拔尖，9岁就成为计算机实验生写游戏程序，初中就读完了高中全课程，荣获奥数一等奖，进入上海交大天才试点班。升大学时，北大、清华、上海交大、复旦等8所高校同时保送。分数对他而言从来就不是问题。
但这并不代表他没有缺点――中学时代，他有社交恐惧症。大学选择专业时，为了向陌生的学长学姐请教，他端着盘子在食堂游走了5天，最终也没敢开口。他是个不轻易认输的人，清楚地知道自己的弱项，然后加以训练。如今的栗浩洋思路清晰，语速极快，说起自己的项目来滔滔不绝。在各种论坛、演讲、路演的场合，他甚至有不间断发言6小时的纪录。
栗浩洋曾做过名为“人是自己性格的雕刻家”的主题演讲，详细描述了自己克服性格缺陷的过程。他说：“我要像一个雕刻家一样，把自己塑造成最完美的艺术品。”
这与V学教育的理念不谋而合。在栗浩洋看来，传统的教育培训十分简单粗暴，把教科书上的知识点全部线性推进，学完这个知识点才能学下一个。但每个学生知识点的掌握情况都不尽相同，如果好学生把大量时间用于重复学习已经掌握的知识点，而成绩较差的学生总在学习对他来说难度太大的知识点，最终的结果只能是所有学生的学习效率都很低下。要迅速提高学生的成绩，应该针对每个学生制订独一无二的学习方案，让他们有针对性地补好短板。
过去，有针对性的一对一辅导只能依赖经验丰富的老师，但这种辅导十分奢侈。“上海有300多个特级教师，最低的一小时的成本是1500块钱，最好的前10名大概要8000块钱一小时，而且只能上几百人的大课，根本不可能去一对一，哪怕你是土豪也支付不起这样的费用。”栗浩洋分析道。
而人工智能技术带来了梦想照进现实的希望。将人工智能技术应用于教育，自美国的Knewton公司始。为应付GMAT、SAT等全球性考试，Knewton做了一个智适应学习工具。该平台将各类课程数字化，建立在线教学资源库，为用户“个性化”选题，从而提高应试能力。
受此启发，栗浩洋看到了国内基础教育领域的机会，促使他创办了V学教育。就好比GPS和自动导航未来会代替老司机，V学教育也希望通过智适应系统代替老教师，一对一地用智能系统给学生授课，让每个孩子接受到最高级别和最高质量的教育。
现有的教育培训机构，不管模式怎么变，本质上还是传统教学，非常依赖于老师。V学教育则是依赖于科技。栗浩洋打了个比方：“一个教育机构聘请老师，就像聘请会武术的员工一样，那么最高的水平就是练成武术高手。但我们不是通过武术解决问题，我们是通过武器，通过飞机、大炮、导弹和航空母舰来解决问题。”
量体裁衣式的教学
用人工智能技术帮助学生学习，简单地解释，就像阿尔法狗用智能体系模拟围棋大师一样。V学教育智适应系统是用智能化的系统去模拟特级教师。对于特级教师来说，见到每一个学生，首先会快速摸底学生的学习状态。然后根据这个学生的学习状态、能力，以及学习习惯，采用不同的教学策略、教学方法和表达的语言，帮助这个学生进行学习。在学生学会或者没学会的不同情况下，会调整自己的方法。
特级教师教学的这种能力，是基于其过去几十年的教学经验和几千个学生，几万几十万的题目，以及这些学生在学习过程中会和不会的反应等大数据，以及自己大脑的判断。V学的解决方案其实就相当于把近百位特级教师的经验、智慧、大数据解决方案，放在智能大脑里面，然后用这个智能大脑去模拟教学过程。
V学的智适应系统，能够将每个知识点拆分成“纳米级”。所谓“纳米级”，是指把一个知识点拆成最基础的内容，变成最简单的颗粒，然后针对每一个知识颗粒进行专门的视频讲解、专项练习和专题测试。通过对学生进行精准的摸底测试，了解学生掌握了哪些知识点，哪些没有掌握，哪些掌握得非常牢固，哪些是略知一二。同时，智适应系统还能通过学生的反馈数据，不断地深度学习，提升测试的准确度。
栗浩洋举例说：“在错题本这种粗浅智适应的模式中，我们可能经常会判断一个学生说他是一个冠词掌握得不太好，但这其实是一个非常笼统的判断。冠词又分定冠词、不定冠词和不用冠词，那么这个学生可能是定冠词13种当中的第9种和第12种不会，以及不定冠词11种用法中的第7种和第10种不会。”
“一开始我觉得系统不靠谱，它给出的所有知识点我都掌握得很好，后来我一看里面的讲解，没想到被动语态可以讲得这么深，其实好多题并不是因为粗心做错了，而是还没有真正地理解。”这是一位通过智适应系统学习后的学生的真实反馈。一位风险投资人也曾亲测V学智适应系统，他是美国哈佛商学院毕业的学霸，系统竟然检测发现他有一个初二的数学知识点没有掌握，他一开始不相信，后来一翻书，发现自己真的没有掌握那个知识点。
根据学生的知识掌握情况和目标，智适应学习系统会自动规划最适合该学生的学习难度和顺序，不会让学生因为目标过高而丧失信心，也不会因为目标过低而失去挑战的欲望。通过这样的方式，让40分水平的同学可以逐渐提高到60分、70分，让70分水平的同学逐渐提高到80分、90分，最终使得所有不同水平的学生都能够循序渐进地提高到较高的水平。
栗浩洋坚信，找到合适的学习方法，每个孩子都可以成为学霸。“中国在几千年前提出的教育三大理念，就是教无定法，有教无类，因材施教，这三个词其实是对智适应教育的一个完美的诠释。”他表示。
让学习轻松快乐
“V”，一个有些生僻的汉字。栗浩洋与合伙人用这个字作为公司名大有深意。公司最早立项时，代号是“X PLUS”。他们认为，教育技术的深度对大多数人来说是未知，而且有着非常高的潜力待发掘，每个孩子都可以比过去提升10倍甚至百倍的学习效率，其中有无限的可能性，这是起名X PLUS的原因。
“与X最接近的中文字，就是V。V字在中文中作为动词时，有治理的意思，V天下就是治理天下。我们希望通过教育，可以改变整个中国社会。V字作为名词，又有才德出众的意思，我们希望把每个孩子都教育成才德出众的人，也就是说我们不仅希望他们提升学习效率，获得更高的分数，而且希望他们在素质教育上也有更好的提升，真正帮助孩子成为有能力，有礼仪，有智慧，有价值观的人。”栗浩洋介绍说。
这是栗浩洋在教育领域的第三次创业，显而易见，他有很深的“教育情结”。在他看来，对于世界上的每个人来说，教育是能够改变其一生命运的最重要因素。每个人出生的地域、家庭、国家等注定无法公平，但是如果是每个人都可以享受到这个世界上最优质的教育，就可以通过自己的努力，通过教育去彻头彻尾改变自己的人生轨迹。所以他觉得教育不仅仅是一个事业，也是一件非常有社会意义的事情。
与此同时，中国的整体教育水平相对较差，国家在教育上的投入占GDP的比例不足，教育理念也比较落后。因此，栗浩洋心中还有一份对国家和民族的使命感。“中国的学生数理化学得是全球最深的，孩子学得是最苦最累的。但是全球最好的科技却不是中国人发明的，都是美国那些学得很轻松，很自由，很自主的孩子创造的。这就说明我们中国的教育其实特别失败，所以我非常希望能够通过自己的力量，彻底改变中国教育这样一个现状。”
学生通过高效的方式学完了知识点，节约的时间就可以自由支配，花在兴趣爱好素质教育甚至是娱乐上。栗浩洋认为，这就是为什么国外的学生学得又轻松又好，而国内的学生学得又累又苦还是学不好。V学教育其实是要彻底解放孩子们的时间，让他们热爱学习又享受生活。
在对自家双胞胎儿子的教育上，栗浩洋践行着自己的理念。他每天都要抽出时间教儿子认字，孩子们进步的速度比他想象的快。1岁半的时候，他们就认识了500多个汉字和100多个英文单词；3岁不到读了300本书；3岁的时候可以和外教进行简单的日常英文对话；在好奇心、想象力、逻辑的组织能力上更是超过同龄人许多，并且非常快乐。
栗浩洋对他们有很多期望，比如希望老大成为第一个不是在美国出生的美国总统，希望老二成为金融家，做出超过高盛的金融集团。“但是我并不会勉强他们，也做好了所有的准备。哪怕他们想做地下摇滚歌手、和尚、义工等等，都可以。”
方向对了路还长
作为连续创业者的栗浩洋，成功过也失败过。但现在他信心十足。
在教育研发方面，栗浩洋拥有超过十年的经验，对教材、配套动画片、网络产品都有很多心得。栗浩洋认为，过去的经验和教训，可以让V学的研发过程至少少走三四年的弯路，能够达到比其他同行更高的效率。教育行业的研发有着非常高的壁垒，如果没有在行业中摸爬滚打过五年八年，直接做研发，会跌入很多坑。
其次，传统教育模式中最重要的因素师资力量，对V学教育已经完全不是问题了。大型教育机构在全国发展的时候，遇到的最大问题就是师资力量。培训老师的成本非常高，老师的流失率也居高不下。留下来的老师，若干年后水平也参差不齐。而V学教育采用的是“中央菜谱”的方式，就像肯德基麦当劳一样，所以全国所有的学生得到的都是最好的资源。
事实上，V学教育的野心不止在线上。其在线下的实体学校，今年会开到100家，明年还要新增300家。他希望通过5年的时间，开设2000多家学校，做到100万学生的规模，以及超过30亿元的销售额。未来，V学会在全国设几千个，甚至一两万个学习中心，所有的学生都可以在线下培训中心进行学习，但是老师是通过智能化系统在线上完成教学，所以V学教育是要做一家真正把线上线下结合到极致的公司。
在中国五千亿规模的培训教育市场中，新东方、好未来、学大等知名教育机构加在一起，基本只占1%左右的市场份额。根据日本、韩国的教育市场调研可以推断出，中国第一大的教育企业可以占到10%的市场份额，中国有40多万家培训机构，也就意味着行业第一应该可以开到4万家培训机构。摆脱了师资力量的约束，V学教育能够实现这样的目标吗？栗浩洋不清楚，但会以此作为努力的方向。
但栗浩洋也清楚，现有的智适应技术还谈不上尽善尽美。最大的问题，是系统和知识点的匹配度的问题。真正要发挥这个系统的作用，那么所有的教学内容和知识点，都必须尽可能为这个智适应系统所研发，才能达到最好的效果。这就要求之前做线下教育的教学专家，必须了解智适应的系统和算法能力，了解引擎，了解这一套系统的运转原理，以及其所要达到的目的，才能够生产与这个系统相适应的内容，而这需要时间。
为了进一步探索智适应教育最深层的可能性，以及未来的发展，和科学与最前沿的一些技术，V学教育与国际顶级高校及教育专家共同开设了“智适应学习研究联合实验室”。这些探索不是马上就可以商业化和实践的，而是一些前沿性实验技术，代表了最高的科技水平。在实践层面，V学秉持开放的态度，愿意与优秀的传统教育机构深度合作，提供智适应学习引擎。这一切，都是为了帮助更多孩子享受到最好的前沿科技和教育方法，给他们带来快乐和效率。
BM：人工智能可以细分出很多种技术，你认为其中还有哪些能和教育相结合？
L：人工智能中的很多技术其实都可以和教育相结合，只不过是深度和浅度的问题。比如说语音识别技术在未来就会非常重要，通过视频连接学生的语音，人机交互的感受会更好。
机器人未来也可以作为助教的形式，提供一些服务。我们在年底之前，就会在每个学校都配置人工智能机器人，来完成一些简单的互动和辅助的工作。
人工智能的语义分析相对来说会更加深入一些，因为很多题目是主观题，如何进行比较智能化的语义分析、分类和评判，就变得非常重要。
除了人工智能技术之外，现在非常火的VR和AR技术，在教育领域的应用也是非常广泛的，我们也正在研究如何用最高效的手段，通过这些技术来去提升教学效果。
BM：V学产品研发中融入了多少你的个人经验？
L：因为我自己从小学到大学，获得过数学奥林匹克和全国竞赛一等奖，再加上计算机专业的学习背景，所以我对技术方面的理解度，其实是超过绝大多数人的。我提出过很多算法方面的理念，都是同事非常认可的。我个人会在研发中和大家有很多思想的碰撞，智慧的交流，和研发团队一起商量如何去解决各种各样的问题和困难。
BM：你与合伙人是怎样分工协作的？
L：目前在V学教育我担任的是董事长的职位。CEO周伟，CTO樊星，以及首席科学家崔炜博士，他们承担了大部分的工作。我主要的核心工作就是战略思考，研发，还有团队组建这三个方面。
BM：智适应学习系统能否惠及成人？
L：可以的，海外的智适应教育在18岁以上的教育和职业教育中非常普及，智适应教育其实是有普适性的。在美国，不但是物理、数学这样知识点结构非常清晰的学科可以使用，像经济学、生物学和心理学等所有学科，都可以使用。
BM：公司目前融资情况如何？资金会用在哪里？
根据《2015年中国在线教育白皮书》数据显示，2011到2014年间，中国在线教育市场规模增速均保持在17%以上，最高增速达到21.84%；市场规模从2011年的575亿元增至2015年的1171亿元，预计到2021年在线教育市场规模将达到2830亿元。在线教育用户突破2亿人，在线教育项目数量已经超过3000个。
如今，BAT、网易等互联网巨头也争相跨界进入教育领域……
争相布局
10月，网易宣布其有道词典用户突破6亿。这意味着，网易的产品已经可以在在线语言培训市场占有一席之地。2007年推出有道词典以来，网易在互联网巨头之中率先“误入”在线教育行业，并逐渐形成有道翻译官、有道口语大师、网易云课堂等产品矩阵。
语文学习产品――有道语文达人，引进职业教育与通识教育等课程、推出网易云课堂企业版产品等等动作，都说明了网易在在线教育各个细分领域重度垂直、精耕细作的野心。
与此同时，阿里巴巴终于也按捺不住。在10月宣布启动“星火计划”，称未来将会大力扶持生产优质内容的个体老师以及中小型教育机构。比如调用周边资源，引入专业第三方扶持基金等，以此为中小创业群体提供高效的变现机制。
自去年12月成立教育事业部以来，百度在教育领域的布局正在加快。除了在传统的教师资源方面，百度推出了专为教师服务的互联网平台“百度优课”。百度在线教育的一大特色在于其教育信贷市场。百度CFO李昕曾在Q3财报电话会议上表示，百度要借助人工智能和大数据技术，从教育领域进入互联网金融。
据百度透露的数据，在教育信贷领域，百度已与超过700家教育培训机构达成合作，学生通过在线填写信息，线下和教育机构确定培训意向，审核通过后，即可获得“百度有钱花”提供的学费贷款，实现分期交学费。
腾讯坐拥QQ和微信两大社交平台，其固有用户与在线教育针对用户重合度之高，不容小觑。去年，腾讯将这一优势应用于教育信息化领域――分别以QQ和微信为基础推出QQ智慧校园和腾讯智慧校园，为各类学校提供一体化互联网智慧解决方案，范围涵盖学校管理、教务教学、校园生活等方面。扶持优质内容方面，腾讯也不甘落后推出了名师计划，旨在帮助名师实现知识经济化，扩大知识生产力与传播力，同时提供标准化服务与资源扶持。
加之腾讯出手向来大方。今年2月，腾讯3.2亿元投资新东方在线，而目前新东方在线申请挂牌已经获批，将登陆新三板。按照最近一次股票发行的价格来算，新东方网的总市值达到了31.72亿元，而腾讯当初的投资金额也由3.2亿元升值到了3.9亿元，平均每个月赚了1400万元。
线上线下结合
近年来在线教育的项目虽多，但往往良莠不齐，真正实现盈利的更是少数。
互联网教育研究院在2015年调查了400家在线教育公司，结果显示，有70.58%的公司处于亏损状态，13.24%的公司处于持平状态，仅有16.18%的公司保持盈利状态。同时，其报告还指出，由于新进入的项目非常多，而且有一部分项目已经死亡，整体上盈利的在线教育企业预计不超过5%。
在这个资本的“寒冬”，包括老师来了、36号教师、轻舟网等在线教育创业项目，都相继倒下。一位多年从事在线教育的业内人士向《中国经济信息》记者分析：“一个项目从开端投入资金到逐步发展，进入盈亏平衡状态，至少需要3到5年的时间。”作为一个更重视长期发展循环的行业，在线教育前期需要投入大量资金，而后期课程的制作、平台的维护以及产品的营销和推广，都需要团队极大的耐心和毅力。
随着在线教育行业的发展，平台的竞争，已经从最初的野蛮走向有序，从跑马圈地走向深耕细作，优质的教育内容成为巨头们的抢夺焦点。还有一些业内人士指出在线教育的一些弊病，例如在线教育APP更多是单向机械灌输，缺乏线下辅导为学生的知识体系做一个完整的梳理以及打通思维知识上的逻辑关联。
信天创投合伙人张俊熹对《中国经济信息》记者分析，线上与线下的结合将会是在线教育接下来发展的趋势。以留学教育为例，“以前的出国留学只是在国内做一些语言培训，但是长周期的链条并没有被开发出来，出国后的实习、就业、移民、置业等等，有很多内容可以深入挖掘。”张俊熹说。
尽管在线教育市场前景广阔，但在创新工场投资总监张丽君的眼里，其实它每个细分领域的市场规模并不大。而且，与其他行业不同，教育行业的内容不能完全规模化复制，往往面对不同的时期和对象，都需要重新做，因此并不容易找到大的市场。
今年在线教育还有一个创新动作就是与AR、VR合力。正如李彦宏多次在公开场合强调的，人工智能是百度核心的核心。人工智能之于百度教育的重要性也不例外。
将人工智能应用到机器人参加高考是为了什么，像AlphaGo一样挑战极限？学霸君的创始人兼CEO张凯磊表示：“很多人都搞错了，我们做机器人自动解题，不是为了去挑战人类做题的能力，这是没有意义的，机器不可能自我觉醒地去发现一个新定理。” 他对智能教育机器人的期望是成为人类的助教，而且是可以针对每个学生的个性化助教。
超越“老中医”
在初高中阶段，一个优秀的教师是怎么样的呢？假设他在考试后批阅学生的卷子，除了卷子上题目的对错，他还会回忆学生近期的表现，分析学生为什么会错，是知识点没掌握，还是无法将题目的信息和已有的知识相联系。优秀的教师由此在脑海中对每个学生有一个整体的感觉，知道如何因材施教，然而这种感知能力是要靠长期经验积累的（而且并非人人都能达到），难以表述和传授，只有靠少数极优秀的老师进行方法总结，但代际传承的效果并不好。
张凯磊认为，教育资源的不足，本质是优秀教师数量的不足。如果能在降低教师负担的同时，将优秀教师的能力“复制”给普通教师，同时“放大”这种能力，将大大缓解教育资源不足的问题。
他将教师的工作和医生进行了类比。医生的工作可以划分为诊断和治疗两部分，对应教师对学生的能力判断和知识讲解。目前的教育模式恰似传统的中医，诊断同样是要靠医生 “望闻问切”的个人水平，而且传授不易。“没有清晰的数字可让人理解，也没有可供分析的系统。”但现在医院已经靠数字化很大程度上解决了诊断的问题，“未来教育也会变成一个有科学依据，有信息数据做支撑，数字驱动的领域，因为这样的效率更高。”张凯磊说。
相较人类教师，计算机的问题在于机器的理解能力，要如何看懂题目。这也是学霸君利用人工智能在做的核心工作。智能机器人Aidam在考试中被扣掉的16分，全是在理解上出的问题，当然这也意味着人工智能已经能看懂134分的题目了。想象这样一个场景，学生做完作业和测试后，将结果传输给机器进行判卷，除了判别对错，还和以往的数据进行比对，通过算法发现学生知识的薄弱点，给出针对性训练的题目，并将学生的学习状态以可视化图表的形式传递给教师。
这个场景已经开始实现。学霸君在安徽落地的合作学校中，数学、物理、化学和生物使用了学霸君软硬件服务的班级，这几门学科的成绩都大幅提升。通过学霸君研发的数据采集笔，在不改变学生书写习惯的情况下，将整个过程的数据全部采集，然后由机器进行识别判卷。“目前批改作业，机器批70%，正确率会在99%以上，机器判断不了（主要是无法识别）的交给人工，未来会全部交给机器。”张凯磊说，每天仅批改作业，教师就能节省接近2个小时，而数据分析结果将通过云服务展示给教师，“作业数据和考试数据实时更新，学生的学习能力、掌握的知识点、学习态度，全部在表上清清楚楚”，学科主任、年级主任和校长还可以看到学科、年级和全校层面的数据分析。
和时间做朋友
追根溯源，中国的教育源自于普鲁士教学法，本质是“在规定的时间，以规定的课时和标准，学规定的内容，最后考一次试”。在张凯磊看来，这样的教育模式就像工业的标准化生产一样，而未来的教育模式将是高度个性化、规模化和专业化的，“个性化是解决教育负担过重和教育不公平的核心手段。”
这个发展可能会分为五个阶段：
第一阶段，进行教育基础数据的数字化，并且可以进行数据管理。
第二阶段，学生的学习数据被全面数据化，学校以数字化的形式对全校学科进度进行管理。
第三阶段，教育实现中度的个性化，学生开始按学习进度分层教学，出现小规模的教育集团推动数字化技术应用的进一步发展。
第四阶段，教育实现高度个性化，中度的规模化。出现少数的大型教育集团，“比如现在有7.6万所学校，未来2万所头部的学校，是由100家教育集团组成的。”一个校长可能会管理十几个校区，体系内高度信息化，体系外形成学科、教学理论的竞争。
第五阶段，教育高度个性化、规模化、专业化。不再有教布置作业，学生使用系统进行个性化的自我训练，并依据能力和学习效果，在两个月或更短时间内分为不同层次接受教学。由最顶级的教师，通过系统观察学习数据，对班级进行针对性辅导。通过发达的视音频及时通讯技术，一名教师也许可以教学上万名学生。
