掌门1对1联合创始人余腾：AI+教育将逐渐走向“深水区”

2018年6月13日-15日，由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导，上海市长宁区青年联合会、亿欧公司联合主办，拼多多协办的“2018全球智能+新商业峰会”在上海长宁世贸展馆举办。

本次峰会以“AI落地，产业升级”为主题，现场聚集超过5000位AI行业内外人士，共同探讨AI目前面临哪些挑战，当下如何商业落地，未来将会怎样发展等问题。中国科学院院士王曦、阿里巴巴集团技术委员会主席王坚、加利福尼亚大学伯克利分校教授Michael I.Jordan、猎豹移动董事长兼CEO傅盛、科大讯飞执行总裁胡郁等作为演讲嘉宾出席峰会。

在6月15日智能+教育峰会上，掌门1对1联合创始人余腾发表了主题为《AI+教育将逐渐走向“深水区”》的演讲。

【余腾现场演讲实录】

大家好！我是掌门1对1联合创始人余腾，今天这场峰会主题是AI+教育，我主要针对掌门1对1，来说一说教育行业对于AI现在和未来的我自己的一些看法。

其实对于像我们这样做在线一对一中小学辅导的机构来说，我们最为看重的内容就是教学本身。教学拆开来看很简单。一个教学的场景由两个部分构成，一个部分是谁来讲东西，我们认为是老师。第二个是讲什么样的内容，我们认为是课程内容。由这两块老师加课程内容衍生出来一系列管理和质量监控的问题，其实就是我们作为一家教育公司最为关注的话题。从掌门1对1现在的整体数据来看，有600万注册学员，未来也会有超过10万的老师，这样的体量下我们特别关注两个问题。

第一个问题，如何去管理10万名老师整体的上课质量？第二个问题，怎么样在一对一课堂当中，让所有学生的学习效率都提高？甚至可以提高十倍，这两个问题带来的思考，也使得我们在去年开始逐步在人工智能这一块做我们的布局和研究。我们认为如果说一家教育企业希望做到一百亿左右的规模，那么AI教学整体能力是一家百亿级规模的教育公司必备能力，到了这样的规模，特别是我们做一对一的辅导，我们将会有超过十万名的老师，以及会有非常巨量的学生，所以整个课堂的把控、教育质量的把控，都是需要更多智能化的东西参与进来。

其实AI这个概念已经提出了很长的时间，我相信很多人通过各种途径了解到AI是怎么回事。我们认为人工智能辅助于商业的应用，主要是两块，一块是因为他有大量的大数据支撑。另外通过大数据的机器学习能够带来更多数据、算法上的便捷。其实对于K12的课外辅导来讲，家长或者学生选择K12课外辅导无非就是一个目的，想提高成绩，通过走捷径的方式提高分数，AI+教育就是通过智能推荐的方法来找到学习的一条最捷径道路。

刚刚讲到老师和教学内容有两个部分，所以其实对于我们来讲，我们在布局AI场景应用也分为两个部分，一个部分是关于教学内容的本身，我们通过人工智能的方式会智能给学生推荐上课的内容，智能给学生推荐作业，通过一系列的算法，也就是说学生上课的课件不再是由老师背课，它应该是由我们系统计算，去告诉老师这个学生知识点掌握情况如何，学生的学习轨迹和什么样的学生比较相似，下一节课应该学习什么样的内容，然后再通过AI的算法告诉老师学生掌握的程度如何，来推荐一些课后的作业。

第二个场景应用也就是课堂本身，整个上课过程，在之前任何传统线下教育里是不可控的，我们只能通过结果倒退上课上得好不好，但其实这是滞后延迟的反馈。一个学生在一节课上到底能不能学到知识必须通过考试成绩显示出来，所以很难评判一个老师上课上得好不好，这节课的内容准备得对不对。所以这之前对于课堂的评价是非常主观的评价。我们通过AI深度学习的方式我们引入了几个概念，之后我们对于一个课堂上主要由两个方面的应用。

一个应用我们可以实时捕捉学生的情绪，包括他对于这节课这个知识点哪个时间点是否理解，学生的专注力是怎么样的，我们通过视频分析、交互分析等，我们能够知道一个学生在这节课上什么时候专注度更高。针对第一块教学内容这部分，我们认为整个AI+教育的大数据范围有三个大数据库，第一个数据库是用户学习画像大数据，用户学习画像大数据我们主要捕捉用户整体学习轨迹，包括它报名我们掌门1对1课程之后，参加的预习以及课程，还有课后的作业是哪些内容，通过整套学习轨迹以及测评得到的分数，还有上课结果的反馈，包括在学校里成绩曲线的反馈，我们得到一批用户学习画像的数据。

第二个是标签化题目的大数据，因为我们的花了很多的时间，现在全国差不多有6000多名的老师帮我们做教研的内容，我们将所有的题目都拆解打标签，所有知识点都组建成不同的题目，所有的题目背后都有很多的标签，这些标签将成为我们记录每个学生对每套题目反映的大数据基础。

第三个就是视频教学课堂大数据，每一节课都要进行整体的分析和录制，我们知道一个课堂的场景是什么样的，所以这是我们构建的三个AI大数据。

第一个方面，刚刚讲到了用户学习的大数据，包括从课前、课中、课后对测评、预习以及上课交互内容、课后作业、课后错题本、课后评分曲线都进行了画像。同时到现在为止我们有几百万个题目了，未来标签化题目会更多。我们用知识切片构成的知识库，其有500万视频上课的内容，有效的情绪识别以及视频分析，这三块是构成整个大数据的基础。

我们每天的训练样本根据上课的情况，每天的训练样本差不多有八万套课件使用，这个学生会做我们的题目，这样的数据会使得我们大数据的基础会越来越多，后面形成的结果就是一个学生在我们这里，比如说学了ABC三道选择题，发现这三道题都是做对的，第四道题做错了，这样的行为数据里，在我们大数据库里可以找到相似的学生，也就是说我们会把相似的学生归纳在一起，如果在我们大数据里有一个学生学习情况跟这个学生非常类似，我们就可以判断出这个学生接下来应该学习什么样的题目，他可能定到题目这批学生都做对了，必须要推荐了，这样能够节省更多的时间，而不是每个人做的题目都是一个，每个人花在不同题目的时间都不一样。

第二个应用，基于整个知识点掌握的程度。我们可以通过大数据知道他对于三角函数的知识点掌握如何？如果说三角函数这一块掌握得非常理想，接下来会减少这一块的题目以及上课的内容，加快孩子的学习进度。所以通过更多数据的分析，我们可以节省学生很多的时间花在他已经会了的知识点上，或者已经不需要再掌握的知识上面，这样的学习可以极大的提升学生的学习效率。我们整个AI体系形成了三个主要的模块，智能测评系统、智能课件、智能作业，这三块在未来我们当然会有更多的应用。

刚刚讲到这部分是基于学生对于教学内容AI场景的应用。

第二块的内容就是深度学习的应用，通过神经网络提升课堂专注力，我们没有办法量化上课是好还是坏，是85分还是75分？现在对于不同课堂情绪、专注力的判断以及视频交互的分析，我们知道学生和老师之间的互动频次是多少，学生上课是更加积极的表现还是更加消极的表现，我们可以更加客观量化整个上课过程，并且老师会及时收到这样的反馈。

比如说老师收到学生在处于低谷的时期，那么老师不会出难的题，如果学生专注力是高的话，老师可能会出更难的题。如果发现学生通过这样的方式不是和老师很匹配，我们会进行调整。AI+在线教育一对一的公司来讲，是可以解决前面两个大的难题。一个是管理十万名老师的上课质量，通过量化打分上课的过程，我们更加客观的给老师进行打分。第二块是通过AI减少无效的学习内容，让学生找到最佳捷径的通道，让学生的学习效率，这其实也是掌门1对1一对一的使命，我们从建立开始就提出了这样的使命，让教育共享智能，让学习高效快乐。

我们希望所有的教育都是智能的教育，学生也能在学习里更加高效、更加智能化的学习，我们希望更多解放学生的读校时间，投入在有效的学习当中，这是我今天分享的内容，谢谢大家。