現在很多教育企業宣稱研發出AI產品，並投入教學應用。
作者：夏天
編輯：王海倫
審校：一條輝
━━━━━
高考牽動了所有家長的心。
因此，當人工智能遇到教育可是刮起了一股人工智能教育的旋風，估值不斷攀升，各種教育公司搖身一變為科技公司，為啥，加上人工智能四個title，身價估值上漲十倍，誰不願意？
只是，發展了幾年，人工智能+教育並不如意——已經上市的51talk一直擺脫不了虧損的標簽，其他的人工智能教育公司在實際教學當中只能是一個輔助，並不能解決真正的問題，人工智能教育，猶如雞肋，“扔了可惜，食之無味。”
全員All in AI教育領域
雷軍說只要站在風口，豬都能飛。馬雲說，風停了，摔死的全是豬。
在人工智能教育的這個風口，大多數人都野心勃勃的擁擠在這個風口，但是又有幾個人真正理解人工智能，大多數都只是一知半解，隻盯上了光鮮的羽毛，沒有飛翔的翅膀，他們都有可能被吹上天，但大部分會成為摔死的豬。
A公司是國內人工智能教育公司的一員，2017年和2018年在資本的助推下好不風光，發布會是一場又一場，然而，2019年，該公司卻開始銷聲匿跡。
除了創始人焦慮的融資以外，其以前吹的概念和泡沫也開始被投資人所“清算”，融資了這麽多錢，你們到底做出了什麽？
事實上，當洗牌開始成為互聯網下半場主流的時候，人工智能教育公司也並不例外。
“來也匆匆，去也匆匆”，這是人工智能教育公司的真實寫照。
其實，從全球角度來看，人工智能教育都是一個新興事物。
在美國，Knewn、Realizeit等老牌機構獲得融資，澳大利亞的學習平台Smart Sparrow也獲得了1400萬美金B輪融資，印度的byju's在轉型人工智能教學後，獲得了超過1億美元融資，韓國的KnowRe也獲得了軟銀的投資。
然而，即便如此，我們也不得不承認，人工智能教育公司依舊處在“社會主義初級階段”，離我們所期望的高階階段，相差甚遠。
國際上如此，國內也同樣脫離不了這個客觀規律。
而且與國際相反的是，在中國，人工智能教育公司似乎炒的，吆喝比國外更要火爆。
“我就等著看今年誰來接盤，所謂的人工智能不過是智障而已。”某行業內投資人私下吐槽說，看過了國內幾乎所有的人工智能教育項目，在他看來，這基本都是概念+炒作，“教育的數字化都沒有完成，何談智能化？”該投資人對教育的人工智能並不認可。
而在行業內從事多年的教育創業者看來，在這個時候創業者做人工智能教育可謂“異想天開”，基本所有的人工智能教育公司都可以說是“人工智障公司”，缺乏真正的創業情懷。
事實上，這符合中國創投圈的現狀：
看到某一個概念火了之後，幾乎所有人都會跟過去，言必稱“XXX類型”的公司，此現象在O2O行業上演過，在共享領域上演過，如今，也開始在人工智能領域上演。
從2015年開始，各種創業教育公司如雨後春筍般出現在人們的視線中，人工智能教育的相關概念因為受到資本市場的追捧，在教育領域的投融資也出現井噴態勢，大手筆融資額比比皆是，單次融資金額紀錄也在不斷被刷新。
細數一下這幾年在線教育的投融資數量，在2015-2016年，在線教育投融資案例高達591起，2017至2018年達到409起，在線教育爆發，智能題庫、家教O2O、少兒英語培訓、K12直播、素質教育等多面開花，圍繞教育培訓的熱點快速更替，模式也呈現出多元化特點。
尤其在2017年，教育領域內的融資到達一個爆發，4月abc360 獲數億元B+輪融資；5月猿輔導獲1.2億美元E輪融資；掌通家園6月份獲得過億元C+輪融資；7月英語流利說獲近億美金C輪融資；8月VIPKID獲兩億美元D輪融資，同月作業幫完成1.5億美元C輪融資；10月極課大數據獲1億元B輪融資，阿卡索外教網獲近億元B+輪融資，作業盒子獲2億元B+輪融資；編程貓11月獲1.2億元B輪融資，同月愛樂奇獲3750萬美元D輪融資，CC視頻獲2.08億元C輪融資，乂學教育獲1.5億追加投資，藝朝藝夕教育集團獲1.6億元B輪融資，智課教育獲2億元B+輪融資。
可以看到，在人工智能這個萬能鑰匙的引爆下，在資本市場裡，上演了金錢與概念的貓捉老鼠的遊戲，剛開始，錢逐追著人工智能教育跑，然而，等過熱到一定程度，缺乏支撐的時候二者上演了反轉：
2018年，在線教育行業也邁入一個資本化的新階段，2018年3月，尚德機構在美成功上市，同年9月，流利說也順利登陸納斯達克，2019年3月，新東方在線教育也在港股上市。
然而，2019年，到處焦慮融資的人工智能教育公司開始面臨真正的考驗，人工智能到底能否真正用在教育行業，解決什麽樣的問題，人工智能公司此前的高估值誰來接盤？
如果沒有人來接盤，接下來的人工智能教育公司該何去何從？
眾所周知的的是，在線教育企業盈利的是少數，大部分都處於一個虧損並且還需往裡瘋狂砸錢的狀態。據相關數據顯示，2017年中國AI創業公司累計獲得超過500億人民幣融資，但其中商業落地前100強公司累計產生收入卻不足100億人民幣。
在整個產業鏈中，90%以上的人工智能教育企業依然處在虧損階段。許多吹噓自己是做人工智能教育的企業為了獲得資本的垂青，不停地講故事，造概念，推新品，現在大家談論的都是未來如何如何，甚至是中國教育的未來，但是誰來關注現在？
AI+教育仍處於1.0時代
現在很多教育企業宣稱研發出AI產品，並投入教學應用。
然而，經GPLP犀牛財經調查顯示，所謂的“人工智能教育”被專家認為是“偽人工智能”。
華人科學家、人工智能頂尖研究者李飛飛曾提到，一個人工智能項目，在算法上的進步，如果是代數級的，而不是幾何級的，那麽就還只是機器學習而已，屬於偽人工智能。而算法上的極速進步，需要海量數據作為基礎。
事實上，傳統的機器學習（Machine Learning）一般用於處理那些具有簡單規律的數字，而深度學習就可以做到對圖像、聲音、文字等複雜對象的識別和分析。
深度學習目前就像一個把3-4歲的小孩，能夠把汽車的圖片，汽車這個單詞，還有汽車的聲音建立聯繫。本質上它能夠把複雜數據對應起來，但是還有許多是做不到的，例如：與人進行有意義的對話；寫出具有邏輯性的文章；在即將發生車禍時，做出道德判斷；編寫計算機程序。
目前基於深度學習，出現在市場上面的產品都是比較初級的，還沒有觸及到深度學習的核心，並沒有突破核心技術壁壘——自然語言處理因此有些人把這些人工智能產品戲稱為“人工智障”，我們可以從幾個方面來梳理一下目前人工智能學習與教育結合的點。
一、圖像方面
目前使用圖像識別最主流的應用就是拍照搜題，典型代表是作業幫、學霸君、小猿搜題、阿凡題等等，傳統的K12應用更多是停留在學生去看視頻和做題，這本身對於學生來講是很難有學習場景的。而拍照搜題則是學生帶著問題和困惑來學習的，所以我們也看到拍照搜題App是所有K12應用裡活躍度最高的。拍照搜題的核心技術就是把圖片與文字做對應在，然後再去做文字與已有題庫的匹配。
但是也會有相應的問題存在就是如果學生是在遇到困難並且思考後，通過手機獲得答案，這是一個很好的自主學習過程。但如果是無腦地把所有答案抄到練習冊上，就沒有任何學習意義。
二、聲音方面
目前使用聲音最主流的應用就是語音評測，大部分集中在學英語方面，也就是學生說一句話，機器給打分，典型代表是科大訊飛、流利說、一起作業、盒子魚等等。
目前絕大多數市面上的口語學習App的口語評測的水準就是評判規定的一句話的發音準確度，或者是半開放式的交流，但是它無法解決的難點是評估開放性對話的好壞。
四、文字方面
文字處理，也就是所謂自然語言處理（簡稱NLP），在傳統教育的最大應用就是作文的自動批改，但是目前的人工智能做不到這一點。
AI對於在線教育要解決的問題是，如何把課本上死的知識變成老師給學生的對話。這裡的技術挑戰就非常多，比如如何做到自動解題能力——能夠根據題目自動得出詳細解析；作業智能批改能力——這裡說的不只是批改選擇判斷題，而是能夠對學生的做題過程進行批改；
智能答疑能力——能夠回答學科相關問題；自適應對話能力——感知到學生的學習狀態並且不斷地給出相應的互動。
目前這四個問題的所有解決方案都是基於人工編寫的規則，而不是利用AI。
三、從自適應到智適應
智適應和自適應最重大的區別就是不再是預先設定好的基於決策樹的學習流程，而是通過算法，來實時地根據學生學習時產生的多維度的大數據，比如對錯、時間之外的滑鼠滑動、知識地圖和結構概率、其他學生用戶畫像對比、腦電波、表情等等，以及對更多幾個數量級的知識點、題目等的處理，完成更加接近甚至某些維度遠遠超越人類智能的教學效果。
另外，智適應的應用可以分為兩個方面來看。對於老師來說，自適應教育以前只是老師的工具，現在智適應教育對老師來說是解放。在課堂上，更多的教學是系統完成的，老師是一個監控者，就像駕駛員一樣。另外，對學生來說，智適應的價值就是減少了大量刷題。
但是，目前，從技術角度來看都不能滿足及實現人工智能教育，那有何談落地呢？
目前市面上的自適應產品，都是基於人工梳理的教學模型+簡單的數學建模——產品形態也比較簡單，根據學生做題的對錯，評估其知識點的掌握程度。其中的典型就是Knewton、可汗學院和猿題庫，絕大多數自適應學習產品隻關心一道題的對錯，而無法判別具體“為什麽”錯了——同一道填空題，不同的學生答案老師一眼就能看出是哪一個知識點掌握不到家，而系統一遍就只能歸結於固定的一個知識點。至於證明題，解答題更是現有自適應產品無法解決的。
所以真正的自適應的依賴條件依然是之前所提到的NLP/文字處理能力。只有當算法能夠看到題目知道正確答案，看到題目知道出題人的意思，看到錯誤的答案就知道哪個知識點掌握不到家時，在線教育就會出現全新的洗牌。
不談機器學習的AI多是耍流氓
我們知道，目前人工智能的發展，主要依靠大數據處理、深度學習和GPU計算三個方面，而大數據的采集、基礎管理和雲計算、GPU計算等技術應該說比較成熟了，那麽突破智能的重點還是在機器學習。
作為機器學習的一部分，深度學習雖然很厲害，但它還是十幾年前神經網絡那套算法理論，不管是支持向量機、貝葉斯、決策樹等淺層學習算法，還是深度網絡衍生出來的深度強化學習、遷移學習、對抗學習等，現在唯一不同的是加了個深度：有強大的計算力支持，能處理大數據了，而這還主要依賴於這十幾年來互聯網的發展。
事實上，深度學習主要就是依賴於數據，現在的AI多是數據驅動的AI，沒有數據的餵養，就沒有深度學習的發展。
儘管人工智能的發展已經超過50年，但仍然還處於一個比較早期的發展階段，其應用主要集中在弱人工智能和垂直行業相結合的領域。
現在市場上的很多人工智能技術都是基於基礎層提供的存儲資源和大數據，通過機器學習建模，開發面向不同領域的應用技術。它主要包括感知智能和認知智能，目前的教育產品還停留在感知智能層面，如語音識別、圖像識別、自然語言處理等，而認知層麵包括機器學習，強化學習，對抗學習，自然語言理解等方面還無法達到。
目前市場上一些知名人工智能教育企業的產品，如掌門1對1構建的智能課堂個性化測評提分系統；松鼠AI主打的AI智能老師；海風教育上線的面部識別技術；好未來的WISROOM智慧課堂和MAGIC MIRROR魔鏡系統兩款新產品，另外還包括好未來腦科學實驗室正在做的一個兒童腦發育發展的全息動態圖譜的研究項目等等。
不過，這些產品或者項目，都還處於一個“弱人工智能”層面，都是想通過他們發布的人工智能產品，去盡可能多的收集學生的數據樣本來不斷提升算法，改進產品的功能。
要想達到“強人工智能”，就像人一樣，但這就離不開知識、記憶和經驗，也離不開通過知識、經驗和記憶建立起來的認知體系，因為就像小孩一樣，通過知識經驗的累積，不再需要人教而能夠自主學習。
然而，想法很美好，實現卻異常艱難。
說了這麽多機器學習，或許有些家長想問人工智能教育有沒有用，值不值得給孩子用，因為誰家的錢也不是從樹上長出來的。就拿松鼠AI的付費課程來說，付費額在6000-12000元之間，除了金錢還有時間和精力的成本，更何況教育和其他產品還不一樣，它承擔不起試錯的成本和代價，孩子就是家長的未來。
而又有多少的家庭能讓孩子大膽的試錯呢？雖說不能一概而論市面上的產品，但是或許總需要有些人去做“第一個吃螃蟹的人”。
沒有場景支持的AI教育是空中樓閣
每一波技術浪潮的出現都要融入具體的場景，創造用戶價值以及提高作業效率，才會爆發新的機會。AI介入教育的價值，就在於大規模地滿足了個性化教學的能力。
現在，任何一個人工智能教育企業都不認為自己是人工智能泡沫裡裸泳的選手。
“人工智能給智能層面、服務層面、教育教學方面確實帶來一些機會，但是怎麽做好還要跟教育本身的場景有效結合起來。”北京師范大學智慧學習研究院聯席院長黃榮懷講道。
2016年，AlphaGo將人工智能推上了風口浪尖，似乎也給了大家一種錯覺就是現在就是人工智能的風口，現在不投資更待何時，而事實是AlphaGo只是Google的一個實驗性項目，只是為了向大家展示這個產品能夠更好的理解深度學習。
因此，AlphaGo本身並不具備任何實際意義，也無法產生回報，而將這種技術應用於實際的場景，還需要很多年，並且因為技術的複雜性，在不同的場景應用，它所需要突破的核心技術也是不同的，更不要說實際應用的難度了。
因此，從目前國內人工智能教育企業的一個發展模式來看，大家還只是把人工智能作為一個噱頭和概念，這是不正確的，其實，AI只是一種技術手段，不論是什麽技術，終究是要融入具體的具體場景，才能發揮它最大的價值，才會迎來真正的社會變革。
其實在北京的一些學校已經將人工智能技術應用於現在的教育教學場景當中，作者了解到，在北京市第十二中學，學校將人工智能等技術引入校園後，各學科教師在新技術的輔助下，創新教育教學方式。“在人工智能技術的支持下，師生間不僅可以互動討論，老師還能通過教學設備平台，看到每一位學生對學習內容的實時反饋，這讓老師能夠隨時調整教學策略，提升課堂學習效率。”一位教師說道。
可見人工智能教育終歸是要回歸到教育的本質上來，但現在資本的湧入已經將人們的注意力引入搶佔市場、搶佔用戶等方面，卻忽略了教育產品需要長期在教學資源、教學場景、教學效果方面的積累。
現在的人工智能教育領域可謂是“百花齊放”，但是待大浪淘沙過後，“剩者”將只有幾家。
但不可否認的是人工智能教育是未來的方向，不過卻不是風口，就像互聯網一樣，它讓O2O、電商等成為可能並成為日常生活重要的一部分，但是人工智能的風口卻是當人工智能技術成熟後，所有行業能夠利用人工智能改進提升甚至是顛覆行業。
香港九龍灣馬來街興發大廈15樓D室