2017年12月14-15日，由映魅咨询主办的TAB教育科技论坛在上海INNOSPACE+举行，本次论坛邀请了来自教育资本、儿童教育、K12教育以及科技领域中的多家优秀企业的代表，分别从各自的角度阐述教育科技领域中的现状以及对未来行业发展的展望。

在教育科技专场中，先声教育CTO秦龙从当前国内外的人工智能技术在教育产品中的应用，人工智能在教育场景中的角色以及未来人工智能在教育场景中还有待突破的几点进行了深入分享。

以下是秦龙的分享内容概要：

先声教育是一家来自北京的公司，主要做人工智能方面的事情，我们对自己的定位是：垂直于教育领域的人工智能公司，是一家主要做技术的服务商，为教育公司提供赋能。

今天我在这里主要跟大家讨论一下人工智能，尤其是人工智能和教育的结合，在最近几年是什么样的情况，以及未来三五年内我们可能会有一个什么样的向上空间。

最早的时候，我们在汽车流水线上制造一辆汽车，100%的工作是由工人来完成零件的组装。但是，今天在全球最顶尖的汽车制造厂，差不多60%到80%工作是由机器人来完成的，人类工人只完成20%到30%的工作，已经很少的一部分由人来完成。我觉得在教育领域，今天有很多事情是可以标准化的，无论是内容生成、批改作业、测评。3-5年之内，将有很大的一部分工作由机器辅助人类来完成，人类可能最多完成其中的20%的工作。

我是做技术出身的，之前在中国科大读了本科和硕士。在读本科的时候加入了中科大语音实验室，做语音合成的工作。科大毕业以后，我去了卡内基梅隆大学，在那边做语音识别方面的一个博士研究。在回国之前，我在一家美国语言教育公司Duolingo，这是一家全球最大的一个语言学习平台，在2017年年初的时候，Duolingo在全球有超过两亿的用户，有2000万-3000万的每月活跃用户。

在Duolingo的工作经历，对我回国创业有很大影响。在最早加入Duolingo的时候，因为知道我们做的每一件事，每天都会有很多人在用，那时候最大的感受是感到自豪，很骄傲，自己做的产品有这么多人用，但是并没有对于教育，尤其Duolingo提倡的免费教育有太深刻的理解。我们看到很多在国外，有一些用户真正的能够通过Duolingo这样的一个免费的学习平台得到了帮助，并且也帮助了他们自己的职业发展，帮助他们改善最基本的生活，这对我当时的触动很大。

但是，我们越来越多地看到，在国内，教育越来越多成为一种工具，或许只有大城市里面最好的学校的小孩才能上得了中国最好的大学，教育越来越变成一种所谓的精英教育，这些精英最后会成为国家的顶梁柱。

那么，在教育资源分配不均衡的时候，我们能做一些什么？对于一个技术背景的人来说，我认为，人工智能技术一定会对教育造成很大的影响。过去我们看到每一次工业革命的时候，其实都是降低了教育传播的成本，提高了教育传播的效率。比如说在印刷术出现的时候，人们可以把书非常快速的复制成很多版本，这样整个书的成本就降低了。在我们看来，当通过互联网手段把线下教育资源搬到线上的时候，也提高了教育传播的效率。过去，我们在内地的城市的孩子很难得到一线城市顶级教师的教育资源，现在通过互联网可以得到并且成本也比以前低很多。

先声教育是一家技术服务商，目前我们主要以下几方面技术：语音测评、写作批改、自适应学习等等。

所谓的教育科技EdTech，在很多时候我们看到有很多投资集中在所谓的O2O模式方面。比如说，MOOC的形式就是一种把线下资源搬到线上的模式。但是我们也看到在美国做人工智能技术与教育结合的公司也在最近几年获得了很大的投资（见上图）。反观国内情况，感觉节奏会稍微慢一些，国内在教育科技的资本市场反应速度没有美国那么快，很多时候还是以O2O的模式为主，但我们也看到越来越多的真正在做教育科技的创新公司出现了。

目前国内的教育政策方面的有一些变化。我们国家对于教育非常重视，每一年我们GDP中投资在教育上的比例还在每年有所增长。教育里面有很大的一部分是教育信息化，比如为学校提供教育硬件的服务和升级。另外，我们也看到国内英语考试现在也有很多的改革，过去我们的英语考试，主要考词汇、语法，真正对于语言的使用没有太多的帮助。国家也希望今后能够更多地考察听说和写作的能力。加强英语考试的听说能力考察目前已经在国内很多地方试点了，比如上海在今年高考中已经开始考口语了，尽管目前口语考试的分数所占比例还很小。这些方面的变化，可以反映未来在英语教学方面一定是侧重能力方面教育，而不仅仅是应试教育。

在这里，我介绍一下目前在教育领域已经得到落地的主要的人工智能技术。比如说，语音测评技术在国内还是比较成熟的。在较早的时候，语音测评技术是从普通话口语考试切入的，当时的考试要求公务员、老师的普通话水平在达到一定程度以后才能上岗。科大讯飞在2004年左右的时候开始做普通话水平考试。现在，英语的口语测评，无论是在考试还是学习场景中都已经有了很多应用。另外一方面，英语作文的批改其实在国外已经做得比较久了，比如说托福写作考试现在的批改就由是机器和人类共同完成的。在过去，托福英语作文需要两个老师打分，现在是一个老师加上一个机器打分，如果两个分数差得比较多才会引入第二个老师进行打分，应该说，机器打分的引入大大降低了ETS对于考试打分的成本，同时也提高了效率。

如何评判语音测评的分数打的准确不准确，这就需要把机器打分、人工打分进行对比。比如有一个数据库，数据库里的每一句话或者每一段话都是由几个人工专家打分。然后机器也会打一个分数，机器打分和人工打分的差距就可以来评判准确度。但是，在日常学习场景中，仅仅告诉一个学生一个分数的作用并不大。同样一句话说了两遍，第一次打了81分，第二次打了85分，学生并不知道这4分的提高怎么做到的，对学生的学习是没有效果的。现在，先声教育做了很多工作，会提供给学生详尽的反馈，会告诉学生哪个词的发音比较好。

我们中国人发音最大的问题，主要在发音上的音调是不变的，没有高低上的任何变化，没有节奏快慢的变化。我们说中文的时候，有的时候说得非常快，但有的时候要强调的地方，无论在能量还是语调上都会加重，因为这是要强调的点。但我们的学生在说英语的时候完全不考虑这一点，这是很大的问题。

现在，先声教育的语音测评平台每天接受超过一千万次的语音测评请求，每一次的语音测评请求就是学生说了一句或者几秒钟的英语，我们在接到请求以后根据模型进行打分，最后反馈给学生一个分数，每天我们能够处理一万小时的语音数据量。

从上图中，我们可以看出一些信息，最上面的图是周1到周5的使用情况，下图是周6和周日的使用情况。从周1到周5，我们可以看到每天早晨差不多7点左右会有一个小高峰，中午午休的时候也有一个小高峰，晚上的高峰从晚上5五点开始到晚上11点左右结束。这主要是因为学生在平时的周1到周5要上课，很多时候是写作业的场景，而且基本上是晚上在做作业。而到了周末，从早到晚都有学生在用。这个数据也反映出，无论国内在教育资源还是学生家长在教育上面的投入，孩子们的竞争是非常激烈的。

另外一个比较常见的人工智能技术的教育应用是英语作文的自动化批改。英语作文的自动批改在技术方向有很多不同的选型，总体来说，批改的分数有两个部分：第一部分是打分，比如说这篇作文打多少分数，这是批改的第一个基础。第二部分是检错，这更多的是给学生反馈，告诉学生有没有拼写错误、语法错误、用词错误。我们现在的英语作文批改，会告诉学生一个总的分数，另外还会告诉学生每项单项分是多少，比如词汇的分数、语法分数、可读性分数等等，而所谓的可读性就是指文章读起来是不是很通畅。一篇文章，词汇、语法、内容没有问题，但是太难读了，这也不能算是一篇很好的文章。

最近几年，国内有很多教育科技公司都在谈自适应学习，首先，我认为自适应学习是一个很好的东西。过去我们学习基本上是单向的传输，老师在上面讲，学生在下面听，老师很难判断每一位学生在接受学习信息上的情况是怎样的。

但是，自适应学习解决的问题，根据每一位学生学习的内容、学习的速度以及学习的过程可能都是不一样的，因为每个人对于知识的掌握情况不同。应该说，个性化学习的目标构想是非常好的，但还是存在很多技术难题需要我们不断去解决。

我们来举个例子来看看Duolingo是怎么做自适应学习的。Duolingo是在2012年上线的，在系统设计的最初就已经开始引入自适应学习的概念，尽管Duolingo在做的时候没有强调自己是基于人工智能，但是在产品设计的很多细节上都用了大量机器学习以及人工智能的设计。

比如说在Duolingo应用中，用户学习的每一个词汇都是基于不断地跟踪用户对于每个词汇的掌握情况。当用户在做练习的时候，比如出哪些题或者让用户练习哪些词汇，Duolingo会根据用户的词汇掌握程度进行推荐。在推荐的时候，用户也有不同的选择，首先不能推荐用户已经学会的，因为即使用户做了题也是无用的。对于用户掌握非常差的词在推荐时也要注意，因为推荐这些词给用户做的时候，用户的回答可能都是错的，如此可能会打击用户的学习自信心。所以，Duolingo在设计每一节课的时候既要考虑最大效率的提高用户的学习效率，同时又不能让用户太有挫折感，这是Duolingo在产品设计方面的考虑。

我认为，在中国学习英语最大的矛盾不是英语学习的好不好，而是在中国学英语没有地方用，每天在学校里面跟老师在课堂上学习，平时无法找到更多的使用的地方。在今天，已经出现了一些新的方式，比如说在线1对1的英语学习，能够跟外教练习英语，这种原生原味的英语环境对于语言能力的提高非常有帮助，但是在线1对1英语学习的问题是成本比较高，不是所有的人都能够负担得起。因此，Duolingo做了一种尝试，比如对话机器人的尝试，希望通过人工智能的技术加上浸入式的学习环境，给用户找到更多练习口语的机会。

在Duolingo，当用户学习一门外语时会有这样一个环节，这个环节是限定场景的，在这个特定场景，Duolingo会给用户做1对1的对话。Duolingo不会给用户任何的提示，所有的问答需要用户自己生成语言的，自己来组织语言，这个锻炼的过程是非常重要的，但是无论是日常中做阅读题还是做填空题都不会有这方面的训练。Duolingo做这样一个环节，目的就是锻炼用户不要用母语思维来做翻译，而是直接通过学习语言的思维来组织你的语言。

我觉得目前来说人工智能做的还不够的或者说未来还有很长一段路要走是在情感计算方面。我们可以通过人工智能技术，通过人脸识别、通过声音来大致判断一个人的心理状态怎么样，这个人是高兴还是忧伤等等。但是，如何通过这些判断出来的情感对学生的学习过程、学习内容，学习方式作出调整，这其实是未来在人工智能和教育结合当中有很多要做的地方。

今天，一个老师和学生在做1对1交流的时候，老师是会考虑和接收到学生的很多反馈的。老师在交流的过程中会看到学生的表情变化，反馈的时间，老师会根据这些反馈给出帮助和提示。但是，目前来说，机器在这件事情上还很难做到，目前的人工智能技术并没有做到那么的精细化。

应该说，我们的人工智能技术现在还处于一个非常早的起步阶段。目前我们做的所有东西可以用一句话来概括：Big Data、Small Task。Big Data表现在几个方面，即我们现在所有的人工智能技术的应用或者说这些统计模型的建立都是在有着巨大的人工标注的数据库基础上面的。如果这个数据库，没有人工标注，算法、模型和精度就会差很多。而Small Task所表达的是，我们花了很多精力、时间、数据训练出来一个人工智能的算法和模型，但是却只能用在一个单一任务上，将这个模型和算法换用在另一个任务上就不行了。一个复杂的人工智能模型只能解决一个非常简单或者单一的问题，这是目前人工智能碰到的另外一个很大的需要解决的弊端。

今天的人工智能技术有很大的未来前景，但是这样的技术应该服务哪些人群？是不是仅仅服务最精英的阶层？我认为，在大的技术变革的背景下，人工智能技术一定是服务绝大多数人的。我们希望通过技术来降低知识获取的成本、提高知识获取的效率，让每个人都能够享有公平并且有质量的教育。