AI教育从业者讨论：如何用AI解决因材施教的问题
与教育界的 AI从业人员交谈： AI怎样才能破解「因材施教」的问题？
你可以想像出，在人工智能与教学之间，存在着怎样的可能？
人工智能技术的引入，改变了教育模式与教育模式。从智能学习助手到交互式问答系统，再到基于人工智能的个人学习系统，越来越多的尖端科技开始深入到教学的各个环节，提升了人们的学习感受。
本期节目中，我们特邀到了慧通运动事业部总经理夏鹏飞，精准学习的合伙人张宁，阿斯卡科技的共同创立者任贝拉，以及硅基 AI专家黄晓毅，从传统教室到网络教学，从小学到大学，深入地探索了 AI对产学研结合的推动作用。此外，本项目还将探索利用人工智能技术来处理数据分享与实时化等问题。
下面是一段录音。
现在，在使人类与人类进行个人沟通的过程中，人工智能发展到哪一步了？遇到的最大的挑战与难题有哪些？
张宁：就技术难易来说，我们在个别化教育中引入了解决问题的技能，但是这并非惟一重要的原因。好的老师是好的学习老师，除了解决问题的技巧外，更重要的是善于准备，善于发现错误。
首先，从解答的角度来看，当前的 AI只会做几道智力题，而在现实的一对一教学情景中，师生之间的交流通常都是以已知的问题为中心进行，总体来说，K12所涵盖的知识范围十分狭窄，不可能解答出一个又一个的、又是一个又一个的、充满着各种不确定性的问题。
其次，在课程设计上，我们更加重视模拟线上一课老师的技术架构，并把它转换成 AI模式中的特定动作。
当前的人工智能技术已可以将老师的日常教育过程，例如开场白，提问作业，提问学生的学习状况，讲解知识点，即兴提问，对学生对知识点的理解缺陷进行评价等等。在45分钟的一对一指导下，建立一个网络老师是非常有可能的。若此名老师具有个人化的语音、互动技巧及视觉效果，则可在一个特定情境下，模仿真正老师的全部技巧。基于上述研究成果，本项目拟于年内完成该算法的原型系统，完成该算法的实际应用，并推动该算法的产业化。
黄晓毅：您刚刚谈到了一些重点。要想让 AI进行个性化的教育，就必须要学会如何解答问题，并且要学会如何教导学生。当然也有很多问题，比如，当和同学们交流时， AI要精确地知道他们在那个阶段有什么问题，你怎么做？
张宁：没错，我们的试题库中包含了上千万个问题，为 AI和同学之间高效地进行会话和沟通提供了宝贵的素材。为此，本课程对每个问题都有详尽的说明，其中包含了原理及解决方法。比如，在解决一个问题时，我们会着重于某个理论在解决问题时的特殊运用，或者一个问题有很多不同的解决方法，同时也要注意一些容易犯的错误。在此基础上，我们将为学习过程中的学习过程和结果进行分析，从而为学习过程中的学习过程和学习过程中的问题，以及如何更好地进行学习。
此外， AI还需要更深入地模仿老师的作用，它包含了20种不同的个人教育方法。比如，一些老师会让他们重复一遍主题中已经知道的词汇，以此来判断他们是否能够很好地理解这个主题。若不能准确地将主题词重复出来，则表明其对主题的理解有问题，因此，老师应对问题的具体成因进行深入研究。
为了使课堂的交互更加自然，更加有效，必须将上述的教育策略与逻辑融入到人工智能模式中。另外，在课堂上，教师的语言形式、课堂上的幽默风趣都是提高课堂学习经验的关键。尽管这样做很肤浅，但却可以让课堂变得更加生动，更加吸引人，从而增强了学习的积极性。
黄晓毅：你的看法是非常有趣的。在 AI时代以前， AI教育就是以构建知识地图为基础，强调知识点间的关联性，从而达到精确的教学目的。但是，最重要的是要弄清楚他们是怎样掌握的，他们在学习中会碰到什么样的问题。
贝拉-任对此，我认为，对我们的商品进行详尽的说明也是一大亮点。通过和使用者的交流，我们知道他们之所以喜爱我们的商品，最重要的一点就是因为我们对商品进行了详尽的讲解。
一些软件只能解答而没有解答，甚至连一个大规模的语言模式都会有精确度上的问题，回答也许会有问题，而解答的过程也会出现混乱。为此，本项目拟突破现有大规模建模方法的限制，基于gpt4等大规模建模方法，对框架进行优化，提升问题求解精度，并给出具体的解决方案。
黄晓艺：从科技角度讲，这是如何实现的呢？
在技术方面，贝拉-任采用了以思考链为基础的智能体技术，以提升建模的精度和精度。我们在8.15发布的 Superasksia中采用了这个框架，并对几个高难度的计算问题进行了测试，其精度较gpt4o提高30%左右。在这个新特性上，我们的准确性要高于gpt4o30%。
夏鹏飞：我们不同于一般的运动，它的特征是及时的反馈，它可以让学员在做完一个运动之后就可以获得及时的反馈，从而对自己的技术有一个更加深刻的认识，并且不断的提升自己的技术水平；另外，运动运动的轨迹难以被捕捉，所以它需要具备对运动过程进行实时的分析与反馈，而非事后的处理，这也是它有别于其它专业的地方。
所以，我们的 AI可以告诉他们什么时候该改正，什么时候该做什么。另外，我们的 AI技术并不局限于教学，而是应用于其它商业环境，这些商业环境一般都有标准化的教学计划和评价准则。
在个体化的教育中，我们可以将想要学习的动作技巧提取出来，并把这些技巧与具体的动作品质或技术相关联，达到个体化的教育目的。举个例子，假如有一位同学做得不好，那就说明他的身体有问题，然后建议他做一些运动，以改善他的身体素质。
在此基础上，基于多个学科的特点，针对不同的教育领域，针对不同职业背景下的具体能力提升策略，提出相应的策略，并提出相应的对策。
目前产生型的 AI科技对于你所期望的方案来说，已经足够了吗？若是不足，那还差了些什么？
张宁：现在的人工智能文字产生技术非常的完善，尤其是在有了自我指导的情况下，在大规模的文字资料的情况下，它能够很好地应对海量的文字。例如，在一些特定的应用中，比如法律、医学等，这些应用中，大语种的建模能力已经能够满足要求，但受限于数据收集与应用等方面的问题。
然而，在面向可视化的人工智能研究中，虽然目前已有较大进展，但是对于复杂场景的认知以及对将来发生的事情的预测还需要进一步提升。李飞飞教授致力于太空智慧科技的研究，目的是为了改变这种状况，尽管目前还没有确切的日期，但是它展现出一种非常有前途的未来。
夏鹏飞：我们最近和北大教授交换了一些关于改进运动测试中的一些问题，特别是针对运动训练中的一些应用程序。最大的困难是，虽然已经确定了标准的动作，但是因为每个人的失误行为之间的差别，使得标准化的检测变得非常困难。
比如，同样一个错误的持笔式，不同的人会有不同的表现，甚至同样的错误的行为，同样的错误，同样的情况下也会出现不同的情况，这需要更高的运算能力。针对此问题，本项目拟对该方法进行深入研究，使其具有普适性，使其能够适应多种非标准化行为。研究内容包括：发展基于文字到行为的自动识别方法，实现基于错误等级的规范化行为视频的自动识别，以提高算法的性能。
目前，传统的学习算法多依靠传统的历史数据进行学习，其有效性和适用范围都受到限制。本项目提出在飞行器试验中开展风洞试验，利用相应的计算方法产生符合一定精度要求的规范行为录像，进而产生规范化的错误行为录像，进而对该方法进行更精确的评价与优化。另外，本项目还将研究如何利用大规模数据来提升小规模模型的推广性能，以满足多样化、非标准化应用环境的需求。
贝拉-任我于二月对 GPT进行了检测，结果显示，该软件并不擅长于求解数学难题。但是自那以后， GPT经过了十多个版本的反复，并且有了长足的进展，就像萨尔·汗在 OpenAI会议上展示的破解毕达哥拉斯定理的本领一样。因此，在面向用户的 AI软件开发中，需要对大数据量的建模进行深入研究，并根据其特点进行相应的功能设计。
对于那些对科技知识不多的学生来说，产品的设计要求他们能够更好地理解他们的行为模式。作者通过对实验结果的分析，认为有些同学对 GPT的运用比较熟练，而对 GPT的作用却不甚清楚。所以，在进行相关的产品研发时，应该以整合的语言模式为依据，对面向对象的互动模式进行研究，并根据具体的应用要求，进行相应的功能的研发。
AI已经到来，为何首先要倒在教育上？
张宁：中国的教学系统之所以能够如此迅速地使用人工智能，很大程度上是由于其低成本的原因。无论是中国还是美国，每一家每年平均营收在一千万美金以上的新公司，都表现出了具有一定的性价比，并且必须要在人工智能科技的范畴之内才能完成。以中国为例， AI客户服务的市场增长速度很慢，这在一定程度上是因为客户服务费用低廉；美国的人工客户服务费用更高，这也就意味着像牙医这样的人工智能客户服务类的产品很快就开始赚钱了。在教学方面也是如此，我们已经建立了一个在线老师在线教学系统，它能在线上教学中增加45分钟的时间。这就为人工智能教学产品带来了更多的增值机会，同时也激励着各院校对其进行优化配置，因为要把这些成果转换成具体行业的商品，所需投入的金钱是巨大的，而在教育方面，高附加值的应用则是值得投入的。由于中国特有的特点，中国拥有丰富的 AI技术使用空间，而由于国际上各产业的发展不尽相同，因此其在这一领域表现出了明显的优势。
贝拉-任我持有同样的观点。因为学费的原因，许多人开始向助理寻求帮助，但是他们却没有办法在课余的时候，例如节假日或者读书的时候。另外，去补习班也是一个选择，但是成本很高。与此形成鲜明对比的是，我们的这个软件一个月只要10美金，并且能够协助同学们做不同的作业。商品资料表明，在一些需求旺盛的时段，比如读书星期，购物和付款速度都会显著提高。这是由于对大量的学员的需求以及与教学助理或指导老师的交流。常规的补习成本比较高，但我们的课程只要10美金，所以很多同学都很乐意接受。
黄晓毅：从目前的情况看，目前，无论是在教学环境方面，还是在教学领域，都有很大的发展空间，这两方面因素一起，使得人工智能和教学的融合更加密切。在这样的主题下，林深彤又将如何定位？
夏鹏飞：本人曾在教育界工作，曾由一家教育界的企业转型为一家人工智能企业，本人坚定地认为，要将人工智能投入到教育中，首先要做到政策上的正确、原理上的正确、运用的环境上的正确。政策的正确与否是首要考量。近几年，随着教育部的引导，将人工智能技术运用到教育行业中，以提升老师的业务水平、提升同学们的学习效率与动力、与世界科技发展同步，形成了一股热潮。保障教育公平、高效和科学是提升公共教育满意度的关键，而 AI技术对促进教育公平具有重要意义。准则的正确也是关键。为了推动我国的信息化建设，我国的教育事业不断向更高层次发展，尤其是在一些特定的领域，随着人工智能的不断发展，它能够产生很大的价值。目前，我国的教学信息化发展到了3.0，要求将科技融入教学的各个关键部分，而随着人工智能的不断发展，再加上政府、财政等方面的大力扶持，使得它在教学领域中的运用变得越来越重要。在教育界， AIGC并非首个出现的新科技，但是每次科技创新都为教育界提供了一个机会。如果能确保数据的精确性，那么 AIGC系统的使用将会给整个教育产业带来正面的冲击。
哪种学习机可以被称作「自然 AI」？这种学习者为何能够大幅度地改善他们的学习成绩？
张宁：创新之处就是，我们的设计采用了 AI技术，可以让同学们更好地掌握所学的知识，也可以更好地理解所学到的内容，从而避免了以往的被动学习。
当然，在教育过程中，不能出现完全正确或排斥的现象，也不能用一种方式代替其它方式。然而，像我们这种提供了一种服务和一种有效的辅助教学模式的产品，正是我们所需要的。
即便是在我们的积极帮助学习者的帮助下，自我学习也是非常关键的。有的同学可以自己学习，有的同学则需要老师的指点。现在市面上已经出现了资源平台、科大讯飞学习引擎、虫虫书等自主学习的软件，它们在引入人工智能的同时，还可以进行搜索、解释和启发式的引导。
因此，我们通过推出以科技为基础的教学服务，让学生不必24小时24小时地雇佣真正的老师，从而弥补了这一市场的缺口。本项目旨在根据学生自身的特点和实际情况，为学生设计适合学生自主学习的教学软件，并根据学生的实际情况进行针对性的教学。有一个玩笑：「开学的时候，我把头埋进了教室里，然后就一直不明白。」针对尚未掌握核心知识的学员，通过该软件进行全方位的引导，使其具备扎实的基础知识，提高其提问与自学的能力。我们可以针对学生的不同需要量身定做，从而为学校提供更多的革新与增值。
黄晓毅：所以说，最重要的就是要能正确地辨别出哪些是不懂的，而那些不懂得怎样去辨别的，常常会让他们搞不懂自己的问题所在。他们要求有一个交互式的沟通模式，这样才能精确地确定出问题，而这些都是由 AI来完成的，而这些都是由学生自己来完成的。
但是，现在的学习机，其市场是非常成熟的，其中就有销售渠道。在这个领域，精确教学的应用将会遇到怎样的难题与挑战？
张宁：市场的关键在于要有不同的市场定位。如果一个新的产品仅仅是一个重复的市场标语，而没有一个显著的区别，那么市场的费用将是巨大的。我们把这个新的项目看作是一个很好的补充，可以弥补我们在这个领域的一个很大的缺口。另外， AIGC还可以减少视频的推广费用，包括市场推广材料，课程录像，剧本等。这和我们以前见过的完全不一样。当前的市场战略也包含了"口碑传播"——在像小红书这样的平台上，通过录像和照片来种植种子。
有那么多的应用软件， skSia又是怎么想到要进军 AI+教学呢？那么，海外的留学市场又是怎样的呢？
贝拉伦我们努力争取平等的受教育的机会。以自然语言处理、机器学习等人工智能为代表的人工智能能够为学习者提供个性化的学习途径与指导，并为他们的个性发展提供支撑。从七月开始，我们就开始为全世界的孩子提供一个有针对性的 AI学习指导，使他们能够更好地服务于世界各地的孩子。
尽管市场上已经出现了很多小规模的软件，但是 AskSia聚焦于学员们的难点与提升需要，借助行业内最先进的精准与教育专家技术，为学员们提供个性化的学习指导与反馈，极大地提升了学员的学习效率。
传统的教学方式缺乏个性。通过建立一个个性化的 AI辅导平台，带动整个教育产业的革新和革新，力争在网络时代，颠覆世界上的主流教学技术，达到上亿美金的 ARR规模。
黄晓毅：刚才你说过，将来肯定要靠 AI来辅助，那肯定和今天的 AI不太相同。是否有任何关于将来某个更遥远的方案的评价或前景？
任蓓蓓认为，现在市面上的 AI教学产品，大多都是以 AI为核心，属于后学习的领域，不过，它的应用范围肯定很广，就像在教室这样的场合，也可以用到人工智能。比如，在以前的课堂上，如果有什么问题，一般都是在上课的时候举手提问，或者是在下课后将题目写下来。但是，人工智能可以突破这一局限，我们现在在研发一种特别为教室情景而设计的函数，叫做 A+ SIA，可以为每次上课产生一个互动帆布，用于对上课内容进行笔记，进行教学内容的汇总、索引和扩展（例如，参考例题、扩展延伸等）。比如，引用例子，扩展阅读——），可以更好地协助学生对课程的知识进行及时的了解，并有助于他们对课程的知识进行及时的回顾，从而有助于他们进行考试。
黄晓毅：国产 AI和外国 AI有什么不同？不同之处在哪里？
贝拉-任阿斯卡西亚公司从成立之日起就将目标锁定在了国际市场上。从过去一年起，我们的业务已经扩展到30多个国家，在全世界的客户超过5100万。我们把目光投向全球，就是觉得国产的 AI和国外的差别不大，毕竟两者有着许多相同的地方。当然，各个区域的重点也各不相同。以美国为例，在大学里，他们更看重像是数学这样的学科，所以他们需要更多的数学知识。当我们把重点放在北美的时候，我们对数学进行了大量的研究。而在其它地方，例如日本，则有不同的教学重心，不同的教学重点。我想两者之间的类似点是一样的，不管是什么国度的学生，都要修一些基本的学科，如理科、文科。这种相似性表明，整个世界范围内，人工智能教学的主要职能与目的是一致的。
格林深瞳成立时间比较长，算得上是一个从人工智能1.0过渡到人工智能2.0的企业， AI1.0的时候，很多技术公司都不赚钱，但如今，发生了什么改变？
夏鹏飞：对于 AI的赢利，我们要从多方面辨证地认识。虽然 AI科技一直在进步，并且能够进入到商用环境中，但是它的完善与运用还有待时日。我们致力于创造商业，社会和科技的价值。从企业的角度来看，利润是我们的目的，但是我们同时也会对一些有创意的企业进行投入，其中就有一些近期不能获利的科技，以此来维持我们的科技优势。就拿 GerlingDeepPupil来说，这家公司既有赚钱的生意，也有一些在短期内还需加大投入的生意。同时，我们也在不断地为实现社会的价值而奋斗。例如，我们在过去一年中，通过跨年龄间的配对方法，发现了几十个被贩卖多年的孩子，取得了直接的社会效益。」我们要以一种乐观、务实的心态，通过大量的实例来展示 AI的价值，为用户带来更好的体验与体验，这正是我们所要走的路。
黄晓毅：在奥林匹克运动会上使用 GL深眼，与其他运动项目相比，有何区别？这些方案有哪些特定的问题？普洛斯是怎样处理它们的？
夏鹏飞：将人工智能引入到教学中，其使用范围将会更加广阔，并具有广阔的使用前景。普洛斯从运动学院和国家足球队开始其运动事业，如今又回到了教育界。对 AI来说，一个主要的问题就是数据。在竞赛运动方面，由于数据匮乏，需要为"个性化"的个别个人提供大量的建模工具，而在教学情景中，则着重于普及和"个性化"的学生，而非个别的运动员"个性化"。与个别的运动员相比，教育计划注重普及和"个性化"，并以每个学生为对象。无论是从市场的大小还是从其它的商业考虑，我们都比较看好学校的运动场地，这是一个很好的选择。但这并非意味着我们否定了体育运动的意义。在为竞赛运动队伍工作一年多以来，我们的队伍对于运动的认知大大提高，而我们的运动训练 AI模式，则是以高品质的运动资料为基础，为之自豪。为了落地、发展和实现人工智能的社会效益和经济效益，本项目将聚焦于教育这一新兴产业，充分发挥其巨大的经济作用。
