自適應技術是一種決定性的面向未來的技術，它能在產品的經濟性、安全性和舒適性獲得最優化的同時，減少乃至避免震盪以及不希望的畸變和噪音。應用自適應技術的產品和方法能夠獲得決定性的競爭優勢。為了讓大家交接自適應技術在K12領域的應用，飛馬網於6月14日晚，邀請到有10年互聯網技術架構、管理經驗的樊星老師為大家分享該領域的內容。
以下是這次線上直播的分享實錄：
今天分享的主題是乂學如何打造智能教學機器人，讓學生學習輕鬆十倍。怎麼去做呢？這是靠自適應學習技術，目前乂學主要是在K12領域的應用。
我首先給大家介紹一下乂學，乂學是一家K12的人工智能教育公司，公司理念是將個性化學習帶個世界的每一個孩子，給每個孩子一個陪伴他一生的人工智能老師。乂學目前有700多家合作學校，2.7億的天使輪，最近的一次融資馬上結束。乂學和美國的SRI成立聯合實驗室，同時在紐約有AI研發中心。
一、我們為什麼要自適應
很不幸，現在的每一個孩子都是在流水線上生產製造出來的，我們的孩子面臨的是千人一面的教育，把所有的學生都當做一樣的東西，標準化的來培養我們。那麼這樣一種模式是不是正確的呢？孩子是不是該千人一面的呢？不是的。孩子實際上是千人千面的，在當今的教育機制下，百分之九十的孩子，有三分之二的時間是浪費的。這種情況，在小學時尤其明顯，相信大家做一個簡單的調研，事實可能會嚴重，甚至不止三分之二被浪費。所以目前教育最大的矛盾是什麼的，人民日益增長的教育需求同落後的教育體制和現狀之間的矛盾，可能跟政治很像，我相信像鄧小平一樣，我定義的這個教育也可以引導接下來十年內國內K12教育的發展。
接下里看一組數據，這是2016年統計的，現在可能更恐怖了，我們可能把全中國的中學老師聚集到一起，都可能沒辦法給上海一個城市的孩子做一對一，所以在剛才這個分析裡，我們可以看到我們為什麼要這麼做。孩子都是不一樣的，要讓孩子按照千人千面的去發展，我們需要給孩子提供這樣的一個東西。那麼怎麼滿足這個需求呢？後面的環節會分享。
二、自適應在國外
自適應並不是我們首發的，他在國外已經有了挺長的研發歷史。其實在美國Knewton，是全球最大的自適應，已經是10億裡面的獨角獸，可以看到，自適應在國外已經發展很快了。講一個人機大戰案例。如圖。
三 、我們怎麼來做
我們想讓每個孩子都按照自己發展，讓每個孩子都能達到自己很厲害的程度，需要的就是給孩子開小灶，如果有一個厲害的老手一直陪著他的話，那這個孩子就會變得很厲害了，那怎麼滿足這個需求的，我們剛才說的師生比是不滿足這個需求的，我們沒有那麼多老師去給孩子提供一對一教學，那怎麼辦呢？
乂學的解決方法就是AI特級老師，我們用人工智能的方法讓系統去模擬一個優秀的教師，從而讓每一個孩子有一個一對一的個性化學習，用AI老師將個性化教育提供給每一個孩子。
我們看一下這樣一個智能的學習系統，他會有幾個應用，做左邊的是課程、內容、評估，然後還有個性化推薦。
這個圖表比較關鍵。AI在模擬一個優秀老師的時候，它的優勢所在：第一，精準定位，第二，個性化推薦。接下來說這個東西是怎麼實現的呢？最基礎的就是像上圖的，初中英語的圖譜，整個裡面把所有的知識點都拆碎了，算法就是在這樣的基礎上運行的，這個圖譜需要算法的一基礎。
剛說到算法在推薦和檢測方面比人厲害很多，接下來就講一下為什麼會厲害這麼多？在測評環節，我們一直聚焦的就是怎樣更細、更準、更快，為什麼要更細呢？其實都知道找問題的時候找的越細，解決的成本就越低。
知識狀態的檢測例子：如下圖
所以在檢測環節，我們大量運用的知識空間、信息論、貝葉斯的算法達到檢測的目標，在細和準的前提下，速度是非常快的。在討論完檢測後，討論一下推薦，推薦聚焦的問題就是如何更短時間更好的效果。這個效果是量化的東西，是孩子在單位的時間獲得的價值問題，牽涉的問題時學什麼，怎麼學。推薦由來已久，我們在社交裡都有推薦，那我們用什麼算法呢？用深度學習的模式，用決策樹的模式，算法決定後，參數又該如何定呢？所以個性化推薦怎麼去選擇相應的算法、參數，這就是乂學在做的事情。
在個性化推薦方面主要分為三塊，整個可以叫做孩子的個性化學習計劃，分為三個，一個是個性化學習目標，一個是個性化學習路徑，一個是個性化學習內容。
兩個圖，個性化學習路徑規劃例子。
剛才講個性化推薦系統，這裡面最大的難點在於在於什麼呢？這裡可以類比AlphaGo在做的事情。乂學做的就是策略性，運行過程中不斷進行評估，不斷去做出可選的方案，在作出決策不斷循環，達到目標，它一直在不斷思考，模擬的是人的大腦，這其實就是AI的兩種分法。這兩種AI在實現的過程中，區別還是蠻大的。乂學的方案，每一時刻都要對孩子的畫像情況進行評估，對孩子的可選動作是要看視頻，還是要做題，這些都是系統的可選方案，系統就要去評估。根據評估系統在作出決策，這個決策還要依賴於你的目標。
所以這裡面有一個很大的難點，我們叫做實時評估，它不像AlphaGo，下棋的時候對於棋局的判斷相對準確，可以量化，但是對於孩子的判斷，他是模糊的，對於這樣一個模糊的東西如何去量化，包括孩子可選的東西有不同的權重，這些怎麼去衡量，這對算法來講就是一個非常大的難度。這個難點就是如何去實時、準確的評估孩子的學習狀況和達成目標的概率。
那麼這些東西怎麼去做呢？這裡的自適應引擎迭代優化主要考慮幾個點。如何進行算法和參數調整是一個關鍵的地方，決定成敗；第二是如何選擇數據，應用數據，這裡面在做的數據和平時說的大數據有很大區別，這個區別就是在做教育裡面非常關心一個清晰的主體，背景信息必須足夠大，比如說十萬個孩子做題，不知道具體信息，但一千個孩子去做這個題，你知道他們的學校、年級、學習情況。後者產生的價值明顯大於前者。第二個就是數據必須完整的、長時間。
四、什麼是自適應
乂學目前是全球領域自適應的領導者，自適應不是新名詞，就是一個方法論，聚焦的是效率。效率來自於成本和結果。自適應的分級，0是非自適應，1是人工自適應，就是一對一家教，2是規則自適應，3是算法自適應。不同的效率不一樣。
五、效果
人機對比大戰：分為兩個班，一個是有十幾年教齡的老師去教，一個用AI系統，四十個小時後，AI班比人工班高了五分多。一定程度上證明了AI可以替代真人教學，但是這個論斷有爭議。最後的結論是，可以在一定的情況下替代。乂學把教育分為教學和育人，長久來看，AI可以在教學方面替代，但是育人是不可以的。所以在乂學的論斷裡，教學歸AI，育人歸老師，分工明確。另外一個效果是，乂學的系統現在可以代替上海五百塊錢一個小時的老師的百分之七十了，教學效果和收費和真人一對一是一樣。
以上就是本次線上直播的主要內容，相信你對自適應有了一定的認識。想了解更多更詳細內容的小夥伴們，可以關注服務號：FMI飛馬網，點擊菜單欄飛馬直播，即可進行學習。
閱讀更多 飛馬網FMI 的文章
