自适应技术是一种决定性的面向未来的技术，它能在产品的经济性、安全性和舒适性获得最优化的同时，减少乃至避免震荡以及不希望的畸变和噪音。应用自适应技术的产品和方法能够获得决定性的竞争优势。为了让大家交接自适应技术在K12领域的应用，飞马网于6月14日晚，邀请到有10年互联网技术架构、管理经验的樊星老师为大家分享该领域的内容。
以下是这次线上直播的分享实录：
今天分享的主题是乂学如何打造智能教学机器人，让学生学习轻松十倍。怎么去做呢？这是靠自适应学习技术，目前乂学主要是在K12领域的应用。
我首先给大家介绍一下乂学，乂学是一家K12的人工智能教育公司，公司理念是将个性化学习带个世界的每一个孩子，给每个孩子一个陪伴他一生的人工智能老师。乂学目前有700多家合作学校，2.7亿的天使轮，最近的一次融资马上结束。乂学和美国的SRI成立联合实验室，同时在纽约有AI研发中心。
一、我们为什么要自适应
很不幸，现在的每一个孩子都是在流水线上生产制造出来的，我们的孩子面临的是千人一面的教育，把所有的学生都当做一样的东西，标准化的来培养我们。那么这样一种模式是不是正确的呢？孩子是不是该千人一面的呢？不是的。孩子实际上是千人千面的，在当今的教育机制下，百分之九十的孩子，有三分之二的时间是浪费的。这种情况，在小学时尤其明显，相信大家做一个简单的调研，事实可能会严重，甚至不止三分之二被浪费。所以目前教育最大的矛盾是什么的，人民日益增长的教育需求同落后的教育体制和现状之间的矛盾，可能跟政治很像，我相信像邓小平一样，我定义的这个教育也可以引导接下来十年内国内K12教育的发展。
接下里看一组数据，这是2016年统计的，现在可能更恐怖了，我们可能把全中国的中学老师聚集到一起，都可能没办法给上海一个城市的孩子做一对一，所以在刚才这个分析里，我们可以看到我们为什么要这么做。孩子都是不一样的，要让孩子按照千人千面的去发展，我们需要给孩子提供这样的一个东西。那么怎么满足这个需求呢？后面的环节会分享。
二、自适应在国外
自适应并不是我们首发的，他在国外已经有了挺长的研发历史。其实在美国Knewton，是全球最大的自适应，已经是10亿里面的独角兽，可以看到，自适应在国外已经发展很快了。讲一个人机大战案例。如图。
三 、我们怎么来做
我们想让每个孩子都按照自己发展，让每个孩子都能达到自己很厉害的程度，需要的就是给孩子开小灶，如果有一个厉害的老手一直陪着他的话，那这个孩子就会变得很厉害了，那怎么满足这个需求的，我们刚才说的师生比是不满足这个需求的，我们没有那么多老师去给孩子提供一对一教学，那怎么办呢？
乂学的解决方法就是AI特级老师，我们用人工智能的方法让系统去模拟一个优秀的教师，从而让每一个孩子有一个一对一的个性化学习，用AI老师将个性化教育提供给每一个孩子。
我们看一下这样一个智能的学习系统，他会有几个应用，做左边的是课程、内容、评估，然后还有个性化推荐。
这个图表比较关键。AI在模拟一个优秀老师的时候，它的优势所在：第一，精准定位，第二，个性化推荐。接下来说这个东西是怎么实现的呢？最基础的就是像上图的，初中英语的图谱，整个里面把所有的知识点都拆碎了，算法就是在这样的基础上运行的，这个图谱需要算法的一基础。
刚说到算法在推荐和检测方面比人厉害很多，接下来就讲一下为什么会厉害这么多？在测评环节，我们一直聚焦的就是怎样更细、更准、更快，为什么要更细呢？其实都知道找问题的时候找的越细，解决的成本就越低。
知识状态的检测例子：如下图
所以在检测环节，我们大量运用的知识空间、信息论、贝叶斯的算法达到检测的目标，在细和准的前提下，速度是非常快的。在讨论完检测后，讨论一下推荐，推荐聚焦的问题就是如何更短时间更好的效果。这个效果是量化的东西，是孩子在单位的时间获得的价值问题，牵涉的问题时学什么，怎么学。推荐由来已久，我们在社交里都有推荐，那我们用什么算法呢？用深度学习的模式，用决策树的模式，算法决定后，参数又该如何定呢？所以个性化推荐怎么去选择相应的算法、参数，这就是乂学在做的事情。
在个性化推荐方面主要分为三块，整个可以叫做孩子的个性化学习计划，分为三个，一个是个性化学习目标，一个是个性化学习路径，一个是个性化学习内容。
两个图，个性化学习路径规划例子。
刚才讲个性化推荐系统，这里面最大的难点在于在于什么呢？这里可以类比AlphaGo在做的事情。乂学做的就是策略性，运行过程中不断进行评估，不断去做出可选的方案，在作出决策不断循环，达到目标，它一直在不断思考，模拟的是人的大脑，这其实就是AI的两种分法。这两种AI在实现的过程中，区别还是蛮大的。乂学的方案，每一时刻都要对孩子的画像情况进行评估，对孩子的可选动作是要看视频，还是要做题，这些都是系统的可选方案，系统就要去评估。根据评估系统在作出决策，这个决策还要依赖于你的目标。
所以这里面有一个很大的难点，我们叫做实时评估，它不像AlphaGo，下棋的时候对于棋局的判断相对准确，可以量化，但是对于孩子的判断，他是模糊的，对于这样一个模糊的东西如何去量化，包括孩子可选的东西有不同的权重，这些怎么去衡量，这对算法来讲就是一个非常大的难度。这个难点就是如何去实时、准确的评估孩子的学习状况和达成目标的概率。
那么这些东西怎么去做呢？这里的自适应引擎迭代优化主要考虑几个点。如何进行算法和参数调整是一个关键的地方，决定成败；第二是如何选择数据，应用数据，这里面在做的数据和平时说的大数据有很大区别，这个区别就是在做教育里面非常关心一个清晰的主体，背景信息必须足够大，比如说十万个孩子做题，不知道具体信息，但一千个孩子去做这个题，你知道他们的学校、年级、学习情况。后者产生的价值明显大于前者。第二个就是数据必须完整的、长时间。
四、什么是自适应
乂学目前是全球领域自适应的领导者，自适应不是新名词，就是一个方法论，聚焦的是效率。效率来自于成本和结果。自适应的分级，0是非自适应，1是人工自适应，就是一对一家教，2是规则自适应，3是算法自适应。不同的效率不一样。
五、效果
人机对比大战：分为两个班，一个是有十几年教龄的老师去教，一个用AI系统，四十个小时后，AI班比人工班高了五分多。一定程度上证明了AI可以替代真人教学，但是这个论断有争议。最后的结论是，可以在一定的情况下替代。乂学把教育分为教学和育人，长久来看，AI可以在教学方面替代，但是育人是不可以的。所以在乂学的论断里，教学归AI，育人归老师，分工明确。另外一个效果是，乂学的系统现在可以代替上海五百块钱一个小时的老师的百分之七十了，教学效果和收费和真人一对一是一样。
以上就是本次线上直播的主要内容，相信你对自适应有了一定的认识。想了解更多更详细内容的小伙伴们，可以关注服务号：FMI飞马网，点击菜单栏飞马直播，即可进行学习。
閱讀更多 飛馬網FMI 的文章
