多知网|标准化的“AI+教育”产品未来能否实现“任天堂”式的创新？( 六 ) 编者按：近两年

更多的方案居于两者之间，同时判断疑问的有无、确认问题对应的知识。以现在的技术，则是要求个人与机器多次交互，和AI自适应学习的方案很类似，可能的发展点在于：
1.教学能力的提升：
教学能力如要提升，需要AI老师讲得好，讲得准。这除了和前面提到的素材生产重构有关，也需要进一步加强AI教师授课效果，体现在针对性、引导启发的能力等方面。
我们以K12自适应学习为例， AI交互的基础单元是知识点，以及知识点所匹配是单个题目的整体，因为机器无法做到对知识点的真正理解，所以题目内部是完全的黑匣。机器针对学生出错的题目，只能按照完整的解答和知识点来讲解。但是，从学习法来看，题目不是独立的，往往是多个知识点、方法的分步组合。
解答整个题目就如同攀岩，需要经历一条完整的路线，中间一步的动作不会，都会让学生无法顺利到达终点，而学生需要的也是找出并教会他那不会的一步或几步，而不是笼统的都教一遍。所以，更好的方案要把将机器对题目的分析，切割到各步骤层面，判断学生是具体哪个步骤没有掌握，按需讲解。
要实现此方案很难，前些年类似于高考机器人的技术，培养机器自主解题的能力。理论上机器先会做，再会讲，会逐渐达到我们期待的效果，但当前做题的技术都进展缓慢，按这条技术路线直接到讲题更是遥遥无期。那么，现阶段只能以降低难度的方案，曲线救国，让机器做到在一定程度上的“理解” ，从而实现对题目的分步讲解，国内的悉之教育就在此方向进行尝试。
此外，在拍照搜题方案中，目前也只能实现对题库内题目输出文本答案，但诸如火光摇曳等公司，通过预设动画和模板的方式，能做到对任意数值题目的自动视频讲解等，也符合这样的逻辑。
2领域的拓展：
脱离相对成熟和封闭的K12知识体系，在职教等领域应用，重构一套交互的知识库和交互题库，形成细致的技能测评系统，再与员工成长路径及学习知识联系，会是很好的一套方案。
类似IBM的WatsonTalentFramework ，就集成了3000多个职位简介和2000多种技能，职教老牌企业Pluralsight也有成熟的技能测试服务。

文章图片
Pluralsight的测试分析
这套技术能够让企业员工的学习有明确路径和计划，学习的个性化水平和效率都得到提高。对于企业而言，则是能更清晰地监测员工的学习效果，看到技能提升的状态，从而更突出培训的结果导向。直接能体现的好处比如缩短新员工上岗时间、提高员工专业技能水平等，都是能体现出投入产出比的。
自2019年至今，美国Edtech公司最大规模的投资中，企业培训及在线职业学习公司的融资保持了相当比重，更体现出此市场的潜力。

文章图片
美国2019年规模靠前的教育科技公司融资（Source：Edsurge）

文章图片
美国2020年上半年规模靠前的教育科技公司融资（Source：Edsurge）
此领域在国内获得的关注远低于K12领域，也是K12领域竞争红海之后，在线教育有望爆发的领域，在后续的文章中可进一步探讨。
以上主要是针对于学习者/学生的产品，另外也可以兼顾教师端，开发对应的辅助产品，在教授、督学过程中进行效率提高和劳动解放。例如，将一些公认为在学习中行之有效的方式和任务，听写、默写、背诵等，下放给AI来解决，过程中还可以通过结合硬件的方式，使得使用场景和使用方法更贴近传统的学习场景，比如通过智能笔等硬件，在日常书写中进行笔迹采集和智能交互。