松鼠AI · 智適應(yīng)教育首席科學(xué)家崔煒講述了他們在智適應(yīng)教育技術(shù)的實(shí)踐與落地

對于智適應(yīng)教育的發(fā)展方向，崔煒說，不管怎樣都要從教育的痛點(diǎn)出發(fā)，而不只是做成教育行業(yè)里的輔助工具。

11 月 8-9 日，在 CSDN 和 AICamp 聯(lián)合舉辦的 AI 開發(fā)者大會上，松鼠 AI · 智適應(yīng)教育首席科學(xué)家崔煒講述了他們在智適應(yīng)教育技術(shù)的實(shí)踐與落地，并在會后接受 AI科技大本營采訪時就有關(guān)產(chǎn)品和業(yè)務(wù)發(fā)展情況進(jìn)行解答。

崔煒演講

很多身處鄉(xiāng)村的學(xué)生、留守兒童得不到優(yōu)質(zhì)教育，其根本原因是因?yàn)槔蠋熧Y源的分配不均勻，很多孩子都只能接受最基礎(chǔ)的教育，甚至很多孩子接受不到教育。一名老師教授大量學(xué)生是常見的現(xiàn)象，要想每個孩子都得到優(yōu)質(zhì)的教育，老師的數(shù)量是遠(yuǎn)遠(yuǎn)不夠的。

我們過去發(fā)明的 MOOC 互聯(lián)網(wǎng)式的教育受到了很多人歡迎，但它存在很大缺陷，一是完課率很低，二是缺乏互動性。在 MOOC 的學(xué)習(xí)過程中，主要是學(xué)生用戶在系統(tǒng)上自主的完成學(xué)習(xí)。難以堅(jiān)持下來是自主學(xué)習(xí)的主要問題，這也直接的導(dǎo)致了 MOOC 的完課率很低，所以學(xué)生的學(xué)習(xí)效果非常難以保證。缺乏互動性的自主學(xué)習(xí)過程沒有老師的干預(yù)，學(xué)生在學(xué)習(xí)過程中碰到任何問題都沒有人給他實(shí)時解答互動，這也導(dǎo)致了用戶在使用的時候?qū)Ｗ⒍鹊?、體驗(yàn)感差，棄課等問題。

所以我們要打造 AI 智能個性化的學(xué)習(xí)平臺，松鼠 AI 智適應(yīng)學(xué)習(xí)系統(tǒng)是我們 AI 學(xué)習(xí)引擎的品牌。我們要讓每個學(xué)生都能夠擁有一對一的私人 AI 老師，幫助每個學(xué)生進(jìn)行知識架構(gòu)的查缺補(bǔ)漏，提升學(xué)習(xí)效率，從而帶來學(xué)習(xí)效果的提升。我們的產(chǎn)品在 2017 年初上線，一年半時間里開設(shè)了 6 門課程，涉及 12 個年級，有 1600 多家學(xué)習(xí)中心，幫助了 100 多萬名學(xué)生，覆蓋全國 300 多個城市。

在傳統(tǒng)的教學(xué)模式里每個學(xué)生都是被動接受老師的授課內(nèi)容，不管是學(xué)霸還是學(xué)苗、無論學(xué)生的前序知識點(diǎn)掌握情況如何、無論學(xué)生接受新知識點(diǎn)速度的快慢，大家都要在相同的時間里學(xué)習(xí)相同數(shù)量的知識點(diǎn)。但是我們的松鼠AI·智適應(yīng)學(xué)習(xí)系統(tǒng)能“診斷”出每個學(xué)生的學(xué)習(xí)問題，根據(jù)學(xué)生現(xiàn)有的知識架構(gòu)，為他規(guī)劃最佳的學(xué)習(xí)路徑，讓每個學(xué)生都能接收到量身訂做的學(xué)習(xí)內(nèi)容，讓每個學(xué)生最大化獲得學(xué)習(xí)效率的提高以及學(xué)習(xí)成績的提升。

舉個例子，不同的學(xué)生現(xiàn)有的知識點(diǎn)掌握程度不同，所以要學(xué)習(xí)的知識點(diǎn)數(shù)量不一樣，學(xué)習(xí)的知識點(diǎn)順序也不一樣，不同的知識點(diǎn)上學(xué)習(xí)花的時間和學(xué)習(xí)內(nèi)容難度也不一樣。松鼠AI智適應(yīng)學(xué)習(xí)系統(tǒng)通過先行測試來診斷學(xué)生現(xiàn)有知識點(diǎn)的掌握情況和能力水平，判斷學(xué)生的知識薄弱點(diǎn)在哪，根據(jù)學(xué)生的薄弱點(diǎn)，結(jié)合算法，推送給學(xué)生目前最容易理解和學(xué)會的內(nèi)容，讓學(xué)生在學(xué)習(xí)的過程中過得成就感，從而激發(fā)學(xué)生的學(xué)習(xí)興趣，保持學(xué)生在使用學(xué)習(xí)系統(tǒng)的時候的專注度。目前我們的產(chǎn)品能在不同學(xué)科上幫助學(xué)生進(jìn)行有效的提升，幫助學(xué)生對學(xué)習(xí)產(chǎn)生興趣，幫他在短時間內(nèi)高效提升學(xué)習(xí)效率以及成績。

▌智適應(yīng)學(xué)習(xí)技術(shù)原理和架構(gòu)

人工智能自適應(yīng)（簡稱智適應(yīng)）學(xué)習(xí)是一種教育技術(shù)，能夠自動為學(xué)生提供個性化服務(wù)。從二十年代到五十年代美國有很多教育專家和計算機(jī)專家在研究如何用技術(shù)給每個孩子帶來個性化的學(xué)習(xí)。大家比較常見的產(chǎn)品例如 Knewton 采用人工式的自適應(yīng)方式構(gòu)建了一套完整的學(xué)習(xí)內(nèi)容，建立了學(xué)習(xí)知識架構(gòu)，讓每個學(xué)生進(jìn)行測試，根據(jù)測試結(jié)果老師給每個學(xué)生分配不同的學(xué)習(xí)內(nèi)容，把智適應(yīng)的原理用到線下產(chǎn)品中。

后來出現(xiàn)了智能教學(xué)系統(tǒng)。目前，智適應(yīng)學(xué)習(xí)分為多種不同的類型。最簡單的是建議性復(fù)習(xí)，給學(xué)生推薦他接下來要學(xué)習(xí)的內(nèi)容；其次是評估層面的適應(yīng)性，通過對學(xué)生進(jìn)行測試，能快速檢測出學(xué)生的能力水平和對知識的掌握程度；最后是高度的智適應(yīng)，能做到根據(jù)實(shí)時、動態(tài)的學(xué)生情況對學(xué)習(xí)路徑進(jìn)行調(diào)整。

智適應(yīng)學(xué)習(xí)不需要老師的干預(yù)，其背后的技術(shù)實(shí)現(xiàn)原理可以基于很多方式，一種是基于個性化偏好，老師通過觀察和對學(xué)生的了解來判斷學(xué)生個人偏好，給他匹配不同的學(xué)習(xí)內(nèi)容。一種是基于規(guī)則的學(xué)習(xí)系統(tǒng)預(yù)先編程，有 if...then 的邏輯閉環(huán)。還有一種是算法排序的學(xué)習(xí)系統(tǒng)來動態(tài)的計算內(nèi)容順序，基于算法驅(qū)動的學(xué)習(xí)系統(tǒng)能夠更好的滿足個性化需求。

基于算法驅(qū)動的智適應(yīng)測試驅(qū)動系統(tǒng)基于自動化測試排序，通過一個測試把學(xué)生分為幾種類別。AI 能力驅(qū)動的系統(tǒng)廣泛地觀察某人試圖學(xué)習(xí)的內(nèi)容，從廣泛的內(nèi)容中提取出相關(guān)內(nèi)容，來評估學(xué)生知識掌握的程度和能力水平，看學(xué)生是否能到達(dá)他現(xiàn)階段應(yīng)該在的能力水平上。如果能力水平不達(dá)標(biāo)，系統(tǒng)會讓他停留在最薄弱的知識點(diǎn)上繼續(xù)學(xué)習(xí)、層層遞進(jìn)；如果能力達(dá)標(biāo)，系統(tǒng)會推送拓展題，幫助學(xué)生進(jìn)一步提高。

只有全面評估學(xué)生所學(xué)內(nèi)容的掌握情況，才能更加清楚了解學(xué)生整體知識情況，從而對癥下藥。根據(jù)學(xué)生測試情況找到學(xué)生真正的錯因，設(shè)定個性化學(xué)習(xí)路徑，匹配不同學(xué)習(xí)內(nèi)容，實(shí)現(xiàn)千人千面的個性化教學(xué)。

我們的智適應(yīng)系統(tǒng)的目標(biāo)是做到精準(zhǔn)診斷、高效學(xué)習(xí)。精準(zhǔn)診斷由兩個部分組成，一個是學(xué)生開始學(xué)習(xí)前診斷出學(xué)生的知識漏洞，一個是在學(xué)生學(xué)習(xí)過程中不斷發(fā)現(xiàn)知識漏洞以及隨著學(xué)生能力水平的變化而補(bǔ)全的知識漏洞。而高效學(xué)習(xí)是指系統(tǒng)在精準(zhǔn)診斷的基礎(chǔ)上自動生成的動態(tài)個性化學(xué)習(xí)路徑和最適合學(xué)生的學(xué)習(xí)內(nèi)容。

基于這些特征我們在系統(tǒng)里有四個模型：第一是學(xué)生的模型，來評估學(xué)生在每個時刻的學(xué)習(xí)情況、對知識點(diǎn)掌握的情況、學(xué)習(xí)的效率和學(xué)習(xí)的能力；第二是內(nèi)容模型，我們清楚了解到內(nèi)容哪一塊對哪類學(xué)生有幫助；第三是教學(xué)模型，這個學(xué)生是需要哪種教學(xué)方式，我們需要根據(jù)學(xué)生不同的學(xué)習(xí)風(fēng)格匹配合適的教學(xué)方式；第四是預(yù)測模型，我們會基于學(xué)生當(dāng)前的學(xué)習(xí)情況給學(xué)生做預(yù)測，預(yù)測學(xué)生接下來學(xué)習(xí)下一個知識點(diǎn)之后會達(dá)到什么樣的水平，預(yù)測學(xué)生將會花費(fèi)多長時間才能完成下一個學(xué)習(xí)目標(biāo)，這四個模型是相互關(guān)聯(lián)的，把四個模型相互結(jié)合才能打造更加個性化的學(xué)習(xí)產(chǎn)品。

學(xué)習(xí)目標(biāo)的合理性是一個重要的教育理念，在過去的教育模式里老師和家長希望每個孩子都考 100 分，但每個學(xué)生達(dá)到這個目標(biāo)所需要花費(fèi)的時間、精力是不一樣的，所以教育理念是應(yīng)該給不同的學(xué)生設(shè)立不同的學(xué)習(xí)目標(biāo)，讓每個學(xué)生在學(xué)習(xí)過程中獲得自我成就感。

診斷的準(zhǔn)確性和效率就像去醫(yī)院看病一樣，診斷的準(zhǔn)確率和效率越高，患者的康復(fù)概率越大、周期越短。我們對學(xué)生的判斷越準(zhǔn)確，學(xué)生的學(xué)習(xí)效率就會越高。然后是學(xué)習(xí)內(nèi)容的質(zhì)量，內(nèi)容不會讓系統(tǒng)自動產(chǎn)生，內(nèi)容一定是人為完成，不同的學(xué)生有不同的學(xué)習(xí)習(xí)慣和喜歡的學(xué)習(xí)內(nèi)容類型，我們能實(shí)時采集到學(xué)生的內(nèi)容反饋，用大數(shù)據(jù)分析了解到試題的區(qū)分度，對后面的學(xué)生做到更精準(zhǔn)匹配。

最后是干預(yù)和輔導(dǎo)的時機(jī)、效果和效率，在整個產(chǎn)品形態(tài)里機(jī)器是完成教學(xué)的主要手段，以學(xué)生為中心，老師與學(xué)生跟系統(tǒng)相結(jié)合，是人機(jī)共教的模式。智適應(yīng)系統(tǒng)很重要的一點(diǎn)是能夠提醒老師這個學(xué)生什么時候需要輔導(dǎo)，實(shí)現(xiàn)以學(xué)生為中心的教學(xué)模式。

▌打造以學(xué)生為中心的智適應(yīng)學(xué)習(xí)系統(tǒng)

智適應(yīng)系統(tǒng)在產(chǎn)品的設(shè)計過程里會結(jié)合不同的教育心理學(xué)理念和教學(xué)理論知識給學(xué)生帶來更好的學(xué)習(xí)體驗(yàn)，從而提升學(xué)生學(xué)習(xí)的主動性，讓學(xué)生愿意花更多時間學(xué)習(xí)，培養(yǎng)學(xué)生更好的學(xué)習(xí)習(xí)慣，這是我們產(chǎn)品考慮的關(guān)鍵因素之一。

這個產(chǎn)品是以學(xué)生為中心的，每個學(xué)生都能按照自己的節(jié)奏學(xué)習(xí)，并且是基于能力的學(xué)習(xí)，我們會及時評估，系統(tǒng)不會因?yàn)閷W(xué)生知識點(diǎn)沒有掌握停下來或者跳過，而是會采取戰(zhàn)略優(yōu)先的方法讓他學(xué)會更加有利于其掌握的知識點(diǎn)，在學(xué)生能力提升之后再進(jìn)行該知識點(diǎn)的學(xué)習(xí)，確保掌握后，然后再進(jìn)行下一個知識點(diǎn)的學(xué)習(xí)。不同學(xué)生的大腦結(jié)構(gòu)不一樣，認(rèn)知規(guī)律也不一樣，一堂課講下來后學(xué)生的學(xué)習(xí)效果和收獲也不一樣，系統(tǒng)會分析出每個學(xué)生的規(guī)律然后給他匹配合適的內(nèi)容。精熟學(xué)習(xí)，學(xué)生要達(dá)到相應(yīng)的能力水平才能進(jìn)行更難的知識點(diǎn)學(xué)習(xí)。

智適應(yīng)產(chǎn)品目標(biāo)非常多，教育是長期投資，最后看帶來的效果和收益，效果和收益不是立馬能見效的，我們針對產(chǎn)品打造和 AI 技術(shù)的落地考慮了很多方面的因素，比如學(xué)習(xí)必須要有內(nèi)容推薦，還要有相對應(yīng)的命題幫助學(xué)生把知識點(diǎn)掌握得更加熟練。必須要有這樣一套內(nèi)容管理的系統(tǒng)，記錄每個學(xué)生在系統(tǒng)上產(chǎn)生的學(xué)習(xí)數(shù)據(jù)和行為數(shù)據(jù)，根據(jù)這些數(shù)據(jù)對每個學(xué)生進(jìn)行個人畫像。所有這些系統(tǒng)有一個中樞系統(tǒng)（Master Data Service）做系統(tǒng)之間的銜接，打造系統(tǒng)的過程中我們要構(gòu)建系統(tǒng)架構(gòu)的目標(biāo)藍(lán)圖。

我們 AI 技術(shù)主要目的是用在這些方面：第一做知識診斷；我們希望打造一個超級 AI 老師，能夠在沒有真人老師干預(yù)的情況下智能化的給每個學(xué)生提供性化的輔導(dǎo)。第二要做到高效治療；松鼠 AI 系統(tǒng)中初中一個學(xué)科我們拆分到了 3 萬多個超納米級的知識點(diǎn)，知識結(jié)構(gòu)非常復(fù)雜。每個人的知識儲量是不一樣的，想要精準(zhǔn)的判斷出學(xué)生的知識結(jié)構(gòu)是非常困難的。而教學(xué)大綱里只是粗顆粒度的，很難做到精準(zhǔn)判斷學(xué)生的現(xiàn)有知識點(diǎn)掌握情況，但是我們的納米級拆分將知識點(diǎn)拆分得非常細(xì)，3 萬多個知識點(diǎn)要評判出每個學(xué)生到底有哪些會哪些不會，這是很有挑戰(zhàn)的事情，但這能精準(zhǔn)的測量出學(xué)生知識架構(gòu)。

大部分的老師對學(xué)生的情況不是很了解，所以我們希望精準(zhǔn)判斷出每個學(xué)生對知識的掌握情況。最關(guān)鍵的是我們構(gòu)建了一個知識體系，形成了一個知識狀態(tài)。先行測試的目的從理論上來講，是在龐大的知識空間里尋找到學(xué)生對應(yīng)的知識狀態(tài)。

▌如何做到動態(tài)實(shí)時規(guī)劃學(xué)習(xí)路徑？

然后是給學(xué)生生成實(shí)時動態(tài)的學(xué)習(xí)路徑。我們的系統(tǒng)會給學(xué)生制定只屬于他的學(xué)習(xí)路。，可以給學(xué)生規(guī)劃他的學(xué)習(xí)順序。我們能做到戰(zhàn)略放棄和戰(zhàn)略優(yōu)先，讓學(xué)生將有限的時間放在最應(yīng)該學(xué)習(xí)的知識點(diǎn)上。

例如某個考試需要學(xué)生要掌握 1 千個知識點(diǎn)，但在持續(xù)學(xué)習(xí)中發(fā)現(xiàn)學(xué)生學(xué)習(xí)能力非常弱，我們能夠預(yù)測他在未來 1 千個時間點(diǎn)上花的時間超過他能學(xué)習(xí)的時間， 1 個月后馬上要參加考試，不可能在一個月時間內(nèi)把 1 千個知識點(diǎn)全學(xué)會，所以需要算法做到優(yōu)先訓(xùn)練當(dāng)前有能力能學(xué)好的知識點(diǎn)，讓學(xué)生集中時間花在他能夠快速學(xué)好的知識點(diǎn)上面，對于學(xué)霸可以讓他放棄已經(jīng)學(xué)會的知識點(diǎn)，集中注意力于不會的知識點(diǎn)上，甚至可以超前學(xué)習(xí)。這需要做到以下四點(diǎn)：

內(nèi)容匹配：依據(jù)學(xué)生學(xué)習(xí)能力匹配難度合適的學(xué)習(xí)內(nèi)容，讓學(xué)生體驗(yàn)到事半功倍的效果。不同的學(xué)生在不同的知識點(diǎn)上分配的時間是不一樣的，我們能夠給學(xué)生分配不同學(xué)習(xí)時間，目的是讓他在有限的時間內(nèi)達(dá)到最優(yōu)的學(xué)習(xí)目標(biāo)。

知識的表征：教育領(lǐng)域需要用這樣一個技術(shù)把機(jī)器的結(jié)構(gòu)表征出來，學(xué)科里有很多專業(yè)詞匯和公式，很難做到機(jī)器識別，我們構(gòu)建了完整的知識體系結(jié)構(gòu)，用機(jī)器去識別每個學(xué)生的知識結(jié)構(gòu)，因?yàn)闄C(jī)器不能識別視頻具體對應(yīng)的是哪一個知識點(diǎn)，所以我們要求對知識點(diǎn)進(jìn)行納米級拆分，只有這樣機(jī)器才能做到更加的精準(zhǔn)。

構(gòu)建知識圖譜：學(xué)科領(lǐng)域的知識圖譜區(qū)別于搜索里面的知識圖譜，在學(xué)習(xí)過程中基礎(chǔ)知識學(xué)不好，沒辦法學(xué)習(xí)后面的知識點(diǎn)。如何評估學(xué)生的知識狀態(tài)？持續(xù)性、實(shí)時性、傳遞性，這需要評估每個學(xué)生的知識水平，我們會收集每個學(xué)生做題的時間、題目考查的知識點(diǎn)和難易程度，這些都是我們構(gòu)建學(xué)生畫像的重要因素。系統(tǒng)會實(shí)時的進(jìn)行用戶分析，生成學(xué)生畫像，產(chǎn)生學(xué)習(xí)報告。

評估最后的教學(xué)效果：教育產(chǎn)品很重要的一點(diǎn)是能給給學(xué)生帶來怎樣的學(xué)習(xí)效果，所以教育產(chǎn)品形成良好的口碑是最重要的。目前我們進(jìn)行了四場人機(jī)大戰(zhàn)對比實(shí)驗(yàn)，采取隨機(jī)分組的形式把學(xué)生分成對照組和實(shí)驗(yàn)組，實(shí)驗(yàn)組是根據(jù)系統(tǒng)自動進(jìn)行學(xué)習(xí)沒有老師干預(yù)，對照組是一個老師帶 15 到 20 個學(xué)生，在學(xué)習(xí)之前進(jìn)行前測，學(xué)習(xí)之后進(jìn)行后測，后測是第三方出卷保證難度是一致的。對比實(shí)驗(yàn)的結(jié)果已發(fā)表在學(xué)術(shù)會議上。

我們在持續(xù)不斷的進(jìn)行努力，希望把更多、更好、更先進(jìn)的技術(shù)應(yīng)用在智適應(yīng)學(xué)習(xí)產(chǎn)品里，希望為教育貢獻(xiàn)我們的力量，為鄉(xiāng)村的孩子帶來更高質(zhì)量的教育和個性化的教育。

以下為 AI科技大本營對崔煒的采訪內(nèi)容：

AI科技大本營：有業(yè)內(nèi)人士說目前 AI+教育的整個行業(yè)狀況是還處在搬數(shù)據(jù)的階段，您看到的又是怎樣一番景象？

崔煒：目前我們整個行業(yè)看得到的是 AI 已經(jīng)像李開復(fù)說的到了收獲期，這指的是相對于過去很多年來說，AI 現(xiàn)在已經(jīng)進(jìn)入到一個成熟的應(yīng)用期，過去很多 AI 是停留在理論層面的，所以說現(xiàn)在其實(shí)是一個最好的時代，就是能夠應(yīng)用 AI 的最好的機(jī)會。

當(dāng)然，任何一個產(chǎn)品的發(fā)展過程肯定會經(jīng)歷一個初期、中期一直到一個非常完善、體驗(yàn)非常好的產(chǎn)品。我們現(xiàn)在可以說是還不夠非常完善，但這是一個很好的起點(diǎn)。

AI科技大本營：今年在產(chǎn)品上有沒有必須要達(dá)到的一些目標(biāo)？

崔煒：我們目前是在進(jìn)一步去擴(kuò)展更多的學(xué)科、更多的應(yīng)用，從而帶來更多豐富的內(nèi)容。技術(shù)是一方面，跟技術(shù)相匹配的另一方面是內(nèi)容，就像今日頭條一樣，它能夠帶來千人千面的個性化體驗(yàn)，這也是因?yàn)樗膬?nèi)容積累得足夠豐富。擴(kuò)展更多學(xué)科在商業(yè)模式上能節(jié)省成本，因?yàn)橥粋€用戶可以報一門學(xué)科，也可以順便報其他學(xué)科。

我們也在不斷去加強(qiáng)我們的技術(shù)壁壘。像我們跟世界上最頂尖的幾家機(jī)構(gòu)都有合作，包括斯坦福大學(xué)、中科院、卡內(nèi)基梅隆大學(xué)都建立了相應(yīng)的聯(lián)合實(shí)驗(yàn)室或者研發(fā)中心，共同來研發(fā)我們的產(chǎn)品，同時在國際學(xué)術(shù)期刊上我們也發(fā)表了相應(yīng)學(xué)術(shù)論文。

AI科技大本營：技術(shù)更新周期是怎樣的？

崔煒：大的迭代兩三個月就有一次，小的疊加每周都在進(jìn)行，我們是互聯(lián)網(wǎng)運(yùn)營模式，也就是小步快跑。

AI科技大本營：你們?nèi)绾谓鉀Q C 端教育產(chǎn)品的流量和獲客問題？

崔煒：我們綜合了線上+線下相結(jié)合的模式。線上類似于 VIPKID、VIPABC 有線上遠(yuǎn)程的教學(xué)業(yè)務(wù)來獲取流量。線下是像盒馬鮮生這樣的體驗(yàn)店，我們主要在非一線城市做了學(xué)習(xí)中心，調(diào)研后發(fā)現(xiàn)其實(shí)線下至少有 60% 的流量。

區(qū)別于傳統(tǒng)的培訓(xùn)機(jī)構(gòu)，我們的學(xué)習(xí)中心高科技氛圍營造了一種寬松愉悅的氣氛，并且我們實(shí)行的是不超過 10 名學(xué)生的小班形式，但對每個學(xué)生來說獲得的卻是一對一的個性化輔導(dǎo)，因?yàn)槲覀兊漠a(chǎn)品是一個以學(xué)生為中心的自主學(xué)習(xí)系統(tǒng)。所以在小班課上的老師是不教學(xué)的，老師只是跟隨著學(xué)生的教學(xué)，只在需要的時候幫助學(xué)生。

AI科技大本營：你們幾乎包攬了從技術(shù)平臺、內(nèi)容到線下招生的所有環(huán)節(jié)，最開始做智適應(yīng)學(xué)習(xí)的 Knewton 也是這種打法，但最后只剩提供算法 API 了，所以并沒有形成一個比較好的商業(yè)模式，你們會有這種擔(dān)憂嗎？

崔煒：沒有擔(dān)憂。做這樣一個業(yè)務(wù)模式以及背后的技術(shù)架構(gòu)，我們都經(jīng)過了深度思考。從 2014 年我們開始做產(chǎn)品到 2017 年初上線，在這近四年時間里，我們做了很深入的研究，包括競品的商業(yè)模式、產(chǎn)品形態(tài)、技術(shù)落地等重要問題，也就是在思考如何避免從國外引進(jìn)的模式在中國碰到水土不服的問題。

AI科技大本營：您說最終要打造一個 AI 教育的 iOS 生態(tài)系統(tǒng)，能不能具體描述一下？

崔煒：內(nèi)容、引擎系統(tǒng)、運(yùn)營、市場等全部都做其實(shí)就是一個 iOS 閉環(huán)系統(tǒng)，它跟安卓不一樣，像 Knewton 的引擎系統(tǒng)其實(shí)做的就像一個安卓，相當(dāng)于只做一個發(fā)動機(jī)，但我們是做“整車”的這樣一個 iOS 閉環(huán)系統(tǒng)，整個系統(tǒng)包括生態(tài)鏈、生態(tài)體、生態(tài)系統(tǒng)、生態(tài)結(jié)構(gòu)等好幾個模塊，這里面也包括 Learning Management System（學(xué)習(xí)管理系統(tǒng)），它是直接跟用戶進(jìn)行交互，而內(nèi)容管理系統(tǒng)，主要目的是管理課程、管理知識、管理內(nèi)容資源等。

其次是智適應(yīng)學(xué)習(xí)的引擎，這個引擎是與我們大數(shù)據(jù)分析平臺掛鉤，同時我們另外一個系統(tǒng) Learning Recording System（學(xué)生學(xué)習(xí)的數(shù)據(jù)管理平臺）是學(xué)習(xí)的記錄系統(tǒng)，收集了所有學(xué)生學(xué)習(xí)的數(shù)據(jù)和行為數(shù)據(jù)，這是 AI 引擎的一個重要基礎(chǔ)。

還有一個中樞是 Master Data Service，這是一個主數(shù)據(jù)服務(wù)系統(tǒng)。同時還有 CRM 系統(tǒng)，這是管理老師、校長等管理員的系統(tǒng)，但其實(shí)也是一個課程售賣的系統(tǒng)，背后服務(wù)主體是家長。圍繞 Master Data Service 把這些不同部分進(jìn)行關(guān)聯(lián)，從而能統(tǒng)一進(jìn)行對接管理。這里每一個系統(tǒng)都可以獨(dú)立出去做一個獨(dú)立的公司，但我們形成了一個完整的閉環(huán)。

這樣做的缺點(diǎn)很明顯，做的事情很多會很累。外面說做這個系統(tǒng)很簡單，沒有深度學(xué)習(xí)處理、自然語言處理那么復(fù)雜，每一個點(diǎn)都是一個獨(dú)立系統(tǒng)，但它整個合起來是一個蠻復(fù)雜的大工程。

AI科技大本營：這樣一個非常復(fù)雜的系統(tǒng)由剛成立三四年的創(chuàng)業(yè)公司來做不會太容易。

崔煒：是的，松鼠 AI 系統(tǒng)研發(fā)的近四年里，借鑒了國際上很多頂尖的技術(shù)和經(jīng)驗(yàn)。即便如此，現(xiàn)在很多東西不是那么容易去做。國內(nèi)有很多公司也都在做，但可能做一、兩年也很難出來。

目前國內(nèi)宣稱自己上智適應(yīng)教育有 50 多家公司，很多的本質(zhì)上還是以老師為中心的教學(xué)模式，目前國內(nèi)整體的智適應(yīng)技術(shù)應(yīng)用還處在一個初中級的程度，我們松鼠 AI 智適應(yīng)教學(xué)系統(tǒng)是完全取代老師來完成教學(xué)過程，實(shí)現(xiàn)以學(xué)生為主的千人千面的教學(xué)模式。不管怎樣，我們都要從教育的痛點(diǎn)出發(fā)，而不只是做成教育行業(yè)里的輔助工具。