【GES】圓桌論壇：未來教育猜想，AI會否取代教師？

　   多知網(wǎng)11月29日消息，在GES2017未來教育大會上，好未來旗下學(xué)而思網(wǎng)校總經(jīng)理陳寧昱、學(xué)霸君創(chuàng)始人兼首席執(zhí)行官張凱磊、Wyzant聯(lián)合創(chuàng)始人兼首席執(zhí)行官Andrew （Drew） Geant圍繞“大數(shù)據(jù)時代下的K12課外輔導(dǎo)市場新模式”主題展開討論。

　　以下為部分現(xiàn)場分享內(nèi)容，經(jīng)多知網(wǎng)編輯整理

　　AI出現(xiàn)，改變了教育的哪些方面？

　　John J-H Kim（嘉賓主持）：從孔子的時代開始一直都是老師對學(xué)生的培訓(xùn)，但我們現(xiàn)在開始談?wù)撚么髷?shù)據(jù)和人工智能，請問用大數(shù)據(jù)或者用人工智能和10年前單向的培訓(xùn)有什么不同？

　　陳寧昱：在好未來的學(xué)而思網(wǎng)校，我們利用大數(shù)據(jù)、AI輔助老師，從關(guān)系層面，老師跟學(xué)生的關(guān)系還是教學(xué)和被教學(xué)的關(guān)系；但原來一個老師教十幾個學(xué)生可能已經(jīng)是極限了，現(xiàn)在一個老師可以教成百上千個學(xué)生；另外，學(xué)生得到的體驗以及效果基本上跟以前差不多，甚至比以前更好。

　　雖然依然是師生互動的過程，但因為有了機器的加入，一個老師的口語課可以同時給幾百個學(xué)生同時上，但每個學(xué)生都會收到它自己個性化的反饋，這樣它就提高了老師的效率。

　　再舉個例子。我們一個晚上大概能收到十幾萬條來自于學(xué)生發(fā)起的學(xué)習(xí)問題，其中大概有7000-8000道是競賽類的題目，競賽類的題目可能會非常難，普通老師是沒有足夠的能力去很好的處理。

　　我們通過后臺分發(fā)的數(shù)據(jù)，可以把一道題目是數(shù)學(xué)還是物理先分清楚，機器算出后，會分發(fā)給北師大附中晚上在那講課的一個老師，它可以很輕易的把這道題目講明白，我們瞬間可以把這個效率拉高到這樣一個程度。

　　當我們能拉高到這種程度的時候，我們讓知識獲得變成了普及。所以，它除了效率之外，更大的提升是你愿意付一點點的成本來獲得更多的教育資源。

　　張凱磊：

　　是的，它變輕松了。

　　舉一個例子，中國有大概1400萬中小學(xué)老師，其中900萬人沒有獲得過大學(xué)本科以上的學(xué)歷。我們給那些準備授課的初級老師做了一個測驗，一張150分的卷子，絕大部分人很難考到90分以上，這就是我們在日常接受教育的實際情況。

　　但今天我可以讓他一個晚上一直在答立體幾何類的題目，讓他在兩個月的時間內(nèi)見到比它20年教學(xué)經(jīng)驗里見到過的還要多的立體幾何類的題目，包括學(xué)生各種不同的答案，可以在兩個月的時間里迅速成為立體幾何方面的專家。

　　所以，大數(shù)據(jù)它是在讓分工變細，是在讓人變得更專業(yè)、更垂直，所以我認為入門變簡單了，但他要成為一個專家變得越來越難了，如果不是非常非常的努力，他很難成為一個頂尖的數(shù)學(xué)老師。

　　Andrew（Drew）Geant：

　　我非常同意你說的，我覺得現(xiàn)在可能入門的要求變低了，但是有更多的細分，而且我們沒有辦法在每一方面都成為專家。所以我們會減少對某一些領(lǐng)域的要求，希望某些老師能夠成為具體某一個學(xué)科、或者某一個領(lǐng)域的專家。

　　那么，大數(shù)據(jù)也是輔助了我們學(xué)習(xí)的能力，我們可以了解導(dǎo)師是否滿足市場最基本的需求，他們是否能夠保持持續(xù)學(xué)習(xí)的能力。

　　陳寧昱：

　　未來的教學(xué)肯定是分工越來越明確、越來越細。比如說一個老師是一個本科生，但是未來可能他在某一方面就是一個博士。

　　John J-H Kim：

　　我們現(xiàn)在討論的是使用大數(shù)據(jù)和人工智能來幫助導(dǎo)師提高他們的能力，我們把討論的范圍更細化一些，你覺得這些機器人能在高考中做到什么水平？

　　張凱磊：

　　到今天為止，我們看不到強人工智能的突破。我們今年做了一個機器人參加高考，在數(shù)學(xué)成績134分，這基本上已經(jīng)達到了一個頂尖的學(xué)生的水平。我們明年會讓這個機器人再參加一次高考，它的整個理科分數(shù)都可以全線達到考清華北大水平。

　　但是，我們做機器人、做AI與老師并不矛盾，我們做教育的很清楚，老師是傳道、授業(yè)、解惑的人，但其實這里面沒寫還要負責(zé)批卷找題目、備課。

　　我們今天讓機器來干這個事情就是希望老師回歸到傳道、授業(yè)、解惑的本職上。所以，機器人的出現(xiàn)，或者說數(shù)據(jù)的出現(xiàn)，是為了賦能老師，讓老師成為超級老師。

　　陳寧昱：

　　我認為老師不會輕易被AI替代

　　因為教育這個行業(yè)并不僅僅是說你能解題就行，或者說你能發(fā)現(xiàn)錯誤，這個東西都不是最核心的。孩子為什么有興趣？很多時候是因為老師的關(guān)注，他需要一個真人的關(guān)注，而不是一個機器的關(guān)注。

　　所以，其實我也比較贊同這個觀點，未來的很長一段時間內(nèi)，我們可能解決的問題就是用像給醫(yī)生提供驗血結(jié)果、CT核磁共振結(jié)果的方式來幫助老師，讓老師的效率越來越高，但是AI在很長的一段時間內(nèi)，應(yīng)該都不能解決這個問題。

　　短期內(nèi)，機器人無法替代老師

　　John J-H Kim：

　　我覺得其實大家都已經(jīng)說得非常全面了，比如說AI可以幫助我們來檢查作業(yè)，我現(xiàn)在已經(jīng)看到很多這方面的嘗試，這還會繼續(xù)垂直下去。但是談到長期的以關(guān)系為基礎(chǔ)的授課模式，或者在對一個學(xué)科的精通掌握程度上，這是無法被AI所取代的，機器人很難來替代老師，可能幾百年之后會有不同的情況，但是至少現(xiàn)在是不可能的。

　　在一些輔導(dǎo)學(xué)生或者和機器人對話來這一塊兒，可能會有一些幫助，這些可能會給我們提供一些幫助，但是我們強調(diào)是：以關(guān)系為主導(dǎo)的輔導(dǎo)或者授課，AI肯定是無法替代的。

　　我總結(jié)一下剛才三位的觀點，我們談到了使用數(shù)據(jù)來進一步使項目或者使整個學(xué)習(xí)過程更加有效一些。我們也談到了把不同的角色分離出來，比如說鼓勵學(xué)生更好地學(xué)習(xí)，在數(shù)據(jù)使用、傳授內(nèi)容等方面可以進行有效的分工。

　　我的想法是，其實這是一個開放性的問題，這會進一步增加還是減少好的輔導(dǎo)老師的數(shù)量？未來輔導(dǎo)老師這個職業(yè)是否會有大量的需求？還是會有更多的不同的分工參與進來？

　　這是一種未來的趨勢，我們是應(yīng)該更加區(qū)分化還是均衡化？

　　陳寧昱：

　　我覺得現(xiàn)階段，老師的數(shù)量應(yīng)該是不夠的，即使說老師的效率越來越高，但是在二三線城市，甚至農(nóng)村，其實我們優(yōu)秀老師的整體數(shù)量是不夠的，一個小學(xué)老師會同時教好幾門課，所以在短期之內(nèi)，我們肯定是要增加優(yōu)秀老師的數(shù)量。

　　但是，未來會不會出現(xiàn)因為效率的提升，老師的數(shù)量開始減少？我覺得是有可能的，但是是特定的科目。我覺得未來的教學(xué)不會只是教語數(shù)外或者物理化學(xué)這些科目了，未來還會有一些像科學(xué)、理財之類學(xué)科。那這些學(xué)科可能就需要更多的老師，另外包括一些專業(yè)的方向，他可能也需要更多的老師。

　　所以，我覺得如果從單一學(xué)科來看，因為效率的提升，老師的數(shù)量可能會減少，但是從整體上來看，隨著學(xué)科的增加，我們的老師數(shù)量還會增加。

　　John J-H Kim：

　　這個市場是很好的案例，我們的業(yè)務(wù)正在發(fā)展，學(xué)生數(shù)量也在進一步增長，現(xiàn)在人們都在利用線上資源而不是線下資源進行學(xué)習(xí)，所以整個教師的數(shù)量是減少的。整個教課的范圍和規(guī)模還會進一步擴大，線上的老師會進一步覆蓋更多的群體。

　　張凱磊：

　　教育是一個在馬斯諾需求理論里面更高一層的需求，伴隨經(jīng)濟的增長，教育整體需求是在不斷地在往上伸展。

　　我認為，今天任何一個技術(shù)的進步，都會激發(fā)更多的教育需求，所以我們不會看老師減少的可能性。在這個過程中，市場越成熟，就會有越多的人加入到教育這個行業(yè)。所以我們覺得老師的數(shù)量正在增加，這是一個整體在爆發(fā)的行業(yè)。

　　John J-H Kim：

　　我比較好奇的是你怎樣知道應(yīng)該挑選什么樣的數(shù)據(jù)，并且知道會有什么樣的作用呢？我們都知道這個行業(yè)充滿了各種各樣的數(shù)據(jù)，但是獲取有效信息的方法和渠道是非常匱乏的。這就是說，我們有很多的數(shù)據(jù)，但是很難了解哪個數(shù)據(jù)能夠有得到有效的應(yīng)用。

　　陳寧昱：

　　我原來是在互聯(lián)網(wǎng)行業(yè)和廣告行業(yè)工作，發(fā)現(xiàn)人工智能跟大數(shù)據(jù)在不同行業(yè)里，使用起來是有非常大的差別的，在教育行業(yè)，雖然我們也有大量的數(shù)據(jù)，但是我們根互聯(lián)網(wǎng)行業(yè)最大的不同就是優(yōu)化目標不是那么明確，什么叫優(yōu)化目標不那么明確呢？

　　比如說，在互聯(lián)網(wǎng)行業(yè)我們優(yōu)化點擊率，但是在教育行業(yè)，我們優(yōu)化的是孩子的學(xué)習(xí)能力，可能是他的學(xué)習(xí)能力是否提升，是特別難評估的，我們能拿到有效的數(shù)據(jù)，比如孩子做了多少道題，對了多少題、錯了多少題，他花了多少時間。但是它到底是進步了還是退步了，他到底是不是實際上掌握了這個能力呢？我們是很難掌握的。

　　所以整個教育行業(yè)，確實是像剛才Kim所說的那樣，數(shù)據(jù)很多，但是抓取的有效信息很少。我們不能判斷學(xué)生兩次考試成績不一樣是因為考試題目的變化，還是說他現(xiàn)在狀態(tài)的變化導(dǎo)致的，還是它真正學(xué)會了，所以我們只能從短期來確定這一個知識點他是不是徹底學(xué)會了。

　　張凱磊：

　　我來說一下我們做的幾件事。第一個，在中學(xué)的理科方面，所以我們把手寫識別做好了，再結(jié)合我們自己特質(zhì)的硬件，可以有能力采集學(xué)生的所有書寫軌跡。每秒鐘采集120次，并且可以把它給全部復(fù)原回來。

　　整個教育行業(yè)現(xiàn)在還處在傳統(tǒng)醫(yī)學(xué)的階段，還沒有進入到現(xiàn)代醫(yī)學(xué)?，F(xiàn)代醫(yī)學(xué)在發(fā)現(xiàn)了細胞，以及開始有了驗血、核磁共振等一系列技術(shù)之后，才突飛猛進到今天的。我們今天先把一個技術(shù)先給做好，就是說我能復(fù)原學(xué)生的筆記，我能復(fù)原它做的這個題目，并且我能把它翻譯為機器能理解的語言的時候，我們復(fù)原了主要場景。

　　但是我們現(xiàn)在還有很多進步的空間，比如說我們可以將考65分的孩子分為兩類，雖然我們能明確知道他們是不一樣的，并且告訴你不一樣的點在哪，比如這一個孩子他考65分是因為耐力不夠，他一個小時之后就開始出現(xiàn)大量的錯誤，不管什么題都錯；另一個孩子考65分，是因為他閱讀能力有問題，語言復(fù)雜一些他就會容易丟分；我知道這些不同，但是我不知道造成這些不同的原因。

　　我們有很多數(shù)據(jù)，但是信息不夠，我們把這數(shù)據(jù)反推回給人，老師可以弄明白這件事情，大數(shù)據(jù)弄不明白，說明它的訓(xùn)練依然不夠。

　　所以，這就是我印證了我剛才所說的，到今天為止，機器不能代替人，我們不知道孩子是從哪一刻開始，這個能力丟失了或者沒有被培養(yǎng)起來，但是老師知道了這些信息之后是能夠去改變學(xué)生的，這就是為什么說我們今天干的本質(zhì)上就是CT及核磁共振，我們給醫(yī)生、老師一個很好的報告。

　　數(shù)據(jù)的獲取與使用，如何把握？

　　John J-H Kim：

　　那你覺得這個數(shù)據(jù)應(yīng)該如何收集使用？我們從6年前就開始專注于數(shù)據(jù)的收集，在有了很多數(shù)據(jù)之后，我們開始思考哪些是可以進一步優(yōu)化的，哪些數(shù)據(jù)可以直接使用。我們最近出了一個機器人，它可以讓人們追溯之前所做的筆記，看一下哪個環(huán)節(jié)出現(xiàn)問題，這其中其實是包含很多數(shù)據(jù)的。

　　我們可以通過利用數(shù)據(jù)來進一步優(yōu)化，并且提供更好的建議，能夠幫助學(xué)生實現(xiàn)更好的、更有效的學(xué)習(xí)。其實你每一次點擊網(wǎng)頁，產(chǎn)生的信息都可以被我們抓取，現(xiàn)在有很多公司都在捕捉這些數(shù)據(jù)里合適的信息，它的潛力是無窮的，我們可以更好地使用這一塊兒的數(shù)據(jù)。

　　我們把這個數(shù)據(jù)還原到非常有用的信息需要有一個閉環(huán)，這些收集的數(shù)據(jù)，是要應(yīng)用到教學(xué)中，教學(xué)也是需要能夠改變學(xué)生的成績，這些也是需要能夠收到學(xué)生的反饋。

　　我做一個論述，看看大家同不同意？你們覺得公司是不是能夠用大數(shù)據(jù)和人工智能在收集這些數(shù)據(jù)以后，使用這些數(shù)據(jù)來教學(xué)？再用這些教學(xué)來收集更多的數(shù)據(jù)，這些公司會成功嗎？但是這樣對有些學(xué)校會不會不容易做到？

　　因為有的學(xué)校只能是在早上和晚上收集，它們沒有辦法收集在家里的數(shù)據(jù)，那么像在座各位的公司，你們都有學(xué)術(shù)的數(shù)據(jù)，也有行為的數(shù)據(jù)，你們同意我這種說法嗎？或者你們覺得這個還是一個開放性的話題嗎？

　　陳寧昱：

　　你是說，有的公司可以收集到學(xué)習(xí)的數(shù)據(jù)，然后再反饋到教學(xué)，然后再收集到更多的數(shù)據(jù)，形成這樣一個閉環(huán)？

　　John J-H Kim：

　　對，收集這個行為數(shù)據(jù)，以及收集學(xué)校內(nèi)和學(xué)校外的數(shù)據(jù)。

　　陳寧昱：

　　目前相對來說是比較難的，我覺得這個產(chǎn)業(yè)其實是分成好幾塊的，比如說像學(xué)而思網(wǎng)校，我們主要負責(zé)課外輔導(dǎo)，包括線下班的輔導(dǎo)，但課內(nèi)的學(xué)習(xí)，包括作業(yè)，比如說像學(xué)霸君，它可能會有一項搜題，包括像作業(yè)盒子，一起作業(yè)這種公司，它可能會進另外一個產(chǎn)業(yè)，比如說進公立校，包括學(xué)霸君現(xiàn)在也在進公立校，我認為目前在整個學(xué)生教學(xué)數(shù)據(jù)的收集上，不同的公司如果聯(lián)合起來，它可能形成了一個閉環(huán)，但是目前為止，我覺得我們倒沒有任何一個企業(yè)單獨能形成一個完整的閉環(huán)。

　　John J-H Kim：

　　我想在AI和大數(shù)據(jù)只會有少數(shù)的贏家，只有少數(shù)的公司能夠收集足夠的數(shù)據(jù)來使用這些數(shù)據(jù)。所以，我們需要有足夠的需求，你同意這一點嗎？

　　你覺得在以后幾年，如果我們搜索越多，就越能夠獲得成功，你覺得在未來會發(fā)生嗎？

　　陳寧昱：

　　其實，教育跟search還是有一個非常大的區(qū)別，教育看起來是一個市場，比如說我們認為教育是一個萬億的市場，但其實教育還是要細分的。

　　我們認為語文、數(shù)學(xué)、英語都是細分的，未來很有可能，包括成人教育、各種各樣的學(xué)科都其實是一個細分的領(lǐng)域，如果我們仔細去研究，它可能不是一個通用的領(lǐng)域。如果這個數(shù)據(jù)在某一個特定的領(lǐng)域形成足夠多的密度或濃度，它可能自己就能產(chǎn)生一個非常大的價值，當然它可能需要在單個領(lǐng)域產(chǎn)生巨大的數(shù)據(jù)量，這個數(shù)據(jù)量也是越大越好，應(yīng)該是有價值、有標注、有目的性的數(shù)據(jù)，這種數(shù)據(jù)越多，肯定會越好。

　　張凱磊：

　　我們現(xiàn)在看到的情況就是，你問我會不會出現(xiàn)最后大家上的是同一個培訓(xùn)班的？我會說永遠不會發(fā)生。但你問我說，有沒有可能最后你的所有的數(shù)據(jù)被少數(shù)幾個公司真正掌握，我會說完全有可能。

　　這是一個巨大的分發(fā)性的行業(yè)，所有的從業(yè)者都在使勁，或者有意無意地在做一件事情，就是盡量地使教學(xué)數(shù)據(jù)結(jié)構(gòu)化，在過去的5年里面，有一堆人已經(jīng)被落下了，剩下了一些人還在繼續(xù)努力。

　　所以再過5年，教學(xué)數(shù)據(jù)的結(jié)構(gòu)化可能會被少數(shù)的公司真正地所掌握。