全球机器学习教父Tom Mitchell正式宣布加入了中国一家教育创业公司——松鼠AI

所有被数字化的行业——音乐、媒体、零售、通讯、打车，都将迎来一场天翻地覆的变革和爆炸式增长。教育无疑是下一个。

在线教育泡沫三年、总融资额近50亿，互联网却没能改变教育，AI才能。

AI+教育的星火已经开始燎原，来看看最近刷屏教育圈两件事：一是幼儿园版的AI教程问世；第二件则是机器学习领域的教父级人物跳槽加入了一家成立仅四年的中国初创公司。

松鼠AI创始人栗浩洋（左）与 Tom Mitchell 教授签约

11月16日，全球机器学习教父、人工智能领域顶尖科学家Tom Mitchell教授，正式宣布加入了中国一家教育创业公司——松鼠AI，出任首席人工智能科学家，引起圈里一阵惊叹。

Mitchell教授到底有多牛？

Mitchell长期从事机器学习、认知神经学科等研究，全世界最经典应用最广的机器学习教材，就出自他之手。在全球机器学习领域，Mitchell教授是公认的行业“教父”，Machine Learning第一人。

这些还不够——Mitchell还担任全球高校AI领域排名第一的卡内基梅隆大学（CMU）计算机科学学院院长（而他的前任院长Andrew Moore ，正是刚刚到谷歌任职AI负责人代替李飞飞的人）。1997年，他在CMU联合创立了自动化学习和探索中心，该中心是全球的高校中首个机器学习系，也是首个开设机器学习博士课程的机构。从1997年至2016年，Mitchell一直是该系的负责人。

1997年出版的Machine Learning （《机器学习》）一书是人工智能领域最经典的教材之一

Mitchell为机器学习、人工智能和认知神经科学的进步作出而贡献蜚声海内外，拥有学术论文专著超过130篇，并广泛发表于《Science》、《Nature》等世界顶级学术期刊。他最经典代表作是《机器学习：一种人工智能方法》，已经被广泛用作通用教科书，被誉为行业圣经。

得益于在行业内作出的杰出贡献，Mitchell还曾任美国人工智能促进协会 (AAAI) 主席，AAAI及美国科学促进协会的成员。2007 年获得了AAAI杰出服务奖，2010年当选为美国国家工程院院士，并于2016年当选美国艺术与科学学院院士。

这家神秘的中国公司松鼠AI，是乂学教育新推出的K12辅导品牌。乂学教育在2014年创立，主营业务是K12领域智能个性化辅导，主要是通过算法结合中国学情开发出一套学习引擎，为每位学生智能提供专属的学习路径。到今年6月，松鼠AI累计融资已近10亿人民币，估值超过11亿美金，迈入独角兽行列。

钛媒体独家获悉，Mitchell教授加入松鼠AI前，拒绝了众多千亿美金巨头公司抛出的橄榄枝——担任首席科学家、董事会成员的机会，最终选择了这家中国公司，教授到底为什么？一家刚刚成为独角兽的中国公司，为什么可以赢得和谷歌、Facebook、微软、IBM首席科学家同级别的全球顶级AI届泰斗的认可？

人才流动就是产业的风向标，当整个互联网产业都面临流量的拐点时，被AI激活的教育会不会成为下一个爆发式增长的超越TMD的行业？

Tom Mitchell教授拒绝了其他千亿美金级大公司的邀请，最终加入一家成立才4年的中国人工智能教育创业公司，会不会成为多年之后回望产业时的一个里程碑式的时刻？

教育行业真正的革命要来了

“我对教育领域一直很感兴趣，我编写过教材，始终认为教育是我职业生涯中的重要一环，我最近开始深度关注AI对教育的应用，因为现在时机比较成熟了。”在最近一场关于AI+教育的主题大会上，Mitchell如是说。

这句话背后，其实是有很深含义的。AI在教育领域应用时机的成熟，很可能意味着这个自古以来的传统行业，也要真正进入到数字化的快车道了。而从历史来看，所有被数字化的行业——音乐、媒体、零售、通讯、交通，都无疑会迎来一场天翻地覆的变革，和爆炸式的增长。这样的挑战和机会，才是对顶尖人才最大的吸引力。

全球范围内，教育行业的核心痛点只有一个，没有之一：缺乏优质的教师资源。

为什么优秀的教师资源如此稀缺？松鼠AI的CEO周伟曾在钛媒体T-EDGE峰会上分享过一个现实：以上海杨浦区为例，几百万人口中，初中英语学科只有一位特级教师。“因为他需要20、30年的经验，去不断的累积，这样的教师资源是我们可遇而不可求的。”

实际上，稀缺的不仅是优质教师资源。据今年8月教育部发布《2017年全国教育事业发展统计公报》显示，全国共有义务教育阶段学校21.89万所，招生3313.78万人，在校生1.45亿人，专任教师949.36万人。而特级教师不到千分之一，这个巨大的差距，使得保证基本教学质量就已经成为一个艰巨的任务，更遑论能够让孩子学习效率得到最大提升的个性化问题了。

正是这个瓶颈，使得虽然互联网和移动互联网技术给教育带来了一些变化，但并没有取得其他领域那样巨大的变化和影响，只是提高了获取教育资源的便利性，却并没有对教育学习的效率带来很大提升，更没有解决到到教育的深层次问题。

换句话讲，过去互联网和移动互联网，只是解决了教育行业的“太花钱”的问题，包括录刻式的教育或者是手机APP的教育。所谓录刻，只是把线下的教育搬移到了线上，降低了成本，但也暴露出新的问题：一是完课率非常低，二是交互性差，学生学习过程中碰到问题没有人解决和帮助，对学生自主性要求非常高，学习时间无法保证，所以学习效能没有显著提高。

而之前流行的在线“一对一”教育的形式，虽然带来个性化学习，但是，这种模式对老师的依赖性非常强，好老师的资源始终有限，他们的精力也有限，当学生数量迅速增加时，优质的老师的比例就会被严重稀释，整体教学质量很难维持，而且也需要巨大的成本支出来维持、甚至争夺优质教师的资源。

而事实上，一个特级教师出来授课的课时费，是每小时4000元，收费每小时150到300元的无论线上线下一对一，是不可能找到最优质的师资的，这也是为什么几百万上千万的学区房仍旧被趋之若鹜。

正是存在着优质教师资源这个核心的限制条件，这也是为什么教育行业没有出现垄断性的巨头的原因，即使强大如新东方和好未来，发展近20年，市场占有率也仍然不高，无法体现出规模效应。而且，好的老师主要集中一、二线城市，下面的三、四、五线城市就难以找到一个好老师，扩张起来就更加困难。

而以AI为基础的自适应教育，理论上能够从根本上解决这个问题。

智适应学习的概念，源于“自适应学习”（adaptive learning），诞生于人工智能时代，自上个世纪七十年代起流行。智适应学习模式，融合了计算机科学、人工智能、心理测量学、教育学、心理学和脑科学等专业领域。简单说来，它主要是使用计算机算法来调节与学习者的互动，并提供定制化的资源和学习活动，以满足每个学习者的独特需求。

在早期，囿于计算机的普及的性能以及AI算法的成熟度，这样的学习模式并没有得到广泛的运用。而随着人工智能的火热，在中国，拥趸者将更愿意它理解为“智适应学习”，也可以说是自适应学习在人工智能时代的升级。

钛媒体观察到，近两年来，国内几乎所有具备实力的教育机构，已经有50多家都提出了“AI+”的发展目标。“AI+教育”到底可以做什么，场景也逐一清晰，目前已经被几亿家长们体验到的就包括——智能测评、拍照搜题、智能排课、表情识别、语音识别等等。

而上述这些方法在整个K12产业的落地还十分有限。来自艾瑞的数据显示，总规模达3万亿的中国教育市场，K12课外辅导总市场规模6000亿，新东方和好未来在其中只占到了2%的份额。如此来看，K12课外辅导行业空间巨大，急需新的、革命性的教学方法。

智适应学习系统的革命性就在于，它更像是一种“决策型AI”，也被看成是最有可能颠覆现有教育模式的一种全新系统。

在传统的非自适应方法学习模式中，由于学生的学习路径、认知过程、成绩反馈等数据无法得到大规模地追踪，存储和分析，难以实现量身定制个性化的学习模式。通过人工智能的手段形成的智适应学习系统加上学习全过程的闭关数据，可以让系统彻底完善地模拟最优秀的老师做出学习内容推荐和路径推荐的合理决策。就好像是今日头条通过读者的阅读全流程的数据来分析用户画像做千人千面的推荐，一改过去依靠编辑选择来为读者推荐。

AI智适应系统也一改过去所有线上线下教育以老师为中心的教学模式，而成为根据学生的用户画像实施千人千面的因材施教，几千年来，学生第一次真正成为主角！

“人类教师在教学过程中会制定许多决策。我们的研发任务就是模拟老师可能会制定的所有决策，并且通过计算机搜集的学生数据来最终制定决策。”Mitchell告诉钛媒体，教师经常需要选择最佳方式来提高教学质量，他需要快速地明白，不同水平的学生应该学习不同的知识，不同性格的学生目前最需要什么不同的帮助，以及下一步该采取什么行动。

松鼠AI让Mitchell看到了AI技术落地教育场景成功的模式。系统首先根据一定的数据模型对学生进行测试，数据会根据使用其中一种模型跟踪他们的学习过程进度，然后推荐更适合他学习的知识点和测试题。平台会根据学生学习情况，不断调整和迭代他的学习速度和学习方法。

“全流程智适应”是他们正在关注的领域。在Mitchell看来，这是一种非常强大的学习方式，如果系统推荐的内容适合学生的程度让学生都可以学会掌握，那么经常受到鼓励的学生会悟性更高。另一个他们正研究的方向，也是智适应在学习中的应用之一：学生在学习过程中如何制定动态的学习目标？90分和60分的孩子的学习目标应该是完全不同的，同样都是60分的孩子，学习能力不同目标也不相同，所以学习路径就应该被不断调整达到精准有效。

解题、考试，截止目前依然是衡量教育成果的必经之路。在“应试教育”长期指导K12学习的中国，自适应学习拥有天然的基因和蓬勃发展的土壤。这种教育模式的最大优势在于：能够定位到每位学生的知识漏洞。

在“考试”这件事上，变革也早就开始了，中国K12教育的“指挥棒”——中考和高考已经不断尝试创新；而在美国，自适应测试的应用则更为彻底。

如钛媒体在今年11月的文章，雅思考试开始推动机考，中国大陆首场雅思机考已于8月在广州举办；美国高考（ACT）也开始大力推行“机考”模式。2018年，美国高考在国际考场推行的机考模式已经是计算机自适应测试（Computerized Adaptive Testing，以下简称CAT），已经在“高考”这一最重要考试中实现了大规模成熟应用。

作为一种非常热门的测验形式，“计算机自适应测试”，会根据每位学生不同的情况设置不同的考题，每一位考生在同一考场面对不同的试卷和不同的考题。在考试的过程中，出题顺序和题目内容将根据考生对上道题的作答情况决定，计算机根据考生的情况对下一道出现的题目进行适应性的调整。

CAT考试中出现每道问题，都有相对应的“标签难度”。假设一位考生正在考试，面对系统给出的第一个问题，他提交了错误的答案，此时系统会自动检测到错误结果，程序则认为题目的难度系统对于学生的成绩水平相对较高，那么，第二题会适当降低难度系数，自动匹配出与学生水平相应的问题。

松鼠AI创始人 栗浩洋

智适应教育最大的特点不仅仅是实现个性化学习，而是让“因材施教”规模化。将优质师资规模化“复制”，就使得基于AI的智适应教育模式在商业上有了大规模盈利的可能。

栗浩洋对钛媒体透露，目前AI智适应系统的毛利率是70-80%，未来是可以高达90%，教师的成本的比例会越来越低；而在运营层面，成本会更低，比如说，不再需要管理教师团队的员工，这正是AI智适应的在商业模式上的优点。

在资本市场，今年9月底挂以“教育+AI”叩开美国资本市场大门的流利说，在2018年上半年营收为2.3亿元。流利说是基于自主研发的英语口语和写作自动评测引擎，其变现产品是基于流利说 App 的定制化 AI 交互课程“懂你英语”。

在上市当日，流利说CEO王翌在接受钛媒体等连线采访时称，流利说的单位经济模型是所有教育公司最好的，因为不需要给教师付工资。流利说目前的毛利率在76%左右，这得益于AI代替教师的商业模式。

在Mitchell看来，在AI推进行业发展方面，中国具备独特的优势，无论是数据量级、数据的多方融合，还是中国政府对产业的支持力度，都比西方国家更有利于大数据的建立。

而同时，松鼠AI在教育领域的人才储备、战略判断和行业落地方面具备极强的竞争力。在 Mitchell加入之前，松鼠AI还引进了同样在人工智能自适应教育领域有极大建树的高端人才，如Realizeit的崔炜博士、自适应学习鼻祖公司Knewton前亚太区技术负责人Richard Tong和ALEKS联合创始人、首席数据科学家Dan Bindman等美国、欧洲顶级人工智能专家。

据钛媒体了解，作为松鼠AI人工智能领域第一负责人，Mitchell 将带领团队十多位AI科学家和几百位AI应用工程师以及技术团队，进行人工智能在智适应教育领域的基础研究和相关产品的研发应用等。

“我认为机器学习和人工智能，将成为智适应学习的驱动式技术，发力点主要包括学习目的、学习数据类型、多任务处理学习理论、非监督式学习和增强学习等方面。”Mitchell说。

重新定义教育和学习

随着AI在教育行业的落地，所有教学行为将迅速数字化，这个过程中形成的海量数据，在经过算法的不断分析优化之后，势必会重构这个行业的底层逻辑，带来巨大的变化和冲击，突破我们对于教育认知的边界。

例如知识地图的概念，这个概念是由ALEKS创造的，这也是个性化教育的一个重要基础。通过知识地图，可以用1/10的题目测出每个孩子哪个知识点会，哪个知识点不会。因为我们传统的中考高考只能测出孩子是八十分或者是六十分的孩子，但是5个80分的孩子，他们每个知识点会和不会的地方其实是完全不一样的。

而松鼠AI在这个基础上，又提出了错因重构知识地图的理念。“错因”的概念是这样的：如果这个孩子某个知识点没掌握，不一定是知识点的问题，可能是其他的错因，比如说题干的语义理解有问题，也可能是单纯的马虎遗漏，他其实是掌握这个知识点的，所以，如果我们没有把所有的错因抓出来，或者只给孩子训练知识点，其实他已经掌握了，等于又浪费了时间，同时他自己真正错的原因还没有解决，以后遇到类似题目仍旧会做错。

松鼠AI用“错因”重构了ALEKS的知识地图，虽然需要运算的数量级大幅度增加了，但是确实提升了精准度。

最后说服Mitchell教授加盟的时候，栗浩洋在美国和教授连续谈了九个小时。

栗浩洋如何向教授解释松鼠AI产品？“我们对知识点拆分的颗粒度其实比Knewton、ALEKS等美国的竞争对手产品多了十倍。”

Mitchell第一次听到后，觉得十分惊讶，询问如何做到这么精细的拆分？拆分后对比实验的效果如何？

事实上，如上文所谈到的那样，智适应学习在美国起步更早，而在中国真正为大众所知也不过短短几年时间。但显然，在实际落地的场景中，中国的创业公司已经先人一步。

曾就职于Realizeit、现乂学教育首席科学家崔炜告诉钛媒体，与国外领先的自适应公司相比，虽然它们已经做了很久，有了大量的数据积累，现有的产品模式也比较完善，但是，对于中国而言，智适应研究本地化的优势更明显。因为中国的学习强度和考试内容难度高于国外，测试的题目也是，加之中国地大物博，教材的穿越性也非常大。

栗浩洋举例说，关于一元二次方程，ALEKS拆解为了13个知识点，而松鼠AI团队拆解为了107个；初中英语听力知识点拆分为了8000多个。 “中国可能更需要纳米级和超纳米级拆分。”栗浩洋表示，在英语学习方面，中美两国学生面对的是不同的问题，类似连读、爆破音和固定搭配等用法并不了解，口语和书面语也难以区分的中国学生需要比欧美颗粒度更加精细的知识点拆分。

中国学生的生长的环境和美国完全不同，社会文化环境也影响学习的理解。由于家境的问题，一些学生可能没有经历过飞机和银行这样的场景。所以，中国学生可能对很多英语场景的和新的知识不熟悉，他们就需要专门的训练。

不仅如此，如果我们思考教育的终极目的，不是最大范围内获取书本知识和在考试中取得高分，更应该是关注一个学生的能力，这包括他的思想和方法，也关乎创造力和想象力。松鼠AI目前已经突破了欧美同行知识点学习的局限，开始培养孩子的举一反三的能力、思想和方法的学习。

在做能力、思想和学习方法拆分的时候，松鼠AI团队的原则是“三课原理”：第一节可定义，第二可测量，第三可传授。只有把一项学习能力清晰定义之后，然后再对每个学生在该能力的水平进行测量，才可能进行传授和确保学生掌握，对于人的综合能力和情商能力亦是如此。

“我小的时候因为情商特别低，不太会跟人交往。打招呼都会觉得脸红，也不知道怎么样开始。”栗浩洋告诉钛媒体，他后来反复思考，尝试把“情商”拆解为30多种能力，诸如观察能力、语言表达能力、寻找对方感兴趣的话题的能力、对别人的心态判断的能力，甚至是遭受不公平对待之后的自我化解能力等等。

比如说，在与他人聊天时，如何判断对方是真心对你的内容感到兴趣，还是出于礼貌不便打断？如果是前者，就证明你的表达是有效的，反之，这不仅是一次失败的表达，还容易造成对方的反感。

栗浩洋认为，如果对方根本不想听，而你还喋喋不休，则证明情商是堪忧的。所以，在一开始就要学会观察，发现他人微表情的区别，然后尽量找到别人感兴趣的话题。

在这样的思考模式下，再难以测量的情商能力，也可以细化到“你每分钟是不是看了别人两三眼”这样细微的颗粒，去观察接受者的情绪变化。

“就像单兵作战能力可以拆解成射击能力，移动射击能力、俯卧撑、背负重物跑与爬等等这些不同能力之后，然后再去进行综合训练，完成任务的目标性训练，从笼统到细分，从细分最后再到综合的训练。”栗浩洋说。

Mitchell 被这样的设想而震惊，“我那时候也想过情商的问题，我们的很多学生因为是学计算机的，我担心他们情商有问题，所以我也研究过这个事情。而栗的方法无意更加可操作并且可以明显取得效果。”

在谈到研发的时候，教授还和栗浩洋分享了他的一项研究，他展示了通过扫描大脑的热点，发现大脑看到不同的词汇和想到不同内容的时候，热点范围是不一样的。栗浩洋也谈到，松鼠AI也在通过脑电波对学生进行测量，来观察学生在学习过程中的专注力是集中还是分散。

此前，从来没有人将人类的行为和思想解构得如此细致且大胆，未来的学习和教育，将会以一种全新的形象，出现在我们的面前。