马刚:势起人成 人工智能+教育是最好模式
2018-07-08 品途商业评论

原标题:乂学教育合伙人马刚:势起人成,人工智能+教育是最好模式

7月7日,由LEAD立德青年领导力创新发展基金会主办的第四届“青年大会”在北京举办,本次大会主题为“新时代的发展机遇”,近60位具有全球影响力的青年导师畅所欲言,旨在让年轻人应对未来变化,通过导师精神,引领青年前进。

会上,乂学教育合伙人马刚发表了主题为《人工智能如何推动教育产业升级》的演讲,他认为人工智能之所以超越人类有四方面的原因,即:海量的知识图谱,不断地优化和个性化推荐,不断地数据分析和不断地战略性放弃。人工智能+教育是最好的模式。

乂学教育致力于研究人工智能的特级老师,切入点一是平衡教育资源,二是把所有的孩子从题海中解脱出来。同时将知识点通过算法进行关联,快速有效的推荐给孩子。

据马刚透露,新东方在中国的学校是800家,好未来在中国的学校也有约800家,从2016年3月,乂学教育推进第一家合作校至今,目前已经接近900家学校,每个月保持100家左右的增速。

以下是乂学教育合伙人马刚的演讲实录(有删减):

在座的各位朋友,我今天很忐忑,因为我跟大家一样,虽然已经30多岁,但是依然觉得自己是个青年,依然觉得自己需要保持学习的精神状态。今天我来跟大家分享我自己的成长故事,希望帮助大家突破成长过程中的障碍和困难。

势起人成:3年重注研发

所有人都是从学生时代走过来的,每个人都知道时间的重要性,如果不能把握当下,未来则很难把握,因此今天我想与大家交流关于时间和效率的问题。乂学教育是如何从时间和效率的角度做项目,也希望大家从创业、从自己学习的状态帮我们把脉乂学教育。

我们自己做教育有几十年,刚才冯军老师讲1984年是第一个天时,1984年,是我们做昂立教育的一年,也是整个公司的元年。我们从1984年走到今天,看了非常多的中国教育公司,看了非常多中国教育的家长和孩子,不管是今天的新东方、学而思,还是昂立教育,我们发现今天的孩子非常痛苦,因为他的时间被大量的作业和习题所占用。如何让这些孩子从题海的痛苦中解脱出来?

中国经济发展不平衡导致各个城市教育资源的不公平。如果我们能让所有的孩子享受好的教师资源,让好老师把他们的教学方法和教学经验传授给孩子,让孩子的学习效果事半功倍,是一件功德无量的事。所以我们就从这个点切入,让所有人享受均等的教育。

很幸运,人工智能时代已经来临。我们要关注今天的大势,因为如果今天你错过了人工智能,错过了区块链,甚至错过了即将到来的5G技术,你可能会错过一生。所以大家要更多关注当下的技术背景和技术趋势以及技术带给这个时代的变革。

我们自己有两个切入点:一是平衡教育资源,二是把所有的孩子从题海中解脱出来。我们致力于研究人工智能的特级老师,既帮助孩子从苦海中解脱出来,还让他们可以享受教育资源的公平。于是我们研发了一个在线学习系统。

去年10月,我们在中国常州举办了一场人机大战,受到了各家媒体的关注。人机大战3天呈现的结果是:机器人老师的教学成果远比人工特级老师的教学成果高出很多。从题分的标准看,机器人老师比真人老师题分平均高出9分。分数看似是一个不合理东西,但是在当下的体制内却是最能检测一个人在不断努力、攀升后所达到的水平。

今天对于任何一家公司来说,如果不注重自己人生的研发,不注重自己公司的研发,不注重技术本身,关注再多的趋势也是没有用处的。我们通常讲势起人成,这里面有两个概念:第一要有势,第二要有人。人是谁?人就是你自己。

我们从2015年公司成立到今天,不断注重研发,拿到了累积几个亿的融资,这么多钱我们几乎全部投入到了研发上面。中国伟大的企业,华为、BAT无不是如此。

如果大家仔细去看中国教育,新东方是93年成立的,2006年美国纽交所上市,20多年后新东方在中国的学校是800家,好未来十几年时间也有800家学校。我们从2016年3月开始推进第一家合作校到今天,已经接近900家学校,每个月保持100家的增速。

人工智能技术包括中国教育技术在国内还比较欠缺,我们在美国的斯坦福人工智能国际研究中心建立自己的办公室和联合实验室,目的是希望把最先进、最前沿的技术实时同步给中国。这是我们的太空仓,所有学生进去以后可以通过人工智能老师迅速感受到学习的原理。我们在人工智能技术、教育的场景上,实现了对于原本产业的完全颠覆。

四个原理:人工智能缘何超越人类

还记得2015年我们对AlphaGo的预言:30年后机器能够战胜围棋。但是仅仅一年,这个言论就被彻底颠覆。2016年,AlphaGo以4:1的成绩战胜了李世石。2017年,代表人类最高智力水平的柯洁与AlphaGo对战,结果AlphaGo以3:0的成绩取胜,2018年AlphaGo第二代AlphaGo 0挑战AlphaGo,结果以100:0的成绩胜出。所以机器迭代、进步的速度已经远远超出我们自己的想象。

AlphaGo到底是通过什么样的原理、什么样的方式才能够做到今天这样令人瞠目结舌的结果?我认为有四个方面。

第一,棋谱+机器学习的海量知识图谱。

所有的老师在教学过程中,脑子里面一定会有大量的知识图谱,而所有的学生都希望学到这样的知识图谱,但事实上,拥有知识图谱的老师非常少,拥有极其海量知识图谱的老师则少之又少。但是机器完全不一样,AlphaGo跟人类最大的区别是:一个围棋大师充其量一生就是学习几万棋谱,但是AlphaGo在诞生之初系统里面就已经输入三千万棋谱,这种棋谱的海量数据是人类所无法比拟的。

到今天为止,我们系统当中的知识点已经以万亿来计,任何一个老师都没有办法在自己的脑子里面,在自己的体系里面输入数以万亿的知识图谱,这是机器战胜人类的第一点。

第二,优化棋子。不断的优化和个性化的推荐。

在诺基亚时代,我们的手机几乎是一模一样的。但是在移动互联网时代,我们拿出来的手机虽然所用的系统一模一样,但是手机里面安装的APP每个人都不太一样,因为每个人的需求不同。

而在过去的教育中,我们把所有的孩子一模一样的对待。从三岁入园到二十几岁大学毕业,在此过程中,我们对所有的孩子的输出一模一样,没有任何区别对待。可是现实中,每个孩子都是不同的,他们无论从时间维度、学习能力,还是理解消化层面,都不可能完全一模一样。所以我们希望用个性化的推荐路径来解决孩子学习的个性化需求。

第三,不断的数据分析。

我们通过数据分析让孩子感受到自己的缺失到底在什么地方。人类有遗忘曲线,举一个最简单的例子,如果你在小学一年级考60分,你会很轻松地升到小学二年级;二年级又考60分,会很轻松地升到三年级;但是你在考到及格的同时,有没有想过每年你都欠40分的知识点,而你欠下的这40分,什么时候能够弥补掉?因为我们下一年又会学二年级的新知识点,再下一年学三年级的新知识点,我们不断的欠债导致我们不断的累积人生缺陷。因此我们希望通过数据分析,让这些孩子轻而易举地找到他的缺陷。

我是一个椎间盘的患者,腰椎间盘突出,但是我的腿不断的痛。当我自己不知道自己得的是什么病的时候,就不断让按摩师帮我按腿。但当我就医后,医生告诉我腿没有任何问题,而是腰的问题。所以要想解决问题,就要通过数据分析知道问题的根源在哪里。学习的过程也是类似。

第四,不断的战略放弃。

学习就像行军打仗,我们做过一项试验,同样一张试卷把试卷的题目组合打乱,让水平差不多的学生同时做题。把难题放在前面的那张卷纸,学生考试的成绩要比把简单题放在前面的落后很多。因为他们一上来就遇到难题,之后就会越来越焦躁,不知道如何再推进。

我们从小学到今天,所有试卷的题目都是先易后难,但是人生是没有办法按照这样的规律先易后难,我们必须得找到哪些是容易点,哪些是难点。机器可以很轻松的做到战略放弃,那些对人生不太重要的题目,即重要性相对比较低,或者重要性虽高,但是消耗时间过长的题目,我们可以战略性的放弃,不去计较一城一池的得失。

算法关联:人工智能+教育实现个性化推荐

每个人有自己的个性化的需求,我们希望通过技术可以满足每个人的不同需求。同时我们还希望加上另外两项:一是内容。如果说版本不一样,需求不一样,那么就要从内容上做补充。二是服务。我们今天做的所有教育实际上也是在做服务。

我们过去习惯给孩子灌输知识,但实际上我们教给孩子的东西不一定是他需求的,所以我们坚持用服务的方式去做教育。

比尔.盖茨的太太比尔.盖茨.梅林达认为人工智能+教育的方式是当下最好的模式。我们的算法也不断领先世界水平,我们的知识点开始数以万计,同时我们还把知识点通过算法进行关联,从而快速有效的推荐给所有的孩子。

举个例子,我们如果发现一个孩子只是欠缺5个知识点,那我们只教他这5个知识点,提升效率。再如:一堂课的时间通常在45分钟到1小时左右,有的孩子上完后云里雾里,课后还需要90分钟来消化知识点,然而老师已经下课。而有些孩子15分钟就消化掉整堂课的知识点,但是老师还要再讲30分钟。所以我们会针对这样的情况,满足不同的孩子的不同需求。/p>

今天很多人关注大势、关注未来,关注当下应该做什么事情。我想告诉大家,势起人成。今天大家更应该关注人工智能的趋势,把有效时间用在最重要的人生大事当中去。我们2015年开始做人工智能+教育的时候,国内没有竞争对手。一直到今天,中国已经有接近50家公司与我们共同竞争。

我们相信如果你能够预见到这些未来,如果你能够预见到这些对你自己有帮助的技术,你可能会在未来的时机中把握不错的人生机遇。我希望大家能够感受到人工智能带给你们的人生契机,也希望大家关注乂学教育,一家人工智能+教育的领跑者。

谢谢大家。