江西分站
江西分站
教育行业纷纷簇拥“在线化”，而今年，“AI+教育”被推到风口，“智能化”成了新标签。随着人工智能上升到国家战略，深度学习技术的成熟以及海量数据的积累，众多企业慢慢找到了适合自身发展的稳定且可持续的商业模式。在这种大背景下，2017年，教育资本市场愈发活跃。
据芥末堆与德勤中国联合发布的《2017年教育行业蓝皮书》显示，2017年前8个月，一级市场教育行业的总**额达96.4亿元，公布金额的**案例达156起;和去年同期的58.1亿元相比增长66%，**案例增加68%;而AI+教育的**额度，据网络公开数据统计，仅10月份就达5亿元。
目前，“AI+教育”深度融合已经逐渐开启，作为人工智能教育企业，具体进展到了哪一步?在落地过程中又遇到哪些挑战?新进入者还有机会吗?
共享教育+人工智能=未来教育变革
总结来看，AI+教育的应用，主要从“教、学、考、管”四个场景进行布局。在这四个场景中，人工智能所要做到的是：
“教”：为教师减负增效，减少教师简单重复工作时间;
“学”：学生行为个性化分析，以学定教，提升学习效率;
“考”：为数据采集提供手段，支持从数字化到数据化;
“管”：为管理提供大数据决策，为科学*理提供支撑。
好未来集团总裁白云峰表示：我们在“教”和“学”这两个层面上正研究互动教学，即基于教学理念的所谓教学游戏化，通过真实场景魔镜系统，捕捉课堂上每个学生的学习状态和反应。比如一个学生低头的时候，通过采集笔和手的信息，判断其是否发呆，但目前准确率并不能达到100%。
“同样在“教”和“学”环节，新东方副总裁徐健说，新东方也在做一些尝试，比如通过人脸识别技术监控或看老师讲课，其中包括线下课、直播课、双师课堂，对于学生的监控也是通过人脸识别。由此*终实现能够实时地去监控教师教学的效果和学生学习的效果。
**教育和科大讯飞在“教、学、考、管”环节则形成了比较完整的产品体系。**教育副总经理王文韬介绍说，“依托**教育大脑，我们通过智能助教、VR课堂以及管理服务，来打通老师、学生、家长以及学校的空间界限，并通过智能技术输出，盘活学校乃至区域资源。”科大讯飞教育事业部副总裁王卓则表示，依托于科大讯飞的智能语音识别技术，已经做到了全学科阅卷、作文批改、口语考试评测等。
除在技术应用场景上的不断尝试和突破，“资源共享”也已经成为业内共识。
王卓认为，资源共享是教育**资源的汇聚与共享。而王文韬表示，资源共享将是数据的共享，未来通过云平台，用户使用和互动可以更便捷，对于公司本身的价值则可以得到更多的基础数据。
“共享教育的**力将远超其他共享模式，共享教育+人工智能=未来教育变革。”VIPKID联合创始人陈媛说。
AI+教育在落地环节存在哪些挑战?
徐健认为，教育行业无论是线上线下的融合，还是AI，所有的目的只有一个——提升学习的效率和效果。只提升效率而没有真正提升教学的效果和孩子学习效果的教育科技，*终将被证明只是噱头。
当一腔热血的创业者们，前仆后继的扎堆到AI+教育的技术突破上时，至少也应该听听来自线下使用者*真实的反馈。
学生时期曾体验过AI+教育产品，如今是探月学院创始人的Jason表示，“虽然学校的很多管理层开始有觉悟，觉得这个技术挺好的、能够提升学校的效率，但因为在落地的时候会涉及多方，在学生看来，是对学习行为以及日常学习习惯的改变;而老师一方至少在早期会认为这是一个负担，对于他们来说是更多的工作量。他们不像管理者那样有整体的视角，而是从生活的视角、从每天的工作量去看的，就使得落地会有一定的困难。 ”
Jason表示，之所以会出现这样的问题，关键在于所有技术或者工具的提供方还不够了解教育，不够了解真实的场景里到底发生了什么，“很多时候我们在思考问题的时候，都是在骗自己，或者说是我们在意淫一个觉得很合理的场景”。
解决这种问题，Jason认为需要做到两点：一个是从开发设计的角度真地理解这个过程，第二是要从使用者的角度去deliver(呈现)这个产品。
郑州八中教师孟志伟表示虽然学校也接入了很多系统，“但使用完之后，数据肯定是在各自的平台上，没有办法给到学校。学校想拿到这些平台的数据该怎么办呢?一种方法是找第三方大数据公司做一些信息抓取，抓过来再自己分析。但是这样数据就不是原始数据了，而且很多信息平台都是封闭的，无法用公开一些技术获取到数据。”
孟志伟呼吁希望借助科技和数据理解老师和学生的需求。“如果这些数据能够非常完整的对接到学校的基础平台系统里面，就可以为每个学生都建立一个数据链。有了这些基础数据、功能之后，一个完整的信息化平台才可以实现。之后我们才有资格去讨论大数据，不然数据都是一个个孤立的群岛。连用户的*基础数据都拿不到，我们何谈大数据呢? ”
AI+教育还有哪些**点?
“互联网+教育并没有改变教育的长宽高，AI的到来，真的可以替代重复性的工作吗?” 白云峰认为，*先在教育的场景中AI有更好的容错性;其次在采集数据的复杂程度上，相比其他行业有很多天然的收敛性和可控性，所以，“AI离教育天然近”。
但由于AI+教育处于起步阶段，加之落地过程中存在一定问题，还需要人工智能教育企业长时间去探索，所以留给后来者的机会还很大。
前面我们讲到了，在“教、学、考、管”环节，一些公司的具体实践。还有哪些环节创业者可以介入?
一方面，我们可以按“教育的商业流程”来看细分领域的**点。
教育的商业流程分课前、课中和课后。课前涉及教师选聘、教研内容;课中，无论一对一、小班、大班，还是在线教育都非常注重课堂体验;课后环节则涉及练习、答疑、考试和评定。以上，无论哪一个分支，都存在被提升的可能。
另一方面，AI底层技术有很多，比如深度学习技术，可以从图像、声音、文字和自适应学习几个角度与教育产业深度融合。
目前使用图像识别*主流的应用就是拍照搜题，除了拍题识别以外，手写识别准确率也逐渐在提高，未来图像识别与教育的结合有三点：能否打通纸质书籍?能否打通真实可见的世界?能否精准捕捉动作?而声音识别在音乐教学这个细分领域也将会有一些应用。
另外，AI与教育深度融合不能忽视的一个层面还有——资源共享平台，未来资源共享平台势必是一个大趋势。
总之，无论依据哪个系统哪个分支进行研究，有一个准绳不能忽视，“能否带来实质上的效率和效果提升”。这需要创业者深入一线，应用大数据，实现个性化教、针对性学与科学决策。
