多知网|标准化的“AI+教育”产品未来能否实现“任天堂”式的创新？( 六 )
更多的方案居于两者之间 ， 同时判断疑问的有无、确认问题对应的知识 。 以现在的技术 ， 则是要求个人与机器多次交互 ， 和AI自适应学习的方案很类似 ， 可能的发展点在于：
1.教学能力的提升：
教学能力如要提升 ， 需要AI老师讲得好 ， 讲得准 。 这除了和前面提到的素材生产重构有关 ， 也需要进一步加强AI教师授课效果 ， 体现在针对性、引导启发的能力等方面 。
我们以K12自适应学习为例 ， AI交互的基础单元是知识点 ， 以及知识点所匹配是单个题目的整体 ， 因为机器无法做到对知识点的真正理解 ， 所以题目内部是完全的黑匣 。 机器针对学生出错的题目 ， 只能按照完整的解答和知识点来讲解 。 但是 ， 从学习法来看 ， 题目不是独立的 ， 往往是多个知识点、方法的分步组合 。
解答整个题目就如同攀岩 ， 需要经历一条完整的路线 ， 中间一步的动作不会 ， 都会让学生无法顺利到达终点 ， 而学生需要的也是找出并教会他那不会的一步或几步 ， 而不是笼统的都教一遍 。 所以 ， 更好的方案要把将机器对题目的分析 ， 切割到各步骤层面 ， 判断学生是具体哪个步骤没有掌握 ， 按需讲解 。
要实现此方案很难 ， 前些年类似于高考机器人的技术 ， 培养机器自主解题的能力 。 理论上机器先会做 ， 再会讲 ， 会逐渐达到我们期待的效果 ， 但当前做题的技术都进展缓慢 ， 按这条技术路线直接到讲题更是遥遥无期 。 那么 ， 现阶段只能以降低难度的方案 ， 曲线救国 ， 让机器做到在一定程度上的“理解” ， 从而实现对题目的分步讲解 ， 国内的悉之教育就在此方向进行尝试 。
此外 ， 在拍照搜题方案中 ， 目前也只能实现对题库内题目输出文本答案 ， 但诸如火光摇曳等公司 ， 通过预设动画和模板的方式 ， 能做到对任意数值题目的自动视频讲解等 ， 也符合这样的逻辑 。
2领域的拓展：
脱离相对成熟和封闭的K12知识体系 ， 在职教等领域应用 ， 重构一套交互的知识库和交互题库 ， 形成细致的技能测评系统 ， 再与员工成长路径及学习知识联系 ， 会是很好的一套方案 。
类似IBM的WatsonTalentFramework ， 就集成了3000多个职位简介和2000多种技能 ， 职教老牌企业Pluralsight也有成熟的技能测试服务 。
文章图片
Pluralsight的测试分析
这套技术能够让企业员工的学习有明确路径和计划 ， 学习的个性化水平和效率都得到提高 。 对于企业而言 ， 则是能更清晰地监测员工的学习效果 ， 看到技能提升的状态 ， 从而更突出培训的结果导向 。 直接能体现的好处比如缩短新员工上岗时间、提高员工专业技能水平等 ， 都是能体现出投入产出比的 。
自2019年至今 ， 美国Edtech公司最大规模的投资中 ， 企业培训及在线职业学习公司的融资保持了相当比重 ， 更体现出此市场的潜力 。
文章图片
美国2019年规模靠前的教育科技公司融资（Source：Edsurge）
文章图片
美国2020年上半年规模靠前的教育科技公司融资（Source：Edsurge）
此领域在国内获得的关注远低于K12领域 ， 也是K12领域竞争红海之后 ， 在线教育有望爆发的领域 ， 在后续的文章中可进一步探讨 。
以上主要是针对于学习者/学生的产品 ， 另外也可以兼顾教师端 ， 开发对应的辅助产品 ， 在教授、督学过程中进行效率提高和劳动解放 。 例如 ， 将一些公认为在学习中行之有效的方式和任务 ， 听写、默写、背诵等 ， 下放给AI来解决 ， 过程中还可以通过结合硬件的方式 ， 使得使用场景和使用方法更贴近传统的学习场景 ， 比如通过智能笔等硬件 ， 在日常书写中进行笔迹采集和智能交互 。
推荐阅读
- 产业气象站|标准化是核心，亚布力论坛聚焦新基建与数字化转型
- 量子位|逆向工程、软件后门……原来美剧《硅谷》里藏着这么多知识点
- 产业气象站|【协会动态】山东省物联网协会、山东省新一代技术标准化研究院调研聊城中欧人工智能研究院
- 通天战队|制造品牌超感体验，5G技术叠加AI+VR/AR内容
- 格隆汇|创维“家庭新基建”：以“5G+AI+终端”领跑新赛道