【智慧觀】本文整理自白雲峰在今日GET2017教育科技大會上的演講。 在白雲峰看來， 與醫療和自動駕駛行業相比， AI+教育更容易接近奇點， 因為教育場景容錯性更高， 採集資料複雜程度更低。 同時， 他期待AI能幫助學生實現個性化學習的同時， 將老師效率提到最高， 成為最好的教學方式。
到底什麼是更好的教育？
我想講的故事和我自己相關， 時間拉回到10年前， 那個時候學而思（好未來）的幾個創始人， 還在一線講課。 我印象特別清晰， 那段時光可能是我過去15年最快樂的時光。
因為， 一個小小的課堂， 你能夠跟學生很好地互動， 並且感知他們眼神的回報， 但過程當中其實也有很多的痛苦。 當時， 學而思班非常火爆， 所以我們幾個創始人都在一線講課。 為了能夠抽出時間來做後臺教學和研發， 我當時在一線代課帶了5個班。
但帶了5個班之後， 很快就滿了（當時是小班教學），
這給我帶來了成就感， 因為我帶了北京市最好的學生， 我能夠感覺到帶班過程中， 那種發自內心的愉悅。 但是， 每當周日晚上上完第九個班的時候， 週一週二我要躺兩天， 直到週三上午的11點左右才說得出話。
27小時的直立， 並且高強度的課堂互動， 其實給我們的身體帶來了極大的影響和損傷。 當時我就在想， 講完了這9個班， 講完了一個學期後， 我能支撐多少時間？
我那個時候想， 如果給我一個麥就好了，
講了那麼多， 其實只想講一句話， 十年前的事情發生在今天， 我們終於看到了希望， 我們發現互聯網+教育並沒有改變教育的本質， 無非是進行了所謂的資源遠端輸送， 沒有放大優秀教育稀缺教育資源的長寬高， 但是AI來了， 我們真的有機會把教學環節當中所謂的重複性的、程式性的、靠記憶、靠反復練習的模組， 用更好的方式替代人腦， 而把人的價值和因素集中在情感的交互、個性化的引導、創造性思維的開發上面，
談到AI， 經常有人問我， AI+教育到底能改變什麼？AI離教育近不近？
我說AI離教育很近， 原因是什麼？就是兩點：
1.教育場景有更好的容錯性。
在學習反覆運算的過程中， 其實我們是允許容錯的， 不用達到99.99%， 我們在學習的整個交互過程中，
2. 教育資料收斂性和可控性強。
在整個教學的封閉場景中， 無論是公立學校還是課外教育， 一個教室中產生的所有元素， 無論聲音還是文本， 都有機會通過感測器收集起來。 其實AI、底層演算法在各行各業通用度已經很高了。 但是難點在所有行業運用過程中採集資料的複雜程度上， 和其他行業相比， 教育場景在採集資料上有天然的收斂性和可控性。
科技帶給教育怎樣的改變？
有人問我老師會不會失業， 其實我剛才已經部分解答過了。 人工智慧對於大組織而言， 對於一家大的教育企業而言， 我覺得它最大的價值在於提升人效， 在於在教育領域重新定義人和機器的分工，並且發揮人的價值以及機器的價值。
我們看一下在整個教育行業中所有夥伴公司作的努力，電腦視覺、語音辨識、語義識別還有其他的，我為所有的教育技術創業者感到驕傲，因為我們教育行業真的有機會比醫療行業、自動駕駛行業更有機會接近那個奇點，更有機會讓教育發揮更大的效果，能夠培養更多更好、更優秀的人。
當然，整個線下教育交互場景中，很多資料是沒有沉澱下來的（圖像、語音、答題、iPad），於是我們線上捕捉學生的表情、狀態、語言、回答問題的方式，並發現很多可以反覆運算的地方。這可能是線上教育比線下教育更有優勢的地方，雖然線下教育依然蓬勃發展，但是我們認為在獲取資料這一點上，線上教育具有無可比擬的優勢，它能夠採集有效的資料，並且進行即時的回饋。
在教學的整個應用層面上，我們目前在研究互動教學，研究基於教學理念的教育遊戲化，以及在教學內容上使用AI。
舉兩個小例子，這是我們的真實場景魔鏡系統，一個真實的教室場景，我們能夠捕捉每個學生學習的狀態和反應。也許準確度不是100%，比如說一個學生低頭的時候，我們會認為他在寫作業，通過他的筆和手的資訊的採集，也許他筆下在寫作業，心裡在發呆，但是這不重要。因為我們認為系統的反覆運算，會比人做得更好。
我們還在做一個嘗試，根據一個老師的言語表達、資訊傳遞和肢體互動，我們抽取關於他的一些核心元素，看哪些元素能夠在教學交互中高效反覆運算，或者說，可以被學生高效地感知。
這張曲線圖表現的是K-12教學場景中人效和體驗之間的關係。橫坐標是人效，縱坐標是個性化體驗。毫無疑問，我們都希望每個學生能夠獲得個性化的體驗。但是，優秀的，能夠產生很好交互的老師非常有限。如何去解決體驗和人效之間的差別？行業中有很多做法，如一對一，它大概在個性化方面做得最好，但是它的人效非常低。
線上一對一，面授小班，線下小班，雙師模式，面授大班和線上大班……我們發現，最大的痛苦和矛盾在於，我們既要關注學生的個性化學習，也要提高優秀老師的效能，怎麼辦？在整個研究過程中，我們發現了一種可能性，就是雙師，雖然雙師目前還沒有達到面授的效果，但是它在提高人效上面有一定優勢。
不管是面部識別還是語義理解，我們希望AI核心的功能是讓教學場景中出現這種情況——從黃線左下端，能夠有機會到黃線的右上端。既能夠實現很高的人效，同時能夠關注孩子個性化的體驗，這件事情是我們教育+AI努力的方向。
作為一個師者，或者說對於一個教育工作者來說，我認為最大的成就不是桃李滿天下，而是看到自己的學生能夠變成自己想變成的樣子。
AI+教育，我們是認真的。
—完—
想知道AI加教育領域有哪些最新研究成果？
想要AI領域更多的乾貨？
想瞭解更多專家的“智慧觀”？
請在對話介面點擊“找找看”，去獲取你想要的內容吧。
我們看一下在整個教育行業中所有夥伴公司作的努力，電腦視覺、語音辨識、語義識別還有其他的，我為所有的教育技術創業者感到驕傲，因為我們教育行業真的有機會比醫療行業、自動駕駛行業更有機會接近那個奇點，更有機會讓教育發揮更大的效果，能夠培養更多更好、更優秀的人。
當然，整個線下教育交互場景中，很多資料是沒有沉澱下來的（圖像、語音、答題、iPad），於是我們線上捕捉學生的表情、狀態、語言、回答問題的方式，並發現很多可以反覆運算的地方。這可能是線上教育比線下教育更有優勢的地方，雖然線下教育依然蓬勃發展，但是我們認為在獲取資料這一點上，線上教育具有無可比擬的優勢，它能夠採集有效的資料，並且進行即時的回饋。
在教學的整個應用層面上，我們目前在研究互動教學，研究基於教學理念的教育遊戲化，以及在教學內容上使用AI。
舉兩個小例子，這是我們的真實場景魔鏡系統，一個真實的教室場景，我們能夠捕捉每個學生學習的狀態和反應。也許準確度不是100%，比如說一個學生低頭的時候，我們會認為他在寫作業，通過他的筆和手的資訊的採集，也許他筆下在寫作業，心裡在發呆，但是這不重要。因為我們認為系統的反覆運算，會比人做得更好。
我們還在做一個嘗試，根據一個老師的言語表達、資訊傳遞和肢體互動，我們抽取關於他的一些核心元素，看哪些元素能夠在教學交互中高效反覆運算，或者說，可以被學生高效地感知。
這張曲線圖表現的是K-12教學場景中人效和體驗之間的關係。橫坐標是人效，縱坐標是個性化體驗。毫無疑問，我們都希望每個學生能夠獲得個性化的體驗。但是，優秀的，能夠產生很好交互的老師非常有限。如何去解決體驗和人效之間的差別？行業中有很多做法，如一對一，它大概在個性化方面做得最好，但是它的人效非常低。
線上一對一，面授小班，線下小班，雙師模式，面授大班和線上大班……我們發現，最大的痛苦和矛盾在於，我們既要關注學生的個性化學習，也要提高優秀老師的效能，怎麼辦？在整個研究過程中，我們發現了一種可能性，就是雙師，雖然雙師目前還沒有達到面授的效果，但是它在提高人效上面有一定優勢。
不管是面部識別還是語義理解，我們希望AI核心的功能是讓教學場景中出現這種情況——從黃線左下端，能夠有機會到黃線的右上端。既能夠實現很高的人效，同時能夠關注孩子個性化的體驗，這件事情是我們教育+AI努力的方向。
作為一個師者，或者說對於一個教育工作者來說，我認為最大的成就不是桃李滿天下，而是看到自己的學生能夠變成自己想變成的樣子。
AI+教育，我們是認真的。
—完—
想知道AI加教育領域有哪些最新研究成果？
想要AI領域更多的乾貨？
想瞭解更多專家的“智慧觀”？
請在對話介面點擊“找找看”，去獲取你想要的內容吧。