炙手可熱的智能便利店、智造機器人、智能銀行客服等，都在快速的替代原有生產(chǎn)鏈條中人這個(gè)角色；也在極速提升了運轉效率。那么在線(xiàn)教育行業(yè)是怎樣的呢？
AI對同樣正在變革、重塑原有的在線(xiàn)教育模式；同樣將史無(wú)前例的提升教學(xué)效率、提升學(xué)生學(xué)習效率。我們預期的也是提了很多年的個(gè)體差異化教學(xué)、真正舉一反三的智學(xué)時(shí)代來(lái)臨。
之前的教育溝通何如？
孔子而立之年后宣講私學(xué)，得三千門(mén)生七十二得意弟子。他是怎么講的呢？古代和當今學(xué)習差別很大，你認了誰(shuí)是老師，就基本上就一塊交流、吃飯、睡覺(jué)了；類(lèi)似自己的房子自家人；如今的教育更像是住賓館，老師與學(xué)生只互相見(jiàn)面卻不了解。所以，最核心的就是言傳身教。如果從介質(zhì)的角度說(shuō)，即是以對話(huà)和語(yǔ)音為載體的。我們當今所看到的《論語(yǔ)》等也多是與對話(huà)的方式展開(kāi)的；也多是有孔子門(mén)生根據孔子的教誨而回憶記載的。
在后續的幾千年，對話(huà)和語(yǔ)音依舊是主流；不僅是在教育，也是平民百姓表達信息的主要方式。
印刷術(shù)的發(fā)明大大降低了撰寫(xiě)的難度，相對竹簡(jiǎn)或碑刻也更容易攜帶，極大提高了內容傳播效率和傳播范圍，開(kāi)啟了規模閱讀時(shí)代。后續很長(cháng)時(shí)期遠程學(xué)習主要載體是書(shū)籍和文字，當前面對面對話(huà)一直很重要。一直到近代，都是多數依賴(lài)書(shū)本和文字。
直到互聯(lián)網(wǎng)時(shí)代，把書(shū)本這一實(shí)體載體變成了虛擬網(wǎng)頁(yè)；于是我們廣泛的通過(guò)互聯(lián)網(wǎng)獲取咨詢(xún)和消息，主流方式依舊是文本。在移動(dòng)互聯(lián)網(wǎng)時(shí)代，文字是我們日常與機器（電腦、電話(huà)、智能手機）交互的最核心和主要的橋梁。
文字作為交互的核心橋梁也決定了，這種交互只能發(fā)生在知識分子的社會(huì )里。要想與設備發(fā)生交互，要么會(huì )輸入文字、要么會(huì )書(shū)寫(xiě)文字。排除了父輩群體中不會(huì )拼音、不會(huì )書(shū)寫(xiě)太多字的用戶(hù)，特別是農村地區。
對話(huà)式學(xué)習為什么會(huì )發(fā)生？
而隨著(zhù)智能機成為國民標配，在農村地區更是直接從電話(huà)時(shí)代躍到了移動(dòng)互聯(lián)網(wǎng)時(shí)代，跳過(guò)了PC互聯(lián)網(wǎng)時(shí)代這個(gè)過(guò)渡區間。
另一方面，對PC互聯(lián)網(wǎng)的居民，文字輸入固然能完成所有復雜溝通，但輸入與輸出并非最高效和成本 的方式。
在技術(shù)方面，人工智能在被研究了很多年之后，應用技術(shù)2016年在全球范圍內得到關(guān)注和實(shí)踐；深度學(xué)習、遷移學(xué)習等都在汽車(chē)、醫療等行業(yè)做嘗試和更迭；在教育行業(yè)，也有AR/VR、自適應學(xué)習、雙師課堂等創(chuàng )新實(shí)踐。
這就需要一種更具普世性的、效率更高；而且是更自然和貼近原始本能的交互方式。
顯然基于語(yǔ)音的對話(huà)無(wú)疑是普世和原始的。
對話(huà)式學(xué)習為什么能現在發(fā)生？
AI+教育的應用層，我們看到的都還是從技術(shù)或者機器的角度，或者說(shuō)是從系統本身屬性的角度來(lái)向公眾解釋傳播AI.Edu，比如高頓的EP；滬江的UNI；其他VR、學(xué)生面部表情識別暫且不表。所以我們需要從用戶(hù)角度來(lái)重新闡述智能學(xué)習系統中的“系統”；并且思考如何讓這種表達讓用戶(hù)輕易感知？
比如個(gè)性化學(xué)習，你說(shuō)自己搜集和整理海量的知識圖譜，做了顆粒極細的數據標注，能為學(xué)生提供基于最近動(dòng)態(tài)的相匹配的學(xué)習計劃和學(xué)習內容；你確實(shí)做到了。
你說(shuō)自己能基于用戶(hù)學(xué)習行為和細顆粒的知識標注，按學(xué)生的薄弱點(diǎn)進(jìn)行智能的、精準打擊的推薦；你確實(shí)做到了。
你說(shuō)自己能基于復雜的知識圖譜，“一葉而知秋”，通過(guò)初一的學(xué)習情況判斷你五年紀一個(gè)知識未掌握導致了學(xué)習盲區；你也做到了。
你說(shuō)自己能基于檢測學(xué)生的面部表情，做面部表情識別，以知道屏幕對面的學(xué)生的學(xué)習狀態(tài)、情緒等；你可能也能做到。
然而，用戶(hù)卻感知不到。到現在為止，我們的角度一直是：研究用戶(hù)需要什么，然后從研究者的角度給他解決方案，比如“自適應學(xué)習系統”、“智能學(xué)習系統”、“個(gè)性化學(xué)習”等等。如何把這些程序解決方案涵蓋進(jìn)去，并且以友好的方式做交互？
顯然基于語(yǔ)音的對話(huà)無(wú)疑是是感知最明顯、最清晰的方式；甚至能感覺(jué)到“本來(lái)就該這樣”“有什么稀奇嗎”無(wú)陌生感。
另一方面，從言傳身教的角度講，線(xiàn)下課程是比線(xiàn)上教育做的好很多的；然而不管什么年齡段的人，與老師面對面的時(shí)間占比都不會(huì )到24小時(shí)的1/6；為每一個(gè)學(xué)生配備一個(gè)私人教師，理想很好，然而大多數都承載不起這個(gè)成本。那么有沒(méi)有一種像老師一樣什么都懂、想問(wèn)就問(wèn)即時(shí)解疑且沒(méi)有繁瑣的查找時(shí)間成本呢？顯然有一個(gè)充滿(mǎn)智慧的隨時(shí)供你召喚的私人教師，是一個(gè)理想的模型。
因此，提出了針對教育+AI、智能學(xué)習的大背景嘗試提出“對話(huà)式學(xué)習”這一新理念。
何為對話(huà)式學(xué)習？
對話(huà)式學(xué)習是以自適應學(xué)習系統和智能評測為應用技術(shù)支撐的，以不限年齡與學(xué)習水平而提供個(gè)性化教育和自主探索學(xué)習為目的的以語(yǔ)音對話(huà)為核心媒介的學(xué)習交互方式。它的核心角色是隨叫隨到的私人教練；核心關(guān)系是平等對話(huà)和互相成長(cháng)。
在對話(huà)式學(xué)習場(chǎng)景中，我們不希望學(xué)生感知到的是和“一個(gè)程序機器對話(huà)”；而是一個(gè)有溫度的耐心智慧的“人”。這個(gè)“人”知道我的冷暖、優(yōu)勢與弱項；能提供給針對自身的學(xué)習方案；不僅能了解和建議，也能給你問(wèn)候和鼓勵，在你沒(méi)有達到父母預期但是確實(shí)有進(jìn)步時(shí)她給你點(diǎn)贊；你提的每一個(gè)問(wèn)，他多數能懂，如果不懂，也能自己學(xué)習，下次再問(wèn)時(shí)，一定能滿(mǎn)意答復。
對話(huà)式學(xué)習，像聊天一樣學(xué)知識——她是虛擬伙伴，實(shí)時(shí)與你語(yǔ)音對話(huà)面對面；是伴友，也是答疑導師。
她了解你，聽(tīng)懂你，指導你，啟發(fā)你，陪伴你。
了解你。對話(huà)式學(xué)習基于學(xué)習系統的知識圖譜和細顆粒的知識點(diǎn)標注。
結合數據分析與計算，通過(guò)全方位的實(shí)時(shí)數據的獲取，包括預習數據、聽(tīng)課數據、課后作業(yè)數據、模擬測評數據、錯題數據、對話(huà)內容數據等，動(dòng)態(tài)評估學(xué)生當前的學(xué)習狀態(tài)、優(yōu)勢點(diǎn)、弱勢點(diǎn)；分析出關(guān)聯(lián)圖譜中歷史知識點(diǎn)的缺失；并以可視化的方式全局直觀(guān)展現的學(xué)生。聽(tīng)懂你。對話(huà)式學(xué)習基于語(yǔ)音和自然交流。
我們希望的結果這就像和一位朋友聊天時(shí)的狀態(tài)。某些場(chǎng)景下，文字無(wú)法全部表達，語(yǔ)音則包含了信息和情感。因此，在對話(huà)式學(xué)習場(chǎng)景中，她不僅能聽(tīng)懂你說(shuō)的話(huà)，還能根據你的情緒給予情緒化的對答。最優(yōu)的結果是：對話(huà)式學(xué)習就如學(xué)生實(shí)時(shí)連線(xiàn)了以為知識淵博、反應敏捷、時(shí)刻解疑的老師教授，類(lèi)似對講機或FM連麥。
指導你。對話(huà)式學(xué)習基于“了解你”“聽(tīng)懂你”獲取的各類(lèi)數據等，能及時(shí)的動(dòng)態(tài)的給出個(gè)性化學(xué)習計劃。
- 第一，貫穿學(xué)習周期的測評需要是動(dòng)態(tài)的、分級的，區別于原有的所有同一套、所有使用一組鞏固方案，個(gè)性化智能計劃是符合當前學(xué)生且當前階段但難度等級略微高于學(xué)生已掌握水平，并且整個(gè)私人訂制的方案是動(dòng)態(tài)；
- 第二，個(gè)性化智能計劃必須是可量化的，以任務(wù)的方式呈現給用戶(hù)，并督促學(xué)生完成；
- 第三，個(gè)性化智能計劃必須是可追蹤的，可根據量化指標和實(shí)際的行為，追蹤往期實(shí)際完成情況，請循環(huán)調整下一步的進(jìn)度；
- 第四，任務(wù)是個(gè)性化學(xué)習的一部分，按照斯金納的操作條件反射，每次任務(wù)完成后要給與鼓勵和獎勵，并形成一種預期。
啟發(fā)你。學(xué)習知識是啟發(fā)的過(guò)程。對話(huà)本身就帶有“啟發(fā)”的基因。
在對話(huà)的邏輯上，特別是在答疑的對話(huà)中，避免使用給答案的方式展示；而是循循善誘，給與“解決的問(wèn)題”——“題干條件有哪些”——“解題方法”。
第二，智能錯題舉一反三。不管在K12還是職業(yè)教育的學(xué)習中，對于“錯題”我們都使用的太簡(jiǎn)單粗暴。K12多數需要自己整理錯題集；職業(yè)教育類(lèi)使用智能題庫系統偏多，會(huì )自動(dòng)記錄、歸檔錯題。但是也止于記錄、查閱、重練。
對話(huà)式學(xué)習中，我們把錯題視為一座寶藏——錯題僅是結果，實(shí)際上是記憶或思維方式的缺失?；谥R圖譜和知識標注，我們知道學(xué)生具體錯誤的原因，并找出關(guān)聯(lián)的最末梢的知識點(diǎn)或往期年級的知識點(diǎn)。然后基于動(dòng)態(tài)評測的邏輯，推薦錯題知識點(diǎn)所屬知識點(diǎn)下難度等級+1的其他題目做強化。如果失敗則難度-1，如果掌握則難度+1，如此直到掌握精通。
在應試教育中，包括我們所說(shuō)的中考、高考、各種專(zhuān)業(yè)考證等，分數一直是一個(gè)非常重要的指標。在一份試卷中，繼續做對的題無(wú)助于提分；只有把錯誤盲區解決掉，則分數會(huì )明顯增高。而基于錯題的舉一反三，顯然是最經(jīng)濟租高效的，而AI為喊了多年的舉一反三提供了可能性?？傊?，在對話(huà)式學(xué)習系統中，通過(guò)智能分析，我們把錯題有閑置物變成黃金，舉一反三定向鞏固。
在對話(huà)式學(xué)習中，底層支撐對核心的還是智能算法，無(wú)疑也與自適應框架是一致的。一開(kāi)始說(shuō)我們想塑造是：她是一個(gè)充滿(mǎn)智慧無(wú)所不知的伙伴或導師。因為可對話(huà)，所以覺(jué)得輕松、有情切感；因為實(shí)時(shí)響應，所以覺(jué)得有一種時(shí)刻在自己身邊的陪伴感。
“智慧懂你的溫暖”，這是對話(huà)式學(xué)習的主色調。
來(lái)源：人人都是產(chǎn)品經(jīng)理。成都APP開(kāi)發(fā)公司
