如今，教育行业的重心逐渐从“教师”转移到“学生”，随之产生了许多新的教育思维、教学方法，以及教育范例。尤其是人工智能技术，虽然最早发轫于美国，但却被广泛应用于中国教育的场景中，汇聚成目前火热的“智·适应”教育产业。

　　作为中国智适应教育的引领者，乂学教育不仅率先将智适应教育理念引入中国并进行实践，还努力促进智适应教育的国际化交流与合作。近日，2018全球AI智适应教育峰会在京举行，中国、美国三大AI+教育领域的巨头：Knewton、ALEKS、乂学教育进行了巅峰对话。

　　智适应教育从哪儿来?又将到哪儿去?如何做好一个真正的AI智适应教育平台?人工智能算法如何更好地为智适应教育产业服务?来自全球的专家学者们分别就这些教育产业前沿问题发表了自己的见解。

　　Knewton：智适应是教育行业的新变革

　　关于教育的演进，Knewton的创始人Jose Ferreira有着自己的看法——人类教育事业的发展中间有几次较大的变革，第一次是印刷术的出现，推动了文化教育的普及;第二次是线上教育与移动教育，可以将一些好的教师课堂进行录像，然后在全球范围内播放，从而达到了两个方面的效果：获取教育与提升教育质量。而最近的一次颠覆性的革命就是“AI+教育”，它会像当年的钢铁战舰摧毁木质战舰那样所向披靡的，并对所有行业的竞争对手造成碾压。

　　Jose Ferreira认为，“移动互联网可以提供并挖掘数据，有了数据就可以个性化，有了个性化可以改变教育的质量。智适应教育可以挖掘学生的数据，帮助学生学习，利用产生的数据进行个性化教育。”

　　在人工智能的帮助下，个性化教育的步伐在不断加快，但Jose同样觉察到，“当今的AI虽然已经处理了海量数据及千百亿次的测试，但是并没有实现真正智能化的生活。当前的人工智能还处于所谓的模拟智能阶段。”冒牌的假智适应并没有智能算法匹配，在知识点的拆分方面也比较粗犷，而真正的“智适应的系统就不一样，有非常好的材料和工具，而且可以根据学生的情况实时变化、更新和重新设计。”因而，冒牌的假智适应必将会被高质量的智适应教育所取代。

　　如何把这种智适应学习带入市场呢?Jose认为初创企业还是很有机会的，虽然它们不具备规模优势，但他们的反应速度较快，可以较好的进入到终端市场，获得用户的反馈。而在这个方面，亚洲尤其是中国的发展速度更快，因为中国市场B2C补习学校业务模式已经得到众多用户的认可，十分有利于智适应教育场景的落地实施。

　　Jose还提到，随着人工智能技术的演进，未来一些岗位将会被人工智能所取代，而智适应学习则可以根据每个人的不同状况，为其提供更有针对性的再就业教育与培训，不至于沦为科技进步的牺牲品。

　　乂学教育：从兴趣教学到成长教学，从玄学变科学

　　长期以来，中国教育界流行着一种“兴趣教学法”，通过游戏等各种方式提高学生的学习兴趣，最终达到教学预期目标。但学生的精力是有限的，且教学的过程是不可量化的，致使无法去真正测评教学的完成度。

　　在乂学教育创始人栗浩洋看来，不应该是用趣味性解决教育的问题，应该用学习成长的成就感去解决教育问题。智适应教育系统不仅要在作业流程上进行量化考核，并且要深入到学生的课前测试、学习流程、练习流程、课后测试等各个环节，不断寻找学生的最佳学习策略，进行针对性教学，从而提高效率，促进学生学习的成就感。

　　那么，如何做一个真正的智适应教育系统呢?栗浩洋认为，“如果你只有极少数的知识点和规则的路径，是不可能做到的”。所以，知识点拆分就成为一个非常大的难题。但“当我们把知识点拆分成细腻颗粒度时，可以通过更细致的诊断，判断出学生的程度，进行定位和针对性教学，节省学生的学习时间，提升学习效率。”

　　栗浩洋表示，教育不应该是一门玄学，通过人工算法的知识点拆分，乂学教育的智适应教育系统不仅可以将数理化、语文等学科进行数据化，而且还可以做到错因重构知识地图以及找到非关联性知识点，将教育变成一个可定义、可量化、可传授的一门科学。并且，在这个学习的过程中，学生的学习能力与创造能力都可以得到大幅度的增长。

　　据栗浩洋介绍，乂学教育已经开始研究用AI系统实现创造力培养。“我们把创造力也拆分成分可量化、可规则化、可模块化的描述。通过这些描述，不断采用机器对学生的启发式的人机对话，来获得学生的反馈和感受。通过NLP的语义理解，知道学生的反馈是在哪个层面，然后给到他不同的回答。”

　　AI智适应系统也需要不断的找到学生的学习最佳策略，通过人工智能的对抗系统，乂学教育能够不断的大幅度提升算法准确度，给到每个孩子的精准的知识内容推荐和学习路径推荐。乂学教育根据大量的学生反馈显示，每个学生对智适应系统的感受都不一样，他们觉得整个智适应系统是人性化的，是根据自己的水平去定制的。

　　ALEKS：多轨道的人工智能算法与智适应

　　智适应学习系统依赖于人工智能底层技术的发展，这方面来自ALEKS前首席数据科学家的Dan Bindman有着自己独到的见解，并从技术角度解答了智适应学习系统构建的相关问题。他认为：“高质量的内容、智能AI给所有学生绘制知识转化的状态图谱，以及量身定做的选择材料”，是智适应学习系统的重要支撑点。

　　Dan Bindman说：“最开始处理知识图表，要检查数据是否正确，系统是否奏效。当时真的是到了疯狂的地步，几千几万个链接，要看到每一个点、线连接绘图方面的问题。但是，这样的系统分年级却并不适用，所以需要我们建立一套模型，不完全依赖于知识点的知识图表，能够处理绘图中大部分能处理的问题。”

　　究竟什么样的算法模型最合适呢?Dan Bindman认为，与传统的IRT和KST等其他模型相比，多轨道模型更有优势，“通过对学生的知识状态PKS评估可以分析出学生的情况，确定他掌握知识的程度，并跟学生产生互动，继而产生的数据预测精准度就比较高。”“根据模型，可以了解在任何时候学生回答问题有三个因素，一个是学生在知识轨道的能力，二个是问题的权重，第三个是问题的中心概率值。我们通过等式就可以了解学生在某一个知识轨上，他掌握的问题权重，就可以得到他所回答的问题来。”由此看来，多轨道算法模型通过大数据、机器学习算出来的准确度更高，并且能够不断根据学生的成长度来调整学习状态，对智适应学习平台的构建具有十分重要的意义。

　　在2018全球AI智适应教育峰会上，来自中美两国三大教育机构的专家、学者对智适应教育的缘起以及前景、智适应平台的构建、以及人工算法等方面的技术等问题都进行了友好的切磋和探讨。他们坚信，随着人工智能技术的不断演进，智适应学习将得到全球更多用户、教育培训机构和资本的认可。