在大数据的“滋养”下，AI在越来越多的领域更好地理解人类，让具有深度学习能力和不断进化的AI帮助人类探索学习模式、开发认知潜力。
有必要消除机器。
根据教育部规定，明年秋季开学后，高中生将开设新课程：《人工智能》。
互联网教育尤其是在线K12培训项目一直是投资热点。
一对一直播模式火爆后，教育圈最火的应该就是AI项目了。
据亿欧智库报告显示，人工智能教育年度融资金额达42.17亿元，其中80%以上为早期投资项目。
这条赛道有望催生多家独角兽企业。
笔者发现，目前人工智能在线教育布局大致可分为三个流派：（1）教学或题库评估工具和产品，如作业盒； （2）应用人工智能技术的培训机构，如好未来； （3）人工智能 智能教育引擎和平台提供商，如高木学习等。
现在人工智能教育创投从业者面临的问题是：基于其技术实力的人工智能教育泡沫有多大？不怕火的AI教育项目的核心能力是什么？如何实施？本文试图对此进行解释。
1. 为什么“自适应”实际上并不是人工智能？一位投资人朋友曾对我说：“既懂互联网行业，又懂这个行业业务的管理人才不超过十个。
这是‘互联网+’大众创业浪潮中各个垂直行业的头部项目，创新。
”这就是为什么一些公司能够玩这个游戏。
”认知和技术门槛更高的“AI+”的情况可能会更糟糕，很多人甚至将“自适应”等同于“AI教育”。
自适应学习的鼻祖是美国Knewton公司。
它通过评估不同学生对知识材料的掌握程度来进行个性化推荐，这有点类似于今日头条的兴趣引擎。
牛顿在中国有很多弟子。
目前，已有约40个项目宣布发力做“适配”，如“易学教育”（自适应学习、练习、测试）、“学霸课堂”（自适应题库）、“英语流利说”（英语）嘉鱼基金创始人卫哲表示，“90%的人工智能项目都是伪AI”。
认定的依据是项目的“算法速度”。
如果它是代数而不是几何计算，它就不是“真正的人工智能”。
，用这个来测试自适应项目，得到的结论令人失望。
初级自适应项目通过手动预设指令或编程规则推荐，高级自适应项目则根据知识图谱推荐。
即使是高级的适应性项目也不是按照既定的教学大纲和教学目标逻辑开发的，缺乏具体的知识。
学习不系统。
关键是很多自适应项目集合了各个学科最好的特级老师的能力，导致算法本身是线性的，模拟人类学习。
自适应的技术原理就像AlphaGo一样，使用的是人类最优秀的围棋大师的能力，而不是完全不同的机器深度学习和自我进化模型；自动驾驶AI利用人类零失误经验驾驶员的感知能力，而不是基于全网海量交通大数据进行计算和决策；人工智能医生应用读X光片最快、最准的医生的经验，而不是海量数据库训练；显然这样训练的机器并不是真正的人工智能。
“真正拥有足够教学大数据和算法速度的‘AI老师’，可以轻松超越拥有30年教学经验的特教老师，并能突破人类知识的限制，自动进化算法模型，找到人类有的策略。
”没有尝试过。
”高木学习创始人刘展这样形容AI老师。
伦敦帝国理工学院毕业生刘展早在2001年就开始了自己的人工智能教育事业。
他认为判断人工智能教育项目的真实性有三个具体的考察维度：（1）适配是基于模拟知识图谱优秀教师推荐知识，而真正的AI教育机器人则在“教学实践大数据”中进行深度学习。
（2）适应主要用于知识盲点的统计，但不能分析知识系统之间的本质联系。
使用人工智能更重要的任务是找到行为背后的原因。
例如，对于一个学生来说，二次函数表面上是一个薄弱环节。
可能是他对二次函数的各个细分知识点没有掌握牢固，也可能是一次函数的前置知识点和函数的思想没有完全理解，也可能是一个问题解方程；甚至可能是抽象思维或计算能力的问题，AI会根据学生的数据和“知识路径矩阵”寻找问题背后的原因，匹配最优的学习路径。
(3)人类教师的情绪因素会影响学生的学习结果。
AI教师还应综合考虑学生自信心和成就感的培养和激发，确保学生的学习过程是“知”、“情”、“意”。
一体化。
2.人工智能教育的核心：帮助每个学生找到“元认知能力”人工智能教育不会改变“师生”的二元结构，甚至人工智能教育也必须彻底解决未来互联网教育对教师和学生双方的影响双方。
主要解决两个问题：（1）如何帮助学生找到学习方法，提高学习效率？在中国，普通中学生80%的学习时间都是低效的。
（2）如何帮助教师更高效地因材施教？目前，我国教师资源仍然总体短缺且分布不均。
一对一培训成本高、小班化普及率低等问题依然突出。
AI教育的优势在于，它利用数据来分析学生自己没有意识到的“症结”，也就是所谓的“更懂我、更好教我”。
同时，人工智能还可以帮助教师稳定和掌控教学效果。
AI充分采集和处理教与学两端的大数据后，还必须在具体的教学场景中进行个性化建模，最终实现“让学生更好学，让教师更好教”，这是人工智能的关键教育。
目的。
陶行知先生说：“教是为了不教”。
教育的本质不是灌输知识，而是启发学生思考，使学生掌握自主学习的能力。
目前很多伪AI学习神器只能“授人以鱼”，而不能“授人以渔”。
我国的基础教育一直缺乏方法论课程。
只有极少数有天赋的学生能够独立制定自己的学习计划，而绝对大多数天赋一般的学生都在混乱中摸索。
从人工智能的角度来看，所谓的“天赋”无非是少数幸运者自觉或不自觉地分享的“元认知能力”。
当人们主动制定学习计划、提供自我反馈、动态调整学习策略时，就接近“元认知”。
在大数据时代，这种元认知能力可以量化分析，人工智能教育可以提供学习效益。
作者提供了反复激活元认知能力的“训练方法”。
按照刘展的解释，AI教育的“训练方式”就像给幼儿一个“学步车”，纠正他的走路姿势。
具体采用的“训练模型”是由人工智能基于大数据确定的。
定制化后，它可能是达到学习目标所需的“梯子”，可能是一条“船”，也可能是“拐杖”等等，这些模型可以不断调动和强化人们的“元认知能力”。
虽然市面上90%的项目都专注于知识点的适配和问题解决训练，但真正的AI教育项目如高木学习的AI不仅包含自适应知识图谱大数据，还从学生的行为数据中不断演化而来。
“知识路径矩阵”或AI可以根据学生对知识能力体系的理解，定制个性化的学习路径。
同时，人工智能让学生不仅在理解和记忆知识的过程中训练知识掌握，也在不知不觉中训练元认知能力。
这种“个性化学习引擎”实际上是训练学生“忘记所有知识”，剩下的元认知能力具有普遍性特征。
事实上，人工智能教育不需要局限于某个学习阶段、某个学科的知识体系。
完全可以打造一个跨学科、跨类别、跨阶段使用的“通用知识学习引擎”。
也就是说，AI教育除了应用于K12领域之外，还可以应用于高等教育。
在不考虑学生学习动机因素的情况下，辅导大学生比辅导中小学生还要容易。
另一方面，如果市场上的人工智能教育项目只能用于单科或只能教授K12，那么它们就不是基于大数据采集和智能引擎的“全才”和“多面手”，并且基本上可以被视为基于特定领域专家总结的经验规则的“伪人工智能”。
3、为什么实施AI教育项目时B模式比C模式更容易打通？目前AI教育项目的商业化进程大致可以分为两大派别：一派是构建自我场景的颠覆派，试图开发新的测试软件来抓取学生数据，甚至引入一些AR（增强现实）、MR （混合现实（mixed Reality）等黑科技的目标是用“AI老师”完全取代真实老师的教学，属于“人机对抗”模式。
比较典型的就是来自易学的松鼠AI另一类是对现有教育体系进行升级、不创造新场景的改革派，属于“人机协同教学”模式。
人机对抗模式最终将走向to C模式；而“人机共教”模式最终将走向to B模式。
主要是教学机构，包括全日制学校和培训机构，而不是分散的学生；只有AI可以辅助老师备课、上课，嵌入到学生的作业和培训中，帮助学生提高成绩，只有提高学校的入学率，才能帮助AI更快落地，找到盈利模式。
。
从“全日制学校”应用人工智能的实践来看，人工智能可以让教师“心中有数据”，提高教学的针对性。
AI教师实际上相当于真实教师的“智能助教”，可以减轻教师50%的负担。
工作量，比如AI帮助老师批改作业，直观呈现数据分析帮助老师定制教研计划。
因此，AI教育项目在营销过程中无需担心基层教师的抵制。
让教师摆脱“汗水老师”的局面，也是基础教育机构所希望看到的。
由于全日制学校获取的大数据比培训机构海量、连续、高频，高木学习更加重视AI在全国全日制学校场景中的数据价值，积极推动城市合作伙伴并计划与地方教育主管部门合作开展全国教师人工智能应用能力培训公益活动。
To B模式的另一个主要企业客户是体制外的培训机构。
他们面对的学生有较强的支付意愿和较强的购买力。
它们是人工智能教育项目获得稳定现金流的必备条件。
那么目前培训机构在应用AI教育项目中的“人工智能双师班”效果如何呢？ （1）首先，人工智能教练可以保持教学效果的稳定输出，解决了教师教学效果不确定的原有弊端。
（2）其次，人工智能提高了教师的工作效率，突破了培训机构因名师稀缺、流动性大而限制培训机构大规模发展的瓶颈。
（3）第三，例如高木学习的AI帮助学生发现“元认知能力”，增强学习信心，显着提高成绩。
也帮助合作培训机构提高续约率，为招生带来便利。
可以说，人工智能教育的to B模式就是“赋能教学机构”，不仅可以为专职学校师生“减负”，还可以“增加”培训机构的业务。
难能可贵的是，AI项目并不要求学生有品牌存在感。
一切教学效果都归功于老师，可谓“润物细无声”。
结论：人工智能教师不仅不会抢走教师的“饭碗”，还能帮助教师从繁重的工作量和低效率中解放出来，让学生因材施教，享受智能教育。
我国当前的人工智能教育是基于标准化应试教育的框架，试图尽可能为学生提供个性化的学习解决方案，帮助学生完成提高成绩、进入高等教育的“小目标”，同时觉醒培养他们的“元认知能力”，回归教育本质。
知识爆炸时代，教育的重点应从储存具体知识转向掌握打开知识宝库的“钥匙”，即元认知能力。
这就是AI教育带来的智慧启示。