1 当你的孩子被AI老师教的时候，大家其实都假设了一个前提：既然AI比人类聪明，那就让AI来当老师吧。
人工智能教育的出现，意味着教育不再只是人与人之间传授经验，而是成为一台“让你更了解自己”的机器，帮助人们发挥潜能。
AI教师的加入讲台是否会抢走线下真人教师的饭碗，成为热门话题。
现在提倡的AI教育公司基本都是互联网教育公司，而互联网教育主要集中在流动性最强的K12阶段。
正如MOOC教育、网校模式、直播课甚至双师模式并未对线下学校业务造成冲击一样，AI教育想要绕过教师几乎是不可能的。
因为在K12教育领域，能否监督管理学生学习（是否愿意吃苦，是否愿意玩游戏）是成败的关键。
任何高举科技旗帜颠覆某种立场的人，最终都会遭遇现实的迎面打击！人工智能教师不会取代真正的教师，这与人工智能教育不可避免的事实并不冲突。
AI确实有望解决K12教育多年来存在的痛点：1.天赋好的学生不知道为什么学东西容易，成绩差的学生努力也不知道为什么学东西可以。
不学。
这些始终处于一种“天注定”的混乱状态，导致很多学生在努力无效后失去信心、放弃。
需要人工智能分析才能给出答案。
2、教师诊断学生基础知识或知识点掌握情况的常用方式是不断地要求学生做题。
然而，老师所设的问题只能考虑到不到20%的学生。
人工智能为不同的人设置不同的问题进行测试，并及时提供。
给予反馈。
3．大班模式下，教师由于缺乏时间和精力，很难提供个性化辅导。
即使是培训机构的“一对一个性化教育”也始终受到应试教育框架下师资供给相对不足的制约而无法落地。
;人工智能教师可以批量、大规模地提供个性化的一对一辅导。
归根结底，AI教育解决了“学生端数据模糊”和“教师端教学效果输出不稳定”两大问题，因此是在线教育发展的必然演进阶段。
人工智能的可怕之处在于它的深度学习能力超越了人类。
人类的学习是通过感官经验+逻辑推理，而AI深度学习则来自大数据+云计算。
人输出的感知材料被加工成知识，而机器输入大数据并得到基于数据的分析和结果。
人很容易受情绪干扰而产生谬论，而机器只要收集的数据充分、准确，就可以得出结论。
客观的结论。
因此，要做AI教育，必须找到“大数据”作为AI师资培养的“场景”。
要让AI教师更加敏捷，就必须不断优化算法模型，使其算法速度达到几何级加速。
人类老师再好，也有“天花板”（时间、精力、水平等限制因素），而AI老师的天花板取决于数据和算法，所以人类的认知能力无法发挥来衡量人工智能。
吴伯凡老师和梁冬老师在节目中提出了一个很有启发的观点《东吴同学会》：在古代，拥有更多“战马”资源的国家更容易成为胜利者。
除了速度和力量之外，马还聪明且精通。
人性和马是古代社会的“人工智能”。
虽然人类在速度上无法与马匹敌，但人类可以骑在马身上。
在数博会上，马云用了一句话“So TM What！”当AlphaGo与围棋高手对战时。
AlphaGo的学习一天相当于柯洁练习了十几年。
在完全不平等的规则下PK智力是高估了自己的能力。
，也是自取其辱！如果想捍卫人的“智力”尊严，最好的办法，或许也是唯一的办法，就是用人工智能来训练人，让人们学会设计AI、控制和驯化AI。
这就是为什么我坚信人工智能教育是最有价值的AI实施领域的原因。
2 要做“AI+教育”，需要具备人工智能的优势，扎根教育业务。
这并不容易实现。
在线教育企业在这波“人工智能在线教育”浪潮中转向太快。
其中，大部分积累的数据并不是在AI理念和技术逻辑下收集的。
结构化分析后能否使用是一个问题。
有些项目的AI能力并不是自己拥有的，而是由其他底层技术服务商提供或者是AI能力引擎的输出。
阿星判断一个企业是否真的在做AI教育，更愿意听创业者是否真的对AI有系统的了解？你真的了解中国K12和教育行业吗？这两点直接决定了项目会是什么样子，会朝什么方向发展。
AI教育项目首先要解决的就是AI数据来源的问题。
但教育大数据目前主要还是线下为主，BAT尚未形成垄断。
这本身就是创业者最大的机会。
未来相当长一段时间内，人工智能教育将处于积累大数据的“赛马”阶段。
其中，公立学校的数据量最大。
谁能更多地占用学校的大数据资源进行处理，谁就拥有更多的AI。
聪明的。
让学校教学数据“线上”（云端）的最佳方式就是将AI嵌入到教学过程中，获取教师的课程、学生的答案和测试。
易学教育通过直播课+自建校区+加盟模式推广“自适应”松鼠AI获取数据。
创始人李浩阳此前创立了昂力教育，作为线下培训机构。
近日，易学教育渠道独立，获得“易趣”1万元Pre-A轮融资。
Jobbox获1亿C轮融资，创始人刘野着手组建多人本地推送团队，在全国推广其“AIOC”软件。
高木学习AI导师通过广东、湖南、河南等18个省份的城市合作伙伴，为全日制学校和连锁教育机构推出了B端赋能商业模式。
可见，在AI教育市场的发展期，拥有线下培训机构背景和教育资源的人才相对紧缺。
不同的AI团队收集数据的能力不同。
有些维度较少，数据非常粗粒度，而另一些则维度较多，可以捕获深入的学生数据。
即使是同一个学生大数据，使用不同的引擎来制作AI产品。
这绝对是不同的。
据阿星观察，在AI算法模型方面，当前人工智能教育项目主要分为“知识图谱引擎模型”和“通用知识学习引擎模型”两类。
基于知识图谱来制作知识相关性推荐的算法模型实际上更容易。
一方面，很多项目本身就拥有某个学科完整的知识库数据。
另一方面，又类似于“今日头条”的风格，成千上万的人为不同的学生服务。
个性化定制学习知识的模式更容易向投资者解释。
比如今年6月完成10亿融资的一学教育，将其更名为“智适应”，以区别于自适应学习鼻祖Knewton。
它实际上是一个“知识图引擎”。
“通用知识学习引擎”不限于特定科目或学习阶段。
只要按照教案和教学大纲，将相应的数据输入到AI中进行学习，AI就可以在大数据中自动进行个性化建模，让AI可以帮助学生学任何他们想学的东西。
在知识学习方面，高木学习等人目前正在中国研发“通用知识学习引擎”。
通用知识学习引擎的优势在于它可以通过对学生学习方法的训练和监督来提高学生的学习能力，而不仅仅是掌握知识；缺点是通识学习引擎的模式对于深度数据的获取比较僵化，极端情况下在碎片化的教育行业中，我们需要寻找突破点，比如数学训练或者语言兴趣训练。
K12舞台。
事实上，通用知识学习引擎更接近真正的AI教育，但由于它在国外还没有找到成功的标杆，这个案例导致很多赛道投资机构对其不是很了解。
3 过去，很多互联网产品直接针对C端用户，尤其是英语、题库作业、直播培训平台项目。
如果家长直接参与，缴费率会更高。
然而，人工智能产品目前可以在移动应用程序中使用。
应用相对较少。
如果是C端教学产品，就会被视为学生的“新负担”。
现阶段，人工智能教育的初级阶段，只能在B端（教育机构）实现。
因此，人工智能教育企业想要成立并发展壮大，应该有这样一个模式：想要AI为学生提供个性化的学习解决方案，首先要赋能教育机构。
全日制学校的数据比培训学校的数据更全面、更完整。
人工智能在全日制学校的应用是教育信息化的延续，像好未来、新东方这样的培训机构都有自己的学校，所以不用像其他人工智能团队一样去找学校。
学校利用合作数据，获得向人工智能教育转型的“地缘优势”。
人工智能在学校的应用只有提高教师的教学效率才能快速推广。
AI教师不再是教师的竞争对手，而是扮演助教和教练的角色。
也有人称之为“人工智能双师课”（AI老师+真人老师）。
过去，好未来等机构在西部省份推广“双师模式”，认为是“教育扶贫”，利用平台上的特级教师，通过慕课或直播的方式给偏远地区的孩子们授课。
类。
但带来的负面后果是，线下老师作为助教，很容易导致孩子对现有老师所教授的知识产生不信任，而线上老师又无法顾及学生的学习特点。
传统的“双师模式”因与人性的对抗而流于形式；而“人工智能”“双师班”则由一名教师加一名机器人助教，基层教师的接受率较高。
“AI双师课堂”模式协调“机器教师与真教师”之间的矛盾。
就像真正的老师需要像电脑一样使用人工智能，帮助一线老师摆脱混乱和凭感觉和经验摸索。
未来，教师过去的教学经验将与他们的经验水平挂钩。
未来，教师将逐渐年轻化，并有AI教练辅助教学。
事实上，根据知识图谱引擎模型，人工智能可以收集特定学科的知识，并更高效地向学生传授顶级知识。
这是一条机器教师取代真实教师的“人机对抗”之路。
路。
如果我们遵循让AI帮助教师的理念，我们会使用通用的AI引擎来教学生如何训练和发展学习能力。
这个AI并不局限于某一门课程或者某一学习阶段。
它是面向所有教师和学生的人工智能教练。
这是一条“人机协同教学”的路径。
AI教师不需要像人类一样进行专门分工，如果真的是AI的话。
结论 AI时代已经到来。
如果现行的标准化应试教育体系不能适应，艰苦的努力会让很多学生缺乏自学和独立思考的能力，培养出来的本质上是“机器”；如果用人工智能来训练人们认知能力和培养学习知识的方法，看似是用“机器”来辅助老师，但实际上，老师是真正的“人”。