Alpha Go 以 4:1 完勝李世石，人工智能成為熱議的話題，從1997年人工智能在國際象棋上戰(zhàn)勝人類，到2016年人工智能又在圍棋上勝出，AI在各個細分領(lǐng)域都獲得了更多關(guān)注，包括教育這個十分注重師生互動的領(lǐng)域，學(xué)吧課堂的創(chuàng)始人李行武對人工智能在教育領(lǐng)域的應(yīng)用十分有信心：

“未來一定是虛擬（智能）老師代替大部分不合格的老師，三五年內(nèi)就能看到成效，其實我們已經(jīng)做出了能夠替代部分老師的系統(tǒng)”。

教育領(lǐng)域的Alpha Go可行嗎？

一個有豐富教學(xué)經(jīng)驗的老師，通過兩三道題就能判斷出學(xué)生所處的水平，機器能不能模擬這個過程？這是李行武從2013年開始琢磨的一件事。

抱著科技是第一生產(chǎn)力的信念，從跨界進入教育行業(yè)開始，李行武的理想就沒有變過——做出一款智能教師產(chǎn)品，讓每個學(xué)生都能接受優(yōu)質(zhì)教育。為了設(shè)計出貼合教學(xué)的產(chǎn)品，程序員出身的他特地做了一年中學(xué)老師，拋去“碼農(nóng)”做教育的慣性思維，試圖從教學(xué)的角度去理解老師與不同的學(xué)生之間所產(chǎn)生的化學(xué)反應(yīng)，讓機器模擬老師的“大腦”，向虛擬老師進化。

自此，學(xué)吧課堂就從2013年夏天的線下培訓(xùn)班起步了，在與學(xué)生的一次次互動中，學(xué)吧課堂的產(chǎn)品雛形也出來了。

李行武所提到“能夠代替部分老師的系統(tǒng)”正是學(xué)吧課堂推出的第一版產(chǎn)品，“短視頻＋練習(xí)”的形式，每個視頻由十幾段幾十秒的視頻切片拼接而成，在知識點之間插入測試和練習(xí)，通過人與機器的一次次互動采集學(xué)生的學(xué)習(xí)數(shù)據(jù)，給予個性化的反饋，為每個學(xué)生生成不同的學(xué)習(xí)路徑。

本質(zhì)上來說，學(xué)吧課堂是要解決學(xué)生“學(xué)什么”和“怎么學(xué)”的問題，第一步通過前置測試來判斷學(xué)生的水平，推薦適合的學(xué)習(xí)材料。而學(xué)習(xí)同一段視頻的學(xué)生，學(xué)習(xí)路徑也不完全相同，根據(jù)學(xué)生的反饋和歷史學(xué)習(xí)數(shù)據(jù)來決定下一步學(xué)什么，隨時從素材庫中調(diào)取視頻片段。這也是做視頻切片的原因，只有顆粒度夠細，才能做到個性化推薦。經(jīng)過一年的努力，學(xué)吧課堂高二數(shù)學(xué)的課程搭建完成，其產(chǎn)品在公立學(xué)校的試點實驗中得到了校方和學(xué)校的認可。

不過，視頻制作成本太高，采集的數(shù)據(jù)量不夠，是學(xué)吧課堂當(dāng)時面臨的兩大問題。制作一個小時的視頻，團隊要耗費大約100個人時。對于學(xué)吧課堂十來個人的小團隊來說，根本支撐不起來制作如此龐大的素材庫。李行武開始重新思考產(chǎn)品的發(fā)展路徑，不久后，前巨人教育副總裁齊明鑫加入任CEO，團隊做出決策：暫停視頻制作，先從更輕的練習(xí)切入。

采集有效數(shù)據(jù)是自適應(yīng)學(xué)習(xí)的關(guān)鍵

2015年11月，重新改版后的學(xué)吧課堂上線，4個多月以來，積累了30萬用戶，日活達5萬人次，活躍用戶日均做題量超過100萬道 ，上線以來總做題量超過5000萬條。齊明鑫一再強調(diào)這都是真實數(shù)據(jù)，并向我展示了友盟的后臺統(tǒng)計數(shù)據(jù)。

目前學(xué)吧課堂的主要功能是“診斷＋推薦”，通過十道前置的測試題，判斷學(xué)生的學(xué)習(xí)水平，形成學(xué)生在知識結(jié)構(gòu)上的“用戶畫像”，雖然做不到像老師一樣迅速診斷學(xué)生水平，“目前市面上還沒有能做到這一點的，無法真實判斷學(xué)生的水平”，當(dāng)我追問原因，他們一致歸結(jié)為這一點：在技術(shù)和教研之間搭建“橋梁”的能力，懂技術(shù)又懂教學(xué)，不是人人都能做到。

在學(xué)吧課堂的辦公地點，此前為錄制視頻而改造的兩間錄課室還保留著，“視頻我們并沒有放棄，目前內(nèi)測版本里面仍然有短視頻，只是我們的重點放在練習(xí)這塊?！崩钚形洳⒉辉敢獍堰@次變化稱為轉(zhuǎn)型，退回到練習(xí)，學(xué)吧課堂的發(fā)展路徑變了，不過智能教師這一點并沒有變，以練習(xí)這種更輕的方式切入，獲取數(shù)據(jù)的速度會加快。

“做到自適應(yīng)學(xué)習(xí)，關(guān)鍵的因素之一是數(shù)據(jù)，而且必須是必須是有效的”，李行武強調(diào)。援引機器學(xué)習(xí)大師 Andrew Ng（吳恩達）的話，"It's not who has the best algorithm that wins，It's who has the most data”。

所謂有效數(shù)據(jù)，有兩個維度：

一是數(shù)據(jù)的密度，在單個學(xué)生身上搜集到的數(shù)據(jù)是否足夠，在以練習(xí)為主的題庫產(chǎn)品中，主要取決于學(xué)生單位時間的做題量，學(xué)吧課堂的每個用戶每周的做題量超過50題。

另外是數(shù)據(jù)的質(zhì)量，表現(xiàn)在學(xué)生刷題的正確率，如果正確率過低，導(dǎo)致產(chǎn)生的無效數(shù)據(jù)過多，會影響機器的判斷。而在同類題庫產(chǎn)品中，學(xué)生答題的正確率在35%－40%，學(xué)吧課堂的這個數(shù)字為60%，“這說明學(xué)生都在努力把題做對，而不是隨便蒙的”，齊明鑫向我解釋其中的差別。學(xué)吧課堂為學(xué)生設(shè)置的學(xué)習(xí)目標是自適應(yīng)的，學(xué)渣也會更有學(xué)習(xí)動力。

這些數(shù)據(jù)讓兩位創(chuàng)始人特別興奮，這次新的嘗試收到了用戶的正面反饋，小范圍內(nèi)驗證了這種模式。

關(guān)于未來的發(fā)展，拓展學(xué)科是必然的。學(xué)吧課堂接下來計劃是成為老師的助教，幫助老師布置、批改作業(yè)。更長遠的目標是成為“教育領(lǐng)域的小冰”?！澳銈冾A(yù)期需要多久？”我問道，李行武的回答是：“很快了，三、五年內(nèi)就能看到了?！?/p>

智能教師離我們并不遠

優(yōu)質(zhì)教師不足，是教育行業(yè)從業(yè)者的共識，如何解決這個問題，O2O找老師、在線直播、錄播等，目的之一都是讓更多學(xué)生能接觸到優(yōu)質(zhì)的教育資源。而李行武不看好基于人的授課產(chǎn)品，本質(zhì)上來講都是售賣人的時間，做過十幾年教師的齊明鑫深有體會，“如果我去教課的話，一個小時課時費可以收2000，但這本質(zhì)上還是體力勞動”。如果有“智能教師”替代老師的部分工作，人可以去做更有價值的事情。

同樣從自適應(yīng)學(xué)習(xí)出發(fā)，Knewton的路徑是做自適應(yīng)學(xué)習(xí)引擎，把API接口開放給學(xué)?；蛘呓逃龣C構(gòu)這類B端用戶。而學(xué)吧課堂走了另外一條路。

從商業(yè)價值上來說，與其他技術(shù)驅(qū)動的互聯(lián)網(wǎng)產(chǎn)品一樣，機器教學(xué)從總體上來說可以無限降低成本，只是在初期投入較大，而當(dāng)技術(shù)和產(chǎn)品逐步成熟，就可以大規(guī)模復(fù)制，也許未來人人都有一個虛擬老師，可能像電影《Her》所呈現(xiàn)的場景，只需要帶上耳機，“薩曼沙”老師就在你身邊，告訴你這一題怎么做，接下來應(yīng)該學(xué)什么。