科大訊飛也推AI智能硬件，K12“知識圖譜型”AI教育“真香”？

所謂智能推薦，并不知道學生為什么錯、如何才能逃脫一錯再錯、就是不會做的命運。

你錯了我就推薦類似的題目，你總是錯那我就更多地推薦類似的題目，不關心學生為什么錯、相同原因下是否還有其他錯題的可能。

這本厚厚的“書”，沒有在根本上改善學生辛苦“刷”題的現(xiàn)實，低效的學校過程延續(xù)，負擔未減輕效率也未提升。

這樣的市場，C端產品不迎來爆發(fā)也在情理之中。

2、“知識圖譜型”AI教育，用AI的“策略服務”價值解決痛點

“知識圖譜型”AI教育這時候跑了出來。

顧名思義，其產品邏輯不再以題目或課程為出發(fā)點，而把目光轉移到知識點上，試圖通過更底層的知識點掌握情況，來判斷學生的個性化學習情況并給出更科學、高效的學習方案。

因為知識點更底層，學生攻克了知識點，就攻克了大量以其為基礎的試題或課程，少量學習即可“打倒一片”，而有了脫離題海的可能（當然，適度的做題強化知識點認知仍然有必要）。

可以歸入這類“知識圖譜型”AI教育玩家，在科大訊飛之前已經有一些創(chuàng)業(yè)者參與，形式各異：

用一個更直觀的案例來看“知識圖譜型”AI教育的產品邏輯，這是科大訊飛學習機實機截屏：

可以看到，知識點被圖譜化，而學生對知識點的掌握情況被不同顏色標記，知識點之間起承轉合的矢量關聯(lián)關系也被示意，可以知道薄弱知識點受誰影響、影響誰。

這些知識點之上，是各種與之對應的試題，薄弱點即被要求強化訓練，一個所謂“超級錯題本”形成。

很明顯，不同的學生的知識點掌握情況各不一樣，在復雜矢量關系下，每個人呈現(xiàn)出完全不一樣的“知識圖譜”圖景，制定的學習計劃也各不相同，這也是科大訊飛敢于大張旗鼓宣稱自己的產品“千人千面”的原因。

事實上，底層知識點的提取，以及矢量關系的存在，在讓AI回歸“策略服務”，這也是AI應用的根本價值問題。

在地圖類產品中，輸入目的地后，怎么去、那些方式、需要多少時間、路況怎么樣、預設偏好下選擇哪個方式較好、終點停車場、吃喝玩樂……一系列內容就被構建好了推送給了用戶。

在所有場景應用中，真正的AI都必須能夠進行類似的策略服務，這是“智能”二字所決定的。

而在過去的AI教育產品當中，單純針對試題設置AI，只關注試題推薦而沒有完整的路線圖和引導，無法形成引導學生完成階段性學習目標的“策略”；現(xiàn)在，編制底層網(wǎng)絡的“知識圖譜”在矢量關系下具備了提供策略服務的能力（薄弱知識點按路線一個個突破），AI教育的價值也就更能成立。

回過頭來看，從知識圖譜中勾勒出學習重點，其實就是知識點的聚焦過程，也即教育家們都倡導的“書越讀越薄”——不斷縮小“未獲得”的知識范圍。

“知識圖譜型”AI教育，如何打造自己的產品護城河？

市場倒逼為“知識圖譜型”AI教育產品贏得了差異化空間，但在橫向競爭上，新興模式如何構建護城河、不被復制和抄襲更為關鍵，畢竟，創(chuàng)業(yè)者一窩蜂、巨頭野蠻插手的行為已經見怪不怪。

這種護城河的構建過程，又可以包含兩個方面，由于科大訊飛的官宣內容較為詳細，這里主要以科大訊飛的產品為案例進行分析。

1、在知識圖譜這件事上，時間與積累最難以追趕

芯片、航空發(fā)動機等高精尖技術的追趕難以一蹴而就，因為它們是一代代數(shù)十年、上百年技術積累和沉淀的產物，即便砸錢也難以在短期內獲得快速突破。

“知識圖譜型”的獨特矢量關系，讓它自帶了類似的護城河——時間與積累，耕耘越長時間，后進者的機會越少，哪怕是巨頭級平臺。

以一個圖直觀感受下，在科大訊飛的知識圖譜中，數(shù)理化各取一章節(jié)某一小節(jié)的知識圖譜合在一起成為下圖：

不同學科、不同章節(jié)、不同小節(jié)……“知識圖譜”的底圖無疑將是龐大的，一個巨大的矢量網(wǎng)絡需要知識點的梳理，也需要獨特的知識點關系理解：箭頭應該怎么畫，哪些點和哪些有關系，是前置還是后置……這些都與教學實際緊密相關，是自帶門檻的活動。

例如，比熱容的計算，需要事先理解比熱容的概念，而后又影響比熱容比例計算、圖像分析以及不同物質間熱傳遞方向判斷。

大量這類關系都是真實的工作量與知識成果轉化，無法一蹴而就，巨頭進場也得先完成漫長的積累，畢竟，不只是畫出圖譜，知識點與知識點的關系也需要足夠科學，否則反而形成誤導。

科大訊飛敢于推出這類AI教育產品，首要原因應當是它已經在B端教學實踐的場景里做了很多年，有足夠的底氣。按官方數(shù)據(jù)，其AI+大數(shù)據(jù)教育產品或解決方案覆蓋了全國1500萬+師生、10000+學校，其中包68所全國百強校。

此外，科大訊飛的一些與教育相關的技術開發(fā)也某種程度上提供了支撐。

早在2016年，科大訊飛就在美國國家標準技術研究院組織的認知智能知識圖譜比賽中取得全球第一名，構建了知識點和知識圖譜。

科大訊飛還牽頭了國家863類人答題機器人項目（一個嘗試讓機器人“考上大學”的項目），在今年3月份的SQuAD自然語言理解比賽中首次超過了人類，這些讓科大訊飛在觸及C端產品時，對如何尋找到關鍵的學習點、理解學生各種作業(yè)和題目的“題意”有客觀上的推動價值。

這些B端“老業(yè)務”，以及教學技術研發(fā)，最終在科大訊飛準備于C端市場兌現(xiàn)技術紅利時幫了忙，為其“知識圖譜型”AI教育產品的個性化精準學習打了底。

一句話，漫長的ToB積累，才整合成可以面向ToC市場的產品。

這里無法得到松鼠AI等創(chuàng)業(yè)型產品在拆分知識點后如何形成自己的“圖譜”，但可肯定的是，圖譜本身蘊含的教學實踐積累厚度，一定決定其護城河的深度。

2、知識點不強的學習領域，則更看重“標準”

一些重要的學習內容與“知識點”關聯(lián)不大，但又必須是AI教育ToC產品的重要組成部分，最典型的是英語學習。

這時候，“知識圖譜型”AI教育產品需要尋找其他替代方案，使得這部分內容不要變成各個平臺、產品都可以涉足的同質化內容，找到新的差異化能力，與數(shù)理化等學科進行“配套”，一條完整的護城河才能形成。

以英語口語為例，在不少“批評人士”的眼中，造成“啞巴英語”的罪魁禍首是缺乏語言環(huán)境和足夠的訓練，這聽起來十分有道理。

但是，你不能強求所有學生都能在多學科的K12學習生涯中抽出大量時間、并找到頻繁的語境進行練習，在現(xiàn)實背景下，如何利用有限的機會盡可能提升學習效率更為關鍵，與數(shù)理化等學科一樣，減負增效更具備現(xiàn)實意義。

傳統(tǒng)AI教育產品也試圖解決讓家長痛苦、學生焦慮的聽不懂、說不準問題，配套有諸如跟讀、評分等功能。

然而，由于英語聽說的某種感性化屬性（流暢度、發(fā)音、自然情感等），不同的產品對學生學習成果如何的評判標準是不同的。什么才是正確的“標準”？——解決了這個問題，有限的訓練才能有的放矢。

尤為特殊的是，由于全國高考、中考的區(qū)域化，這種標準還在教育部統(tǒng)一要求下呈現(xiàn)出地域差別，不同地方對英語聽說的考核要求并不完全一致，這對AI教育產品又提出了挑戰(zhàn)：怎么樣讓不同地方的用戶匹配到符合自己需求的“標準”？

值得一提的是，同樣的問題在英語作文批改上也同時存在，不同地區(qū)潛在的批改要求、慣例都是不同的，找到契合的“標準”亦十分重要。

從這個意義上看，科大訊飛的技術優(yōu)勢使得與教育考試部門的官方合作又占了先機，其與教育部考試中心共建了聯(lián)合實驗室，共建了目前高考口語考試唯一使用的評測技術。此外，科大訊飛的“觸角”還伸到地方教育部門，例如與廣東省教育考試院的合作，這其中就有融匯本土化英語口語評價標準的便利。

在此基礎上，科大訊飛也附帶擁有了與各地中高考標準相同的英文作文批改引擎，一對一學習的糾錯、改進過程，都在考核“標準”下進行，“跟著標準學、按照標準練”，書面表達的提升或更能符合最終考核要求。

事實上，科大訊飛在英語學習核心技術領域原本就有諸多前沿權威成果，例如在在第24屆國際模式識別大會（ICPR 2018）舉辦的MTWI圖文識別挑戰(zhàn)賽中取得全部三項任務的冠軍，此外，其紙筆作文（如英語作文）評分的效果實現(xiàn)了首次超越人工專家。

不過，僅回到ToC市場來看，更重要的是上述英語聽說評價的“標準”被應用到AI智能教育產品當中后，競爭者很難跟隨和復制。

在知識圖譜型AI教育的“補充內容”——英語學習上，誰掌握了評價與反饋的標準，誰才會有無法逾越的護城河，而不是別的什么可以復制的花哨功能。

一張知識圖譜，還面臨這三大挑戰(zhàn)

然而，包括科大訊飛在內，雖然以知識圖譜的方式切入教育ToC市場十分新穎，但其過程肯定不能一帆風順，至少，從教育大趨勢、教學實際以及平臺開發(fā)運營等層面，它們還面臨三大挑戰(zhàn)。

1、如何與“素質教育”大潮合流

從知識點的角度出發(fā)，甚至像科大訊飛一樣直接稱之為“考點”，AI教育以快速的手段，更純粹、更高效率地提高學生的分數(shù)（例如科大訊飛校園實測理科考點掌握時間減少50%），其應試教育的痕跡看起來更重，學習被赤條條地聚焦到考試上，毫無遮掩。

這符合減負增效的家長和學生需求，但似乎與“素質教育”大潮不符合。

不過，同一件事的解讀可能有不同視角，讓學習更快地、更聚焦地完成“考試”這件事，所謂素質教育最缺乏的時間分配也就劃了出來，學生或有更多時間參與情商、運動等活動當中。

但無論如何，AI教育產品一邊需要提升效率和成績，一邊還得考慮自己是否“太過了”，像某些教育培訓機構那種“考試技巧”顯然不太適宜納入內容體系當中。

2、單個知識點的掌握，仍然無法擺脫“名師”的價值

知識圖譜能給出學生的考點薄弱環(huán)節(jié)，并推斷關聯(lián)的考點的受影響情況，針對性制定學習策略，但名師的個性靈活授課，例如感性講述方式、點撥方式、理解知識的技巧，是AI體系難以觸及的知識點“內部”問題。

知識圖譜做得再漂亮再有邏輯，每一個節(jié)點的掌握除了做題驗證等方式，名師的價值也不言而喻（這本來就是教師的核心價值）。

所以，AI教育產品，不論是軟件還是硬件，還是離不開那些傳統(tǒng)AI教育產品都在鼓吹的名師資源。

即便科大訊飛這么強調技術和積累，也在其學習機產品內部搭載了諸如名師微課堂的內容板塊。

可以料想的是，優(yōu)質教師授課仍將是AI教育浪潮中玩家們爭搶的核心資源，不管產品模式如何新穎。

3、選擇了知識圖譜，就是選擇了“多產品”同時開發(fā)

從上文也可知，知識圖譜的設計，是根據(jù)單個科目的知識結構而來，它無法像題庫、課程那樣一股腦堆積起來。這使得數(shù)理化、政史地等科目都必須要有屬于自己的知識圖譜，以及配套整個訓練體系。

從而，產品設計的“單位”變成了“科目”，而非教育整體，“知識圖譜型”AI教育本質變成一攬子產品的集合，每個科目都必須要有自己的“引擎”。

除了體系的建立，由于教學規(guī)定、考核規(guī)定的變動，知識圖譜的實時更新也帶來龐大的持續(xù)工作量，這不僅對創(chuàng)業(yè)者，即便對科大訊飛也是不小的挑戰(zhàn)。

總而言之，不管是什么樣的技術團隊，一旦脫離教育規(guī)律，都將迅速與學習環(huán)境的實際應用脫節(jié)，“知識圖譜型”AI教育產品的出現(xiàn)，在理論上改變了過去AI教育產品換湯不換藥的問題。

更進一步，AI技術通過創(chuàng)新的方式切入市場、幫助企業(yè)實現(xiàn)盈利很容易，但在教育這件事特殊的事情上，始終讓教育規(guī)律成為產品設計的底層語言、不斷對產品進行調整和變革才是更重要也更困難的事。

*此內容為【智能相對論】原創(chuàng)，未經授權，任何人不得以任何方式使用，包括轉載、摘編、復制或建立鏡像。

生成海報

免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。