All in、分化、洗牌 撕开人工智能教育的面纱

作者:夏天

编辑:王海伦

审校:一条辉

来源:GPLP犀牛财经(ID:gplpcn)

All in、分化、洗牌 撕开人工智能教育的面纱

高考牵动了所有家长的心。

因此,当人工智能遇到教育可是刮起了一股人工智能教育的旋风,估值不断攀升,各种教育公司摇身一变为科技公司,为啥,加上人工智能四个title,身价估值上涨十倍,谁不愿意?

只是,发展了几年,人工智能+教育并不如意——已经上市的51talk一直摆脱不了亏损的标签,其他的人工智能教育公司在实际教学当中只能是一个辅助,并不能解决真正的问题,人工智能教育,犹如鸡肋,“扔了可惜,食之无味。”

全员All in AI教育领域

雷军说只要站在风口,猪都能飞。马云说,风停了,摔死的全是猪。

在人工智能教育的这个风口,大多数人都野心勃勃的拥挤在这个风口,但是又有几个人真正理解人工智能,大多数都只是一知半解,只盯上了光鲜的羽毛,没有飞翔的翅膀,他们都有可能被吹上天,但大部分会成为摔死的猪。

A公司是国内人工智能教育公司的一员,2017年和2018年在资本的助推下好不风光,发布会是一场又一场,然而,2019年,该公司却开始销声匿迹。

除了创始人焦虑的融资以外,其以前吹的概念和泡沫也开始被投资人所“清算”,融资了这么多钱,你们到底做出了什么?

事实上,当洗牌开始成为互联网下半场主流的时候,人工智能教育公司也并不例外。

“来也匆匆,去也匆匆”,这是人工智能教育公司的真实写照。

其实,从全球角度来看,人工智能教育都是一个新兴事物。

在美国,Knewn、Realizeit等老牌机构获得融资,澳大利亚的学习平台Smart Sparrow也获得了1400万美金B轮融资,印度的byju’s在转型人工智能教学后,获得了超过1亿美元融资,韩国的KnowRe也获得了软银的投资。

然而,即便如此,我们也不得不承认,人工智能教育公司依旧处在“社会主义初级阶段”,离我们所期望的高阶阶段,相差甚远。

国际上如此,国内也同样脱离不了这个客观规律。

而且与国际相反的是,在中国,人工智能教育公司似乎炒的,吆喝比国外更要火爆。

“我就等着看今年谁来接盘,所谓的人工智能不过是智障而已。”某行业内投资人私下吐槽说,看过了国内几乎所有的人工智能教育项目,在他看来,这基本都是概念+炒作,“教育的数字化都没有完成,何谈智能化?”该投资人对教育的人工智能并不认可。

而在行业内从事多年的教育创业者看来,在这个时候创业者做人工智能教育可谓“异想天开”,基本所有的人工智能教育公司都可以说是“人工智障公司”,缺乏真正的创业情怀。

事实上,这符合中国创投圈的现状:

看到某一个概念火了之后,几乎所有人都会跟过去,言必称“XXX类型”的公司,此现象在O2O行业上演过,在共享领域上演过,如今,也开始在人工智能领域上演。

从2015年开始,各种创业教育公司如雨后春笋般出现在人们的视线中,人工智能教育的相关概念因为受到资本市场的追捧,在教育领域的投融资也出现井喷态势,大手笔融资额比比皆是,单次融资金额纪录也在不断被刷新。

细数一下这几年在线教育的投融资数量,在2015-2016年,在线教育投融资案例高达591起,2017至2018年达到409起,在线教育爆发,智能题库、家教O2O、少儿英语培训、K12直播、素质教育等多面开花,围绕教育培训的热点快速更替,模式也呈现出多元化特点。

尤其在2017年,教育领域内的融资到达一个爆发,4月abc360 获数亿元B+轮融资;5月猿辅导获1.2亿美元E轮融资;掌通家园6月份获得过亿元C+轮融资;7月英语流利说获近亿美金C轮融资;8月VIPKID获两亿美元D轮融资,同月作业帮完成1.5亿美元C轮融资;10月极课大数据获1亿元B轮融资,阿卡索外教网获近亿元B+轮融资,作业盒子获2亿元B+轮融资;编程猫11月获1.2亿元B轮融资,同月爱乐奇获3750万美元D轮融资,CC视频获2.08亿元C轮融资,乂学教育获1.5亿追加投资,艺朝艺夕教育集团获1.6亿元B轮融资,智课教育获2亿元B+轮融资。

可以看到,在人工智能这个万能钥匙的引爆下,在资本市场里,上演了金钱与概念的猫捉老鼠的游戏,刚开始,钱逐追着人工智能教育跑,然而,等过热到一定程度,缺乏支撑的时候二者上演了反转:

2018年,在线教育行业也迈入一个资本化的新阶段,2018年3月,尚德机构在美成功上市,同年9月,流利说也顺利登陆纳斯达克,2019年3月,新东方在线教育也在港股上市。

然而,2019年,到处焦虑融资的人工智能教育公司开始面临真正的考验,人工智能到底能否真正用在教育行业,解决什么样的问题,人工智能公司此前的高估值谁来接盘?

如果没有人来接盘,接下来的人工智能教育公司该何去何从?

众所周知的的是,在线教育企业盈利的是少数,大部分都处于一个亏损并且还需往里疯狂砸钱的状态。据相关数据显示,2017年中国AI创业公司累计获得超过500亿人民币融资,但其中商业落地前100强公司累计产生收入却不足100亿人民币。

在整个产业链中,90%以上的人工智能教育企业依然处在亏损阶段。许多吹嘘自己是做人工智能教育的企业为了获得资本的垂青,不停地讲故事,造概念,推新品,现在大家谈论的都是未来如何如何,甚至是中国教育的未来,但是谁来关注现在?

AI+教育仍处于1.0时代

现在很多教育企业宣称研发出AI产品,并投入教学应用。

然而,经GPLP犀牛财经调查显示,所谓的“人工智能教育”被专家认为是“伪人工智能”。

华人科学家、人工智能顶尖研究者李飞飞曾提到,一个人工智能项目,在算法上的进步,如果是代数级的,而不是几何级的,那么就还只是机器学习而已,属于伪人工智能。而算法上的极速进步,需要海量数据作为基础。

事实上,传统的机器学习(Machine Learning)一般用于处理那些具有简单规律的数字,而深度学习就可以做到对图像、声音、文字等复杂对象的识别和分析。

深度学习目前就像一个把3-4岁的小孩,能够把汽车的图片,汽车这个单词,还有汽车的声音建立联系。本质上它能够把复杂数据对应起来,但是还有许多是做不到的,例如:与人进行有意义的对话;写出具有逻辑性的文章;在即将发生车祸时,做出道德判断;编写计算机程序。

目前基于深度学习,出现在市场上面的产品都是比较初级的,还没有触及到深度学习的核心,并没有突破核心技术壁垒——自然语言处理因此有些人把这些人工智能产品戏称为“人工智障”,我们可以从几个方面来梳理一下目前人工智能学习与教育结合的点。

一、图像方面

目前使用图像识别最主流的应用就是拍照搜题,典型代表是作业帮、学霸君、小猿搜题、阿凡题等等,传统的K12应用更多是停留在学生去看视频和做题,这本身对于学生来讲是很难有学习场景的。而拍照搜题则是学生带着问题和困惑来学习的,所以我们也看到拍照搜题App是所有K12应用里活跃度最高的。拍照搜题的核心技术就是把图片与文字做对应在,然后再去做文字与已有题库的匹配。

但是也会有相应的问题存在就是如果学生是在遇到困难并且思考后,通过手机获得答案,这是一个很好的自主学习过程。但如果是无脑地把所有答案抄到练习册上,就没有任何学习意义。

二、声音方面

目前使用声音最主流的应用就是语音评测,大部分集中在学英语方面,也就是学生说一句话,机器给打分,典型代表是科大讯飞、流利说、一起作业、盒子鱼等等。

目前绝大多数市面上的口语学习App的口语评测的水平就是评判规定的一句话的发音准确度,或者是半开放式的交流,但是它无法解决的难点是评估开放性对话的好坏。

三、文字方面

文字处理,也就是所谓自然语言处理(简称NLP),在传统教育的最大应用就是作文的自动批改,但是目前的人工智能做不到这一点。

AI对于在线教育要解决的问题是,如何把课本上死的知识变成老师给学生的对话。这里的技术挑战就非常多,比如如何做到自动解题能力——能够根据题目自动得出详细解析;作业智能批改能力——这里说的不只是批改选择判断题,而是能够对学生的做题过程进行批改;

智能答疑能力——能够回答学科相关问题;自适应对话能力——感知到学生的学习状态并且不断地给出相应的互动。

目前这四个问题的所有解决方案都是基于人工编写的规则,而不是利用AI。

四、从自适应到智适应

智适应和自适应最重大的区别就是不再是预先设定好的基于决策树的学习流程,而是通过算法,来实时地根据学生学习时产生的多维度的大数据,比如对错、时间之外的鼠标滑动、知识地图和结构概率、其他学生用户画像对比、脑电波、表情等等,以及对更多几个数量级的知识点、题目等的处理,完成更加接近甚至某些维度远远超越人类智能的教学效果。

另外,智适应的应用可以分为两个方面来看。对于老师来说,自适应教育以前只是老师的工具,现在智适应教育对老师来说是解放。在课堂上,更多的教学是系统完成的,老师是一个监控者,就像驾驶员一样。另外,对学生来说,智适应的价值就是减少了大量刷题。

但是,目前,从技术角度来看都不能满足及实现人工智能教育,那有何谈落地呢?

目前市面上的自适应产品,都是基于人工梳理的教学模型+简单的数学建模——产品形态也比较简单,根据学生做题的对错,评估其知识点的掌握程度。其中的典型就是Knewton、可汗学院和猿题库,绝大多数自适应学习产品只关心一道题的对错,而无法判别具体“为什么”错了——同一道填空题,不同的学生答案老师一眼就能看出是哪一个知识点掌握不到家,而系统一遍就只能归结于固定的一个知识点。至于证明题,解答题更是现有自适应产品无法解决的。

所以真正的自适应的依赖条件依然是之前所提到的NLP/文字处理能力。只有当算法能够看到题目知道正确答案,看到题目知道出题人的意思,看到错误的答案就知道哪个知识点掌握不到家时,在线教育就会出现全新的洗牌。

不谈机器学习的AI多是耍流氓

我们知道,目前人工智能的发展,主要依靠大数据处理、深度学习和GPU计算三个方面,而大数据的采集、基础管理和云计算、GPU计算等技术应该说比较成熟了,那么突破智能的重点还是在机器学习。

作为机器学习的一部分,深度学习虽然很厉害,但它还是十几年前神经网络那套算法理论,不管是支持向量机、贝叶斯、决策树等浅层学习算法,还是深度网络衍生出来的深度强化学习、迁移学习、对抗学习等,现在唯一不同的是加了个深度:有强大的计算力支持,能处理大数据了,而这还主要依赖于这十几年来互联网的发展。

事实上,深度学习主要就是依赖于数据,现在的AI多是数据驱动的AI,没有数据的喂养,就没有深度学习的发展。

尽管人工智能的发展已经超过50年,但仍然还处于一个比较早期的发展阶段,其应用主要集中在弱人工智能和垂直行业相结合的领域。

现在市场上的很多人工智能技术都是基于基础层提供的存储资源和大数据,通过机器学习建模,开发面向不同领域的应用技术。它主要包括感知智能和认知智能,目前的教育产品还停留在感知智能层面,如语音识别、图像识别、自然语言处理等,而认知层面包括机器学习,强化学习,对抗学习,自然语言理解等方面还无法达到。

目前市场上一些知名人工智能教育企业的产品,如掌门1对1构建的智能课堂个性化测评提分系统;松鼠AI主打的AI智能老师;海风教育上线的面部识别技术;好未来的WISROOM智慧课堂和MAGIC MIRROR魔镜系统两款新产品,另外还包括好未来脑科学实验室正在做的一个儿童脑发育发展的全息动态图谱的研究项目等等。

不过,这些产品或者项目,都还处于一个“弱人工智能”层面,都是想通过他们发布的人工智能产品,去尽可能多的收集学生的数据样本来不断提升算法,改进产品的功能。

要想达到“强人工智能”,就像人一样,但这就离不开知识、记忆和经验,也离不开通过知识、经验和记忆建立起来的认知体系,因为就像小孩一样,通过知识经验的累积,不再需要人教而能够自主学习。

然而,想法很美好,实现却异常艰难。

说了这么多机器学习,或许有些家长想问人工智能教育有没有用,值不值得给孩子用,因为谁家的钱也不是从树上长出来的。就拿松鼠AI的付费课程来说,付费额在6000-12000元之间,除了金钱还有时间和精力的成本,更何况教育和其他产品还不一样,它承担不起试错的成本和代价,孩子就是家长的未来。

而又有多少的家庭能让孩子大胆的试错呢?虽说不能一概而论市面上的产品,但是或许总需要有些人去做“第一个吃螃蟹的人”。

没有场景支持的AI教育是空中楼阁

每一波技术浪潮的出现都要融入具体的场景,创造用户价值以及提高作业效率,才会爆发新的机会。AI介入教育的价值,就在于大规模地满足了个性化教学的能力。

现在,任何一个人工智能教育企业都不认为自己是人工智能泡沫里裸泳的选手。

“人工智能给智能层面、服务层面、教育教学方面确实带来一些机会,但是怎么做好还要跟教育本身的场景有效结合起来。”北京师范大学智慧学习研究院联席院长黄荣怀讲道。

2016年,AlphaGo将人工智能推上了风口浪尖,似乎也给了大家一种错觉就是现在就是人工智能的风口,现在不投资更待何时,而事实是AlphaGo只是Google的一个实验性项目,只是为了向大家展示这个产品能够更好的理解深度学习。

因此,AlphaGo本身并不具备任何实际意义,也无法产生回报,而将这种技术应用于实际的场景,还需要很多年,并且因为技术的复杂性,在不同的场景应用,它所需要突破的核心技术也是不同的,更不要说实际应用的难度了。

因此,从目前国内人工智能教育企业的一个发展模式来看,大家还只是把人工智能作为一个噱头和概念,这是不正确的,其实,AI只是一种技术手段,不论是什么技术,终究是要融入具体的具体场景,才能发挥它最大的价值,才会迎来真正的社会变革。

其实在北京的一些学校已经将人工智能技术应用于现在的教育教学场景当中,作者了解到,在北京市第十二中学,学校将人工智能等技术引入校园后,各学科教师在新技术的辅助下,创新教育教学方式。“在人工智能技术的支持下,师生间不仅可以互动讨论,老师还能通过教学设备平台,看到每一位学生对学习内容的实时反馈,这让老师能够随时调整教学策略,提升课堂学习效率。”一位教师说道。

可见人工智能教育终归是要回归到教育的本质上来,但现在资本的涌入已经将人们的注意力引入抢占市场、抢占用户等方面,却忽略了教育产品需要长期在教学资源、教学场景、教学效果方面的积累。

现在的人工智能教育领域可谓是“百花齐放”,但是待大浪淘沙过后,“剩者”将只有几家。

但不可否认的是人工智能教育是未来的方向,不过却不是风口,就像互联网一样,它让O2O、电商等成为可能并成为日常生活重要的一部分,但是人工智能的风口却是当人工智能技术成熟后,所有行业能够利用人工智能改进提升甚至是颠覆行业。

相关教育文章

Leave a Comment

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据