作為一名科技工作者，同時也是一名教育工作者，我來回答一下這個問題。

首先，教育領域的很多場景是比較適合AI產品落地應用的，而且教育領域也確實正在成為一個重要的人工智慧創新領域，所以未來將有大量的AI產品在教育領域實現落地應用，這也會在一定程度上改善教育領域的各種傳統問題，比如教育資源分配不均等問題。

從大的方向來看，AI與教育領域的結合是一個必然的發展趨勢，而且官方機構也非常重視教育領域的智慧化，所以AI教育這件事是非常靠譜的，但是由於目前推出AI教育產品的科技公司也比較多，而且產品本身也存在一定的差異，所以並不是所有的AI教育產品都能夠達到一個非常好的使用效果，這一點也一定要引起足夠的重視。

從目前AI在教育領域的落地應用情況來看，AI產品主要應用在三個方面，其一是輔助老師的課堂授課；其二是輔助學生的課後複習；其三是代替老師完成一部分知識的講解。從目前的落地情況來看，採用AI產品來幫助學生進行課後複習是比較常見的，一方面這部分學習場景比較明確，另一方面課後複習本身也是一種“剛需”。

對於創業者來說，目前進入AI教育領域創業還是有很多機會的，而且教育市場本身就非常龐大，隨著教育越來越受關注，教育領域也將整合大量的社會資源。對於中小創業者來說，加入一個大型的AI教育平臺是不錯的選擇，這會在很大程度上降低創業門檻。對於普通人來說，未來透過AI教育來提升學習效率也將是一個不錯的選擇。

就目前科技發展的趨勢來講，教育與人工智慧相結合的方式，在未來肯定是一個趨勢。但是，你要問我 AI 教育靠譜嗎？這個我不好回答，因為我沒有接受過 AI 教育，也沒有參與過 AI 教育。

雖然，我沒有接受過，也沒有參與過 AI 教育，但是這並不妨礙我從程式設計師，從技術的角度來談一談 AI 教育，以及它的可行性。

目前人工智慧和教育相結合的方式，所謂的 AI 教育，就目前來看，它宣傳的重點，也就是目前的理念就是：針對教育面向人的千人千面。

什麼意思呢？現在的傳統教學方式，就是組成班級，老師給這個班級的所有學生上課，要面對的是所有學生，所以，教學講的知識也是按照備課要求，統一講的。不會說因為學習速度慢的學生，就會講慢點，也不會因為有的學生，學習能力強，就講快點，所有人都是接受的同一個教學速度和教學知識。

AI 教育倡導的理念是：千人千面。就是，你用過與人工智慧相結合的方式，接受教育，那麼你所有的學習記錄，答題記錄都被收集了，透過人工智慧的演算法進行分析，透過你做試卷的答題率，正確率，進行資料的統計分析，知道，你目前最擅長哪些題目，也就是意味著你學的比較好的知識，下次 AI 會重點講你不擅長的題目和知識,也就是你經常做錯題目的相關知識。機器，可以記住每個人的資料，根據分析每個人的資料，找到學習人的短處，重點補習他的短板。從而可以快速針對性的去提高學習人的能力。

所以， AI 可以做到大家的學習進度不統一，學習能力強的學習快，AI 可以自動匹配對應的知識，你學習慢的，那麼 AI 就會相對來講給你的知識慢點。這樣可以提高教育的效率，學習能力強的人，不需要遷就學習慢的人了。

所以，可行性是非常強的。

個人覺得這個還是很靠譜的。就拿下棋來說，只要你天天跟電腦下棋，下完後認證覆盤，半年後你絕對是個高手。以內電腦只會做出最正確的選擇，人卻很容易被情緒左右做出誤判。

現在的人工智慧可以做到精準的使用者畫像，根據孩子的學習情況，精準輔導。做到真正意義上的因材施教。

目前在國外很靠譜，據國外研究報告說明，人工智慧的採用正在上升：根據研究公司Gartner的研究，現在有37％的組織“以某種形式實現了AI”，並且在過去四年中採用率增長了270％。

學校也緊隨其後：Technavio的“ 2018- 2022 年美國教育領域的人工智慧市場 ”報告預測，未來三年人工智慧工具的增長率將達到48％。

人工智慧成功的關鍵是特異性。它是定義關鍵需求AI工具能夠滿足和缺點它可以解決的關鍵。對於面臨有限時間和預算的K-12機構而言，尤其如此。

沒有在學校中部署人工智慧的規則手冊。IBM的Watson Education和Google最近宣佈的Google Cloud Platform儲存和AI計劃等解決方案為學校提供了提供個性化學習策略並提供基於分析的效能見解的潛力，K-12機構如何利用這些工具完全取決於他們。

一些最常見的問題與人為偏見和整體準確性有關。正如RAND高階政策研究人員Robert Murphy 在 “ 教育周 ” 的帖子中指出的那樣，“ 系統可能有10％，20％，40％的時間會出錯，”這使學校的AI成為了出色的補充工具，但無可替代對於老師。

正如教育技術所指出的那樣，在學校中越來越多地使用人工智慧也引起了道德問題的關注。組織現在必須考慮收集什麼型別的資料，如何使用此資訊以及採取哪些控制措施來保護學生的隱私。此外，管理員擔心增加AI的採用將對人員配備產生影響。

對於採用AI的學校來說，最好的選擇是在允許他們訪問學生資料之前，定義這些解決方案如何推動積極成果。儘管個人用法可能有所不同，但有效的教育AI可以分為五個一般角色：

自動化：最簡單的AI應用通常會帶來最直接的好處：透過自動化評分，數字資產分類或時間表等直接任務，教育者可以增加他們與學生互動的時間。

整合： AI解決方案可以與其他IT計劃（例如智慧技術和IoT驅動的網路）整合，以為學生提供個性化的學習解決方案。

適應：技術現在已成為教育和商業環境不可或缺的一部分。皮尤研究中心（Pew Research）的最新資料顯示，95％的青少年可以使用智慧手機，而45％的使用者“幾乎一直”線上使用。學校的AI可以幫助學生適應技術變革的步伐。

內容描述：學生的需求和課程優先順序在不斷變化，這使得教育工作者很難確保他們提供的內容保持相關性和可操作性。人工智慧驅動的教育分析可以幫助發現關鍵趨勢並描繪關鍵標記，以幫助教師設計最有效的課堂體驗並推動數字化轉型。

識別：自適應AI解決方案提供的資料分析可幫助識別學生和教師表現的關鍵領域。結合強大的安全性和訪問控制，AI可以在形成階段幫助發現和糾正潛在問題。

那麼，實際上這是什麼樣的呢？ 在佛羅里達州的普特南縣學區，教育工作者正在利用新的內容監視軟體來自動化標記潛在敏感網際網路搜尋的過程，併為標記的請求新增關鍵上下文。

在紐澤西州，Slackwood小學正在使用一個名為Happy Numbers的AI輔助助教來確定學生在數學基準測試中所處的困境並提供個性化幫助。

諸如Presentation Translator（免費的PowerPoint外掛）之類的解決方案可提供多語言字幕的實時整合，以幫助學生更好地理解課堂上的說明，或為那些患有疾病或其他家庭問題的人提供遠端訪問。

簡而言之，當前學校中的AI氣氛令人充滿猶豫。在技術飛速發展的同時，教育工作者正在採取循序漸進的方法，以確保他們採用的解決方案能夠提供特定的結果來滿足現有需求。

隨著人工智慧解決方案越來越接近複製真實人類思維模式的基礎，對教育有何影響？從廣義上講，學校中AI的下一步採取三種主要形式：

個性化表現：增強的處理能力和先進性將使AI解決方案能夠更好地收集和推斷資訊，進而幫助教育工作者為每個學生制定個性化的學習計劃。D2L產品開發高階副QuattroporteNick Oddson表示，諸如Brightspace Insights之類的新解決方案旨在捕獲，彙總和分析來自多個來源的資料，使教師“基於整個學習工具生態系統”獲得學生的見識。 Brightspace的創造者。

打破偏見：人的偏見仍然是教育的絆腳石，而且如上所述，這也是對AI工具的新關注。學校中AI的未來將利用能夠使用既定的標準和基準對論文進行評分和評估考試的解決方案，以自動完成學習並消除偏見。

聚集協助：教育工作者通常是他們的手藝大師；許多人擁有多個學位，並且通常專門研究學生髮展和表現的利基領域。問題在於，必要的行政工作通常會挫敗教師與學生互動的努力。在這裡，教室智慧的未來將以人工智慧驅動的助手的形式提供，這些助手可提供必要的資料來幫助教師做自己最擅長的事情：與學生建立聯絡。

教育中的AI已達到臨界點。採用率正在上升，但是對偏見，隱私和人機夥伴關係的擔憂使得必須採取有條不紊和審慎的方法。

當前的應用程式利用機器學習和實時資料整合，但是AI的未來取決於能夠自適應地應用實踐智慧來增強驅動學生表現的關鍵情感聯絡的更廣泛的應用程式。

算是業內人士，來分析一下今年AI教育的現狀，您再看看是否靠譜。

目前， 人工智慧教育處在初級階段，探索之路仍然任重道遠。從教學內容數字化到教育過程自動化並升級到教育方式的智慧化階段，人工智慧教育需要以遞進的姿態，完成傳統教育到智慧教育的過渡。

相比於針對技術分析的嚴苛，從落地的教育場景分析對於企業商業應用而言更為直接和實際。

人工智慧教育分為針對教育機構、 學生、 教師三大主體的作用，目前企業已有產品在針對不同主體中， 人工智慧教育可以輔助或替代的環節。

近年來的融資情況

中國市場科大訊飛為主，已經部署多個學校，打造AI+教育方案。金額約50億+

小夥伴們看過來！尚德君有大事要和大家分享！

“人工智慧為線上教育帶來了科學之美，我們要將這種科學之美與教育本身的人文之美、心靈之美相結合，要對學生負責，真正幫到每一位熱愛學習、堅持學習的人，讓他們更好地從學習中受益。”

12月17日，由新華社、廈門市人民政府主辦的“第八屆中國新興媒體產業融合發展大會”在廈門舉行。大會以“推進媒體深度融合發展 構建主流傳播生態”為主題，聚焦5G、人工智慧、物聯網、大資料等新科技。

呂露分析稱：“講到教育，我們往往會把‘教’和‘育’分開。在育人方面，可能是K12階段強調的，孩子們需要更多的榜樣和陪伴；在教學方面，線上教育企業講究教、練、測、評四步，人工智慧可以應用在涵蓋這四步的全鏈條上，將所有資料進行歸集，從而大幅提升教學效果。”

那麼，這個AI教師究竟教點啥呢？

呂露進一步解釋道：“在直播大班課上，一名教學老師要面對上萬名學生，無法顧及每個學生是否聽懂、掌握程度如何。而AI老師在課後會根據每個學員的掌握程度推送其專屬的個性化學習報告，告訴學員針對知識點需要做的練習，併為學員預測分數。學員照做後，成績就會得到提高，學習的學習熱情也會隨之提高。AI教師推出後，我們學員的學習率提升了30%-50%，而且我們的預估分數與學員最後的成績也是基本吻合的。”

不過，對整個線上教育行業而言，依然存在挑戰。呂露指出，下一步，如何將同一名學員在各個平臺的學習資料彙集起來，即打破資料孤島，並據此向該學員推薦更具針對性的學習產品，是線上教育行業還需要繼續努力的方向。

直接表態，不靠譜。

所謂AI的應用，是最近這個時期才開始普及的概念。部分AI應用產品也是尚在研發的狀態，真正可以走進人們生活的，完整AI技術的應用產品少之又少。

就像某款藥物，在大批投放民用市場之前，得經過一個完整的正態分佈曲線來描述整個臨床試驗期間的資料，而目前各色相關AI教育應用的軟體正處於魚目混珠，形形色色的撲面而來，很難把握可靠性的的階段，究竟哪一份會確實有效地成為權威App都還沒有定論；市場管控機制也還沒有穩固地建立起來。

這種情況下，真的不易推廣某一特定產品，來給自己的孩子做前期實驗。

嘗試什麼都可以，千萬別拿孩子僅有的幾年成長時段做試驗。

我認為，智慧和知識是靠學習的經驗來鋪墊和積累的過程，隨著未成年人在各個不同時期的成長階段適時獲得悟性的，不是一時的AI說教就能變成神童。

我們不可否認，「千人千面」的現象的確是客觀的。

但是，當人為地設計了程式之後，還是會帶侷限於主觀的強制性特徵。這一點，筆者在經歷了數年被推薦資訊的網路環境中感覺到的。同類不同軟體，它們在同一個平臺上的表現也有優劣程度的各自不同。因為某內容推到臉前後，讀者愉快和不愉快的情緒隨時會出現，預判的準確程度也不是百分百被人滿意地接受的，只是因為成年人不會太計較這個而已。

我發現最大的尷尬，就拿移動終端的應用軟體為例，有些軟體總是會有多個小框浮窗忽然彈出介面，誘導你無節制地發生誤動作、不斷地點下去，不僅耽誤了自己正在尋求的重要資訊，你還非常不情願地持續錯誤動作，這個行為還可能被記入了那個資料模組裡，作為分析你喜好的依據，就很荒唐了。如此唐突性質的應用在成年人身上時，也還算不了什麼。但是，對成長中的幼兒、青少年群體，還是非常的不好。

所以，應用尚需慎重推廣好吧。

我認為，你如果非得選用某款AI教育產品，只作為每日安排一小段課時，遊戲性質的活動安排進行試驗，就另當別論了。社會化AI產品都還在初期摸索的階段，現在哪能有成熟的AI教育產品呢。說是給你的孩子AI教育了，你拿什麼驗證被AI化教育之後的效果呢。看不見摸不著的就是欺負你不懂。不懂就謙虛點嘛，慎重一點呀，有人卻還到處宣傳自己不懂的東西，神叨叨的傳播令人模模糊糊的聽起來很神秘的概念，這不是誤人子弟嘛！

不可否認，確實有人在認真地研究這類產品。我們也期待，真正能夠適應開發幼兒、青少年智力的，智慧化高效AI教育方法的出現。

同時，我們要注意到，在這個時代背景下，AI的確是一個熱門的詞彙。要防範借熱詞，搶噱頭，搞初期概念暴收漁利的經營騙術。雖然這種套路已經不是什麼新鮮的玩法，但可笑的是每一回，回回都會有一大波人一哄而上，迎合這些人的譁眾取寵，上演騙人的戲目。

騙術的創造者算的精著呢，他們就知道這個是可以的。

可悲民眾的認知度短板，不思想，甚至沒思想的被利用，很多人就是能夠乖乖地與騙子共融、愉快地乘坐他們為自己“個人定製”的所謂“諾亞方舟”，與之隨波逐流，被賣了還幫著人家數錢，說你願打願挨也不為過。

仔細想想吧，其實自己也能看得出來，它究竟靠不靠譜。

2015年，松鼠AI獲得3100萬人民幣的種子輪投資，由青松基金、正和磁系、好未來集團、新東方創始人俞敏洪共同投資； 2017年上半年，獲得由景林資本、中國科學院嘉和基金和新東方共同領投的1.2億元天使輪融資，6月，諾基亞成長基金、SIG追加1.5億元，天使輪融資共計2.7億元。截止目前共累計融資近10億元，進入獨角獸行列，新一輪融資將主要投入在產品研發和規模擴張上。

松鼠AI採用雙師課堂的學習模式以及“測學練測輔”的教學流程，真人教師+人工智慧，一對一輔導，以大班的價格提供比主流傳統線上學習系統更加高效的學習效率，併為每個學生配備專屬的教學團隊，全流程把控教學質量，幫助學生提升學習效率，師生互評的模式能夠更及時的發現問題，及時給予教學反饋，幫助每個孩子指定專屬的教學方案，讓每個家長放心。

1.知識點掃描

把所有的知識點進行奈米級分拆，在分拆到非常細的知識點之後，比如我們初中的數學，從各個教科書和輔導書中基本上你能找到的就是500多個知識點，我們把這500多個知識點再往下進行一級一級的拆分，到1萬多個知識點，當1萬多個知識點，我們就可以清晰精準的，像用顯微鏡看人體一樣。所以當我們看的問題越細，我們越能挖掘這個學生在學習過程中的一些缺陷，從而有的放矢地對他進行學習，也就是有句話說的就是：哪裡不會學哪裡，當我們找到學生的薄弱點的時候，對症下藥地去對他進行學習。一個95分的學生，他95%的知識點都已經掌握了，我們只需要找到他5%沒有掌握的知識點去進行針對性的學習，他的學習效率就可以提高20倍。對於一個50分的學生，我們找到他掌握的50%的知識點和沒有掌握的50%的知識點，但我們不會給他推所有的課程，我們會給他推最簡單的適合於他的51分的知識點，讓他去進行學習，這樣他很快就能夠學會，再推52分的，他也會很快學會，然後53分的，54分的一步一步往上走。

2.學習速度

除了在知識點偵測之外，那麼人工智慧在自適應教育裡邊發揮的第二個最大的作用叫做學習速度。也就是說在我們的系統學習裡邊，透過測評知道了學生哪個知識點掌握了，哪個知識點沒掌握。我們都會進入一個沒掌握的學習中，給你推一個5分鐘的教學影片，對於一個5分鐘的影片來說，99%的孩子都能夠看完。看完知識點之後，我們迅速地給這個孩子推兩道題，如果是學霸，他很快就做對了，7，8分鐘他就完成了這個知識點的學習，並且完全掌握，就可以進入到下個知識點的學習了。但是如果是一個學中，他大概是個80分的孩子，他學完這個知識點之後我們推了20道題，他大概對了12道錯了8道，我們就對這8道題進行自適應的講錯題，在給他講完之後呢，再給他20道題，他可能又錯了6道，那就繼續再對這6道進行講錯題。對於一個學渣來說，給他推的所有的題都錯了，這個時候呢不但要講錯題，可能影片還要再給他看幾遍。對於一個80分的孩子，他可能用40分鐘完成這個學習，而對於一個學習程度非常差，學習能力非常弱的孩子來說，可能花了90多分鐘，才掌握了這個知識點，而且我們還先要給他知識點裡面最簡單的題讓他去學習，然後逐步逐步，鞏固了之後再進入中上等難度，或者難題的學習。自適應教育在學習速度上完全因人而異，他透過演算法，就像汽車雷達在自動駕駛的時候識別周邊情況一樣，透過自動判斷給到每個孩子的不同學習時間，來去把握他們對知識點的掌握程度。

3.戰略放棄

人工智慧自適應的演算法第三個起到作用的地方叫做戰略放棄。在過去的傳統學習裡邊，我們要把所有的知識點全都學習一遍。但是在人工智慧的演算法下，並不一定要去這麼做。比如一個學生數學學習得非常好，95分。語文是80分。在這種情況下，往往，他需要去補語文。報了新東方，好未來的一個培訓班，但是在這個班上，他把語文的各個板塊是按同樣比例來學習的。說明文，散文，議論文和文言文，那麼其實在這裡邊議論文我掌握的是95分的，說明文可能是80分，文言文可能是60分，這個時候，如果去學掌握得非常好的議論文的時候，提分兒也只有3，4分的空間了，但是如果來學習文言文，那可能有40分的提分空間，所以呢，系統會進行判斷，首先進行文言文的學習，這樣的話提分效率是最高的。

4.追根溯源

一個小孩子如果他初三的某個知識點學得不會，很可能是在初一，或者某個初三知識點的前序知識點，determine knowledge，沒有學會。而初一那個知識點沒有學會的話，初三這個知識點別說90分鐘，就是3天3夜，也不可能學會。松鼠AI系統就可以追根溯源的把這個不會的知識點找出來，大幅提升學生的學習效率。