科大訊飛也推AI智能硬件 K12“知識圖譜型”AI教育“真香”？

　 域名預訂/競價，好“米”不錯過

文 | 李永華

來源 | 智能相對論

一次性推出5款新硬件產(chǎn)品，公眾認知中一向ToB的“明星企業(yè)”科大訊飛前兩天的發(fā)布會讓人“意外”，ToC轉(zhuǎn)型似乎說來就來。

不過，這也坐實了坊間的猜測：2018年To C業(yè)務營收/毛利快速增長、占比接近1/3后，科大訊飛消費者BG被搬到臺前，試圖集中兌現(xiàn)技術(shù)紅利。

新版翻譯機、智能錄音筆、轉(zhuǎn)寫機、智能辦公本(嚴格來說應該是個平板)與科大訊飛一貫的語言文字業(yè)務調(diào)性相關，而學習機X1 Pro作為AI教育硬件產(chǎn)品，則與科大訊飛的傳統(tǒng)業(yè)務——ToB智慧教育相關聯(lián)。

AI+教育概念有些“泛濫”的今天，科大訊飛卻試圖推出AI教育產(chǎn)品，玩差異化是少不了的，其打出的旗號是“二維知識圖譜”，即圍繞“考點”進行個性化智能推薦。

事實上，科大訊飛這種玩法，無非是近來興起的“知識圖譜型”AI教育玩法的一個新案例——產(chǎn)品不再以題目、視頻資源為學習反饋的出發(fā)點，而轉(zhuǎn)而盯住這些內(nèi)容之下更底層的知識點。

只不過，科大訊飛憑借ToB的舊有積累有自己獨特的優(yōu)勢，但也面臨不小的挑戰(zhàn)。

嘗試告別“資源堆砌”，“知識圖譜型”AI教育應運而生

“知識圖譜型”AI教育某種程度上是市場倒逼的結(jié)果。

1、大多數(shù)AI教育產(chǎn)品，都沒有實現(xiàn)減負增效的既定目標

在中考、高考壓力下，多數(shù)(相對優(yōu)質(zhì)升學比例)學生在傳統(tǒng)學習方式下又苦又累，一聽就懂、一做就錯，反復刷題收效甚微;各種補習班只能說聊勝于無，開起夜車來不輸996但難有太大效果，焦慮情緒甚至導致心理問題，極端行為偶爾見諸新聞報道。

家長們也好不到哪去。

K12教育后半段的中學教育家長能輔導的內(nèi)容已經(jīng)很少，看到孩子忙、累、成績沒法提升，想做點什么但又不知道從何下手，家教、輔導班砸錢硬是砸出一個新興內(nèi)需市場，浪費時間、金錢反過來又造成學生更大的心理壓力，惡性循環(huán)形成。

這時候，AI教育跳了出來。

這些ToC的教育產(chǎn)品，包括APP、PC網(wǎng)頁、硬件(學習機)等多種形式，無一例外都宣稱可以通過智能推薦等功能實現(xiàn)所謂“個性化學習”。

然而，這些年來，熱鬧的AI教育始終沒有在C端形成氣候，各種產(chǎn)品不斷推出，但“不好用”、“沒效果”的評價四處都是，消費者痛點問題依舊。

究其原因，這些所謂AI教育產(chǎn)品，其核心邏輯都基于以題目、課程為代表的教學資源的堆砌，只是用信息化的方式把原來分散各處的內(nèi)容匯總到產(chǎn)品中，成為一本“超級題海”。

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(chǎn)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(chǎn)品邏輯不再以題目或課程為出發(fā)點，而把目光轉(zhuǎn)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(jīng)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(chǎn)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(zhuǎn)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(chǎn)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(chǎn)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(nèi)容就被構(gòu)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(chǎn)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(chǎn)品護城河？

市場倒逼為“知識圖譜型”AI教育產(chǎn)品贏得了差異化空間，但在橫向競爭上，新興模式如何構(gòu)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(jīng)見怪不怪。

這種護城河的構(gòu)建過程，又可以包含兩個方面，由于科大訊飛的官宣內(nèi)容較為詳細，這里主要以科大訊飛的產(chǎn)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(shù)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(shù)積累和沉淀的產(chǎn)物，即便砸錢也難以在短期內(nèi)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(zhì)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(zhuǎn)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(chǎn)品，首要原因應當是它已經(jīng)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(chǎn)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(shù)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(shù)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(gòu)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(chǎn)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(shù)研發(fā)，最終在科大訊飛準備于C端市場兌現(xiàn)技術(shù)紅利時幫了忙，為其“知識圖譜型”AI教育產(chǎn)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(chǎn)品。

這里無法得到松鼠AI等創(chuàng)業(yè)型產(chǎn)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(nèi)容與“知識點”關聯(lián)不大，但又必須是AI教育ToC產(chǎn)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(chǎn)品需要尋找其他替代方案，使得這部分內(nèi)容不要變成各個平臺、產(chǎn)品都可以涉足的同質(zhì)化內(nèi)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(chǎn)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(chǎn)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(chǎn)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(shù)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(shù)。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(shù)領域原本就有諸多前沿權(quán)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(chǎn)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(nèi)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(nèi)，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(zhì)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(zhì)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(zhì)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(chǎn)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(gòu)那種“考試技巧”顯然不太適宜納入內(nèi)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(nèi)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(chǎn)品，不論是軟件還是硬件，還是離不開那些傳統(tǒng)AI教育產(chǎn)品都在鼓吹的名師資源。

即便科大訊飛這么強調(diào)技術(shù)和積累，也在其學習機產(chǎn)品內(nèi)部搭載了諸如名師微課堂的內(nèi)容板塊。

可以料想的是，優(yōu)質(zhì)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(chǎn)品模式如何新穎。

3、選擇了知識圖譜，就是選擇了“多產(chǎn)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(jié)構(gòu)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(chǎn)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(zhì)變成一攬子產(chǎn)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(shù)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(chǎn)品的出現(xiàn)，在理論上改變了過去AI教育產(chǎn)品換湯不換藥的問題。

更進一步，AI技術(shù)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(chǎn)品設計的底層語言、不斷對產(chǎn)品進行調(diào)整和變革才是更重要也更困難的事。

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

【完】

智能相對論：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關注領域：AI+醫(yī)療、機器人、智能駕駛、AI+硬件、物聯(lián)網(wǎng)、AI+金融、AI+安全、AR/VR、開發(fā)者以及背后的芯片、算法、人機交互等。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！