AI能否打造出百年教育公司?|《財富》專訪

中國的民營教育類似于一片活躍的雨林，自下而上的需求旺盛，但是競爭環境多樣而復雜。在這樣一個集中度很低、地域和人群差異很大的市場中，教育領域創業者都在試圖找到自己的立足生境，成為叢林法則下的勝出者。最近二三十年的中國誕生了一批定位清晰、市場化運營高效的教育類上市企業，包括俞敏洪的新東方和張邦鑫的好未來等等。

而近幾年來，更新的一代創業者在“叢林中”的競爭手段卻已經完全不同。栗浩洋的外公曾是北海艦隊海軍航空兵的領導，母親是省會城市的副市級領導，他沒有繼續從政，而是十幾歲就炒過股、擺過攤、賣過卡帶、帳篷和電腦，在法院、銀行、國企嘗試過各種社會實踐。21歲的栗浩洋開始在教育行業打拼。和當年的俞敏洪一樣，他也曾經在街頭貼過海報、拉過橫幅，甚至因此從樹上摔落到地上。但是，不同的是他今天的競爭壁壘不再是磚墻和人力優勢，而是機器學習和重新結構化過的教學數據。

在第一屆財富中國創新大賽中，栗浩洋作為松鼠AI的創始人獲得了新媒體、娛樂和教育組的冠軍。與《財富》（中文版）的對話中，他披露了很多自己創業的細節。其中提到最多的一個名詞是知識點的“超納米級拆分”。比如，把初中的知識點從課本上的300個拆分至30,000個。在AI系統輔助之下，學生的學習就可以按圖索驥，如同使用GPS定位一樣，很容易找尋到目標。

他用具體題目舉例，一道“分數的加減法”，松鼠AI把這道題拆分成100多個知識點：推送給學霸的是帶未知數的分數加減法的應用題；而學苗如果基礎不好，就可能從異分母分數加減法，降到簡單的分數加法；如果還是不會，就降到同分母加法，甚至不需要約分。“當我們把知識點拆到這么細的時候，我們發現沒有學不會知識的孩子。”他如此解釋。

松鼠AI最近宣布任命湯姆·米切爾博士為公司的首席AI官。他是美國卡內基梅隆大學計算機科學學院代理院長，機器學習和AI領域的前沿人物之一。這家成立于2014年的上海AI教育公司目前在中國300多個城市設立了1,600多個學習中心。下面是我們與栗浩洋對話中最重要的一些內容：

《財富》（中文版）：你說教育是AI真正的應用場景，這背后判斷的依據是什么？

栗浩洋：人工智能在某些垂直的細分領域里，將要大面積地代替人類的工作，而大家對此仍處在一種茫然狀態。舉例而言，安檢人員、銀行客服等等未來會大幅度地被系統取代。我們所在的教學行業，在接下來的十年里面，也會有系統來大幅度地代替人類的很多基本工作。這一次AI給人類職業帶來的沖擊，我覺得會比當年的英國工業革命更加迅猛。

教育之所以是AI真正的應用場景，是因為它具備三個特征：有限的知識庫、有限的人類經驗、有限的可能性。K12教育幾十萬個知識點、上千萬道題目、幾千萬學生對每一個知識點的掌握度等數據，都是相對有限的集合。而老師的工作也是人類經驗累積價值很明顯的一個領域。這些都導向了有限的可能性，讓人工智能如魚得水。

回到大眾語境，如何對一個不懂AI的學生或者家長解釋你們的技術，說服他們用算法來替代人工教學？

一個學生在課外補習一個科目，老師會講所有的知識點。而松鼠AI是“哪里不會學哪里”，只學自己的薄弱環節，這樣可以節省至少一半以上的時間，讓學習更加精準。此外，一對一量身定制學習方案的好處是因人施教：用7分鐘就可以學會的孩子不用浪費時間去聽45分鐘的課；但是，作為對比，需要60分鐘的孩子，也不會讓他在45分鐘內就匆匆結束課程。最后一點，是教學的透明性。學生掌握每一個知識點的情況，每一道題里面所涉及的思想方法和能力等都有記錄。這些價值是傳統教育手段無法給予的。

如果面對董事會或者投資人，被問到AI教育公司當前最大的挑戰和難度，你會如何回答？

第一難點是如何建立一套真正有效的AI算法模型。我們的核心科學家用四年的時間，突破了算法的障礙。在最近兩年里面，我們發表了屬于自己的知識產權產品和大量國際AI會議上認可的論文。

第二個難點和中國教育現狀有關。這里面包括了地區性教委不同的大綱和要求，同時還要面對多樣化的出題思路。如何讓這一套體系去結合中國教學實踐？當時我們花了巨大的精力和成本。我親自負責AI技術和教研的板塊，經歷了很多的爭吵、痛苦、掙扎、絕望和辯論。目前的產品成功融合了中國的教學特點。

最后也是最重要的挑戰在于尋找全球AI教育人才。今年我們在大量國際會議上演講和曝光，也是希望能夠想盡一切辦法找到更好的人才。

你屢次提到要做一家基業長青的教育公司。這背后最難的是什么？

一家百年公司首先要服務于人的基本需求，比如教育、醫療、飲食、居住等等，才能夠有足夠大的市場和長達數百年、數千年的持續需求。其次，需要有很高的技術突破的壁壘。當教育遇上人工智能時代，我們抓住機會就可以建立非常深厚的技術壁壘，就像當年波音、高通抓住了飛機制造、移動芯片等技術的那些公司一樣。我認為AI教育是百年罕遇的機遇，讓我們可以去打造基業常青的公司。

一位投資人曾經指出互聯網教育陣亡率高的一個共同問題：互聯網技術解決兩秒鐘后的問題，教育解決20年后的問題，技術和需求經常被錯配了。你怎么看？

教育領域考驗耐力和積累能力，所以有很多老公司。日本的十大業余教育培訓集團中有六家是百年公司。但是，我認為疊加上AI技術以后，教育能夠融合互聯網的種種優勢和特點。

在平衡“快”和“深”這兩點的時候，AI給我們帶來了天然解決方案：首先，它可以快速吸收數百位教育專家的幾十年的經驗，快速地掃描定位學生的知識點，讓學生短期就覺得有神奇的效果，甚至比教了兩三年的老師更理解他們。

通過AI，解決了傳統教育一個老師（類似于醫療領域里的老醫生）需要20年成長的時間障礙；隨著學生數量的激增，更多的數據反哺AI系統讓它持續成長得更加有深度和智慧。所以AI教育既解決了短瞬的用戶需求，又促成了長久進步。正因為如此，松鼠AI學生的續費率高達 80%。

你對外透露的核心方法是“拆分知識點”，這背后需要大量數據。它們來自于哪里？

沒有一個高考狀元是因為做了幾千、幾萬道題而成為狀元的。他可能只需要做其中的3%就已經可以成功。當我們的系統具備了所有的知識存量，就可以借助AI去找到這3%。這背后確實需要大量的數據，在過去幾年擁有了幾百萬學生的數億做題記錄之后，我們的系統可以根據積累的用戶畫像生成無數“虛擬學生”來和松鼠AI虛擬老師通過對抗模型完成深度的訓練過程，就像AlphaGo Zero的學習模式一樣。

同時，我們反觀歷史，新聞閱讀數據積累最多的是百度，但人工智能新聞分發的領先者卻是當年數據擁有量少得多的今日頭條。擁有人臉數據最多的公司是美圖，最后人臉識別的領先者卻是Face++和商湯。

人工智能的系統開發者承認了“倫理缺陷”和“數據偏見”的存在。在教育領域里是否會有同樣的缺陷？

我們看到很多AI的偏見都是由于一個小范圍的偏狹案例得到的一個結果。如果我們有了更多的、相對全面深入的數據，AI會具有比人類更強大的能力去完成對公正的判斷。

舉一個例子：表面上，AI會判斷一線城市孩子的學習速度更快；五六線地區孩子的學習能力相對偏弱，需要給他們提供更簡單的內容、更低的目標。但是通過AI很快就會發現，造成這樣的一個結果的原因可能是因為一線城市孩子起步時獲得的教育資源更多更好；通過AI教學之后，不少偏遠地區孩子的學習速度會反超上來，甚至會超越大城市的孩子，因為他們通過松鼠AI迅速獲得了第一流的、廣泛的信息和資源，并且他們的韌性更強。

這是一種第一時間的自我糾正，也就是我們常說的“AI四大特性”中的自我進化特性。（財富中文網）