11月22-23日，第九届新浪中国教育盛典在北京隆重举行。本届盛典以“耀·升级”为主题，云集著名教育专家、当红教育自媒体人及教育机构等，聚焦改革与升级中的中国教育。
作为教育界最具影响力的年度盛事，新浪教育盛典重磅升级：首次推出连续两天的六大教育峰会+优秀教育产品展会+主会场颁奖礼模式，深度聚焦高考、在线教育、教育投资、留学、语言培训、教育+AI六大领域，共同探讨在移动互联飞速发展时期，中国教育的升级之路。
人工智能引热议
今年人工智能这个词非常非常的火，从今年年初Alpha-Go的世纪大战到前两天大家看到的一个新闻，说是机器人起义了，把人打伤了。这个东西是不是人工智能呢？后来有辟谣说只是机器人操作失误，这更说明我们整个市场所有的人对人工智能的期待。人工智能什么时候可以发展得更好一些？人工智能如何才能和教育更好地结合？尤其是大数据的机器学习和教育结合是不是能够有一些新的、和之前不一样的局面出来？再加上这几年科技的发展，比如机器人、VR和AR技术的出现也给我们的教育带来了一些新的局面。当年互联网的出现给教育带来了很大的变革，从在线教育、MOOC到现在的直播，是不是又会给教育带来新一轮的变革？人工智能到底发展到了什么阶段？哪些方面是现在已经在应用的？哪些方面是未来可以预期？
人工智能已成为未来趋势
关于人工智能领域，投资了无数教育+人工智能的未来工场王凯峰表示：“天使投资也是一个关于未来的职业，因为如果投资的方向在未来五到十年被社会淘汰的话就白投了，所以我们非常关心未来到底会怎样发展。
怎么才能知道未来呢？我们发现中国的教育行业是有一些特点的，它要比国外慢一点，而且比其它的科技行业、信息行业和娱乐行业也慢一点，我们可以看到其它国家会发展的一些不一样的东西。
我们认为AI教育是未来的一个趋势，可以看到在过去的五年当中整个人工智能年复合增长率是57%，全球的人工智能在未来五年会保持每年55%的增长速度。之前我们的技术总是落后于美国和其他全球先进国家，但我们的专利在2012年已经超过了美国成为全球第一，政府的政策也是很快地陆续出台。整个行业的资金在发生变化，现在基于深度学习的人工智能技术背后依赖于更多的数据、更好的性能和更优秀的算法，背后的原因来自计算能力的提高和成本的下降。现在我用一块钱能够买到的计算能力相当于2000年的时候一万块钱能够买到的计算能力，因为成本降低了一百倍而性能提高了一百倍。全球的数据也在不断上升，所以更多的数据、更低的成本和更快的性能会给我们带来更强的人工智能。
是什么推动了人工智能的发展 ？
2000年是宽带还不够普及的时代，当时可以做到的只是简单的资讯上网，在2000年左右第一波的沪江网和中国教育在线这样的教育门户是把信息和资讯上网在线化了。2005年到2007年新东方在线和好未来相关的录播网校出现了，那个时代整个网络还没有办法完成一个很流畅的视频播放，所以当时大家常见的做法是从网上下单，然后把光盘邮寄到家里。那个时候只能通过在线购买，实际服务的交付是在家里。直到2012年宽带进入了千家万户， MOOC和微课才成为了主流。2010年直播的流视频成熟以后在线的直播课程才成为了主流，包括好未来、新东方和前两天融资比较多的VipKid和51Talk，很多人都开始用直播的技术进行教学。这是信息资讯在线化，同时能够把服务在线化，这都是依赖于整个宽带的变化。
这里有两个很强的推动元素：一个是移动化，一个是资本的注入。随着移动场景的接入，我们能够看到宝宝巴士有很多的移动场景能够和手机来做说话、GPS和基于LBS的O2O，能够让你找到附近的老师，然后你还能够和你的手机做更多的交流。资本的进入要求我们在商业化上面有更多的尝试，所以大家能够看到过去的五年整个在线教育的商业模式有很多的创新。
人工智能从2006年深度学习提出之后有了很大的变化，这里的一个标志的点是2012年深度学习的算法在图像和语音识别上的成功率可以达到95%-97%，而在2011年就开始做语义识别，2013年的猿题库、学霸君把拍照、图像识别和教育结合，变成了一个自适应的题库。2014年的英语流利说也可以通过语音的方式给学生和成人进行口语的校正。
教育+人工智能企业未来将会何去何从？
整个科技教育的发展和背后的这些技术有很大的关系，很标志的事件就是2016年3月份Alpha-Go战胜了李世石，这是人工智能的里程碑事件，Google预测在2029年的时候人工智能的大脑会超越人类智能。未来会有越来越多的技术越来越快地进入教育行业，这些技术会怎样影响我们的行业呢？一定要找到正确的使用场景，我们能够看到目前一共有四个典型的使用场景：个性化学习系统，虚拟助教系统，还有商业的智能化和专家系统，这些是随着我们技术越来越进步的四大应用场景。
未来到底是一个什么样的时代呢？人工智能会和人类的这些老师有一个什么样的关系？我认为是一种协作的关系。机器是在简单环境下的标准化重复的劳动，智力劳动是人类更加擅长的，而且人类在情感能力、创造性、批判性的思维和复杂决策方面更有优势，我们通过人机结合的方式能够获得更好的收益。
现在人工智能是非常依赖于数据的，未来可能会有符号化等其它对数据依赖更小的方式，目前限于我们的技术手段，我们从教学练测评五个教学环节当中最好的训练方式是在练习环节，因为题的数据是结构化的数据，而且又是高频的，因为频次会非常的高，反馈也会很快，能够通过跟答案的比较和不停的反馈马上地调整我的算法。现在市面上所有自适应的学习工具基本上都是从练习环节切入，这是一个非常好的切入点，但它的问题就是商业化2C的能力是比较弱的，只要大家做C端的工具最开始都不太好赚钱。最后的解决方案就是要么是往左端去做教学，要么是往右端去做评测和发证，或者干脆就不去2C，而是做2B的事情，就是把我的整个工具卖给机构或者学校，这是目前大家的切入方法。
另一个环节就是虚拟助手，什么叫做虚拟助手呢？刚才说过可能是偏陪练、答疑和客服咨询，这样的一些事情在比较近的阶段是可以被人工智能逐渐替代的。前两天我在跟一个电商公司的技术负责人聊，这个电商公司很大，两年前客服就有一万三千人，这个成本是很高的。他们通过机器人助手替代之后，客服的数量马上下降到了八千人，也就是说他们用人工智能的方式替代了六千人。而且对客户来说，整个服务质量的下降是难以察觉的，所以说我们能够看到这样的一些简单的号码多大，我该怎么退货，这个东西是不是正品，就是这样的一些简单的限定问答完全可以通过机器替代。成本很低、响应时间很快，知识是比较全面和标准化的，服务态度不会因为脾气好还是不好发生变化，这就是我们能够看到的在一些简单的智力领域当中机器可以做到的事情。
人工智能面临挑战
现在人工智能有这么好的前景，但仍然还有一些问题。大量的学习环境仍然在线下，就是通过我们课堂完成的，甚至我觉得还有一部分的数据是通过在线直播完成的，其实这些数据仍然没有Online，还是没有办法分析这些数据，仍然都是模拟的视频流。这里没有数据采集和处理，最简单能够被使用的就是练习环节和测评环节，每道题目的答案都是确定的，最先被科技化的其实是单选题，现在填空题也快被搞定了，作文也可以慢慢被批改了，通过我们这样教学环节的反馈现在仍然是依赖于人的，没有办法做到在线化。另外它的数据的层次也很多，假设对学生要去敲键盘，所以键盘的数据是一层，敲了键盘之后基于我的键盘会有一个回应，整个回应和回答又是一层。我们的在线教学完成之后这个学期数据的汇总也是不一样的，而对老师来说每个班级、每个课堂学生的学习数据汇总又是不一样的，学校的这些学区领导关心的数据也是不一样的。所以对一个决策不同的层次来说，整个数据的层次是非常丰富的，这里的难度其实也非常的高。再就是反馈的周期很慢，我们做人工智能以及任何和数据相关的事情期望的都是一个快速的反馈，我们告诉机器我选的是A它就告诉我选的是2，可以不断地进行校正和学习。现在我们要等到这个学期结束之后的期末考试成绩，甚至是整个高考结束之后来看高考成绩到底好还是不好，还有的说要做终身的追踪，高考结束进入学校，是不是在十年以后学生混得很好，到底哪些数据才是真正反馈的结果？如果没有办法衡量就没有办法改进我们的算法，这是另外一个问题，就是我们的反馈太慢，效果很模糊。最大的问题是教育行业科技人才的供给不足，现在我们需要的不是老师和移动工程师，而是具有原创性的老师，比如教研的人员和教学设计师，现在我们需要的是数据工程师和算法工程师，这样的人才是非常少的，所以我们认为这也是科技人才进入教育行业里面的一个非常好的机会，因为现在有很大的市场需求。
