1
当你的孩子正由AI教师来教导时，实际上大家预设一个前提：既然AI比人更聪明，那就让AI做老师。AI教育出现意味着教育不再只是人与人之间经验传授，而是变成“把你更懂你自己”的机器来帮助人进行潜能开发。而AI教师跻身讲台究竟会不会砸掉线下真人老师的饭碗成为热议话题。
现在主张AI教育公司基本都是互联网教育公司，而互联网教育又主要聚集在变现能力最强的K12阶段。正如慕课教育、网校模式、直播课甚至双师模式都没有冲击到线下学校业务一样，AI教育要想绕开老师几乎是不可能的。因为在K12教育领域，能否督促和管理学生去学习（愿意吃苦或者不玩游戏）是成败的关键。但凡是高举技术大旗颠覆某个岗位，到头来都会遭遇现实的迎头痛击！
AI老师不会替代真人老师，与AI教育势必可挡并不冲突，AI的确有望解决K12教育存在多年的痛点：
1．天赋好的学生不知道自己为什么会学东西容易，成绩差的学生努力不知道自己为什么学不进去，这些一直处于“上天注定”的混沌状态，导致很多学生在努力无效后丧失信心、放弃努力，需要人工智能分析给出答案。
2．老师诊断学生基础或者知识点掌握情况一般通用的做法就是不断让学生做题，但老师出的题只能兼顾到不到20％的学生，人工智能针对不同人出不同的题做测试，并及时作出反馈。
3．在大班模式之下，老师由于时间和精力不足很难做到个性化辅导，即使在培训机构的“1对1个性化教育”在应试教育框架之下始终受制于师资供给端相对缺乏而无法落地；AI教师可以批量、规模化实现个性化1对1辅导。
说到底，AI教育解决的是“学生端数据模糊化”与“老师端教学效果输出不稳定”的两大难题，因而是在线教育发展的必然演进阶段。
AI的可怕之处就是其深度学习（Deep Learning）能力超越于人类。人类学习是通过感官经验＋逻辑推理，但AI深学习则是来自大数据＋云计算。人输出的感性材料加工出来的是知识，而机器输入的是大数据得出的是数据化的分析和结果，人容易受到情绪的干扰而产生谬误，而机器只要数据收集充分准确就能得出客观的结论。
因而做AI教育就得找到“大数据”作为AI教师训练的“场景”，而要让AI老师更敏捷就必须不断优化算法模型，让其算法速度能实现几何级加速。再好的人类教师都有“天花板”（时间、精力、水平等等限制性因素），而AI教师的天花板取决于数据和算法，所以不能用人类的认识能力去度量AI。
吴伯凡和梁东老师在《东吴同学会》一期节目中提出个非常有启发的观点：古代往往拥有更多“战马”资源的民族更容易成为胜利者，马除了速度和力量以外，在于马聪明并且通人性，马就是古代社会的“人工智能”。人虽然不能跟马比速度，但人可以骑在马背上。
马云在数博会上怼阿尔法狗与围棋大师对弈时用了一句“So TM what！”阿尔法狗学一天等于柯洁修炼十年还不止，人在完全不对等规则下PK智力，是不自量力，也是自取其辱！
要想捍卫人在“智识”上尊严，最好的办法或许也是唯一的办法，用人工智能培养人，让人学会设计AI、驾驭和驯化AI，这也是我本人为什么坚定认为人工智能教育是最有价值的AI落地领域的原因。
2
做“AI＋教育”既要具备人工智能的优势又要扎根在教育业务上，并不是那么容易做成的，在线教育公司在这一波“在线教育AI化”过程中转向太快，其中大多数积累的数据并不是AI理念和技术逻辑下收集的，结构化分析了之后能否用上都是个问题。一些项目的AI能力并非是自身所有的，而是其他底层技术服务商或者AI能力引擎输出上提供的。
阿星判断一家公司是否是真的在做AI教育，更愿意听创业者是否真的对AI有体系化认知？是否真的对中国K12以及教育产业懂行？这两点直接决定其项目究竟会长什么样，朝什么方向演化。
AI教育项目首先得解决的是AI数据来源问题，而教育类大数据目前还主要在线下，BAT并没有形成垄断，这本身就是创业者的最大机会。在相当长一段时间内，AI教育都会处于一个对大数据积累的“跑马圈地”阶段，其中公立学校的数据量最大，甚至谁能够更多占据学校大数据资源进行处理，谁家AI就更智能。而让学校教学数据“线上化”（云端化）最好办法就是将AI嵌入在教学过程中获取老师上课、学生答题以及测试之中。
乂学教育推广“自适应”松鼠AI获取数据的办法是直播课＋自建校区＋加盟制模式，创始人栗浩洋此前创办昂立教育就是线下培训机构，最近乂学教育还专门把旗下渠道独立为“乂渠”单独获1300万Pre－A融资。作业盒子在C轮融资1亿美金，创始人刘夜着手搭建200多人地推队伍在全国各地推进其“AIOC”软件。高木学习AI tutor在广东、湖南、河南等18个省份，通过城市合伙人落地全日制学校、连锁教育机构的B端赋能商业模式。可见，在AI教育市场开拓期，有着线下培训机构从业背景和教育资源的人才相对紧俏。
不同的AI团队在收集数据的能力不一样，有的维度少数据的颗粒度很粗，有的是维度比较多能够抓取到学生深度数据，即使是同样的学生大数据用不同的引擎做出AI产品肯定不一样。
据阿星观察，在AI算法模型目前人工智能教育项目主要分为“知识图谱引擎模式”与“通用知识学习引擎模式”大两类。
基于知识图谱做知识相关度推荐的算法模型其实更容易，一方面很多项目本身拥有对某一门学科的完整知识库数据，另一方面类似于“今日头条”式千人千面、为不同学生个性化定制学习知识的模式比较容易讲给投资人听，比如今年6月份完成10亿融资的乂学教育为了区别自适应鼻祖knewton改称为“智适应”，其实就是“知识图谱引擎”。
“通用知识学习引擎”则不限于具体学科或学习阶段，只要按照教学计划和大纲输入相应的数据给AI学习，AI能在大数据中自动个性化建模，从而AI能够帮助学生学习任何想要学习的知识，国内目前做“通用知识学习引擎”的有高木学习等。
通用知识学习引擎的优点在于通过学生学习方法的训练和督促，能够提升学生的学习能力，而不是停留在知识掌握上；缺点在于通用知识学习引擎的模式对于深度数据的获取更为刚需，在极为碎片化教育产业之中需要找到一个突破的抓手比如数学培训或者K12阶段语言兴趣培训等，实际上通用知识学习引擎更接近真正意义上的AI教育，但由于在国外还没有找到一个成功对标案例，导致很多赛道投资机构看不是很懂。
3
以前有很多互联网产品是直接针对C端用户的，尤其是在英语语言、题库作业类、直播培训平台项目，其中有家长直接参与的付费率会更高一些，但是AI产品目前在手机端App应用相对较少，如果做C端教学产品，对于学生来说是会当做是“新负担”。现阶段在AI教育的起步阶段只有在B端（教育机构）才能跑通。
所以，人工智能教育公司要想落地和壮大，应该要有这样的格局：要想AI替学生提供个性化学习解决方案，就得先为教育机构赋能。
全日制学校的数据比培训学校数据更加全面、完整，全日制学校应用AI是教育信息化延续，而类似好未来、新东方这种培训机构本身就有自己学校，不用像其他人工智能团队那样去找学校拿合作数据，在转型做人工智能教育方面占据“地利”优势。
AI在学校应用只有提升老师教学效率才能快速推广开去，AI教师不再是老师竞争者而是助教、教练的角色，也有人通俗称之为“人工智能双师班”（AI老师＋真人老师）。
以前好未来等机构在西部省份推广的“双师模式”认为自己把平台上的特级教师通过慕课或直播课形式向偏远地区孩子教学是在“教育扶贫”，但是消极后果是，线下老师成为辅助，很容易会孩子对现有老师所教的知识产生不信任感，线上老师也没有办法兼顾到学生学习特点，传统“双师模式”由于对抗人性而流于形式；而“人工智能双师班”是一个老师加上一个机器人助教，基层老师的接受度相对较高。
“AI双师班”的模式协调了“机器老师与真人老师”之间的矛盾，就像真人老师需要像用电脑一样使用AI，是有助于一线老师从混沌、凭感觉经验摸索状态中走出来，以往的老师教龄与经验水平挂钩，未来的老师会逐渐年轻化，并且有AI教练辅助教学。
其实，按照知识图谱引擎模式的话，AI收集具体一门学科的知识，并把顶尖水平知识水平更有效率地教会学生的路径，走的是一条让机器老师替代真人老师的“人机对抗”之路。而如果按让AI帮助老师的理念走，则是让一个AI通用引擎教学生如何训练和培养学习能力，这个AI不局限于某门课程、某个学习阶段，是所有老师和学生的AI教练，这是条“人机共教”的道路。
AI教师并不需要像人类那样成为分门别类的专业分工，如果是真的AI的话。
结 语
AI时代已经到来，现行标准化应试教育制度如果不能适应的话，刻苦努力教出了许多学生缺乏自学能力和独立思考能力，本质上培养出来的是“机器”；如果用人工智能办法训练人对认知的能力，培养起学习知识的方法，看似是用“机器”辅助老师，实际教出来是真正的“人”。
