技术入局：认知AI叩门智慧教育

文 | 周天财经

周天财经 原创出品

一场教培行业监管风暴正在来袭。

五月底，随着《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》审议正式通过，教育部成立了校外教育监管司，对大量辅导教培提出更为严苛监管要求。

「双减政策」一出，靴子落地。「裁员」「暂停招聘」成了教培机构的关键词：先是高途宣布在内部员工会上宣布裁员 30%，紧接着作业帮、VIPKID 暂停招聘，甚至以新东方为首老牌教培机构股价一路下跌。

今年 3 月 1 号时，新东方的开盘价达到了 18 美元每股，4 个月过后股价低至 8 美元，总市值几乎跌到了 2017 年的水平。

曾经被捧上风口的教培行业跌落神坛，但这一次的监管急刹车却决不是意外。事实上，以辅导教师为核心的传统教培行业存在着两个主要问题，一方面是效率低，如果要进行课外学习，学生就要将大量周末休息时间集中到线下辅导班，造成有量无质的状态。另一方面，大量资本进入教培机构，垄断了高质量教师，从而带来突出的教育公平问题。

传统教培行业的隐忧将会长久存在，但教育大国依然需要前行，如果解决结构性矛盾？这时候，就需要寻找新解法。那么，技术是否会是促进教育资源公平化、分享化的有力抓手呢？

至少，目前看来，技术在解决自动驾驶、图像和自然语言识别上已取得重大突破，而教育本身似乎也不会是技术「死角」。

那么，谁会成为变革前夜的叩门人呢？

01 智慧教育新物种

实际上，早在 2011 年，政策层面就已经在寻找叩门人了。当年，教育部就印发了《教育信息化十年发展规划》，并且在随后的十年中，国家层面不断从在线教育层面逐渐深入到智慧教育，推动人工智能和教育深度融合用以应对新技术浪潮对教育的变革。

而从大环境来看，10 年过去，产业数字基建经过了成熟的发育，给教育新物种的产生创造了前提条件。

新物种应该是什么样的？

我们在知名学者梁洪波教授提出「内环、外环构成的智慧教育 2.0 循环体系」中，能窥得一二。

首先是从智慧环境到教育机制的外环，具体来说就是借助云计算、人工智能、感知技术构建信息化环境，从而达到对教育的改造，与此同时以数字驱动的教育制度又能反向作用增强智慧教育环境。

其次是以具体教学活动为核心的内环，在智慧教育体系下动态生成的数据，用以改进校内课程体系、资源服务。最终内环与外环联通构成循环圈，内外环之间的数据、服务、制度、机制可以相互联通，促使智慧教育迈进一个更为智能、平衡的阶段。

简言之，在 1.0 时代，限于技术的发展普及程度、产业接受度等原因，更多是新技术在某些单点场景的简单应用，比如远程授课，比如通过 App 在线上布置、督导完成作业等等，对教育产业的提升也相对有限。

而在以内外循环为基础的 2.0 时代，每个环节都在完成数字化升级，这不但在效率层面带来乘数提升，更因为全链条的数据打通，让原本不存在的产生，让不可能成为可能。

这其中可以看到两个趋势，一方面国内教育硬件市场规模不断扩大，据安信证券的调研报告，仅教育平板行业预计在 2024 年市场空间将达到 644.36 亿元，另一方面，以硬件作为依托，软件和平台以及内容体系正在加速搭建，智慧教育的主要生态已经浮出水面。

字节跳动张一鸣的创业逻辑中，有一条是去做「逻辑上推得通，但现实中还不存在的事」，学者李善友将这种思路称作「演绎创业」。

而当智慧教育的环境要素逐渐齐备，企业涌现是水到渠成的结果，引人关注的问题在于，「叩门人」会是谁？

我们在 WAIC 教育分论坛中，观察到了一些来自于业界的最前沿探索。

暗物智能科技高级运营总监高燕指出，目前教育领域人工智能大多还停留在大数据、深度学习上，倾向于理解静态事务，但暗物智能凭借更高层次的认知人工智能来模拟人计算的过程和理解的过程，最终拥有自上而下的理解、分析能力。

举个例子，基于大数据技术范式的 AI 如果要具备识别一把椅子的能力，必须通过收集大量椅子的数据（图片）得以实现，但极少能看到椅子背后更为关键的物理功能、因果链条，即——此时的 AI 无法理解「为何要识别椅子」，也就是说椅子其实是因为具备「提供休息场景」的价值，它才成为真正意义上的「椅子」。

其实，这就是教育界所推崇的一种高级能力：洞察实质，举一反三，这就超越死记硬背的初级阶段。

暗物智能正在做的，就是引导 AI 从感知走向认知，发掘「椅子」背后的世界，打造系列产业应用，开启新一代强认知人工智能，让 AI 理解物理世界背后那 95% 我们仍未察觉的「暗物质」。

02 打破「非标」教育的天然壁垒

看清楚智慧教育的未来，不妨首先回溯历史。

「这个世界的终极答案就是能量和信息」，吴军在《科技史纲》中指出，想要理解人类科技的演进脉络，只需要抓住两条清晰的线索，是的，「能量」和「信息」。

从演化观点来看，生物进化没有长期目的，但有一个基本原则，就是任何能量效率，信息效率落后的个体或系统，大概率在残酷无情的资源竞争中被迅速淘汰。

工业革命时代，以煤炭为燃料，领军者用大规模生产提高效率，建立壁垒。走进数字革命时代，拥有核心智能技术才能占领时代高地。

当然，从理论推演到产业实践中有着不计其数的细节问题要解决，教育领域尤其如此。

教育领域的人工智能由于其针对群体的特殊性，研发难度非常大，哪怕是帮小学生解一道题，难度也不亚于自动驾驶领域。中国科学院院士张景中就曾指出：「‘AlphaGo’下围棋已经赢了世界冠军，但计算机做数学题还做不过孩子。」

复杂的人工智能模型以及巨量人工计算能力，仅仅只是智慧教育的地基，尤其面对中国超 2 亿的 K12 学生群体，人工智能需要要做的不止是计算，还要懂因果，可解释。

这首先要求平台需要有领先的技术能力，在技术方面，暗物智能研发团队在国际上率先提出面向人与机器交互的五层认知架构，包括执行交互层、处理感知层、任务推理层和最为关键的共识发现层、价值规范层。而目前常见的人工智能更多只包含基础的两层。

简单来说，基于更完善的认知架构，人工智能将真正理解它所面对的对象（人）到底在说什么，完成更高层次的 AI 应用，而非简单的「写好的规则」。

这对于需要因材施教，极度非标的教育领域来说尤为重要。

基于五层认知架构，暗物智能自主研发了全球第一个具备认知推理能力的人工智能操作系统 DMOS。

如何解释 DMOS 系统对智慧教育起到的变革性作用？这可能需要从《孙子算经》1500 年前就提出的「鸡兔同笼」问题说起。

鸡兔同笼的题干是「已知头和腿的数量，提问鸡和兔共有多少只」，但这道看似简单的数学应用题，考验的却不是人工智能的计算能力，而是要求人工智能也具备了解「鸡有两脚一头、兔有四脚一头」的基本生活常识。

因此相比计算能力，理解题目语义才是准确求解数学应用题的关键。

其次是技术可落地，目前暗物智能已经打造了以认知 AI 为核心的全生命周期教育产品矩阵。以课堂场景为例，学生可以通过 AILA 智能学习本中的辅助学习、随堂测评、课堂练习来即时巩固课堂学习内容。也就相当于，在课堂上多了一位「AI 互动直播教师」。而学生一旦回到家遇到难题时，就可以打开「能算善讲」的 AILA 智能作业灯，唤醒台灯里专属学生的家庭答疑老师。

为什么要如此强调人工智能「能算善讲」？

事实上，每一道题在计算过程中都有很多计算方式，但作为面向孩子、家长这些特定群体，AILA 智能作业灯选择的讲授模式是符合大纲要求，且适合学生认知特点的方式，达到智能拟人推算的过程。

也就是说，做到像一个老师那样循循善诱地讲课，并做到因材施教，才是 AI 存在的意义。

当技术硬件高度发达之后，上游软件和下游硬件相结合创造生态链就有了必要性。因为说到底，灯、平板电脑、早教机都只是搭载平台，发布多少款产品也只是次要，打造完整、开放的生态才是共建智慧教育体系的目标。

一方面暗物智能在各年龄段教育链条上都横向延展出完整的产品生态，另一方面也纵向打造出基于 AI 的评测系统。比如说，面向校内体育智能考试以及面向家庭的体能训练评测系统。

除此之外，暗物还在宏观教育层面建构了更大的生态体系——联合腾讯教育，与内容生产商、系统集成商和终端用户构筑认知AI教育生态，减少系统内部摩擦，最终使系统内的每一位用户受益，拥有更多关于智慧教育的可能性。

为什么生态通路很重要？过去，老师和教材、命题人等拿不到学生反馈，不知道学习误区何在，「讲不到点子上」，''没有针对性''，会让学生一错再错，只能求助课外辅导。老师很难一一批改，家长辅导压力也大。本质上，是信息不对称导致的。

如今，一旦 AI 介入，反馈的链条打通，不管是教材制定人、命题人还是老师家长，都能迅速了解学生的知识掌握情况，有针对性地答疑解惑，整个产业上的不同环节都打通了。这就迈入了梁洪波所倡导的智慧教育的 2.0 阶段。

03 智慧教育变革前夜

教育的两个基本单位，一是制度层面的「学校」，二是社会层面的「家庭」，在这两者之间重要链接就是教育的核心——学生。

时常可以看到，学校老师布置给学生的任务成了家长的负担，家长不仅要忙工作，回到家还要数理化样样精通，因此有不少家长抱怨学校和家庭之间存在信息不同步的持续割裂问题。

暗物智能认知人工智能技术进入教育领域，通过理解学生的学习个性、老师的教学方法、知识内容之间的逻辑关系，开始弥合家校之间的割裂感，最终生成一套个性化的智慧教育解决方案。

在此背景下，家长在家庭层面上仅成为简单辅助者角色，而老师也能更有针对性引导学生学习学校课程，发掘更具特色的教学方法、知识内容，达成家校理念和方法的一致性。

事实上，在人工智能领域长期处于「大数据，小任务」的状态中，这一套逻辑体系意味着 AI 收集了巨量的数据，但只能执行有限场景下的小任务，当场景一但变化，就必须重新进行大数据的训练。这种技术范式下的 AI 只能完成特定的、人类事先定义的任务做不到通用；每项任务都需要大量标注的数据，没有数据就不知所措；模型不可解释与知识表达不能交流，无法与人做多回合交互等。

暗物智能创始人朱松纯教授曾指出「大数据，小任务」的两个弊端。第一成本问题，过度依赖于大数据计算泛式会使 AI 在收集各种复杂场景数据中，产生高昂成本；第二是准确率问题，仅关注于感知层面的技术算法对外界噪音非常敏感，准确率较低。

基于此，暗物智能提出了「小数据，大任务」技术范式。具体来说，就是以任务为核心塑造智能系统，仅通过使用少量样本数据，来执行更多、更复杂的任务。

换句话来说，基于暗物智能「小数据，大任务」技术范式和五层认知架构打造的智能教育产品，正在以低成本、高准确度、强交互的认知 AI 将学校教师的非标职能量产，在任意场景、任意阶段成为学生的「第二个老师」，以此辅助知识的流通与沉淀。

当暗物智能的底层技术跨越产业临界点时，其技术范式优势就能得到指数级放大，使整个智能 AI 教育行业达到「相变」。

相变，本身描述的是物质形态的转换，在自然界它可能是从液体变成气体，但引申到人工智能领域，道理仍然相通。

随着暗物智能底层技术的成熟以及智能硬件广泛使用，这种''相变''就首先发生在公司内部中，在技术范式、认知 AI 等底层逻辑中率先形成行业壁垒，并对整个数字教育产生借鉴作用。

其次这种相变也发生在整个人工智能教育领域中——从以教师为核心的传统教育转向以认知 AI 为核心的智慧教育，最终对传统课外培训、家教行业产生意义深刻的变革。

04 结语

两千多年科举制的创立，打破了门阀世家对学术和上层资源育的垄断。到了当代，有价格翻番的学区房，就有降低房子与学校关联的「多校划片」政策，有高额的课外辅导班就有校外教育监管司。

从这个角度来理解，一切为了教育，一切也是为了公平与成本。有着社会阶级通畅器作用的教育不应该被私有，而技术进场后，将高质量的学习内容「千人千面」进行输出，改进并非个体受益者。

最终以暗物智能为代表的科技公司想带来的是一种以认知人工智能为基础的教学范式，用技术入场进一步瓦解优质教育资源的「货币化分配」，在一定程度上能够为教育和金钱解绑，让教育回归教育。

德国哲学家雅斯贝尔斯在《什么是教育》里提到：「教育就是一棵树摇动一棵树, 一朵云推动一朵云, 一个灵魂唤醒另一个灵魂」，在暗物智能推动的智慧教育中，一个足以强大数字教育产业理所应当可以唤醒更多朦胧的灵魂。