“教育最难的地方在哪里？我们教的是人，它跟电商卖东西不一样，你说卖的东西好不好拿回去一用很快见效。这个人教的好或者教的不好很难判定，这是教育最特殊的地方。”

10月31日，在鲸媒体主办的“TEC2018教育创想大会”上，学堂在线技术副总裁管健发表题为《在线教育的下半场》的演讲。

· AI+教育需要结合学习行为大数据、知识结构大数据，通过智能算法将其融合起来，给每一个不同的学生设计下一步的学习行动，指出其相应的能力缺陷，并规划学生未来适合的发展方向，这可能是一个非常长期、终极的目标。

· 教育最难的地方在哪里？我们教的是人，它跟电商卖东西部一样，你说卖的东西好不好拿回去一用很快见效。这个人教的好或者教的不好很难判定，这是教育最特殊的地方。

· AI技术可能不是狭义的IT技术，甚至不是狭义的人工智能技术，我们需要有交叉学科的其他专业与更多的技术结合在一起，去解决教育的问题。

今天很荣幸有机会在这里跟各位分享一下学堂在线在AI加上教育这个领域的一些思考和实践。我今天做的这个是命题作文，说在线教育的下半场。我尽量把我们的思考和实践能够贴进去。

今天其实很多我们的同事都讲到，说教育是一个很慢的事情，它有多慢？实际上比十年树木百年树人可能还要更慢一点。我现在引用的是咱们中国最有名的老师几千年前说的话。我们认为说教育的最基本的追求，和教育最基本的一些理念，我觉得它没有变，比方说有教无类。比方说因材施教。不管是孔老夫子原话，还是他自己身体力行的实践，其实都是我们一直在追求的东西。

直到今天我们做什么，我们做的所谓在线教育，其实你去把它拆开，在线加上教育两件事，它用的是在线的技术，互联网的技术，人工智能的技术，去为教育去提供新的模式和新的效果。

我们看到，其实大家非要讲上半场下半场的话，可能在线教育上半场我们更多是用互联网技术去做连接的工作。国家这么多年下来做了三通两平台，基本上加上电信运营商的工作，使得我们能够实现互联网的村村通，各种各样的大城市里的老师，名校里的老师，能够把他们的教学通过互联网触达到千千万万个乡镇。我们认为说通过连接，我们改进了教育的效率，一个老师以前一辈子可能能教千人的量级，到了现在我们清华大学肖星老师，她的慕课已经达到十万人，这是她自己的话，我教最大的收获是做了一辈子都教不到的人。这是提高效率的地方，解决了或者说正在解决孔老夫子几千年提到的有教无类，什么人都能学。

再下来，我们可能更多的需要解决教育的效果问题，这个可能有赖于人工智能的技术和其他的技术在教学过程中的介入。

在在线和教育这个维度上大家看到，我在PPT里面有另外一个维度，我们把它叫做规模化和个性化。实际上我们看到通过连接实现的在线教育，更多的是什么，是把一个老师同样的教学过程复制到千千万万个学生的面前，不管你是通过纸质的教材，通过互联网式的教材，通过互联网上的课程，通过直播，你的关注点，一个老师的关注点都是有限的，他只能把自己同样的东西传达给不同的人。

其实我们讲教育这件事你要达到一个好的效果，是希望它能够个性化的。最早我们说学校教的好，私塾的模式，一对一的模式，它能够针对学生去做更个性化的教学。

在广泛连接的背景底下，你怎么能够去做到个性化？这就有赖于人工智能的技术。机器是不知疲倦的，它能够捕捉到每一个跟它互动的学生，每一分、每一秒、每一个交互。现在的计算能力的发展，也使得我们能够去解几百层几千层深度的神经网络，算法的突破，计算能力的突破，使得人工智能第一次有机会能够在大规模的情况下去实现个性化的教育，所以这个是我今天整个分享的一个主要的背景。

回过头来，其实问题的根源我们觉得有一个点，是优质教育资源的稀缺，这是一个全世界人群中名校的数据对比，我们看到中国数据是我们人口基数非常大，使得人均的比例非常低。

学堂在线，从2013年开始上线，我们在做的工作，第一件事就是把清华大学优质的教育资源通过学堂在线的平台，分享给全国的各个院校和面向C端的互联网的用户。学堂在线这个名字起源也是来自于清华，这是我们最老的一栋建筑，清华学堂，我们希望把清华学堂在线上去传播出去。

五年时间下来，今年的10月10号，我们刚刚庆祝了学堂在线五周年的生日，我们做到了1700个课程，1400多接近1500万的用户，以及人均接近两门次的选课。我们面向的教育是高等教育和职业教育用户，为他们提供的是学分、学历和学位服务，跟可能今天很多嘉宾以及演讲者不太一样的地方，我们面向的是可能整个高等教育和未来职业教育里面比较应和的这些部分。

我们做的是什么事情？我们做的这个东西叫做慕课，也许大家在教育行业里会听说过，也许有些人没有接触过，它是Massive、Open、Online、Courses四个词的英语，它是大规模开放在线课程，它把大量的线上课程，通过碎片化的方式，把它体系化组织成课程，给予学生及时的反馈，通过社群学习，能够组成一个线上的体系化的课程学习的模式，它跟传统视频课的差别还是比较大的。在这个基础之上我们终极目标是希望说我们把它做成基于人工智能技术和大数据技术来实现的大规模、开放式的在线交互学习，就是规模化的个性化学习。

五年下来，我们的用户量在1000多万，可能跟其他平台比起来是一个不大的数字。其实我们也积累了一些数据，大家其实在前面讲人工智能技术时候都讲到，说大数据是人工智能技术的生产资料，那么我们到底有多少生产资料？其实算下来，说多也不多，对于数据库行业的我的同事来讲他们觉得50T小case，关系数据库的搞定没必要。但是你真算下来实际上我们每天捕捉用户的交互行为它的量还是不算小的。我们确确实实能够做到每一个学生每五秒的学习行为能够关注。

拿到这些数据我们能做什么？其实最直接的是把它格式化，提供给各方面的决策者，包括我们的运营人员，包括我们的老师，让他们从数据库里面去做决策。这个点我要表达的意思是说其实在线教育在用这个数据的时候，它在很多层面上跟各行各业其实没有那么大的差异。我相信这样的数据面板在各行各业的互联网公司里面都会很多，你统计有多少用户，统计多少人今天来了，统计他的学习成绩，统计他们互相之间的交互，其实各行各业用到的技术都差不

另外，我们也还在用一些通用的人工智能技术，我们拿它来做什么？比如说教育特有的场景，我们在线学习里面怎么认定说这个人张三确确实实是张三在学习，在认定张三在考试你没有作弊，我们用了深度学习进展做到的对图像和对场景分析功能来做在线的监考，也取得比较好的效果，在不是特别严肃的像高考这么严肃的考试里面，我们已经把在线监考应用上了。

它使用用户自己的电脑的摄像头，加上用户自己的手机，两个摄像头的图像拼接起来，能够得到一个它周边的场景。在这个场景里面我们去做情景分析，去做行为识别，来发现一些可疑的动作。这个是通用的人工智能技术在教育里常见的应用。它实际上并没有触达到特别的教育，特定的需求里面。我们认为说真正你要去做AI加上教育，你要做的事情什么？我们认为你需要结合学习行为大数据，加上知识结构大数据，通过智能算法，把它们融合起来，给每一个不同的学生去设计他在下一步学习的行动，给他指出来他的能力的缺陷，给他指出来他未来适合的发展方向，这可能是一个非常长期、终极的目标。

在这个过程里面，我同意今天很多演讲嘉宾的观点，尤其是一开始好未来讲到说现在的在线教育可能还在三个阶段，技术在这里面起到不同的作用，我觉得从技术作为基础设施，到技术驱动业务，到第三个阶段，将来由技术引领整个业务发展，我们也同意说由技术、人工智能技术引领教育的发展，这条路实际上还有很长的路要走。

在这个过程里面我们停滞不前，我们等着一个重大的突破的到来，实际上我们在一点一滴的尝试这些工作，后面是我们在探索的一些实现。

这是我们目前在构建的基于大量的在线教学资源，以及互联网上的知识资源构建起来的一个教育的知识图谱，它跨越了课程、跨越了专业，能够有机的去把我们的这些教育资源，以及跟这些教育资源进行交互的这些用户，通过一个图状的结构，去组织起来。在这样一个知识图谱的支撑底下，我们能做什么样的工作？我举几个简单的例子。

第一，我们能给一个资源做画像。就像大家看到的我的右手边这张图，我给某一个资源去做画像。其次我能够去给某一个用户去做他的知识画像，你在哪一个知识点上强，哪一个知识点上弱。并不是说学习了微积分你就什么都会，你学了数据结构你的二叉序排序都强，不是的，而是需要把内容在知识点上给十分钟的视频做更小的课程，这样能做更小的画像，在这样的基础之上我们能给不同的用户设计不同的学习路径，就是我左手边的这张图。这是其中一个应用，已经在线上。我们能够把一个课程里全自动生成出它课程里面比较难的一些概念。首先你把概念能做出来，其次你发现这个班的学生在这些概念上是比较弱的。

再下来，我们用它做推荐，它的推荐比人工运营的推荐，不管是点击率还是最终学生的选课率都有比较高的提升，这些实际上都还是比较综合的一些技术。

刚才其实我讲到，我们就能够把视频推荐的力度，以及相关知识点的导航做到亚视频、亚资源这样的能力。

再下来，我们说教育最难的地方在哪里？我们教的是人，它跟电商卖东西部一样，你说卖的东西好不好拿回去一用很快见效。这个人教的好教的不好很难判定，这是教育最特殊的地方。所以除了技术之外，除了狭义的IT技术之外，我们还需要涌入其他学科的能力，比如说心理学优势，我们千辛万苦做推荐提升11%的点击率，实际上我们请心理学专家跟我们一起来做这个工作，他们提出来我们经常推荐的问题什么，是我不知道你给我推荐的东西是什么地如果我能把推荐逻辑格式化呈现给用户，比如说你的好朋友选了这门课，比如你刚学了英语听说我推荐你英语读写，比如你学英语学完了我推荐你学日语，我把整个逻辑告诉你以后，实际上你带来用户的体验提升以及点击的提升是有非常好的效果，这是其中一个例子。

另外一个例子，其实前面刚刚提到说人工智能的引入，使得评估也能够更加的丰富，这是我们已经实现的一个学生成绩报告。它除了传统的结果呈现之外，我们还对他的学习效度、效率、学习程度做分析，这些维度是我们跟教育专家一点一点去研究出来的，用哪些指标去对应哪些数据，最后得到什么结果。

我们相信以前我们看到一个人只看他的分数，现在很多学校说你给我写推荐信，推荐信也是老师主观的，这个报告是一个维度可能更全面的推荐信，它是完完全全用数据说话，当然它有很大的改进空间。所以我刚刚讲到心理学和教育学的这两个例子，要表达的意思是说AI技术可能不是狭义的IT技术，甚至不是狭义的人工智能技术，我们需要有交叉学科的其他专业的更多的技术结合在一起，去解决教育的问题。

最后，用这句话跟大家共勉，创新教育，改变世界。谢谢。