奇点学堂 | 松鼠AI栗浩洋:自适应教育将全面替代传统教育

2019年,人工智能、在线教育、新媒体、新零售、企业服务、移动互联、商业航天、金融科技的趋势如何?机遇又在何处?

11月21日至28日,腾讯新闻《奇点学堂》将与德勤携手,陆续推出《对话明日之星》系列访谈!特邀7位来自不同行业、均获2018高科技高成长中国50强暨明日之星的企业创始人/高管与知名投资人对话,围绕新技术、新趋势、新商业模式、新政策变化等进行讨论!

当下,越来越多的人在追AI的风口。AI+教育在欧美早已被大规模的使用,Knewton在人工智能自适应领域深耕10多年,欧美已经有3000家中小学、大学在使用自适应教育技术,数千所中小学、大学的数百万学生都在受益,国内的AI+教育也在不停的追赶,在成为教育行业“标配”的同时,也成为了商业资本的吸金石。

未来已来,在人工智能技术的引领下,处于风口的在线教育,其核心竞争力究竟是什么?K12在线教育应该怎么做?大数据、人工智能、AR会如何改变传统教育?AI时代又会如何反思教育本质?

11月25日,松鼠AI智适应教育创始人栗浩洋先生与创世伙伴资本合伙人梁宇先生做客《奇点学堂--对话明日之星》系列访谈,就AI教育板块的分类、市场竞争格局、AI教育在国内的发展阶段、难点、未来的发展趋势以及对传统教育的影响、中国AI教育技术输出海外的机遇、AI教育产品该如何开发等话题进行了对话分享。此次的线上分享有9大精华观点:

  • 1未来教育就是Adaptive learning。因为它解决了传统教学的五大痛点:一、优质教师资源的不可复制性;二、学生看不下去、学习效率低问题;三、解决了慕课互动性弱的问题;四、解决了无法因材施教、区别对待的痛点;五、解决了优质教育资源贵的问题;
  • 2全球AI领域面临的最大困难是人才,非策略类AI专家要转型策略类,其难度和鸿沟都非常大。目前国内解决人才问题,主要是通过去欧美市场“挖”人才来解决。
  • 3中国公司若针对本土化教学内容去研发,将会有非常大的优势。海外市场的课外辅导教育相对更容易,竞争比较少。
  • 4中国教育市场非常大,还有十几倍的增长空间。
  • 5只有做好了知识点的拆分,才能知道孩子到底该怎样提升学习效率,学习成绩才能提升更快。
  • 6在未来,Adaptive learning将对所有的传统教育全面代替。
  • 7从知识点的掌握来看,传统的老师已经输了;知识点之间的关联度以及知识图谱的关系内容,老师也没有办法穷尽。
  • 8未来,我们还会开放一种真正的赋能形式----松鼠open AI。令使用者不需要再去竞争AI科学家,也不需要自己去开发系统和算法的引擎。
  • 9只要是依赖于人的大幅度的扩张,最后都会遇到一个质量大幅度下降的过程,而这个坎可能没有人能够突破的了。

Tip:

自适应学习(Adaptive learning)通常是指给学习中提供相应的学习的环境、实例或场域,通过学习者自身在学习中发现总结,最终形成理论并能自主解决问题的学习方式。

自适应学习平台会引导学生进行最适合他自己的下一步学习内容和活动,并当学生在学习中遇到困难时,课程的难度会自动降低。老师也可以使用它的实时预测技术来监测每个学生的知识空白,即时调整,为每个学生提供个性化教学。

以下是访谈实录:

主持人:晚上好!欢迎大家参与腾讯新闻《奇点学堂》联合德勤推出的《对话明日之星》的系列访谈,非常开心能在这里和大家相遇!今天我们非常荣幸地邀请到“2018中国高科技高成长50强榜单”的松鼠AI智适应教育创始人栗浩洋先生与创世伙伴资本合伙人梁宇先生共同探讨在线教育的下半场;首先有请梁宇总介绍他对于在线教育领域投融资的理解。

梁宇:大家晚上好。感谢腾讯财经,也感谢栗总,可以有这样一个机会一起聊聊在线教育的话题。创世伙伴资本对在线教育领域非常关注,传统教育的上半场从线下交易搬到线上,其实是一个数字化的过程,解决了时间和空间的问题。从传统的直接在教室里上课变成录播,再进一步变成直播;其解决的核心问题是手段与效率,越来越发展的技术正在改变着教育,也改变着授课的内容,这种将教育回归到教育本质的改变,我们非常看好。因为每个人都是个性化的,只有技术才有机会将个性化的需求找到、发现、解决;通过数字化的解析来完成个性化教育;而在传统行业中,这是无法完成的。所以我们也对松鼠AI正在做的事情感到非常兴奋。

主持人:感谢梁总的分享。下面有请栗总给大家介绍一下松鼠AI。松鼠AI在今年荣获了德勤“2018中国高科技高成长50强”,恭喜栗总!

栗浩洋:大家好!感谢德勤、感谢腾讯财经、感谢梁总的分享!松鼠AI创办于2014年,当时我们提出用人工智能系统模拟特级教师,像教育界的Alphago一样为孩子们进行一对一的课程辅导,可能理念在那个时候还比较新,所以不太被认可,在7-8个月的时间里,我们见了大约50多家风投,没有人愿意投资;但其实,AI自适应技术在美国已经发展了很多年,比较成熟了。

自适应学习的概念有一百多年的历史,它最早被应用在学校的好中差班,包括一些学校的走班制,其实都是为了给不同的学生以千人千面的教育,而不是提供统一划齐的课程和教学内容;1973年发展起来的Computer-based Adaptive Learning使得考试的效率得到了大幅提升,原来2小时的考试被压缩至了30-40分钟,最明显的例子就是,TOEFL和GRE的机考更为高效了。

从教学水平和效果的角度看,在2011年的教学还只是依靠普通老师去达成,但在2014年开始,却有了突飞猛进的变化,在美国举办的几场人机大战中,全球三大人工智能教育公司:Knewton、Realizeit、ALEKS均参与了在美国举办的几场人机大战,而在这个比赛过程中,我们发现,机器教学组的学生考试成绩比最优秀的老师教学组成绩,平均高出了10-20分。这在当时是一件轰动行业、不可思议的事。所以从2014年开始,人工智能的自适应教育(AI-based Adaptive Learning )开始在全球火爆,也受到了媒体的大量关注,这一突破性技术和效果的取得,正是人工智能开始应用在Adaptive Learning之后,所取得的教学成果。

当时,我正好在昂立教育工作了十年,是全国少儿版块的CEO,也正是那一年,昂立教育借壳在A股上市。看到AI-based Adaptive Learning 所取得的成就后,我就辞职出来重新创立了松鼠AI,我们开始往Adaptive Learning的方向出发、努力,用了近3年的时间,2016年10月,产品成熟,2017年正式向外界推广。到现在为止,每年的销售额都在翻番;在K12板块中,老师真人上课的续班率平均在50%左右,像老牌最好的公司,如新东方、好未来,大概能做到90%左右;但我们现在AI系统教学已经达到了80%的续班率。

教学方面,对于学生成绩的提分效果比高级教师的培训效果要好,我们也办了各种人机大战,AI系统教学的成绩不但战胜了高级和特级教师,甚至还超过了命题组成员。达晨创投主管合伙人傅忠宏的孩子在松鼠AI学习,一年时间,成绩提升了50-60分。我们还有很多甚至原来考试只有七分的、来自六七线城市的孩子,在松鼠AI学了一个学期,成绩提高到五十七分。也就是说,无论是原来可能已经被学校放弃的孩子,还是在一线城市中顶级学校的孩子,在adaptive learning系统中都能找到针对他自己的不同的教学。

我们给到每个孩子完全不同的教学方案:最好的学生,我们给他非常有挑战性的内容;七分的孩子,我们给他八分的知识点,让他能听得懂,通过千人千面的教育不断地往上去提升,达到最高效的一个结果。所以也有人把我们形容成教育行业的今日头条,今日头条前几轮的股东,SIG的王琼在我们天使轮、A轮均领投。

投资人对话创始人:

Adaptive learning解决了传统教学的五大痛点

梁宇:感谢栗总,正如您所说,人工智能在教育领域的应用,从2014年开始,到现在已经过去了四年,松鼠AI在这个领域当中可以说是旗手。能否介绍一下,Adaptive Learning能够解决传统教育里面的哪些痛点?因为传统线下的特级教师针对学生上课,其实他们也能够掌握孩子的不同的特性。

栗浩洋:好的,谢谢梁总。我先介绍一下AI教育板块的分类。目前市场上有大约50多家公司都在号称是AI教育公司,每家公司的特点不一样,有表情识别,有脑科学,有语音识别,有拍照答题,有自适应测试等等,可以说是乱花渐欲迷人眼。

关于AI教育,我习惯把它分为两大类:一类是我们称之为工具类,也叫识别类;另一类是认知类,即策略类。识别类,顾名思义就是图像识别、语音识别、语义识别、表情识别等等,他们解决的是判断问题,也就是识别出这个孩子的情绪怎么样,或者这道题是哪一道题,比如像高考机器人,这道题通过NLP语义分析,匹配的其他的题目是什么、答案是什么,包括大脑的专注度如何、语音是不是准,而这些判断,其实都可以看做是老师们的教学工具,因为它并不牵扯认知。而Adaptive Learning解决的是学生从不会到会的认知过程,也就是教和学的过程。他不仅仅只是测、练、评判的工具。所以,Adaptive Learning又被认为是在真正解决教育的核心问题。我经常把Adaptive Learning比喻成Windows和安卓这样的系统。

所以当时在欧美,2014年Adaptive Learning系统取得了超过优秀老师的教学水平之后,欧美的主流媒体,包括纽约时报、经济学人、福布斯财富等都判断说未来教育就是Adaptive Learning。因为它解决了传统教学的一些痛点:第一是,优质教师资源的不可复制性。比如,一个好老师,她成熟可能要二十年。那么一个高级教师、特级教师,尽管有二十年的教龄,也可能是一千个人才能评上一个。新东方、好未来有4-5万位老师,最好的四个老师和最差的四个老师之间的教学质量可能天渊之别。所以优秀老师是不可复制的。如何解决这个问题?在传统慕课形式就是massive open online course,以coursera和可汗学院为代表,解决了一部分这个问题。

但是他们依然没有解决的痛点是,学生看不下去。40分钟的学习,千人一面。这有点像新浪新闻,把所有老师的教课照搬在上面,但是是否适合每个学生的用户画像?每个学生到底是什么样的知识结构?他的偏好学习能力又如何?系统完全不知道。只是按照统一速度、统一内容去推送。那么Adaptive Learning的区别是什么?它会先让学生做一个知识点检测,比如说,一百个知识点,我得了95分,只有5个知识点不会,那我只要学这5个知识点就好了。80分的学生,只需要去学20个知识点。那么我们的学习效率就被提升了5-20倍。

以刚才提到的那个7分的孩子为例,当他接近什么都不会时,我们不会给他推一百个知识点,而是在最初的半年时间里,先给他推7-27分的知识点,让他达到20多分的水平;再过了三个月,我们给他推20-50分的知识点,那么他期末就考了五十七分。Adaptive Learning就是一个千人千面的过程,他解决了传统教育中教育资源稀缺的问题,又解决了慕课互动性的问题、以及基于每个学生不同的用户画像应该给予不同的因材施教、区别对待的痛点。

当然他还解决了优质教育资源特别贵的问题。在国家还没有禁止代课的情况下,特级教师的课时费是4000-6000/时,高级教师大约为2000元/时。中上等学校有五六年经验的老师代课,课时费大约600-700元/时,而采用AI系统教学的课时费,为150-300元/时,而这样的费用,对于一对一或一对多的课程来说,不可能聘得起优秀/特级教师。因此,它也解决了传统教育中的成本问题。

国内AI人才缺乏,需要去欧美市场“挖”

梁宇:感谢栗总,如您所说,任何一个行业在开始时,都是从工具最简单的形式切入,而策略类,因为涉及到技术深水区会比较难。这些年,我们也看到了西风东渐的趋势,中国不论在算法还是技术上,都是跟随和学习的状态,但其实在英文和中文世界之间,是有一些实践差异。你怎么看待AI教育在我国的发展水平,未来它会有怎样的趋势?能否做个简单的预测?

栗浩洋:AI教育在中国的水平现在只能看各公司的水平。从人才方面来说,中国无论是在4年前,我们刚刚起步时,还是现在,都可以说几乎为0。因为Adaptive Learning领域在中国既没有合适的教授,也没有相关专业的研究培训,虽然中国有少量AI方面的专家,但基本都集中在语音识别与分析,以及图像识别等方面,尚未有关于AI教育领域的人才。这就导致中国在这个板块上,几乎没有任何储备,也没有任何进展。

松鼠AI在起步时,从全球三大人工智能教育公司先后挖来了首席架构师、核心算法科学家、亚太区技术负责人等,才逐步组建了我们的技术团队。而这些人,此前都接受过欧美高校培养,又在欧美核心公司做了多年专业的行业研究,因此,虽然我们起步相对晚,但成长却非常快。其实,无论在中国还是全球,AI领域面临的最大困难都是人才,因为非策略类AI专家要转型策略类,其难度和鸿沟都非常大。

以谷歌为例,此前其在语义识别方面做得很好,李飞飞去了两年后,又将图像识别上升到了一个高度。但是如果让他们做策略类AI ,比如教育、棋类、金融就行不通,所以必须通过收购阿尔法狗来完成。再比如Coursera,在去年九月才从慕课的形式转变成了Adaptive Learning。吴恩达是Coursera的联合创始人,他是一个识别类的AI专家,并没有深入研究过策略性AI,因而他对Adaptive learning并不敏感,否则,如果他能早点发力的话,现在效果可能会更好。

目前在中国,只有两位教授已经开始涉足并研究这一领域,一位是北师大的黄教授,正和我们联合做一些关于Adaptive Learning的尝试,还有武汉的,美国孟菲斯大学的胡教授正在做一些这方面的教学尝试。但这些都还只是刚刚起步,也没有真正的相关领域毕业生出现。所以目前国内解决人才问题,还是通过去欧美市场“挖”人才来实现。当然,如您所说,欧美教育体系说使用的一些算法模型,与中国的原系统有所不同,不但欧美互联网公司在中国会有水土不服的问题,日本、韩国的教育公司在中国的发展其实也不理想。如果在这一领域当中,中国公司能够针对本土化教学内容去研发,将会有非常大的优势。所以,教育本土化需要做的事情还很多,从互联网角度来看会更多。我们需要聘请很多的特级教师、教研专家、海外的AI科学家,一块打造模型和系统。

K12产品核心竞争力在于拆分知识点

梁宇:中国的互联网教育其实很有意思,中文的特殊性,加上教育行业在我国的特殊地位,使得本土运营的公司和海外公司截然不同,但底层技术和算法在原理上应该是相通的。我的理解是,对Adaptive Learning而言,如果用于学科,比如数学、英语、物理等,他们其实更多是基于知识图谱去发展,那么我们在刚进入这一领域时,应该先以哪个学科为切入口?为什么?是与技术难度有关?还是与内容积淀有关?

栗浩洋:梁总谈的这个问题很专业。学科问题,在14年前,美国Adaptive Learning刚开始时也面临着各种各样的问题。80%的机构是从数学先开始的,剩下20%是从其他的理科,比如物理开始的。美国Adaptive Learning的研发从2004年开始,到2014年时,不但所有的理工科知识被攻克了,语文也被攻克了。在2014年的一场人机大战中,安德森测试了2500位学生的语文阅读成绩,达到90分以上的优秀学生人数翻倍了,这是一个标志性的事件。

其实从2010年以后,大量的大学课程,不仅是理工科的各类大学课程,包括文科的,无论是法律、还是心理学、社会学、英美文学,都被突破了。这其实是一个把知识模块化、结构化、数据化的过程。所谓,万事开头难。松鼠AI当初是从英语开始的,英语的难度比数学尤甚,我们当时想,如果英语突破了,那么往数学和语文走就容易很多了,到现在,我们语数外三科和物理化学都具备了,很快还会推出政史和地理课。

在当时做语文知识点拆分时,我们把语文拆分出了上千万个知识点,基础知识和语法的难度还好解决,但阅读理解的难度非常大。但是只有做了这样的知识点拆分,才能知道孩子到底是怎样提升学习效率的,学生的学习成绩才能提升更快。

海外市场的竞争不足为惧

梁宇:知识点的拆分确实非常难。就好像一棵树,不管你的树枝树干怎么组织,树上叶子之间的逻辑关系是呈分叉状、还是网状。但是infrastructure(基础设施建设)好了之后,其实对power前端的Adaptive Learning的判断会非常有帮助,我理解这是其中一个key。经过我们在中国大量的训练,所衍生出来的这种模式,或者说技术门槛、算法门槛,将来有没有机会能够输出去海外去?其实,目前已经有很多东南亚国家在用中国的技术power本地企业。

栗浩洋:中国教育市场非常大,其中3万亿的教育市场中,仅k12课外辅导就达6千亿规模,然而,对于1.74亿的孩子和家长来说,每年在这方面的花费平均只有3000多元人民币,对比日本来看,日本家庭每年在k12辅导方面的花费大概是在37000元,所以中国市场还有十几倍的增长空间。松鼠AI希望能够在这个市场中,抢先占据20%-40%的市场份额。

海外的市场,我们在不影响公司太多精力的情况下,其实已经在考虑海外市场,主要原因在于,我们的AI技术团队都来自于海外,所以我们对海外市场的了解程度、熟悉程度都更胜于中国市场。我们拟用1-2年的世界做出一套全球通用的universal mass course,产品出来后,采用代理或合股的形式,去各个国家和地区找合作伙伴,由他们去做市场性的推广和学员服务。

其实做海外市场的课外辅导教育相对更容易,竞争比较少。美国其实也发现自己的教育问题,在学生创造力和想象力方面开发培养得特别好,学生的发散思维和架构能力也非常强。但基础教育非常差,所以导致了在美国根本招不到工程师,硅谷、Facebook、Google里的工程师,40%是印度人,20%多是中国人。

Adaptive learning的核心问题在于算法的准确性

梁宇:回到国内, Adaptive Learning对传统教育机构会有怎样的影响?以及现在在商业运作上处于怎样的阶段,还有哪些障碍需要跨越?

栗浩洋:简单来说,可以把它比作今日头条对传统新闻、视频的影响。传统视频,比如直播、优酷,是靠客户自己去搜索筛选,或者由主编去定制。但是对头条来说,他完全是根据用户画像去推送,所以让人停不下来。而教育,在过去是以老师为中心,Adaptive Learning出来后,就演变成了完全是以学生为中心、个性化、因材施教的学习,所以我认为Adaptive Learning,在未来,对所有的传统教育,无论线上线下,都将是全面代替。

这当中涉及到的最核心的问题其实就是算法的准确性。算法的精准度越高,学生学习效率的提升也会越好,此外还有内容提升的问题,今日头条所有的新闻都是从外部抓取的,而对于知识教育来说,所有内容其实都需要公司自己生产,因为目前市场上所有的这部分内容,都不是为了这个引擎专门定制的,存在着各种各样的问题,也因此导致了整个生产周期过长,成本过高,前期花费较多。所以如果有竞争对手希望涉入这个行业,他需要先融很多钱,经过三四年的产品打磨后,才可能推出来。松鼠AI比较幸运,在市场上得到了三四年的市场空窗期去发展,能够得以优化算法、优化产品的content。第三个障碍,就是消费者的认知度。今日头条的新闻,比较容易迅速的去病毒式传播。但教育产品需要靠很长时间去积累口碑,这也是为什么我们经常会举办一些行业会议,希望媒体有更多的报道,让大家对人工智能教育,对于Adaptive Learning知识性教育有更深的认知。

中国缺失育人教育

梁宇:用Adaptive Learning完全替代老师是一个很大胆的想法,在现阶段,争议也比较大。在别的行业,AI其实只能起到辅助性作用,比如说阿尔法狗,他只在有限的范围内进行计算。我们采用Adaptive Learning去评测学生,评测效果准吗?如果人类老师在教室上一节课之后,我们的系统能否较好的识别出教学效果?这个准确度又如何?

栗浩洋:Adaptive Learning肯定不是完全代替老师,只是代替老师的教学部分。老师真正应该做的是育人,但现在根本没有时间做。我认为的育人教育分为三个等级:第一等级叫情感沟通,现在的老师与孩子们没有任何情感沟通。第二是性格塑造,目前这部分内容是缺失的。第三是世界观、人生观、价值观的培养,现在也没有。老师深陷在教学过程,一个老师无论是面对自己班上五十个人还是辅导班里十几个孩子,他都没有办法采取个性化教育,而一对一教学的成本,绝大多数家长又无法承受,而老师在一对一教学的课时量增大后,很可能教学质量又会不升反降,同时课时费单价也不可能超过一定的天花板。

为什么说教学部分可以基本被取代?首先从考试这个目标面来看,它是一个完全的有限集,而这个有限程度远少于围棋,所以在这个有限集中,AI是完全可以做到远超人类的。但是对于一些创造性思维、发散性的思维,短期内还是需要老师来解决,包括problem base learning, project base learning等, 都需要老师去解决。

至于您提到的教学效果比赛,这个其实很容易,比如,同样一个班的学生,用AI系统学习、和老师教授,20个小时后,他的知识点里面,哪些掌握、哪些没掌握;都可以通过机器测试。我们之前在各个城市的教委中都做过第三方比较,系统教学的提升速度更快。为什么呢?因为除了个性化教学令学习效率和成绩提升外,老师对知识点的掌握水平肯定没有AI系统掌握的好。就像GPS导航一样,一个老司机,哪怕他在北京开了三十年车,对大路小路都熟悉,但是对每一个地标、一个block里边的十几家小店、各种各样的小摊等,他都不可能完全了解,而对GPS导航来说,每一个门牌号代表着什么商户,它都能非常了解。所以从知识点的掌握来看,老师已经输了;而根据知识点之间的关联度以及知识图谱的关系来说,老师更是没有办法穷尽。所以如果我们利用几千万道题目以及这些题目和知识点的关联性,每一个知识点配以3-10种不同老师的不同教学方法,我想没有任何一个老师能够比得上的。

AI教育成熟度的三个层次

梁宇:市场上对AI+教育产品,有过不少的质疑声,很多人认为产品形态还不成熟,您怎么看待这个观点。松鼠AI产品的产品优势和劣势又在哪里?有没有地方是可以进一步完善的?

栗浩洋:AI+教育大家认为不成熟,也是因为将AI+教育产品混淆在一起去看。AI+教育的成熟度,可以分为三个档次:一个是80%-90%的成熟度;第二档是正在实验性的推广,第三档是短期内看不到未来,比如脑科学、表情识别,我们还不知道它未来会怎么样,能达到什么样的程度。尤其表情识别的效果现在还非常不稳定,比如表情识别到底用在什么地方,取得什么样的价值?再比如以前被误认为是AI教育,但其实只是AR、VR教育。VR和教育的结合,市场之前还是很乐观的,但现在看来,使用效果并不好,内容特别少,教学效果也只能是使用在点状方面,比如100个小时的课程中,大概有10-20分钟能够用上。我们认为这些是非常不靠谱的一类。还有一类可能有一点靠谱,但对于什么时候才能够真正做到商用还不清楚,比如科大讯飞的主观题自动阅卷、批改网的类似主观题自动阅卷批改。现在这些产品只有60%-70%的准确度,什么时候能成熟到90%,达到可以商用的状态还不清楚,再比如机器人教育,更是一个玄学,如果是机器人和人之间的完全的人机对话,我们基本上可以把它归于刚才的第一类,完全不靠谱。比如索菲娅,曾是引起一时轰动的对话型机器人代表,结果现在被认为是傀儡。因为它的话都是编好的,所有对它的采访也是提前放好的剧本;但是陪伴机器人,它们可以给人们背个唐诗、对两句话,是简单地在有限集中做着简单的回复。这种基本属于处于半成熟状态的,但我个人认为其商业价值并不明显,人类是否真的需要一个陪伴机器人?理论上似乎需要。所以我觉得,它可能和主观题自动阅卷和批改一样,在三年到五年内是能看的到是有销量的,销量多大,我们不知道,也许能够像智能音箱一样。这是第二类。第三类是非常成熟的。比如语音识别,在过去十年发展中已经非常成熟,图像识别和语义识别也是比较成熟了,比如大家熟悉的作业帮、猿题库、学霸君、高考机器人等,就是拍照识别后,通过NLP语义识别。这一类大概已经呦80%-90%的成熟度,且大部分人感受也不错,甚至可能已经在生活中离不开了。

Adaptive Learning在经过了14年的发展历程,在海外已有9000多万用户,而在中国只有100万左右的用户。所以目前的情况是,产品已经成熟,比如Knewton融了两亿美金,ALEKS今年已经是四百万的用户了,累积已经是有几千万的用户了,现在已经被收购了。流利说,也已经在进行懂你英语的Adaptive learning;美国还有一家叫做Dreambox Learning,在三个月前刚刚拿到了TPG的1.2亿美金的融资;但市场意识还未成熟,加上相关人才的缺乏,因此想要做出高质量的产品,并不是所有公司都能做到。

揭秘松鼠AI商业模式亮点

梁宇:感谢栗总,分析得非常清晰。第一类不靠谱,第二类在技术上还没有达到应用的真实效果,比如说人机对话,现在还处于没有完全令人满意的阶段,第三类已经在大规模使用了,但市场还需要再进一步教育。那么松鼠AI目前的运营状况以及主要的盈利模式如何?

栗浩洋:松鼠AI现在的商业模式分为线上、线下两个板块。线上模式和VIPKid、掌门以及比较火的线上小班教育比较像。即一对一的线上教学模式,在1小时的学习中,四十分钟为系统教学,20-30分钟为老师教学。在未来,老师的教学时间将逐渐缩短,更多地是承担起监督和情绪沟通等工作;目前,我们的师资成本比VIPkid和掌门要低3-4倍。为什么要提师资成本?因为师资成本占了传统教育成本的20%-30%,占一对一教育成本的50%-60%;而我们省去了2/3的成本,这是一个巨大的商业模式的改变。

而最重要的是质量问题。传统教学中,如果学生数量越多,老师的教学质量就可能降低,而对于AI系统教学来说,如果学员数量被放大一百倍、一万倍,对于AI来说,数据越大,它的教学效果会越好。目前松鼠AI的问题在于,前两三年甚至是三四年的研发成本非常高,在还没有达到一百亿销售额的时候,还不能节省二三十亿的老师成本,而前期又要有几亿的研发投入,这对于公司的成本压力会非常大,也影响效果。

第二,线下教学模式采用的是公文式、连锁的模式,我们在全国都有合作伙伴,类似4s店,由当地的Center销售我们的产品。这是一个AI双师课堂的学校,即线上的优质老师,加线下一个监督老师;学生进来后,每个学生面对一台电脑,由系统去给学生授课,千人千面;这个模式的未来将是无人教室,如同无人超市一样。

在这种情况下,我们收取合作伙伴20%的费用,即80%的费用归代理商、合作伙伴所有。他们承担所有的办学装修、市场招生、监督老师和管理人员的费用;剩下的利润,我们收取20%的帐号费,这是总部的纯利润。

目前,我们就采取着上述两种营销模式,用了2年时间,在全国20多个省开了1300多家学校。而新东方26年才开了900家学校。目前松鼠AI总部近几年的年复合增长率是600%-800%,全国学校的销售额增长,在今年上半年是1100%,这个销售额的增长是由3倍的学校数量的增长和单校销售额的3倍增长所带来的。所以,相信在未来,我们这方面的收入也会是一个几何基数的增长。

Adaptive Learning 商业决策新赋能

梁宇:线上的部分能理解,技术产品和内容是自己研发的,形成了一个闭环。线下部分,用一个时髦的词汇来讲,叫赋能,用松鼠AI的技术能力,赋予线下合作教育机构。但问题是:线下教育机构自己原来的教学内容和松鼠AI之间怎么在校外进行结合?将来在国内解决K12的教育问题,咱们的技术和产品有机会走入校内吗?

栗浩洋:松鼠AI基本不和线下教育机构合作,我们90%以上的合作伙伴都是行外人。因为业内人会存在这样几个问题:一是,他已经形成了一种教学习惯,这种教育习惯让他非常难改变。所以,我们都是让合作方从0来去建我们的品牌的学校,再做品牌运营和产品销售,而且他只允许销售我们一种产品,这是我们和其他机构完全不同的地方。

我们也有大概不到10%的合作伙伴是原来已有学校,那我们对它的要求就非常高了。首先,他要能重新开出属于我们品牌的实体店,这个店里是非常干净的,只能做我们的事情,和他原来的产品内容完全隔开。我们用到的只有他的经验,而不是他的人和他的原来的体系。这就需要这个人非常开放,能够接受我们的思想和体系,能够做到真正的自我进化和转型。

这算是赋能的一种形式,未来,我们还会开放一种真正的赋能形式,就是要做松鼠open AI。Open AI就像在做一个像阿波罗一样的底层技术。所有的教育机构可以根据我们的要求去定制内容,使用我们的引擎,只要是它能按照我的要求开发内容,就可以在我们这个体系上去使用,有点像Tensorflow。在这个过程中,他们不需要再去竞争AI科学家,也不需要自己去开发系统和算法的引擎。这是我们未来的发展方向。

我们现在已经进入了公立学校,而且基本上是免费使用,主要有三个目的:一是数据的获取,二是对政府的支持,三是对消费者的品牌建设,比如上海比较好的私立学校平和、重点学校十二中都在用我们的产品。这是消费者对我们的信任。未来我们也希望能够为一些贫困地区的公立学校提供免费的产品使用,为教育公平化做出一些努力。

在线教育市场分析

梁宇:很期待咱们技术开放或者输出能早日到来,这对行业将会是一个不小的拉动,对公司来说也是一个很好的,面对市场竞争的策略。您怎么看松鼠AI在行业当中的地位,以及未来可能会受到哪些挑战和威胁?谢谢!

栗浩洋:谢谢梁总!我们在1月15号,将举办全球人工智能教育大会,把很多海内外的竞争对手都邀请了过来,就是希望能够对行业的推动做出更多地努力。我们目前把竞争对手分成几类:

一类是海外的竞争对手,国外像Knewton,他们曾经都与新东方、好未来合作过。但海外的对手不足为惧。

国内对手,一类是新东方和好未来这类传统机构。目前他们的重点还是发展线上的慕课直播,以及双师课堂,这个是战略中心的问题。可能也是我们一个非常好的机会。

第二类竞争对手,和我们的方向一致,比如作业帮、学霸君、作业盒子、一起作业等。他们已经决定了要往Adapt learning方向去做。但决定得比较晚,大概是近一年左右才定下来;所以他们的产品,可能还要大概两三年才能真正面市,这就给了我们一个空档期。另外,他们之前的主页非常费精力,无论是线下的学校,还是拍照、答题,都需要客流上的增长,如果短期内客流上不来,他们还要做一些现实老师教课的一对一直播,这些都会牵扯他们的精力,让他们做得不那么纯粹。如果你不是全心全意做一个特斯拉的话,那么想成功的难度还是比较大的。

国内的第三类对手是跟我们完全采用同样的步骤,而且有一些是从2015年,比我们晚一年就开始了,比如学霸课堂,是创新工场投的,还有论答,是东方富海和星河互联投资。他们目前的发展状态出现了很大的问题,其中一个核心原因就是没有直接从欧美人工智能教育公司去挖科学家,而是找的非教育领域的AI专家,这样的话,他对教育的了解就要比Knewton这些AI科学家多上至少三四年的摸索,那么产品生产周期就将更长。所以会导致他们的产品的出现各种各样的问题。虽然现在他们也在想办法迎头赶上,但是我们跟他们已经拉开了一定的差距,因此,对于松鼠AI来说,现在的市场状态还不错。

提问环节:

提问:我有个问题想问下梁总和栗总,就是对于现在很火的音乐陪练,你们怎么看?我理解的是,艺术培训和刚才栗总谈到的K12,英语培训不同,K12 和英语培训是标准化的;但艺术没有,以钢琴学习为例,因为对指法的要求很高,在线教育并不一定能解决这些现实的难题,另一方面,各地区对对不同音乐技巧的处理也不一样,尽管可能北京的孩子选择了上音的老师作为陪练,但可能并不适合北京的教学弹法和曲子处理。但是好像这块就突然兴起了,还挺诧异的。所以想听听两位对这方面的看法。

栗浩洋:我很认同你的观点,艺术类的培训相对来说比较难标准化。这方面标准化做得比较好的就是徐小平老师投资的彩翼,它有自己的一套规则和逻辑,每个老师即便没有基础,也可以教,孩子也能画得很好。但实际在这个过程中,你会发现,它缺乏对孩子想象力和创造力的培养,更多地是在用一个规范化的套路,去教孩子做出一些规范化的东西,如果抛开这些规范,孩子可能就变得什么都不是了。所以人对于规则的教学还可以规模化扩张,但如果牵扯到创造性的内容,就会存在老师好与坏的巨大差距,很难推广。

钢琴陪练其实有一个好处,就是大部分时间里老师不是在教,只是看。所以老师可以同时去看几个学生,这样的话师资成本相对来说就比较低,从商业模式来看,也比一对一完全由老师的培训要占优,所以还是有机会去大幅扩张的。但是,只要是依赖于人的大幅度的扩张,最后都会遇到一个质量大幅度下降的过程,而这个坎可能没有人能够突破的了。

梁宇:音乐陪练是一个需求端拉动的行业,然后通过技术来辅助解决问题。大家都知道钢琴的教和练,都需要一定的时间比例,才能够真正把钢琴学好。但是过去的钢琴陪练,不是请一个老师上门,就是学生到线下去,路上来回的时间非常浪费。但是现在线上有了视觉识别、音频识别,加上网络带宽已经发展到如今阶段,实际上能够大大缩减时间成本,使老师在远程就能够和学生在线一对一甚至一对多地来辅助陪练。至于您提到的各地区教学内容可能有差别的情况,这是个非常细节的运营商的问题,其实目前已经有公司、也有产品开始试图本地匹配本地来解决你看到的这个小bug。

提问:谢谢栗总,谢谢梁总。我想问栗总一个问题: 知识库里是否考虑了教材甚至主要辅导书版本的差异问题?比如江苏教材版本就和其他省份不同。

栗浩洋:您的问题相对来说比较专业。不同的教材版本差异确实特别大,中国有一百多万家线下学校,有四万个品牌,为什么本土品牌只在本土才强?比如说卓越在广州,邦德在深圳等。这其实就与各不同地区版本教材的差异性有很大关系,甚至不同学校的教学进度、教学重点、教学的差异性都各不相同。辅导上海四大名校或者八大金刚学校的学生,和辅导一个中等学校或一个差的学校的学生,方式方法和内容也都不一样,所以线下店开在哪里,就决定了你的教学教研要做成什么样,不同教材版本之间的差异成本非常高。

Adaptive learning则把高中低档难度都做到了,我们在把所有的知识点做了纳米级分拆之后,你就会发现,教材与教材之间的重复读为80%;差异度只有20%;也就是说,我们不需要做三十套教材,我们只需要把所有的知识点分拆,把每个省的教材做成一个圆,让所有圆环环相套,然后我们设计一个大圆,把所有的圆全包围在内,而这个大圆可能只比其他教材大了3倍,也就是,我们只要做三个版本的教材素材就可以覆盖三十个版本。

在过去的三四年中,我们做的最多的工作就是找出版本与版本之间的差异,将差异补足,做好无缝衔接,再加上我们的基础通用知识点,基本就能够适用于所有地区的孩子们。未来我们甚至要做到适用于每一个学校的孩子。目前我们已经有一千多家学校了,在未来的十年中,我们将开到四万家、甚至十几万家学校,每个学校都将针对线下区域内的公立学校的教学状态、老师所出的题型、教学进度等去做Adaptive。那么在这方面上,我相信通过数据化能做得比过去人肉好很多。

奇点学堂,由腾讯新闻倾力打造的知识分享平台,邀请顶尖学者、国内外卓越的企业家、创业家,股权投资人、产业投资资本、二级市场基金投资人、金融家、律师、会计师、行业监管者,通过公开课、微访谈、案例分析、沙龙、研讨会等形式,聚焦时事热点、投资风向、资本市场实战培训、企业管理和经典案例分析。----更多精彩内容,敬请关注!