，人工智能及相關技術應用于教育領域，主要集中在“自適應/個性化學習、英語語音測評、教育機器人、智能陪練、分級閱讀”等幾大方向。

其中，自適應學習被很多人稱作是“革命性地改進K12教育的生產力”：一方面，自適應學習能通過“智能推薦引擎”解決學習過程個性化的問題；另一方面，自適應學習能通過智能學情分析解決教學過程**化的問題。這種教育方式，能夠彌補K12教育班級授課的教學缺陷，實現孔子時期就提出的“因材施教”。

AI自適應技術如何運用在學習環節上？我國的人工智能自適應學習又發展到哪了？乂學教育創始人兼董事長栗浩洋分享了乂學教育在“AI+教育”上的實踐與思考。

AI+數學：用數百個知識點給學生“把脈”

“從2015年至今，中國已經有40多家公司宣稱自己是人工智能自適應公司了，但大多數公司并沒有智能算法匹配，在知識點的拆分方面也比較粗獷。”

自適應學習本質上是在模擬一個**的特級老師，可以找到學生存在的問題，進行“因材施教”。但如果只有極少數的知識點和規則的路徑，就很難準確的定位到每位學生的知識漏洞，以及跟蹤到學生在不同學習時間的學習情況。

將每一個知識拆分成細致的知識點，對于定位學生的知識漏洞至關重要。栗浩洋拿乂學教育舉例，“教科書里面的一個知識點，可能在課堂上老師講課時會分為兩到三個知識點來教給學生，競爭對手會拆到7到8個知識點，但我們會拆到70—80個知識點。”

拿具體的題目來舉例，一道“分數的加減法”，乂學教育把這道題拆分成100個知識點。栗浩洋認為，當把知識點拆分成更細膩顆粒度時，就可以通過更細致的診斷，判斷出學生的學習程度，進行定位和針對性教學，節省學生的學習時間，提升學習效率。

把題目拆成100個知識點，實質上是在做“難度分級”：“如果一個孩子做分數加減法，他不會***難的異分母分數連續加減法，我們就降到第37級，讓孩子做相對簡單的分數加法；如果孩子不會分數加法，我們就降到第29級，讓孩子做同分母分數相加，孩子不需要把兩個分母相乘然后再去加法；如果孩子還不會，我們就降到第17級，讓孩子做同分母的分數相加，并且不會出現三分之十這樣的情況；**如果孩子還是不會，我們可以降到第8級的知識應用，這個知識點叫做同分母的知識相加，并且不需要約分。當我們把知識點拆到這么細的時候，我們發現沒有學不會知識的孩子。”

栗浩洋認為細化知識點的過程，就像醫療從智能中醫把脈到可以利用CT診斷的發展過程：“現在醫學技術可以把每一個細胞看得很清楚。到底哪些細胞是有問題、病變的，哪些細胞是良好的。細化知識點后，我們就可以用相對更少的精力來學那些不會的知識點，不浪費時間在其他地方。”

AI+語文：拆分9級知識點破解的“玄學”

語文一直是人工智能“觸不到的戀人”。

這是因為人工智能勝在記憶和算法，所以下棋、數學等和人類的比賽都可以輕而易舉地獲得勝利；但在文字理解方面，人工智能系統無法理解必要的信息，閱讀和理解句子含義的能力存在局限，所以2016年微軟人工智能小冰**嘗試中國高考作文寫作時，才會輸得一塌糊涂。

利用人工智能自適應系統輔助學生學習語文？這并不是異想天開。栗浩洋表示，盡管數學、物理、化學更容易做知識點拆分，但語文學習同樣也可以拆分為知識點。

“以前語文教研組的組長跟我說，我們做語文的閱讀***多做一下難度分級，用AI自適應學語文簡直是一門玄學。但我當時就說，乂學教育就是希望把中醫變成西醫，把玄學變成科學。所以我們把閱讀理解做到9級的知識點拆分，并對考點進行詳細分析。”

栗浩洋解釋，每個學生在閱讀理解上，不理解或者不擅長的地方可能都不一樣。學生很可能不是閱讀理解不懂，而是不擅長一些線索題、細節題，或者不擅長主旨題、社會環境題，只要一考這一類型的題目，學生必然就會錯。

拿線索題舉例，乂學教育把線索題分成7大線索，比如說時間線索題目、地點線索題目、空間線索題目、人物線索題目、情感線索題目。有的同學只會在情感線索題目中出錯，因為只要有情感線索的題目一定有人物，而他正好對這一類型的題目不理解。讓這個同學又做了10道人物線索的情感線索題后，他以后在情感線索題上面再也不會犯錯。

“在傳統情形下，刷一萬道題，才能出來一道情感線索題。如果不把顆粒度分得這么細，給你專項的線索訓練，根本無法給實時有效的教育。”

 不止學習知識，AI還能實現“錯因重構”和“能力培養”

人工智能的核心在于數據支持。

大量豐富有價值的數據，是人工智能算法發展的堅實基礎。沒有數據，就像是建房子沒有磚瓦。在栗浩洋看來，對于自適應學習來說，僅僅有“部分”數據是不夠的。

“如果你在教學過程中只有錯誤數據和學生**做作業的數據，而卻缺乏整個教、學中間流程的數據，自適應教學是沒有用的。整個教的過程和學生認知成長過程中的數據和知識才是***重要的。自適應學習系統的意義在于幫學生實現錯因重構和能力培養。”

乂學教育提出了一個“錯因重構知識地圖”。

為什么一道題考查知識點，有些學生知識點已經會了，但是仍舊會做錯這道題？栗浩洋表示，這并是因為知識點不會，而是因為每個孩子理解問題的層級、角度都不同，所以乂學教育給每個孩子去搜集錯因。

“無論英語、語文、數學、物理還是其他學科，孩子在學習時會在某一類問題當中屢屢犯錯，而整個初中數學就有近百萬的錯因。我們會找到所有孩子的錯因，通過算法去找到每一個孩子的錯因可能性，然后根據孩子的問題對癥下藥，針對性地解決孩子的學習問題。”

錯因重構、個性化學習……栗浩洋認為，從更深層次的角度來看，乂學教育所要做的是幫助學生掌握學習方法、培養學習能力。

自適應教育可以基于心理學和認知學等理論，畫出學生在學習認知速度的可能性和學習能力提升的一個閾值，讓學生不僅僅是跟著AI系統去完成知識的學習，還可以通過這個系統來學習方法，培養孩子學習能力。

“對于孩子來說，每一個知識點不僅僅看的是有沒有掌握，有時他掌握了也沒辦法完成一道題的應用或解答。要教學生的不止知識點學習，還有能力學習，所以我們對學習能力進行了拆分，要讓孩子學會如何舉一反三，如何舉一反一百。”

乂學教育提出了一個“可定義、可量化測評、可傳授”的三可標準來定義每一個知識點。據栗浩洋表示，目前乂學教育現在已經有了500多種學習能力的拆分，每一個學科都有100多個能力的拆分。

人工智能賦能教育是大勢所趨，越來越多的教育企業開始探索如何利用AI賦能教育行業，如何利用自適應學習實現個性化教育。