摘要:在白云峰看来,AI离教育天然很近,因为“在教育的场景中有更好的容错性”,而且,教育场景“在采集数据的复杂程度上面其实相比其他行业有很多天然的收敛性和可控性”。

鲸媒体讯(文/Janey)在今日GET2017大会上,好未来总裁白云峰分享了他对“更好的教育”的理解。

他认为,支撑一个学生学习效果的三个支点是:学习动力、学习环境、学习能力。而好未来在过去半年多研发指出了其对未来K12学生要培养的6个能力,作为指导教育、研发和底层系统开发的重要依据和支撑。

他指出,当AI到来的时候,人区别于机器的最显著特征是理性思维、审美的情绪、批判和置疑的精神。在白云峰看来,AI离教育天然很近,因为“在教育的场景中有更好的容错性”,而且,教育场景“在采集数据的复杂程度上面其实相比其他行业有很多天然的收敛性和可控性”。

 

以下是白云峰演讲全文,鲸媒体编整理:

各位热爱教育和热爱科技的朋友们,大家好!

每次来这边还是挺激动的,我来的目的主要是为了认识一些新朋友,因为每一年在GET大会上我们都能够看到很多老朋友。

今天好未来在整个教育板块当中依然定义在K12这个板块,我们想的事情和我们做的事情,其实和今天GET2017大会的主题很相近,GET2017大会的主题是说,如何让更好的教育来的更快。到底什么是更好的教育?

我们大家理解的更好的教育到底是什么?我想分享两个简单的故事。

几个月之前,我和几位小伙伴来到了斯坦福大学进行学习和交流,中间我们有幸认识了斯坦福计算机系的杰姆斯教授,他在斯坦福计算机系里非常有威望,我们有幸跟他结识。有一天晚上我们请他出来吃中餐,他带了一个小女孩徐徐而来,这个女孩是一个中国人,我们当天晚上相谈甚欢,并且达成了很重要的合作,在产研结合方面,我们有了一个很好的创意,并且我们现在正在实施。

但是这件事情并不重要,重要的是,当天晚上,我们跟杰姆斯能够达成教育跟科技方面的底层研发的探讨,中间有51%的功劳都到归功为这个小姑娘。这个小姑娘在言谈举止的过程中,其实我能够感觉到她的综合素养非常高,我听说她是一位来自四中的女孩,在杰姆斯教授下面做PHD。

我问她,有多少中国优秀的清华北大学子,到斯坦福大学能够做计算机方面的研究,她告诉我说,有三分之一,全球大概有三分之一的华人,或者我们说的中国人,能够在斯坦福的计算机系,从事他的理论研究。

这件事情我内心非常非常自豪,但是这件事情也不重要,重要的是在临别的时候,她悄悄告诉我说,白老师我认识你,我吓了一跳,她说我曾经是学而思的学生,我又吓了一跳。但是,后来想想这个事情也很正常,按照它的年龄来判断,我在脑海里不断的搜索,在她这个年龄段曾经北京四中最优秀的孩子到底有哪些,我脑海是有北京最好的孩子所谓的名单和图谱的,我尽其所能的搜集我脑海里面的名单,我没有发现跟这个女孩对应的名字。

但是,她后来为什么变得如此的优秀?

因为当天的合作,更多的是因为她的理解能力、表达能力、沟通能力,在中美至今建立了很好的桥梁。我在想,到底什么是最好的教育?我是2002年进入这个行业,在从事教育15年过程中,我一直在问自己一个问题,到底培养什么样的学生,能够应对未来更好的社会变化和挑战。

过去半年多时间里,好未来其实就干了两件蠢事:

第一件,不断地发现和挖掘关于教育理念的底层研究,跟我们的专家和学者探讨,在K12教育领域当中,什么样的教育,是应对未来的教育。

中间其实在大量的样本调查过程中,我们发现了三个重要的支点,来支撑一个学生学习的效果,这三个支点分别是:学习动力、学习环境、学习能力。我们发现,无论什么样的学生,他如果最后要形成一个好的学习效果,基本上和这三个核心的支点相关的。

1、他内心想不想学,有没有兴趣。

2、外部的环境能不能让他学。

3、他具备不具备学习的能力。

这三件事情成为我们研究的大样本调研过程中的三个核心要素,其实整个K12的课外教育只是其中的一部分,因为这里的环境我相信都理解,除了家庭环境、社会环境,还有我们学校的环境,所以影响一个学生学习的综合因素是非常复杂的,而我们是其中的一份子。

我们就继续研究,如果兴趣是激发孩子最好的创造力的导师,如果环境是能够让孩子健康成长的重要保障,如果能力是需要引导和构建的,那我们到底应该构建一个什么样能力,未来能够培养出更多优秀的孩子,去应对未来国际化的挑战。所以,好未来在过去半年多时间里,我们又沉淀了我们所谓的未来K12学生培养的6大能力,这6大能力大家不会太陌生,但在中间的研究过程当中其实我们是将它作为指导教育、研发和底层系统开发的重要依据和支撑,我们是依据这样教育的一个底层逻辑,来研发我们的教研系统、教学过程,研发我们对于教学反馈过程中数据带来的变化。这里重要的6个能中有3个能力是跟我们的学习能力有关系的:

1、阅读力,也就是他向书本学习的能力。

2、沟通能力,人和人之间沟通的能力。

3、探究能力,他从事物当中发现规律的能力。

如果我们把人的大脑形容成一个高智能的AI,其实对于一个人来说,对于一个学生来说,他未来应对这个社会的挑战,无非取决于两个核心的要素:

要素一、他的知识获取能力。

要素二、计算能力(吞吐的能力)。

我们把输入看成是阅读能力、沟通能力和探究能力,那他输出的是什么?我们希望未来的学生具备抽象性思维能力,他能够通过现象发现本质,我们希望他具有思辩能力,能够通过不同的事物表达不同的观点。

他能够在思考的过程当中能够形成主观、能动的创造力,并且为未来的世界去解决那些看起来很该死的问题,我认为刚才那个女生就很好的具备了这6大能力。

我们再来看一下,其实在21世纪初,美国教学专业学者就在研究美国孩子的培养过程当中,到底哪些能力是未来应该具备的。他们统计为4C,我就不再一一解释了。

这4C的能力当中,其实和我们刚才6大能力也是不谋而合的,或者说叫相互对应的关系,当然中国也没有落后。中国在《21世纪中国学生发展核心素养》的报告当中,也明确地谈到未来学生面向21世纪的时候所需要具备的学习能力和感知力,和我们探究事物的能力。这整个过程中,他们说的理性思维、审美的情绪、批判和置疑的精神,都是未来当AI到来的时候,人区别于机器的最显著特征。

学而思作为好未来旗下最重要的品牌,我们在几个月之前发布了我们理念的升级,我们未来希望它指导我们的教研和研发的方向。

学而思的目标:培养学生受益一生的能力。

这件事情构建在我们6大能力的模块当中,形成我们的教研体系,并且辅助于我们实践的课堂当中。

我想讲的第二个故事(和我自己相关):

时间拉回到10年前,那个时候学而思(好未来)的几个创始人,还在一线讲课。我印象特别清晰,那段时可能是我过去15年成长过程当中,我自身觉得我成长最快乐的时光。

因为,一个小小的课堂,你能够跟学生有很好的互动,并且感知到他们眼神的回报,但过程当中其实也有很多的痛苦,当时我印象中学而思班是报不上的,所以我们几个创始人都在一线讲课。当然,我印象中为了能够抽出时间来做后台教学和研发,我当时在一线代课带了5个班。

但带了5个班之后,很快就满了(当时是小班教学),很多老师的班上都会出现这样的情况,所以我们班上的同学就开始口口相传,说我们应该报那个老师跟学生的课。结果后来有很多的家长,打电话、破门而入,“我就希望白老师能够再开一个班。”

后来我们研究完,商量了之后我就答应了,结果又有一群学生来了说,“我希望白老师再开一个班”,最后其实我那一周的课程(10年之前),当时在一线,我大概是一周带9个班。9个班意味着什么?我们一个班是三个小时,基本上我们除了白天工作的时间之外,平时加晚上、周末全部占满。

它给我带来的一个效果就是让我非常有成就感,因为我带了北京市最好学生,我能够感觉到带的过程当中,发自内心的那种愉悦。但是,每当周日晚上上完第九个班的时候,我一般周一到周二我是要躺两天的,我直到周三上午的11点左右我才能开口说话。因为,我们的课堂都是站着讲课的,我们不允许老师坐着讲课。

所以,3×9=27小时的直立,并且高强度的上课互动,其实给我们的身体带来了极大的影响和损伤。当时我就在想,讲完了这9个班之后,讲了一个学期完了之后,我能支撑多少时间?我当时就想起了2002年的时候(大二),进入到这个行业,曾经有一件事情深深地影响了我,就是北京有一位著名的特级老师叫孙维刚(2002年逝世)。

他是一个非常优秀的K12基础教育研究的专家,但是因为身体的原因,他曾经一个普通学校一个班能够培养出22个清华、北大的学生,非常了不起。但是他的生命很短暂,最后他2002年的时候(当我进入到这个行业的时候)逝世了。

我那个时候就在想,我能支撑多长时间?周而复始,每一周九节课上完下来,满足学生和家长的需求,到了下一周的周一和周二,几乎瘫痪的状态。我那个时候想,如果要是给我一个麦就好了,我发现那个麦就是一个最简单的AI,帮助老师能够更持续地讲课的一个重要辅助工具。后来我们就给一些优秀的老师上了麦,希望老师能够保持他讲课持续的状态,但是人毕竟是肉体做的。

所以,前段时间(今年2月份到5月份),我们看到了很多媒体对K12这个行业非常关注,我们看到了一些知情、不知情的家长和所谓的社会教育学家,批判所谓的饥饿营销,他们说好未来这帮鬼在做饥饿营销。宝宝心里苦,但是宝宝不说。我其实很希望理解什么是饥饿营销,我真的不知道什么是饥饿营销,因为好未来到今天为止没有做过一分钱的广告,如果说真的谈到我们的失误或者是不够理想,是因为教育还太人性化了,当教育是以人为主体的行业的时候,事实上我们要培养、发现和复制,达到我们最低标准的老师的选择。

我昨天问小伙伴,去年我们招了多少名新老师?我身边的小伙伴跟我说招了8000名新老师,我说我们的录取率是多少?他说7%。我说那我们搜集到多少有效的简历?他们说进行地毯式地招聘,把“985”、“211”的学校都招遍了,招所有适合讲课的优秀大学毕业生,这样的情况下我们大概收了1.2万份简历。

我们已经穷尽自己所能,但是前提是不降低教学的标准和质量,我们已经花了大量的时间和精力投入在人的培养、发现上面,但是我们依然满足不了所有家长和学生的期待。我真的不知道什么是饥饿营销,但是我想说,学而思、好未来的每一个老师,在讲课的过程中,他们是应该有我们内心所谓的标准。

我刚才讲了那么多,其实只想讲一句话,十年前的事情发生在今天,我们终于看到了希望,我们发现互联网+教育并没有改变教育的本质,无非是进行了所谓的资源远程输送,你没有放大优秀教育稀缺教育资源的长宽高,但是AI来了,我们真的有机会把教学环节当中所谓的重复性的、程式性的、靠记忆、靠反复练习的所谓模块,能够用更好的AI和方式替代人脑,而把人的价值和因素集中在情感的交互、个性化的引导、创造性思维的开发上面,我觉得这件事情是非常非常美妙的。

所以,谈到AI,中间会有三个话题是经常有人问到我的,AI+教育到底能改变什么?我们首先看一下AI的行业成熟程度,我这里画了一张表,一条曲线从上端开始,AI现在改变所有垂直行业当中最快的或者是最深入的是三个领域(大家都知道):搜索、电商、社交。分别在国内和国外都有优秀的公司:Google、百度、Facebook、腾讯、阿里巴巴和亚马逊。

但是你会发现,AI在行业当中的应用其实到了下面深入的程度是非常非常有限的。比如说我们在虚拟助理方面,当然微软有小冰,百度也在做度秘,苹果在做SIRI,大家都知道,希望有一个人工智能的秘书,它离AI也非常近,至少目前比教育离AI近。

我们再来看一下自动驾驶,最近这两年非常热,几乎所有跟我们讲的驾驶类的行业相关的都在研究这个领域。但是我们也知道,为什么自动驾驶看起来如此地兴奋,让很多人愿意跃跃欲试,但是它为什么没有大面积的普及。

2016年的5月6日,在佛罗里达州发生了人类第一起自动驾驶产生的事故,驾驶员当场死亡,这个大家应该是知道的。这件事情后来美国政府和特斯拉发布了一个报告,这个报告是这么说的:我们发现是因为对光线的感应和对前端(当时一辆大卡车过来,特斯拉处于自动驾驶的状态)没有反映过来,直接撞上去了,驾驶员死了。其实大家应该抱以宽容,因为1.3万英里行驶的自动驾驶路程才会出现一起所谓的致死事故,但是人类驾驶是每9500公里的时候就会出现一起交通事故。所以,自动驾驶比人类驾驶来得更安全,你认同这个观点吗?认同的伙伴请举个手,我看一下,你认同这个观点吗?

OK,这里面一个核心的问题是什么?这里的核心问题是致命,如果自动驾驶在搜集所谓光感反应所有元素的时候,形成了AI自动驾驶的功能,我们采集所有元素和数据进行输入,来训练这个模型。如果它的准确率是99.99%,你告诉我你敢驾驶吗?因为有可能这0.001%会让你致命。

所以,我们在讨论AI在行业的研究和发现过程中我们发现,其实为什么有人会问我说云峰AI离教育近不近?我说离教育天然很近,原因是什么?就是两点:

1、在教育的场景中有更好的容错性。我刚才举了一个例子,大家应该能理解我说这个话的意思,在学习迭代的过程中,其实我们是允许容错的,不用达到99.99%,我们在学习的整个交互过程当中,其实能够达到90%就非常了不起了,这件事情不至于致命,不像医疗和自动驾驶,所以我觉得它是非常接近于我们的行业的。

2、在整个教学的封闭场景中,无论是公立学校还是课外的教育,一个教室的元素当它被传感器收录出来的时候,无论是声音、语言、文字,都有机会抽离在一个所谓的收敛模型中,其实AI、底层的算法行业里已经非常公用了。但是难在在所有行业运用过程中采集数据的复杂程度,把教育这个场景,在采集数据的复杂程度上面其实相比其他行业有很多天然的收敛性和可控性。

所以,这件事情我们会认为AI+教育起点临近。

好未来的第二个观点,有人会问我老师会不会失业,其实我刚才已经部分解答过了。人工智能对于大组织而言,对于一家大的教育企业而言,我觉得它最大的价值在于提升人效,它在于在教育这个领域当中重新定义人和机器的分工,并且发挥人的价值以及机器的价值。

我们看一下在整个教育行业当中所有伙伴公司在做的努力,计算机视觉、语音识别、语义识别还有其他数据的大数据,我们看一下它所在的所有领域,基本上这个行业当中我为所有的创业者感到骄傲,是因为我们在教育这个行业真的有机会比医疗行业、自动驾驶行业更有机会接近那个起点,更有机会能够让教育发挥更大的效果,能够培养更多更好、更优秀的人。

当然,好未来在整个AI过程当中,其实我们也是通过我们的教学环境和场景,结合我们的数据、工程师和科学家,来做所谓的底层数据抽离。我们发现,整个教育的交互场景当中,其实有很多的数据没有被沉淀的(图象、语音、答题、iPad),我们在做捕捉我们学生的表情、状态、语言、回答问题的方式,我们发现有非常多的可以迭代的地方,这可能是在线教育会比线下教育更有优势的地方,虽然线下教育依然会蓬勃发展,但是我们认为在这一点上,它具有无可比拟的优势,它能够采集有效的数据,并且进行实时的反馈。

我们在教学的整个应用层面上,事实上我们在研究所谓的互动教学,研究基于教学理念的所谓教学游戏化,以及我们在教学内容上AI的使用。

我举两个小例子,这是我们的真实场景魔镜系统,也得到了很多人的兴趣和关注,我们这是一个真实的教室场景,我们能够捕捉到每一个在课堂里的学生,学习的状态和反应,也许他的准确度并不是100%,比如说一个学生低头的时候,我们会认为他在写作业,通过他的笔和手信息的采集,也许它笔下在写作业,心里在发呆,但是不重要。因为我们认为这件事情的迭代,及其会比人做的更好。所以,我们在这个地方的投入关于到整个课堂场景的数据采集。

我们在做的一个尝试,对于一个老师言语表达、信息传递和身体肢体的所谓互动,我们再抽离他的一些核心元素,看哪些核心元素过程当中,能够在教学的交互过程当中是可以被高效的迭代,或者说,可以被学生高效的感知。

这张曲线图是我们小伙伴,在研究所谓的K12教学单位场景当中,我们认为的所谓人效和体验之间的关系。我们横坐标是人效,我们纵坐标是关注个性化的体验。毫无疑问,我们都希望每一个学生能够获得个性化被关注的机会。但是,我们优秀的、能够产生很好交互的老师非常有限。如何去解决体验和人效之间的差别,我们在行业当中有很多的版本,比如说我们有做一对一的,他大概是在个性化关注最高的那个领域,但是他的人效非常低。

线上的一对一,面授的小班,线下的小班,当然我们正在尝试着所谓的双师模式,现在正在做的面授的大班和线上的大班。我们发现,这件事情最大痛苦和矛盾在于,我们既要能够关注学生个性化学习的机会,同时我们还要能够提高我们优秀老师使用的效能,这件事情怎么办?我们当时在整个过程当中,我们发现了一种可能性的路径,就是双师,但是我们发现双师目前比线上的小班和面授小班个性化体验还没有达到面授的效果,但是他的人效上面会略高的一个模型。

我们对于面部识别,对于语意的识别,我们希望核心的功能就是能够让教学场景当中这样一个单元,从现在黄线左下端,能够有机会到这个象限的右上端。既能够有很高的人效,同时又能够关注个性化的体验,这件事情是我们教育+AI努力的方向。

作为一个师者,或者说对于一个教育工作者来说,我认为最大的成就不是他桃李满天下,而是他看到他的学生能够变成他自己想变成的样子。

AI+教育,我们是认真的。谢谢大家!