什么是基于AI的自適應學習？

自適應學習(Adaptive Learning)，一個聽起來不明覺厲的教育概念，它容易被籠統地理解成“自動化”和“智能化”，事實上早期的自適應并不是那么智能。這個概念最早出現在上世紀90年代美國的“智能輔導系統”中，當時所謂的智能其實就是按學習水平的高低對學生做一個簡單的分層，把學生分成好、中、差等幾大類，讓每一類學生都匹配到他最需要的學習內容和路徑。這是一種十分粗糙的個性化教育，其理念類似于分班。

在過去的10多年間，自適應學習一直不溫不火，主要原因在于系統功能不夠精細――該把學生分成幾層，才能讓每一層的學生都有自己最適合的學習方案？理論上來說自然是越多越好，但分層越多，對機構的測評和教研能力要求就越高，一般機構無力企及；即使機構能夠企及，高昂的成本也會抬高產品售價，令一般用戶望而卻步。這也是為什么人工驅動的一對一教學模式雖然低效，但仍然廣泛存在的原因，而計算機驅動的自適應學習雖然美好，但實踐起來總是虛晃一槍。

近幾年人工智能技術的突破讓自適應學習重燃了希望。基于人工智能技術的自適應學習系統不僅能夠加大分層力度，甚至做到一人一層，而且還能根據學生學習的實時情況，動態調整下一步的學習內容和路徑，從而實現可規模化的個性化教育。

跟一般的AI+教育技術相比，自適應憑什么成為核心？

1、更有望深入教學核心環節，起到變革作用

人工智能在教育領域的落地應用已是大勢所趨。從各個應用所滲透的學習環節來看，目前越是學習外圍環節，人工智能的應用場景就越多，如拍照搜題、分層排課等，各種產品伴隨著移動互聯網、新高考改革等一波接一波的浪潮，熱熱鬧鬧地生長了起來；而越是學習核心環節，越依賴于對教育行業和學習規律本身的理解（這一點對技術人員來說越陌生），也越依賴于對先進科技的靈活運用（這一點對教育人員來說越困難），創造出的產品也就越少。

目前，基于人工智能技術的教育產品包括拍照搜題、分層排課、口語測評、組卷閱卷、作文批改、作業布置等工具，這些工具應用了先進的人工智能技術，但應用場景只停留在學習過程的輔助環節上，其價值也停留在減少重復勞動的層面上，并不會直接帶來教學質量和效果的提升。而自適應則能夠把人工智能技術滲透到教學的核心環節中，打造教學機器人，從根本上改進學習的理念和方式，是正式意義上的教育變革。

2、綜合開發難度更高，技術紅利期更長

AI自適應學習產品的基本原理是搜集大數據――構建學習模型――輸出學習建議。學習模型的構建過程非常復雜，常人難以理解，需要計算機科學、數據科學、機器學習、認知科學、教育測量學、學習心理學等多個學科打組合拳。要開發一款合格的AI自適應學習產品，除了技術功底之外，還有賴于開發團隊對教育及其周邊行業的深刻理解。

新興技術對一個行業的滲透過程總是從易到難的，短期內，難度較低的人工智能技術會慢慢普及，相應公司的先發技術優勢被削弱，而難度較高的人工智能技術會成為爭奪標的。AI自適應正是這樣一個標的。

3、更利于直接變現

一般的AI+教育產品由于不能深入到教學核心環節，不能直接導出教育效果，因此往往會以免費工具的身份被市場所接受。而AI自適應學習產品，尤其是自適應教學產品本身就包含了完整的教育流程，能夠形成用戶行為閉環，因此有底氣直接面向C端用戶銷售。變現邏輯一走通，對各路資金和人才的吸引力也會加大，從而加速發展，比一般AI技術在教育領域更深地扎根下去。

AI自適應教育行業一窺

據不完全統計，目前宣布進軍這一賽道的企業至少已有40家。在這些企業中，一類是提供在線英語課程和工具的公司，英語領域本身具有一定的國外自適應學習經驗，而且相關的學習材料、標準化測評和題庫數據都足夠多，開發環境相對較好。一類是以題庫、作業平臺為基礎，或進入公立學校做考試數據采集和分析的公司，他們能夠收集一部分學習數據，在大數據采集和用戶認知經驗上具有一定的先發優勢。另一類是主打自適應教育的公司，他們以自適應學習系統為主攻產品。此外，其他機構也在試圖進入這一領域。

K12輔導和語言學習是這一領域的兩塊投資熱區，2015-2017年融資事件數量占比分別達52.2%和34.8%。市面上已有的多數產品也歸屬于這兩個領域。

目前AI+自適應賽道仍處在發展早期，并且由于人工智能概念過熱，加上市場受到巨頭進入、大額融資等事件的刺激，存在一定的炒作現象。這是一項新興事物發展的必經之路。未來短期內會出現一段冷靜期，但很快又會復蘇，進入新的發展階段。