编辑导语：如今，AI成长的如此迅速，很多行业已经逐渐利用AI取代劳动力。那么，对付教诲行业来说，AI是否能给代替老师的位置呢？本文作者基于这个问题为我们谈了谈他的一些想法。

作为一名在线教诲行业的产物司理，持久以来，我都僵持一个概念：总有一天，AI 要代替老师。

厚道地说，以今朝的技能程度，这一天还很遥远。AI 此刻可以落地的，只是照相搜题、语音评分、功课修正这些不涉及解说焦点逻辑的边沿场景。可是，AI 代替老师，可能说代替传统的讲课型老师，是一件必然要做的事。

为什么？

——因为教诲塑造了人，而好老师是一种稀缺资源。

想要抹平教诲资源分派的不服等，只有将“好老师”这个脚色抽象出来，将它赋予到一个有着无限两全，又能因材施教的“新生物”上。

AI，某种水平上，包袱着教诲普惠的但愿。对 AI 来说，最重要的有两个部门：一个是算法，一个是数据。假如把它限定到进修场景，那么最重要的就是进修算法和进修数据。

罗马不是一天建成的，进修类 AI 也不行能一蹴而就。

一开始，AI 通过工钱设定的法则去执行对应的进修计策，学生通过与 AI 的交互，发生进修数据。通过进修数据的喂养，AI 可以逐渐演化出一套自适应的进修算法，从而实现千人千面的解说 *** 。

在 3 月以前，我一直觉得进修数据是一款产物最重要的资产。在此之上，我们可以构建一个简朴的、基于人工计策的进修算法。这样，学生的进修效率必然会成倍提高。

直到近 5 个月，我深度参加了教研内容的建造后，才发明白一个很俭朴的原理：知易行难。

我一直认为，将来的在线教诲会有四大特征：

常识的体系化：将常识以图谱的形式表示出来，包罗常识的层级干系、难易分别和关联水平；

内容的形象化：将抽象的常识以具象的 *** 表示，让常识点更清晰易懂；

进修的交互化：主要是以游戏化的 *** ，提高学生的进修动力和乐趣；

进程的数据化：将学生的进修程度和对常识点的把握水平量化，由进修算法按照进修数据动态筹划学生的进修路径。

在这四大特征中，以前我以为最难的是常识的体系化。

在四化中，数据好收罗，但难的是数据收罗过来，我们要怎么按照学生的差异环境，去做下一步的筹划。好比我们可以设定量化的尺度，到达这一尺度，那么就算过关了；假如没有，会有分支的流程去处理惩罚，好比从头进修某个常识点。

新的问题来了，假如一个常识点达标了，下一步要干什么——这要去依据这个学科的常识图谱。

理科和工科，都有明晰的常识点，常识谱系已经相对完善了。好比编程，先学数值范例，再学基于数值的运算，再环绕数值和运算构建更巨大的函数和数据集。

文科就纷歧样，常识点杂乱，缺乏布局和尺度谜底。没有尺度谜底可以接管，但缺乏布局，就不知道下一步该往哪儿走。为什么文科不如理科？原因之一就在于常识图谱没有理科完善。

常识图谱也有高下之分，同样的终点，好手构建出直线，低手走成一个圈，最后却发明是歧途。这一点，成年人体验尤其深刻。

当一个行业处于拓荒阶段，所有的要领和阶梯都要靠从业者一步步探索出来，而由于行业自己的疏散，这些积聚下来的履历四散在各个公司，以致小我私家的脑壳里。

常识的构建是离不开人的，纵然技能打破，没有这样的一群人愿意去做，那也是白费。这是最焦点的元素。

我原本觉得，一旦常识图谱构建好，就可以按照图谱和学生的进修数据，去构建对应的进修算法。可是深入参加到教研环节后，才突然发明本身忽略了实际环境：纵然我们可以按照学生的进修环境去构建算法，而且对学生需要进修的常识有着清晰的路径筹划，我们也没有步伐办理学生不会某个常识点的问题。

举一个详细实例：

英语中有时和态的区分，时是工作产生的时间，态是工作存在的状态。时和态组合起来，一共有 16 种环境：

好比：学生未来完成时这个时态不清楚，进修算法按照进修数据判定学生当前的环境，给他分派了对应的讲授，讲授如下：“未来完成时是用于暗示在未来某一时间以前已经完成或一直一连的行动，未来完成时是由shall/will + have +已往分词组成的。”

率直讲，这段话唤起了我高中时被语法书支配的惊骇。我何等想对出这些语法书的人说，伴侣，我之所以错，就是因为我看不懂你的话啊。

什么是未来某一时间以前已经完成的行动？这句话有什么高妙的寓意吗？是不是说，我固然在世，但我已经死了？