AI+教育的结合

1、AI 目前有哪些应用方向

我们所说的 AI 到底是什么？先定义清楚，我们先不要被这个被过度包装的概念迷惑说 AI 能代替人类，无所不能。

实际上，人工智能，是属于计算机科学的一个分支，我们常听到的机器学习也是人工智能的一个分支，被广泛应用于计算机视觉（CV），语音识别（ASR），自然语言处理（NLP）还有知识图谱（KG）。（关于AI 的历史和流派，以及相关概念有兴趣可以维基百科搜索）

而上面的几个方向，可以从认知框架的角度讲现在的AI技术，分为两大类：感知智能，和认知智能。

感知智能是什么意思呢。是指包括了视觉、听觉和触觉等感知能力，人和动物都具备，有研究者认为，人工智能的发展主要分为三个层次：从运算智能，到感知智能，和认知智能。

在过去的计算机，其实已经具备了初步的运算智能，通过人工输入的数据，设定的规则自行运算。而感知智能，是通过感知设备如摄像头，麦克风和其他传感器，接收信号，通过图像识别，语音识别等技术去转成计算机可计算的数字信号，进一步提升至可认知的层次，作为认知智能的信息输入。

首先常见的是CV领域的人脸识别，在人脸检测、关键点和情绪识别等细分任务里面单独应用较多。比如：

在线教育的学生上课视频中，AI识别出学生的表情动作，如果还应用了身体动作检测和识别，就能识别到老师和学生的特定指令动作，教学手势等可以进一步作为教学行为分析。

OCR 方向也属于这一类，可针对特定图像进行文本检测，比如：

识别课件上的文字内容，识别作业中的题目和答案。在 OCR 完成得出结果后，通常结合 NLP 和知识图谱完成一个综合任务，比如应用较多的是「题库拍搜」，还有「作文批改」，这种需要设定知识关系、语义分析层面就进入到认知智能的范畴。

在语音技术的方向里面，常见的AI和教育结合的应用场景是在线教育，主要包括语音识别、语音评测，还有语音合成等多种技术。比如：

通过ASR提取出音视频中核心问题的教学片段，通过关键检索可作出定向分析，自动化分析需要结合NLP
语音技术在英语学习里面广泛应用的还有语音评测技术，就是根据英语跟读的发音标准来打分，已经是英语学习领域的标配技术了。
如果是线下教学场景，或者在复杂环境下的学习场景，语音技术目前能发挥效果的能力不如CV领域。因为语音信号的输入还需要考虑到进场和远场，以及成人与儿童，还有语种问题，如果需要做到多语言混合识别那就非常困难，所以，语音技术目前可应用的范围相对有限。

然后说说认知智能，这就相对复杂一些了。有专家认为，认知智能是指机器具有主动思考和理解的能力。但是这种定义需要根据领域知识来拆解细。

在教育领域的认知智能，主要可以理解为运用了NLP和知识图谱的技术、应用场景大多属于题库拍搜、作文批改，还有结合知识图谱等建立的AI老师和自适应学习系统。后两者已经属于混合多种智能类型。

1、简单说一下自适应系统，主要是需要构建是领域知识模型，学生特征模型，以及适应性引擎。具体如何应用大家感兴趣可以搜，我在此不细说（因为没做过）。（有兴趣可以看这篇硬核的文章：智能教学系统的评价与选择）

2、而智能批改和习题推荐，目前教育行业里运用到 NLP 技术较多的场景，我之前做过一段时间的AI 作文批改和评分。在作文批改场景，主要以智能校对做为核心基础。（最早做校对的黑马校对，用于出版社编辑场景较多）

早期是靠人工写好的一大堆规则，但是只能检测出字词错误、搭配不当等语法典型可见规则，而人工规则无法识别出上下文语义错误，包括混淆词、音近词、事实和知识错误等类型，在这一个层面，通过NLP和DNN可从大批量的语料库中机器训练，解决了无法人工写的规则解决的这一大面的问题。
作文评分的进阶任务，就涉及到句法层面，句法能力统计出语言的准确性、流利度、和复杂度、语义偏误层面和篇章结构、主题逻辑的深入分析，就需要进一步构建从文学到数学的模型来定义认知智能的问题。

3、除此之外，应用较多的还有「AI 老师」。去年几家教育公司紧锣密鼓的吹打出「AI老师」的这个概念，也是希望能通过新的产品形态减轻服务的压力，从趋势上来看，这确实是未来的一种降低成本的趋势。

AI 老师是融合了感知和认知智能的综合运用，有一些做的好的公司，还用了知识图谱来解构AI老师的知识单元。目前，这也是教育里面最为困难的一个应用方向，堪比自动驾驶。

在目前，认知智能需要探索和成长的空间还很大。有了今年的这一波在线教育推动之下，商业化的产品和技术在教育深耕能看得见未来的曙光，这也就需要更多教育学科的专家们一起加入才能让商业压力下的探索周期缩短。

2、教育行业目前有什么细分赛道

此处不展开多赘述，可以看到在多个行业报告中有很多信息描述我们所处的教育行业。（图片来自2019教育行业报告）

2.1 产业链：

在线教育产业链

K12在线教育行业产业链

2.2 细分赛道：

在线教育产品在各个细分领域全面开花，具体可以分为多个维度。包括

按照模式划分:服务(直播、录播)、工具、平台等；
按照阶段划分:可以划分为早幼教、k12、高等教育等；
按照体制内外划分:可以分为学科类、素质教育、成人类。

四种商业模式：

在上述的细分版块里面，根据消费的内容类型，主要以下几种不同的商业模式：自营内容B2C，平台内容B2C，平台C2C（双边），公开课模式

3、 AI 和教育结合能解决什么问题

前面已经从 CV，OCR，NLP和语音的几个方向大致介绍了AI和教育的结合；而结合后能解决什么问题，在接下来后续的篇章里会展开讲。

4、AI 教育的产品经理的工作

前面的第一部分已经讲了技术和教育的结合。下面用一个比较简单具体的案例来讲AI在语音技术方向，应用到在线教育的业务中是怎样的工作流程。

4.1 公司类型和团队结构

根据上面的行业赛道，这里我拿教育行业的C2C 在线双边平台某top 教育公司来举例。假设这家教育公司，具备了一定规模的老师团队、也有自产的内容，以及付费的用户（家长和学生），而根据公司的团队构成，会包括产品技术团队、内容生产团队、运营团队、市场销售团队、还有客服团队，以及业务支持部门的技术系统。在面向上述的几个团队中，需要明确价值的关系，以及前后业务链条中的多种角色关系。

在行业-公司的愿景和目标下，每个团队为了达成这个愿景需要承担任务的目标。意味着要达成这样的目标，分别要做什么事情，拆分到每个团队的每个成员，分别要做什么，每天要做什么。（类似OKR的思路：商业的目标–业务的指标–团队不同角色的指标。）

如果是在这四种类型的产品经理，能结合AI技术的地方有很多，而在什么场景下使用AI技术，可以让所处业务产生最大价值的方式，就是工作的核心。但因不同部门的产品经理的价值结果不同，对产品经理的能力要求和工作内容的定义，也会有所差别。这也就涉及到一些专业能力上面。

第1行：要求前台学生端的产品经理，具备挖掘用户场景、需求洞察，关注学生的学习质量下的用户体验，并具备一定儿童认知心理学的知识，来分析教学场景中的教育价值，符合学生的学习习惯和学科规律，需要达到能力是–设计出的产品的完课率指标、续费、成绩、NPS 超过多少分，才能算合格的PM。
第2行：要求老师端的产品经理，具备挖掘老师教学场景、需求洞察，关注老师的教学质量下的用户体验，并具备一定教育心理学的专业知识，来分析教学场景中的教育价值，符合老师的教学习惯和学科规律，需要达到能力是–设计出的产品的老师完课指标、学生评价分数超过多少分，才能算合格的PM。
第3-4行：内部平台系统主要服务于前台产品的生产质量和迭代效率，产品类型包括AI 能力平台、生产内容工具、教室工具等，AI PM 将 AI 能力输出到各个系统，这类产品经理需要达到能力是–挖掘出产品提供的生产效率到经营效率，如何量化到商业价值，并设计出更好的效率工具（这是可以用人机系统来量化的）。如果是客服的团队，产品经理可能需要扛的一级指标是「每千人客户的客服人力成本」。

4.2 AI+语音+教育的产品经理

之前有提过，AI 技术型产品经理和AI 应用型产品经理类型，前者存活在一般公司的中台部门或者AILab这样的地方，来接收业务应用侧的需求。

左1是 AI 技术型产品经理，将 AI 能力开发出来，并且以最简的开发成本教会客户使用，客户为AI服务质量和效率买单；

AI PM 的衡量指标包括：AI 服务的算法指标和性能指标、客户满意度（负向指标）、承担部分商务的营收和客户规模的KPI。
核心工作，主要包括：设计语音教学场景中，AI 语音评测的各模块可提供的能力维度、分析并提高在客户的垂直场景中某项指标的算法优化细节，在通用场景中的各种影响因素下，（依然）能满足客户的各类高优指标，来提高服务的质量~

第2张是AI应用产品经理，将AI能力应用到产品功能的设计中。用户为教学效果和AI体验买单；

AI PM 的衡量指标包括：产品功能的学习效果指标、参与率和学习时长等过程指标、产品的日活周活、满意度等产品通用指标（负向指标投诉率）、承担部分销售指标如用户规模的KPI等。
核心工作，主要包括：分析教学场景中的各年龄段的用户在英语学习能力要求、知识要求、对学习能力的边界划分，设计各level的用户在不同学习场景下的听说练习，提供更好的精确的AI 语音效果反馈激励，用AI 能力辅助提高学习效率，优化产品设计…

从左图1到图2，产生的逻辑关系是中间图2的PM发起需求，左图1 PM到需求对接，然后语音技术从数据采集，到开发，到应用，完成验收后皆大欢喜。

再对比一下中间图2和右边图3，当产品慢慢长大，产品经理的能力也逐渐提升，就可以拓展到更大的范围，带领团队来完成更高的目标。

相对于1和2来说，图3的 PM 基本等同于某个产品线的负责人（当然这里也要看公司的类型，我这里就是举个例）。

可以看到，图3涉及的已经不仅仅是语音，还包括了 AI 的多种技术，图像、语音、NLP、知识图谱，综合应用落地到整体的教学全流程中。

AI PM 的衡量指标包括：完整产品的学习效果指标、每个产品模块的学习效果指标、产品的日活周活、满意度等产品通用指标（负向指标投诉率）、承担部分销售指标以及用户规模的KPI等。
核心工作，主要包括：根据战略发展方向，探索价值落地，做出产品路径规划，产品架构设计甚至是部分的商业设计，在把细分产品模块里面所需承担的目标再分配给相应的团队成员。

公司是应该兼具商业企业和学校的概念。一家教育公司，是既打造教育产品，又培养做教育产品的人，做出的教育产品再去培养更多的孩子，是一个精巧的嵌套系统。要做到这些必须表里如一，一旦发生错位和扭曲，必然会出问题。而教育产品经理，就是为这家公司去打造影响学生的产品的人，这个人是传递这个价值的载体。

教育是一个慢行业，个人的积累、公司的积累，都很慢，挣钱也不快也不多。没有足够的动机，是很难有人真正坚持的，而做教育，又需要坚持才能出成果。

要做出效果，就需要教育产品经理，从教研层开始理解和梳理，但跨这个领域，对很多人是有难度的。而且，教育产品跨到教研的角度和传统教研是不一样的，最好能比教研吃得更深，更解决第一性原理。因为只有这样，你才能用技术去模拟和整合。

所以一个教育产品从源头，到落地，到组织管理，到商业，一大串的信息，都需要整合。但有些是因有些是果。也很难。而产品经理，其实也都是普通人。