人工智能时代的 AI 老师可能将取代老师_ai能取代老师吗辩论赛

今天我带来的演讲是《为人工智能时代打造一个 AI 老师》，主要内容是关于 AI 教育这个话题。首先，我想先和大家探讨一个思考框架，然后尝试用这一个底层的思考模型帮助来听讲座的各位解答一些在不同阶段可能会遇到的问题和困惑，比如教育行业为什么需要人工智能，创业时如何判断项目靠不靠谱等。

用“价值升维模型”来解答上述问题

首先，我们要了解价值的概念。什么是价值？通俗地讲，就是有人愿意为其买单，买单的原因多种多样，包括商业价值、历史价值、文化价值等。价值往往在其更高一个维度得到体现。在座的大多都是学习科学技术的学生，那我们就先从技术这个维度开始推演。

绝大部分的技术都延续一个价值链的传递，那就是在产品中落地。正是由于技术解决了产品中的某一个重要的问题，所以技术的价值才最终体现在了产品里。而产品要关注的方面非常多，技术只是其中一个，其他的还包括用户场景、需求和设计交互等。如果其中一个部分做得不好，会导致整个产品的价值发挥不出来，那其中的技术的价值也就发挥不出来。大家应该见过不少非常牛的技术因为应用场景不对，而无法被大规模的使用并发挥价值，这是我们做技术的伙伴都不愿意看到的。

价值升维模型是什么？

如果把这个过程抽象成一个模型，维度 1（Rank1）是我们刚刚讨论的技术的价值，而在 Rank2 里我们上升了一个维度，说明了要让技术发挥价值，就需要帮助产品解决问题，让产品实现其价值。而产品要发挥价值，就得升一维思考，帮助解决企业的问题：如何产生业务闭环，在市场中获得回报，产生商业价值。

如果我们用概率图模型表示价值升维模型，它可以像上图一样表示：有 M 个 Rank(K) 的 Value，同时还有 N 个关于 Rank(K+1) 的其他因素，共同决定了 Rank(K+1) 的价值是否能实现。我们可以把它拆开，看看这个链条到底有多长。

刚刚说到产品价值体现在它如何帮助企业实现发展，而企业要持续发展，最终实现其价值，则必须要站在行业的角度思考，解决行业的问题。在行业这个维度，会涉及到行业的生态、趋势、标准等等。而行业要实现其价值，必须要升维，思考和解决国家的问题。最终，一个国家要持续发展，则需要站在更高一个维度，即人类文明的角度，去持续解决问题。

我们每个人在当下正在解决的问题的维度不同，但无论哪个维度，我们都追求一个共同目标：可持续发展。那么如何实现每个维度的可持续发展呢？我认为就是在解决当前维度的问题时，尝试着升维思考，看看如何帮更高一个维度解决问题。举个例子，我团队里的技术小伙伴常跟我说：“松帆，我搞出了个技术特别厉害，如何如何牛。”我经常会反问说这个技术怎么用到产品里，他就乐了。或许他就没有想过这个技术是如何实现了产品的价值，这就会让我担心，会考虑是否还持续的让这个伙伴做这个技术。因此他在思考技术这个维度时，可持续发展便受到了威胁。如果他能讲清楚这个技术如何在产品里使用，最终发挥更大的企业价值，那我根本不用担心，大胆的让他放手去研究这个技术，因为他已经考虑得很周全了。

我认为，不升维思考是桎梏，升一维思考是本分，升两维思考是精进。

另外有一点我需要说明，这个模型里还有一个价值链传递方向，是从技术价值直接传递到了国家价值。这是指国家会通过自然科学基金等形式，为技术的创新投入资源，因为科技实力对一个国家来说是至关重要的。而反过来讲，对于实现这类技术价值的人（大多是科研工作者），如果要追求可持续发展，绝非仅仅考虑如何完成科研课题本身，而是得好好思考如何才能解决国家的问题，乃至人类文明的问题。

用价值升维模型解决问题

下面我选择几个大家关心的问题用价值升维模式来解答，比如第三个问题：导师为什么偏爱那个同学而不是我？

导师要考虑的问题很多，比如获得基金的资助，如何产出具有影响力的科研成果等。站在导师的角度考虑，他对每个学生都有一个很重要的诉求：“是否可以帮助解决我最关注的问题。”如果你能够站在导师的角度帮助他解决问题，你的能力非常优秀，同时他对你会非常信赖。我的建议是，如果导师在寻求基金，你需要学会写基金申请书；如果基金充足，你就从导师的课题方向里选择一个你最感兴趣且最擅长的方向，做出世界级的科研成果；最后，格局大一点，带动你实验室的其他学生，也一起用这样的思维方式思考问题。

用价值升维模式来回答第六个问题：如何判断项目靠不靠谱？

这个问题分两方面。如果你是创始人，你得想清楚你是在解决哪个 Rank 的问题。聚焦用户需求固然重要，创业也需要做减法，但是如果只能考虑产品维度的问题，则是难以持续的。创业是在解决企业维度的问题，就必须要站在行业甚至国家的维度，看看它们需要解决什么问题。比如选择创业的这个行业趋势是不是向上，有没有在帮助国家解决某个问题，这样，你才能吸引一堆牛人和你共同创造价值，最终实现自我价值。如果你是联合创始人，也同样适用以上标准，如果解决的问题足够有意义，并且牛人扎堆，你可以考虑加入。

教育行业为什么需要人工智能？

现在，我们一起解答下第一个问题：教育行业为什么需要人工智能，以及好未来在其中做了什么。

我们先来看一位优秀的老师应该是怎样的？一般来说能够做到教学、诊断、答疑已经算很好的老师了，对于这样的老师，他的角色更像是 Lecturer 或者 Tutor。但这不够，我们还希望老师能关注每个人，比如每个学生的兴趣、认知、发展，能够唤醒、激发、鼓舞每个学生，这样的角色更像 Mentor 或 Coach。但这对老师的要求极高，优秀的老师本来就极度匮乏了，很难要求老师还能兼顾这么多的能力。

当下，我们正高速迈向 AI 时代，AI 时代会诞生一次新的工业革命，其标志就是在全行业大规模出现人和机器的再分工。我经常会被问到这样的问题：AI 老师何时替代人类老师。我认为，AI 老师是帮助人和机器再分工，并不是替代老师，它能够分担部分任务，解放老师的生产力，进而让老师能更好地专注于教学研发和教学方法设计，能够更加关注唤醒、激发和鼓舞学生。

在当今教育资源分布不均的情况下，我们希望通过科技把一个老师搬到任何地方，比如好未来在做的 AI 双师课堂就是一个例子：一个主讲老师通过大屏幕授课，班里还会有一个辅导老师保障课堂的顺利进行，组织学生们参与预习和练习，并给予学生更多的关怀和鼓励。

屏幕里就是我们 2017 年开始做的一个具有真人形象的 AI 老师项目，它可以通过摄像头、麦克风等传感器进行人脸、动作和语音等多维度的识别，这个 AI 老师可以根据每个班级学生的现场表现做出针对性的反馈，比如点名提问，识别判断学生的回答是否准确，并给予相应的反馈。同时，AI 老师还能实时调整授课节奏，如果有一道题同学们普遍掌握的不好，他会详细讲解；如果一个概念大家都清楚，他就会一笔带过。我们通过技术，提前准备好老师的互动授课内容，然后将优质师资输送到每一间教室。

与此同时，我们也做了英语科目的 AI 老师。在偏远地区，外教的资源非常匮乏，AI 老师能够发挥巨大的价值，给每个地方都带去优质的英语教育资源。课堂上，每个学生手持答题器，开口说英语，答题器可以收集学生的语音，并进行语音的识别和评分，AI 老师会根据每个人的回答给出针对性的反馈。

背后的技术支撑

在教室里让 AI 老师流畅而自然的讲课，背后涉及非常多的技术，其中包括大量的 AI 算法，比如中英文语音识别、情感分析、流利度分析、人脸识别、表情识别、文字识别、图片搜索、语义分析和语义情感等。因为教育行业场景的特殊性，需求和对应的数据各异，因此对相关技术的要求也不尽相同，通用的 AI 模型并不能很好的直接解决问题。

教室里的 AI 老师这个产品，符合边缘计算的范式。我们需要对上课时的数据在现场进行实时处理，而不是通过强大的网络把数据传到后端的云计算中心，处理后再返回决策。然而，边缘计算存在诸多挑战，如场景是否可控，算力是否足够等等。比如在手机终端，由于算力和网络传输的限制，很多产品都还停留在概念和实验室阶段。

参考之前的升维模型，如果抛开产品价值，只闷头考虑技术，这是不可持续的。相较于其他行业来讲，教育场景对 AI 的产品化落地非常友好：教育场景通常是可控的，比如教室内的灯光等；同时用户比较愿意配合。这让 AI 技术得以很好的落地，比如我们的 AI 模型可以在课堂上对面部和身体的关键点进行检测跟踪，识别头部姿态、面部表情和肢体动作等等，然后将数据传到本地的大脑（处理器）进行计算，AI 老师就可以知道课堂正在发生什么，比如谁在举手，进而根据一系列信息进行决策，比如接下来应该请哪位同学来回答问题。

虽然教室内的场景足够友好，但我们也经历了长时间多版本的技术优化和迭代。以举手识别这个技术点为例，我们关注的有两个关键指标，一是准确性，即 mAP(mean average precision)，二是计算时间开销，即 Time  Cost；我们希望模型越来越准，而时间开销越来越低。在第一个版本中，我们用了 Faster  RCNN 作为基线模型，发现 mAP 很低，只有 0.65，速度也很慢，单帧处理超过 2 秒。我们分析后发现，训练数据是在夏天收集的，学生穿的短袖（上图左一），等到冬天（上图左二），我们发现识别率骤降，这是因为数据 bias 导致的。于是在第二阶段，我们收集了更多数据，更换了网络，这样曲线就按照我们的预期方向迭代，处理时间下降了很多，mAP 也提升了 15 个百分比。这时，我们相对准确地检测到举手同学的边框。

接下来，我们又做了一系列优化，进行了 5 个版本的迭代，包含了 Anchor  Aspect  Ratio 优化、ROI Align，以及很多工程加速等，最终实现了超过 0.9 的 mAP，而耗时只有不到 20 毫秒，达到了产品体验的要求。

用 AI 带来大规模的高品质、个性化教育

好未来希望通过 AI 助力教育达到两个目标：一是对个体而言，好未来希望带来更高品质的教育，让教育更个性化，真正能够激发学生的学习兴趣，让每个人都有自己好的未来；第二就是让教育资源更加公平，让优质的资源更加容易被获取，用科技推动教育进步。

回到价值升维模型，总的来说，人的成长和发展，意味着他 / 她能逐渐去解决更高维度的问题。而解决教育的问题意义重大，在价值升维模型里的维度很高，不仅需要考虑对教育行业的价值，还要思考国家价值以及人类文明价值。这对每个教育行业的从业者来讲，都是有极大成就感的。

尚在解决的问题

现在其实还有很多问题尚待解决，期待大家和我们一起解决，这里列出其中三个我们还没能很好解决的问题：

第一个问题，如何让每一个学生都拥有私人定制的 AI 老师？

这个问题暂且先抛开教学内容不谈，只考虑老师的形象，学生对于老师形象的喜好差异很大，有的学生喜欢睿智的爱因斯坦当自己的老师，有的学生喜欢漂亮的女老师，年龄小点的学生可能更喜欢卡通形象的老师。这个问题的难点在于，我们希望大规模的定制 AI 老师，实现其动作可迁移，即一个形象做的动作能够被另一个形象复制，同时还要考虑用户体验，做到动作自然。

第二个问题是如何快速生成课件？

一位老师一年可能会生成几十，甚至上百页的课件，供上课时使用。因此，保守估计，全国的老师一年要诞生百亿级别的课件。一个好的课件，不仅需要制作者有对教学内容的专业见解，还需要其具备较好的审美，专业而好看的课件更能激发孩子学习的动力，这就对老师提出了比较高的要求。如果能有一个系统，在老师输入关键元素之后，自动生成美观并且定制风格的课件，不仅能解放老师的精力，还能大规模地提升课件的质量。这个问题很难，但我希望能解决这个问题，赋能所有的老师，这是非常有价值的。

最后一个问题，就是如何平衡学生在做题时的成就感和挑战欲？

学生在做练习题时，会因为题目太难产生挫败感，也会因为题目太简单而感到无聊。通过合理的难度设置，在保证学生成就感的同时，又不断激发其挑战欲，是一个非常困难的问题。在解构完这个问题后，我们认为可能需要一个 AI 练习系统，它能够预测学生做一道题的准确率。这完全是从教育的本质出发，先要思考如何激发学生对于做题的兴趣，关注他们的成就感，然后才是预测学生掌握知识的程度，进行千人千面的题目推荐。我们目前有一些初步的想法，但这确实是一个非常有挑战性的问题。

最后，给大家推荐一个前端学习进阶内推交流群685910553（前端资料分享），不管你在地球哪个方位，
不管你参加工作几年都欢迎你的入驻！（群内会定期免费提供一些群主收藏的免费学习书籍资料以及整理好的面试题和答案文档！）

如果您对这个文章有任何异议，那么请在文章评论处写上你的评论。

如果您觉得这个文章有意思，那么请分享并转发，或者也可以关注一下表示您对我们文章的认可与鼓励。

愿大家都能在编程这条路，越走越远。