來源|dowell之自言自語

　　作者|林路

　　編者按：

　　本文系轉(zhuǎn)載，作者為北極光創(chuàng)投合伙人林路，他2012年加入北極光，已在傳統(tǒng)互聯(lián)網(wǎng)與移動(dòng)互聯(lián)網(wǎng)領(lǐng)域深耕10余年，他參與投資及投后管理的項(xiàng)目眾多，其中教育科技項(xiàng)目有VIPKID、火花思維及美奇互動(dòng)等。

　　本文中，他剖析了以Knewton和Alt School為代表的個(gè)性化教育的典型思路，“模式看似可行，但現(xiàn)實(shí)中的成本卻極其高昂”。他認(rèn)為，在人文學(xué)科，尤其是語言學(xué)習(xí)領(lǐng)域，大語言模型則可能帶來質(zhì)的飛躍;語言教育或許是AI在教育領(lǐng)域最容易實(shí)現(xiàn)突破的“低垂果實(shí)”。

　　01 AI語言教育的個(gè)性化學(xué)習(xí)和數(shù)據(jù)飛輪

　　談到 AI 教育，大家首先想到的往往是個(gè)性化學(xué)習(xí)。我們今天的教育體系源自普魯士模式——一個(gè)老師面對 30 到 60 個(gè)學(xué)生，這是最具性價(jià)比的方式，解決了“人人都能接受教育”的問題，但對學(xué)困生和尖子生都并不友好。尤其是對學(xué)困生而言，當(dāng)他們已經(jīng)聽不懂老師當(dāng)前的講解時(shí)，只能被動(dòng)地坐在課堂里。

　　個(gè)性化教育的典型思路，如Knewton，是將知識拆解為知識圖譜，在學(xué)生學(xué)習(xí)過程中持續(xù)檢測其掌握情況，并通過實(shí)際問題追溯到遺漏的知識點(diǎn);在為學(xué)生講解完未掌握的題目后，還能生成類似題目來驗(yàn)證學(xué)習(xí)效果。又如 Alt School，強(qiáng)調(diào)學(xué)生的自主學(xué)習(xí)和練習(xí)，系統(tǒng)則將學(xué)生暴露的問題整理出來，由老師進(jìn)行查漏補(bǔ)缺。形式上，這些模式看似可行，但現(xiàn)實(shí)中的成本卻極其高昂：Knewton 斥巨資研發(fā)的系統(tǒng)未能帶來匹配的收益，而 Alt School 作為商業(yè)公司，不僅難以實(shí)現(xiàn)盈利，還因身份限制無法像傳統(tǒng)學(xué)校那樣獲得外部捐贈(zèng)。Newton 在從面向消費(fèi)者轉(zhuǎn)向面向企業(yè)的過程中，我的被投公司曾與其接觸過，他們單個(gè)課程的報(bào)價(jià)高達(dá)數(shù)百萬美元，最終只能作罷。最終，Knewton 以低價(jià)被收購，而 Alt School 也在家長們的惋惜與不舍中走向關(guān)閉。

　　因此值得思考的問題是：當(dāng)下的大模型技術(shù)，是否真的能夠顯著降低個(gè)性化教育的成本?在理科方向，我認(rèn)為其效率提升依然有限;但在人文學(xué)科，尤其是語言學(xué)習(xí)領(lǐng)域，大語言模型則可能帶來質(zhì)的飛躍。以英語為例，學(xué)生在學(xué)習(xí)一個(gè)新詞時(shí)，大模型不僅能夠生成多樣化的例句，還可以展示該詞在不同時(shí)態(tài)、不同語境中的具體用法。更進(jìn)一步，若能結(jié)合配圖與動(dòng)畫，AI 所帶來的效率提升將更加明顯。倘若有經(jīng)驗(yàn)豐富的教研人員能夠熟練運(yùn)用 AI 工具，其開發(fā)效率很可能實(shí)現(xiàn)數(shù)量級的提升。由此看來，語言教育或許是 AI 在教育領(lǐng)域最容易實(shí)現(xiàn)突破的“低垂果實(shí)”。當(dāng)這一方向逐漸成熟并積累足夠經(jīng)驗(yàn)之后，再將其方法論推廣到其他學(xué)科，才是更為務(wù)實(shí)的創(chuàng)業(yè)與投資路徑。

　　從小學(xué)到初中再到高中，我們不斷更換老師，師生關(guān)系也始終處在磨合之中。由于教師需要面對大量學(xué)生，很難真正洞察每個(gè)人的薄弱環(huán)節(jié)，往往只能籠統(tǒng)地評價(jià)一句“他的聽力不行”或“他的閱讀能力較弱”。但如果一個(gè)學(xué)生從零基礎(chǔ)開始學(xué)習(xí)英語，在系統(tǒng)中完成背單詞、上課程等環(huán)節(jié)，AI 系統(tǒng)就能夠持續(xù)追蹤其學(xué)習(xí)軌跡，準(zhǔn)確掌握知識點(diǎn)的掌握情況。比如，當(dāng)你在平臺(tái)上閱讀繪本時(shí)，它可以為你推薦合適難度的材料，標(biāo)注不熟悉的單詞，對新詞組進(jìn)行專項(xiàng)講解，甚至解釋一篇文章為什么要這樣寫。這就像擁有一位大學(xué)教授水準(zhǔn)的導(dǎo)師，始終陪伴在學(xué)習(xí)過程中，大幅提升學(xué)習(xí)效率。更關(guān)鍵的是，一旦你能夠全面掌握學(xué)生的個(gè)人詞庫和知識盲點(diǎn)，構(gòu)建起高度個(gè)性化的學(xué)習(xí)畫像，其他競爭者就很難輕易切入并替代。

　　更重要的是，當(dāng)下語言教學(xué)面臨的核心問題在于“實(shí)際使用”。許多中國學(xué)生學(xué)習(xí)了快十年英語，但真正能與外國人進(jìn)行流暢交流的卻寥寥無幾。尤其是在日常生活中常見的場景化語言需求，如機(jī)場、打車、點(diǎn)餐等，往往是傳統(tǒng)教育所忽視的。韓國曾有一家名為 SpeakingMax 的公司，開發(fā)了大量實(shí)用場景，讓用戶能夠與模擬的 NPC 進(jìn)行對話。然而，由于當(dāng)時(shí)技術(shù)有限，用戶只能在預(yù)設(shè)規(guī)則內(nèi)交流，一旦超出程序框架，NPC 就無法正?；貞?yīng)。如今有了大模型，只需設(shè)計(jì)合適的提示詞，系統(tǒng)就能自然地扮演對話角色。

　　中國學(xué)生學(xué)習(xí)英語十年卻依然難以開口交流，其根本原因在于：口語表達(dá)所需的詞匯和句式必須高度熟練，而真實(shí)交流幾乎不給人思考的時(shí)間;長期刷題訓(xùn)練的大腦，并不足以支撐“脫口而出”的流暢表達(dá)。大模型的出現(xiàn)，能夠高速生成并模擬各種真實(shí)場景，為學(xué)習(xí)者提供充足的口語訓(xùn)練機(jī)會(huì)，使他們在反復(fù)強(qiáng)化中真正跨越“學(xué)會(huì)了卻不會(huì)用”的障礙。設(shè)想一下，一個(gè)孩子在完成英語學(xué)習(xí)后，可以隨時(shí)與自己喜歡的動(dòng)畫角色自由對話，而角色會(huì)根據(jù)他的口語水平自適應(yīng)地交流——在這樣的陪伴中，口語能力的提升已不再遙遠(yuǎn)，而是觸手可及。

　　相關(guān)閱讀：

　　從AI教育看AI創(chuàng)業(yè)