�V学教育 第二，给不同学生推荐不同学习路径的有效度; 第三，在学习过程中，每分钟或者几分钟运用算法调整学习进度、速度、效率、知识点内容以及练习量; 第四，对学生之前数年学习过程中的缺陷进行侦测，比如在九年级知识点不能掌握的情况下侦测六年级的前

　　�V学教育&朋友印象创始人栗浩洋

　　�V学教育创始人栗浩洋可以称得上是一个完完全全的“AI至上”理论的信奉者，在他看来，未来AI一定能可以取代大部分老师。这一观点不仅从其在各个场合公开发表的言论中表露无遗，而在近期的CCF-GAIR大会上，栗浩洋也发表了他对教育机器人(行情300024,诊股)如何提升学习效率的演讲。会后，在接受雷锋网的采访时，栗浩洋也不带一丝犹豫地再次强调了这一观点。

　　�V学教育是一家基于人工智能、面向K-12群体而推出的智适应学习平台，利用知识点纳米级分离技术和知识空间理论，可为学生提供针对性的知识点图谱和定制化学习方案。至于何为知识点纳米级分离技术和知识空间理论，采访正文中我们会详细介绍。

　　2014年，�V学教育筹备于上海，2015年6月，其获得3100万种子轮投资，时过一年�V学教育再次获得1.2亿元天使轮融资。

　　栗浩洋打趣到，自己的经历和早期的马云有些相似――都是英语教师出身，都在37岁选择再次创业，都坚信互联网可以颠覆过去行业的形态带给人们十倍百倍的便利。作为某前上市教育机构的创始团队成员之一，栗浩洋在教育领域已有多年的经验。而�V学教育正是其在AI大环境下在教育领域的一次颠覆性的创新。

　　以下是此次雷锋网采访栗浩洋的主要内容：

　　一、关于智适应平台

　　雷锋网：目前还有很多非行业人士对智适应学习平台不太了解，作为一名行业人士，你会怎样介绍这个平台？

　　栗浩洋：即：教无定法、有教无类、因材施教。每个孩子都是与众不同的，需要用AI教学机器人给与不同的教学。

　　智适应平台已有23年历史，之前一直不瘟不火，就在于其是基于规则来做个性化教育，所以效果很差。然而，这三年智适应平台火了，很大程度来源于AI技术的发展，人工智能的介入在以下五个方面大幅度提升了教学效率：

　　第一，对学生的知识点掌握状态检测的精准度、细腻程度、和最少测试题量的效率上有了大幅提升;

　　第二，给不同学生推荐不同学习路径的有效度;

　　第三，在学习过程中，每分钟或者几分钟运用算法调整学习进度、速度、效率、知识点内容以及练习量;

　　第四，对学生之前数年学习过程中的缺陷进行侦测，比如在九年级知识点不能掌握的情况下侦测六年级的前序知识点的薄弱进行跳回学习；

　　第五，系统对于学生期末考试或者中考高考成绩的精准预测。

　　很多做智适应题库、智适应测评、和智适应作业的，尽管也有AI，但是主要用来做语义分析和试卷批改，基本上没有介入以上五点或者仅仅介入第一点。

　　雷锋网：国外智适应平台knewton的数据起步于GMAT培训，�V学教育又是基于哪方面的数据？主要覆盖哪些范围？

　　栗浩洋：Knewton 在过去五年已经在美国的中小学和大学通过实验和实际商业化获得了很多深入的数据。�V学教育是专注在K-12领域，覆盖6岁到18岁的中小学生。这些数据是过去三年通过和培训机构、公立中小学、第三方教育平台合作去取得的。目前�V学教育主要覆盖一到五线城市的中学，年底会推出小学课程。

　　雷锋网：和其他平台相比，�V学智适应系统有哪些优势？

　　栗浩洋：总的来说，目前市面上大多数的教育平台的很多数据都已失去意义。原因即在于：

　　1、时效性，很多数据都是一个月甚至更久之前的。以知识点监测为例，学生在一个月前做的测试不会的知识点，现在可能已经掌握了，数据就已失去意义，所以必须实时地采集数据。

　　2、没有掌握教学过程的数据。如，一个学生的知识点，一开始不会，后续掌握了。但是这个过程学生到底通过什么样的学习路径、教学方法、用了多长时间等等，关于这些数据如果没有掌握的话，只知道静态的对错也是没有意义的。

　　3、对知识点的标注不清晰。

　　与其他平台相比，�V学智适应系统利用AI和机器学习的目的不是用于识别，而在于路径推荐。机器会根据监测出的学生的年龄、性别、知识点掌握情况等诸多要素给该名学生推荐不一样的学习路径，并实时监测学习路径的效果变化情况。如果题目标注错误，对于算法的优化来说就是一个灾难。

　　基于此，�V学教育的优势主要表现在：

　　1、对学生的知识点监测更加精准。监测的精准度和效率比之前要提升了10倍。

　　2、有一个很好的学习路径推荐，且能不断优化。

　　二、�V学智适应系统的核心AI技术

　　・ 知识空间理论

　　雷锋网：�V学智适应系统用了哪些核心技术？从而区别于其他的同类平台。

　　栗浩洋：在过去三年的研发中，�V学教育采用了知识图谱、图论用于描述和表示学科知识体系；使用贝叶斯网络和概率图模型用于学生画像的刻画，表示出学生整体的知识掌握情况，采用贝叶斯知识追踪理论：用于学生对知识点掌握程度达标的判定；在获得一定数据之后，�V学教育采用分类树和模糊逻辑用于最优学习内容推荐，采用遗传算法和进化论用于推荐最佳的学习路径，并且将加强学习、深度学习用于推荐对学生最合适的教学模式。

　　举最简单的例子，传统来说，过去的知识图谱存在两个问题：

　　1、对学生知识点的描述非常粗糙。大多数教育行业公司只做到三级知识点拆分，极个别两家做到四级，而�V学教育已经做到了九级拆分。

　　2、知识点之间的关联度只标注了强关联，而没有把占绝大多数的弱关联考虑进去。

　　针对这两个问题，我们的处理方式是：在�V学智适应系统中，给每个学生制定一个知识地图的定位。因为不同的学生，他们的问题点是不一样的，掌握的知识点及其熟练度也不一样。所以，我们对其采用了知识点纳米级分离技术的方式。具体理解可见下图：

　　如图所示，这是学生A的知识点实时掌握情况的图谱，�V学智适应纳米级知识点会按照以下四大重点分别给予不同图标、不同颜色的标注：

　　・ 难度级别（简单/中等/困难）

　　・ 知识点重要性

　　・ 掌握程度（未掌握/待掌握/已掌握）

　　・ 进行状态（待学习/正在进行/已完成）

　　如，红色的六边形图标即对应未掌握的“困难”级别的知识点。上图是全球通用的智适应学生知识画像，每个知识点采用了4到6个维度的标签，而�V学系统中每个知识点的标签已经超过了30个。在该系统的建立下，每位学生的知识点掌握情况就可在一张知识地图中得到清晰的展现。

　　事实上，过去已经有很多平台都推出了知识检测系统。但是，为什么过去的学校考试系统都没有采用？原因即在于他们对知识点的标注不够清晰，所以测试结果的精准度的提升也有限。

　　・ 基因检测系统

　　雷锋网：�V学教育还有一项核心技术，是基因检测系统，能否介绍一下？

　　栗浩洋：基因检测其实就是知识点监测。