8月22日，2024AGI商業(yè)趨勢大會在深圳成功舉辦?；顒佑蓜?chuàng)業(yè)邦主辦，南山區(qū)科技創(chuàng)新局、西麗湖國際科教城融合創(chuàng)新中心、深圳市“模力營”AI生態(tài)社區(qū)為支持單位，攬勝運動為大會指定用車，搜狐為戰(zhàn)略合作媒體。
本屆大會以“AI塑造未來市場”為主題，邀請人工智能領域的行業(yè)專家、上市公司、獨角獸企業(yè)、創(chuàng)新企業(yè)、投資機構代表，分享研討最新的技術、創(chuàng)投、治理熱點話題，并圍繞產品商業(yè)化、人工智能+行業(yè)解決方案進行深度交流，共同探尋更廣泛的產業(yè)合作與創(chuàng)新機遇。
會上，松鼠Ai創(chuàng)始人、首席教育技術科學家栗浩洋在主題為“AI教育，重塑學習未來中”的演講中精彩觀點如下：
1. 如果學生是一只鷹，那么跟隨猴子的路徑將難以前行；如果學生是一匹馬，那么他應選擇適合自己的道路。每個孩子都有其獨特的學習路徑。
2. 我們的目標不僅僅是提供答案，更重要的是提供教學方法和邏輯，這是教育中更為重要的部分。
3. 在大模型垂直應用領域，重要的不僅是自夸產品有多好，而是消費者是否真正感受到了產品的優(yōu)勢并認可它。
以下為演講內容，由創(chuàng)業(yè)邦整理：
自2014年起，我們便投身于人工智能教育領域，致力于開發(fā)專業(yè)領域的智能虛擬教師。值得注意的是，人工智能教育在美國的起源可追溯至1973年，最初以專家系統(tǒng)和IRT（項目反應理論）為代表，隨后逐步引入遺傳算法和神經網絡。到了2011年，斯坦福大學的教授們開創(chuàng)性地應用深度神經網絡進行知識追蹤，而到了2014年，全球范圍內人工智能教師的教學成果已超越了頂尖人類教師。正是受到這一發(fā)展趨勢的啟發(fā)，我們開始匯聚歐美的人工智能教育科學家，共同開展研究。
隨著人工智能技術的持續(xù)進步，我們不斷采用最新技術來優(yōu)化我們的教育系統(tǒng)。關于大模型的價值，許多人曾將其與大語言模型等同起來，尤其是在一年前，這種觀點頗為流行。正如出門問問副總裁李維所言，大模型在不同領域有著不同的應用方式。
我們的大模型命名為LAM（Large Adaptive Learning Model），并非傳統(tǒng)的大語言模型。我們注意到，ChatGPT4等工具被用于教育領域，但在我看來，這種做法并不恰當。大語言模型主要用于對文字或詞匯進行排序，類似于Sora對像素進行排序，而非制作視頻；同樣，無人駕駛技術也不是依賴大語言模型來實現。同理，教育領域的大模型并非基于大語言模型構建，而是我們經過深入研究的成果。簡而言之，我們所開發(fā)的LAM專注于生成和排序學生的學習順序。
以一個例子來說明，傳統(tǒng)教育模式中，老師在講臺上引導所有學生沿同一路徑學習，就如同在森林中，一只猴子指定了路徑，所有動物都必須跟隨。然而，如果學生是一只鷹，那么跟隨猴子的路徑將難以前行；如果學生是一匹馬，那么他應選擇適合自己的道路。每個孩子都有其獨特的學習路徑。
即便在高考這樣的標準化考試中，我們也能看到像馬云這樣數學僅得1分，或沈從文數學得0分的個例，但這并不妨礙他們取得巨大成功。我相信，像張一鳴這樣的人物，盡管在語文上可能表現不佳——我曾與他一同參與央視的對話節(jié)目，導演因剪輯不出有效內容而感到極度痛苦——但這并不影響他成為杰出的企業(yè)家。
這些例子表明，每個學生的學習路徑都是不同的，傳統(tǒng)的教育模式并不適用于所有人。我們的大模型LAM致力于分析每個學生的用戶畫像，為他們定制個性化的學習路徑，確保每個學生都能以最適合自己的方式學習。
在過去的十年中，我們有幸積累了2400萬用戶，收集了高達100億條學習行為數據。正是這些龐大的數據資源，使我們得以訓練并優(yōu)化我們的智適應學習的大模型（LAM），以發(fā)現最適合孩子的學習路徑。
目前，我們的路徑訓練已取得顯著成果。以一個平均成績約70分的五年級學生為例，若要提升至90分，六年前我們估計需要360個小時的學習時間。三年前，這一時間縮短至120個小時。得益于大模型的優(yōu)化，如今，同樣的提升僅需43個小時。我們的系統(tǒng)如同導航，可以根據學生的當前水平和目標水平，甚至具體到清華北大等高校的入學標準，來規(guī)劃學習時間和路徑。雖然不同個體的學習時間會有所差異，但在我們的系統(tǒng)中，教育的每個階段都已被解碼，能夠以時間的形式進行規(guī)劃和完成。我們實際上是在學習序列中，將數萬個知識點和上億道題庫構建成一個學習路徑，供學生生成并優(yōu)化其個人最佳學習路徑。
七年前，我們的多模態(tài)研究論文已在谷歌學術會議上獲得了前五名的榮譽，我們也是最早在教育領域應用多模態(tài)技術的團隊。
至今，我們持續(xù)發(fā)展LAM的核心功能——精確定位學生問題并深入理解學生需求。以我個人為例，我曾數學成績優(yōu)異，但幾何學卻非常薄弱，空間能力極差。面對數學奧林匹克競賽中的復雜幾何題目，我感到十分痛苦。盡管我遍訪名師，但始終未能找到解決之道。直到我在北京的一家書店中偶然發(fā)現了一本塵封三十年的《解析幾何》小冊子，作者笛卡爾運用函數和三元方程的方法解決了幾何問題，這讓我豁然開朗，最終贏得了一等獎，并獲得了北大、清華、交大、復旦等高校的錄取通知。這一經歷充分說明，每個學生的學習路徑都是不同的，傳統(tǒng)的教育路徑可能并不適合每個人。我們的大模型致力于分析每個學生的用戶畫像，為他們規(guī)劃個性化的學習路徑。正如一匹馬可能選擇繞遠路，但最終可能比兔子更早到達目的地，每個學生都有其獨特的學習邏輯和應達到的學習效果。
樊登的孩子已經在我們教育體系中學習了六年。整個學習過程中，學生與系統(tǒng)直接互動，實現了完全的“無人駕駛”式學習。從小學升入初中，再從初中升入高中，他一直就讀于北京頂尖的四大名校之一。起初，他擔心自己在班級中的表現可能會處于下游，因為班級里的同學都來自知名的初中。然而，在經過一個暑假的系統(tǒng)訓練后，他的成績在開學后的九月份考試中躍升至班級第一。
我們還幫助了許多原本成績只有9分的孩子提升至90分，實現了從班級倒數第三名到正數前兩名的轉變，這在教育行業(yè)中堪稱奇跡。我的父親是一位擁有三十年教齡的特級教師，他能夠提升優(yōu)秀學生的成績，卻難以將成績不佳的學生提升至班級前列。然而，我們的系統(tǒng)已經找到了適合每個孩子的個性化學習路徑。
我們的系統(tǒng)中包含了多種方法，可以說，這是人類歷史上首個具備視覺、聽覺、語言和智能的多模態(tài)人工智能教師。以一個具體的細節(jié)為例，在我們的AI搜索系統(tǒng)中，學生在解題過程中會留下各種草稿。我們的系統(tǒng)能夠識別并發(fā)現學生的問題所在。例如，在解決關于時鐘敲擊次數的問題時，系統(tǒng)通過分析學生的回答發(fā)現，學生沒有理解到敲擊11下實際上包含了10個時間間隔。通過這樣的分析，我們不僅能夠看到學生的書寫，更能深入理解他們的思維過程，并提供針對性的解答。
這種深度的個性化教學，使得我們的系統(tǒng)能夠根據每個學生的特點，提供最合適的指導和幫助，從而顯著提高學習效率和成績。
在我們的計算教學過程中，可以清晰地識別學生在哪些方面出現了錯誤。例如，學生可能錯誤地將梯形視為等腰梯形，而實際上并非如此。這類錯誤并不只是簡單的識別問題，而是表面的。通過這些識別，我們能夠調整學生的學習路徑和方向，找出他們的弱點和瓶頸，并提供針對性的解決方案。我們甚至能夠發(fā)現學生在圖形繪制上的不準確之處，并給予相應的指導，從而顯著提高學習效率。
相較于一位老師面對整個班級講授同一題目的解析，我們的方法更為個性化。每個學生在解題時采用的路徑和得出的答案各不相同，有的題目甚至可以有977種不同的錯誤答案。顯然，用同一種解析方法來教授所有學生是不合適的。因此，我們必須根據每個學生的特點和邏輯，來定制講解和學習計劃。
我們的智適應學習大模型（LAM）不僅能通過數據分析揭示學生的性格特點，例如是否具有創(chuàng)新精神、是否粗心等，還能準確定位學生的個人特質?；谶@些信息，我們可以為不同性格的學生提供不同的學習習慣和方法。例如，對于能夠承受挑戰(zhàn)的學生，我們可以增加學習難度；而對于敏感的學生，則需要采取更為溫和的教學方法。
在整個學習過程中，我們不斷通過描述學生的用戶畫像來生成最適合他們的學習路徑。我們的目標不僅僅是提供答案，更重要的是提供教學方法和邏輯，這是教育中更為重要的部分。通過這種方式，我們能夠為每個學生量身定制他們的學習計劃，確保每個學生都能以最適合自己的方式進行學習。
在教育過程中，我們得以觀察到孩子們的豐富表情和情緒變化，如沮喪、厭煩或快樂等不同狀態(tài)。這些情緒狀態(tài)與他們的學習行為軌跡、性格描述以及知識掌握情況是相互吻合的。通過這些多模態(tài)的信息整合，我們能更全面地理解每個孩子，并對他們的學習狀況做出更準確的判斷。
我們的系統(tǒng)中包含了與孩子們的多樣化對話，這些對話基于學習行為數據，旨在啟發(fā)孩子們對自己解題思路的深入思考。以我的雙胞胎兒子為例，他們在二年級時就通過我們的系統(tǒng)完成了二至四年級的數學課程，三年級時便學完了八年級的物理。然而，到了四年級，他們仍在學習一年級的語文課程，因為他們在語文方面存在明顯的不足。正如我小時候在大學時期才彌補了自己語文上的不足一樣，每個孩子的學習路徑都是獨特的。在這個過程中，我經常訓練他們對一道題目尋找多種解法，因為讓學生反思自己的解題思路遠比單純的提問更為重要。從他們兩歲開始，我就教授他們如何思考，即使那時他們還不明白“路”是什么，我就已經向他們介紹了“思路”這一概念。因此，當他們在四年級遇到一個等差數列問題時，他們能夠用一種僅三步的解法，快速解決了學校提供的需要二十多步、三四種解法的問題，這讓我感到非常震撼和欣慰。
我們的系統(tǒng)與學生的溝通能夠幫助他們反思自己的解題思路，識別哪些思路是正確的，哪些是錯誤的，哪些是有效的，哪些是無效的，以及如何在未來避免錯誤并采納更好的思路。這種訓練不僅涉及思維模型和能力方法，而且是對學生終生有益的。一旦學生的思維得到暢通，他們的學習速度可能會比其他人快五倍甚至十倍。
在我們現在的大模型體系下，學生可以全日制地在我們的平臺上學習，無需老師的直接指導，實現了完全的自動駕駛式學習。學生每天不必做作業(yè)，從小學一年級到六年級，就能完成高中的全部課程內容。在教育部的《教育信息化雜志》的研究論文中，通過對比實驗發(fā)現，使用松鼠Ai系統(tǒng)的學生，其成績比傳統(tǒng)教學模式下的學生高出31分。在白山希望中學，即使沒有老師和志愿者，我們的系統(tǒng)在兩個月內幫助學生在中考中平均提升了50分，這體現了我們的學習效率和速度。
此外，我們與孩子在系統(tǒng)中的互動和對話，有時也讓孩子們將我們視為傾訴的對象，分享他們的生活點滴，甚至是戀愛等私事，真正地將我們視作一個虛擬老師和朋友。
去年九月，松鼠AIi榮獲人工智能教育大模型標準組主席職位。今年一月，我們舉行了標準組成立儀式，期間，北京師范大學、華東師范大學和清華大學的教授們紛紛加入，他們均為教育部的專家和顧問。此外，來自全球30多個國家和40多家知名公司及高校的科學家們也紛紛申請加入我們的標準組。這標志著我們中國人在人工智能教育垂直領域，尤其是在大模型應用方面，已站在全球行業(yè)的頂峰。
在學術領域，我們不盲目追求發(fā)表數量，而是注重研究的實際應用價值。今年，我們在ICLR頂會中又有7篇論文入選。我們的研究工作始終以指導未來三年的應用為目標，避免過度超前的研究。例如，我們的多模態(tài)研究MIBA六七年前便已啟動，直至最近一兩年才開始實際應用。
全球人工智能科學家聯合會（AAAI）的現任主席Francesca Rossi及前任主席Bart Selman都對松鼠Ai給予了高度認可。他們特別指出，我們的系統(tǒng)不僅能幫助孩子提高學習成績，還能培養(yǎng)他們未來社會所需的能力，使他們成為更優(yōu)秀的人才。
哈佛大學的教育學David Docterman教授也對我們的系統(tǒng)給予了肯定，認為我們能為不同學生提供針對性的學習方案，根據他們的學習行為進行個性化教學。
前任AAAI主席Bart Selman同樣對我們的MCM（思想能力及方法培養(yǎng)）體系表示認可。
家長們對我們的市場認可度非常高。過去，我們主要服務于教育培訓行業(yè)，但由于政策問題，導致4000個經銷商受到沖擊，公司一度背負9億債務，險些破產。然而，經過三年的努力，我們已經償還了2億現金，另有6億債權人選擇轉股。目前，公司的零售銷售額已達到20億規(guī)模，我們已基本償還了90%的債務，僅剩幾千萬元待還。
我們轉型將重點放在了智能學習機領域。家長可以利用我們的智能學習機，實現無人駕駛式的學習體驗。與全球歐美最大的人工智能教育公司不同，他們提供的是輔助駕駛式的AI工具，服務于全日制學校教師，而我們則直接以智能老師的身份，代替教師進行教學。
我們的產品策略在學習機市場已經展現出明顯的優(yōu)勢?；仡?022年，我們剛開始時背負著9億元的債務，但我們的定價仍然高于市場上價值千億元的訊飛機器幾千元。到了2023年，我們的產品價格已經比競爭對手最貴的產品高出3000元。隨著學而思、訊飛、百度等競爭對手紛紛進入學習機市場，我們的產品單價已經達到7000元，比對手高出許多。今年9月，我們推出了一款定價21100元的產品，其價格比市場上最貴的機器還要高出12000元。我們最貴的機型銷量甚至超過了最便宜的機型，這反映出家長們對我們產品效果的高度認可。
在大模型垂直應用領域，重要的不僅是自夸產品有多好，而是消費者是否真正感受到了產品的優(yōu)勢并認可它。從7月份雙減政策實施，8月份我們轉型做智能學習機，到9月份產品開發(fā)部成立，再到11月份我們開始擁有用戶，我們的付費用戶數量已從最初的一點點增長到現在的75萬，且用戶支付的費用單價相對較高，不是幾十或幾百元的小額支付。
最后，我們的學習路徑規(guī)劃甚至在治療學生的精神疾病方面顯示出潛力，這并非罕見案例。一位經銷商提到，有位孩子需要定期看精神科醫(yī)生，我們通過學習機上的學習行為數據分析，僅用100多分鐘的學習時間，就能通過一個二維碼揭示孩子的問題所在。
這個孩子是否真的存在專注力問題？他自稱只能專注10分鐘，但我們的系統(tǒng)顯示，他在學習前的知識水平較低，18個知識點中有12個不會，即2/3的學校知識點未掌握，只有1/3掌握了。學習后，他的水平從27分提升到了74分。這個顯著的進步表明，這個孩子的專注力實際上非常好。專注力差的學生，他們的知識成長差值通常只有十幾到二十個百分點，甚至可能為負，表明學習效果越來越差。然而，這個孩子的知識成長度非常高，有時達到40或60分，這表明他不僅專注力強，而且具備學習能力，只是之前可能受到了不適當的教學方法的影響。
然而，我們也發(fā)現了兩個異常的學習行為數據點：他的解題時間遠超全國平均水平，這可能反映了精神自控力的不足。但另一種可能性是，他可能在努力學習。我們發(fā)現他花了五倍于平均的時間，成功解決了一道難度超過他水平的題目，這表明他是一個非常用心的學生。
通過多模態(tài)數據的分析，我們發(fā)現這位孩子在花費了五倍于常規(guī)的時間進行驗算，這清晰表明他的專注力并非如其母親所擔憂的那樣需要每周就醫(yī)，實際上他的專注力非常好。然而，隨后我們注意到孩子出現了一些精神上的問題。在第19題解答錯誤之后，他的行為數據顯示出異?！皇沁^度異常，而是異常不足。他在幾秒鐘內跳過了第20題和第21題，盡管這些題目的難度已經降低到遠低于他能力水平的17級。按照他的實際水平，即便是17級的題目也應該能夠正確解答。但他甚至在1級的題目上也選擇了放棄，連續(xù)跳過了22至25題，即便是非常簡單的問題也不愿意嘗試，顯示出了明顯的畏難情緒和偶爾的情緒崩潰。
令人欣慰的是，孩子最終重新投入了學習。他之所以能夠繼續(xù)學習，是因為我們始終給予他1級的題目。對于一個能力在24至70級的孩子來說，當他發(fā)現題目如此簡單時，便重新激發(fā)了學習的興趣，并逐漸提升了學習等級。
我們的AI智能教師在題目難度系數的調整上也發(fā)生了變化。最初，難度系數的跨度很大，但隨著時間的推移，這種跨度變得非常小。我們從一個極端嚴格的教學方式轉變?yōu)橐粋€非常溫和和體貼的方式，因為我們發(fā)現這個孩子無法承受過大的壓力。這正是人工智能系統(tǒng)通過分析大量數據和學習效果后，為每個學生提供的獨特學習路徑。這種路徑在不依賴藥物治療的情況下，解決了孩子的問題，顯示出我們在解決傳統(tǒng)教育問題上的巨大潛力。
當前的新課程改革也提出了幾個標準，這些內容我們過去六七年前就已經討論過。首先，從教學轉向學習，實現以學生為中心的教育模式，不是圍繞教師，而是關注每個學生應該如何學習。其次，重視思維能力的培養(yǎng)，這已經強調了七年，我們在不同學科中注重培養(yǎng)孩子的這些能力而非單純的知識點。這也是我們的發(fā)明專利，特別是我發(fā)明的關于MCM思想能力方法的專利。我們相信，當孩子們掌握了這些能力后，他們將成為未來工作和生活的大師。
松鼠Ai的目標是希望每個孩子都能以非常低的成本，獲得一個集孔子、達·芬奇、愛因斯坦智慧于一身的AI超級教師。
9月19-20日，更多的創(chuàng)業(yè)者將登上2024 DEMO CHINA的舞臺，在AI紀元綻放自己的創(chuàng)新力量。
