8月22日，2024AGI商業(yè)趨勢(shì)大會(huì)在深圳成功舉辦。活動(dòng)由創(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(yùn)動(dòng)為大會(huì)指定用車，搜狐為戰(zhàn)略合作媒體。
本屆大會(huì)以“AI塑造未來市場”為主題，邀請(qǐng)人工智能領(lǐng)域的行業(yè)專家、上市公司、獨(dú)角獸企業(yè)、創(chuàng)新企業(yè)、投資機(jī)構(gòu)代表，分享研討最新的技術(shù)、創(chuàng)投、治理熱點(diǎn)話題，并圍繞產(chǎn)品商業(yè)化、人工智能+行業(yè)解決方案進(jìn)行深度交流，共同探尋更廣泛的產(chǎn)業(yè)合作與創(chuàng)新機(jī)遇。
會(huì)上，松鼠Ai創(chuàng)始人、首席教育技術(shù)科學(xué)家栗浩洋在主題為“AI教育，重塑學(xué)習(xí)未來中”的演講中精彩觀點(diǎn)如下：
1. 如果學(xué)生是一只鷹，那么跟隨猴子的路徑將難以前行；如果學(xué)生是一匹馬，那么他應(yīng)選擇適合自己的道路。每個(gè)孩子都有其獨(dú)特的學(xué)習(xí)路徑。
2. 我們的目標(biāo)不僅僅是提供答案，更重要的是提供教學(xué)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(yīng)用領(lǐng)域，重要的不僅是自夸產(chǎn)品有多好，而是消費(fèi)者是否真正感受到了產(chǎn)品的優(yōu)勢(shì)并認(rèn)可它。
以下為演講內(nèi)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(lǐng)域，致力于開發(fā)專業(yè)領(lǐng)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(xiàng)目反應(yīng)理論）為代表，隨后逐步引入遺傳算法和神經(jīng)網(wǎng)絡(luò)。到了2011年，斯坦福大學(xué)的教授們開創(chuàng)性地應(yīng)用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行知識(shí)追蹤，而到了2014年，全球范圍內(nèi)人工智能教師的教學(xué)成果已超越了頂尖人類教師。正是受到這一發(fā)展趨勢(shì)的啟發(fā)，我們開始匯聚歐美的人工智能教育科學(xué)家，共同開展研究。
隨著人工智能技術(shù)的持續(xù)進(jìn)步，我們不斷采用最新技術(shù)來優(yōu)化我們的教育系統(tǒng)。關(guān)于大模型的價(jià)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(diǎn)頗為流行。正如出門問問副總裁李維所言，大模型在不同領(lǐng)域有著不同的應(yīng)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(lǐng)域，但在我看來，這種做法并不恰當(dāng)。大語言模型主要用于對(duì)文字或詞匯進(jìn)行排序，類似于Sora對(duì)像素進(jìn)行排序，而非制作視頻；同樣，無人駕駛技術(shù)也不是依賴大語言模型來實(shí)現(xiàn)。同理，教育領(lǐng)域的大模型并非基于大語言模型構(gòu)建，而是我們經(jīng)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?qū)W生的學(xué)習(xí)順序。
以一個(gè)例子來說明，傳統(tǒng)教育模式中，老師在講臺(tái)上引導(dǎo)所有學(xué)生沿同一路徑學(xué)習(xí)，就如同在森林中，一只猴子指定了路徑，所有動(dòng)物都必須跟隨。然而，如果學(xué)生是一只鷹，那么跟隨猴子的路徑將難以前行；如果學(xué)生是一匹馬，那么他應(yīng)選擇適合自己的道路。每個(gè)孩子都有其獨(dú)特的學(xué)習(xí)路徑。
即便在高考這樣的標(biāo)準(zhǔn)化考試中，我們也能看到像馬云這樣數(shù)學(xué)僅得1分，或沈從文數(shù)學(xué)得0分的個(gè)例，但這并不妨礙他們?nèi)〉镁薮蟪晒?。我相信，像張一鳴這樣的人物，盡管在語文上可能表現(xiàn)不佳——我曾與他一同參與央視的對(duì)話節(jié)目，導(dǎo)演因剪輯不出有效內(nèi)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(gè)學(xué)生的學(xué)習(xí)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(gè)學(xué)生的用戶畫像，為他們定制個(gè)性化的學(xué)習(xí)路徑，確保每個(gè)學(xué)生都能以最適合自己的方式學(xué)習(xí)。
在過去的十年中，我們有幸積累了2400萬用戶，收集了高達(dá)100億條學(xué)習(xí)行為數(shù)據(jù)。正是這些龐大的數(shù)據(jù)資源，使我們得以訓(xùn)練并優(yōu)化我們的智適應(yīng)學(xué)習(xí)的大模型（LAM），以發(fā)現(xiàn)最適合孩子的學(xué)習(xí)路徑。
目前，我們的路徑訓(xùn)練已取得顯著成果。以一個(gè)平均成績約70分的五年級(jí)學(xué)生為例，若要提升至90分，六年前我們估計(jì)需要360個(gè)小時(shí)的學(xué)習(xí)時(shí)間。三年前，這一時(shí)間縮短至120個(gè)小時(shí)。得益于大模型的優(yōu)化，如今，同樣的提升僅需43個(gè)小時(shí)。我們的系統(tǒng)如同導(dǎo)航，可以根據(jù)學(xué)生的當(dāng)前水平和目標(biāo)水平，甚至具體到清華北大等高校的入學(xué)標(biāo)準(zhǔn)，來規(guī)劃學(xué)習(xí)時(shí)間和路徑。雖然不同個(gè)體的學(xué)習(xí)時(shí)間會(huì)有所差異，但在我們的系統(tǒng)中，教育的每個(gè)階段都已被解碼，能夠以時(shí)間的形式進(jìn)行規(guī)劃和完成。我們實(shí)際上是在學(xué)習(xí)序列中，將數(shù)萬個(gè)知識(shí)點(diǎn)和上億道題庫構(gòu)建成一個(gè)學(xué)習(xí)路徑，供學(xué)生生成并優(yōu)化其個(gè)人最佳學(xué)習(xí)路徑。
七年前，我們的多模態(tài)研究論文已在谷歌學(xué)術(shù)會(huì)議上獲得了前五名的榮譽(yù)，我們也是最早在教育領(lǐng)域應(yīng)用多模態(tài)技術(shù)的團(tuán)隊(duì)。
至今，我們持續(xù)發(fā)展LAM的核心功能——精確定位學(xué)生問題并深入理解學(xué)生需求。以我個(gè)人為例，我曾數(shù)學(xué)成績優(yōu)異，但幾何學(xué)卻非常薄弱，空間能力極差。面對(duì)數(shù)學(xué)奧林匹克競賽中的復(fù)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(xiàn)了一本塵封三十年的《解析幾何》小冊(cè)子，作者笛卡爾運(yùn)用函數(shù)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(jiǎng)，并獲得了北大、清華、交大、復(fù)旦等高校的錄取通知。這一經(jīng)歷充分說明，每個(gè)學(xué)生的學(xué)習(xí)路徑都是不同的，傳統(tǒng)的教育路徑可能并不適合每個(gè)人。我們的大模型致力于分析每個(gè)學(xué)生的用戶畫像，為他們規(guī)劃個(gè)性化的學(xué)習(xí)路徑。正如一匹馬可能選擇繞遠(yuǎn)路，但最終可能比兔子更早到達(dá)目的地，每個(gè)學(xué)生都有其獨(dú)特的學(xué)習(xí)邏輯和應(yīng)達(dá)到的學(xué)習(xí)效果。
樊登的孩子已經(jīng)在我們教育體系中學(xué)習(xí)了六年。整個(gè)學(xué)習(xí)過程中，學(xué)生與系統(tǒng)直接互動(dòng)，實(shí)現(xiàn)了完全的“無人駕駛”式學(xué)習(xí)。從小學(xué)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(dān)心自己在班級(jí)中的表現(xiàn)可能會(huì)處于下游，因?yàn)榘嗉?jí)里的同學(xué)都來自知名的初中。然而，在經(jīng)過一個(gè)暑假的系統(tǒng)訓(xùn)練后，他的成績?cè)陂_學(xué)后的九月份考試中躍升至班級(jí)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(shí)現(xiàn)了從班級(jí)倒數(shù)第三名到正數(shù)前兩名的轉(zhuǎn)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(jí)教師，他能夠提升優(yōu)秀學(xué)生的成績，卻難以將成績不佳的學(xué)生提升至班級(jí)前列。然而，我們的系統(tǒng)已經(jīng)找到了適合每個(gè)孩子的個(gè)性化學(xué)習(xí)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(gè)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(gè)具體的細(xì)節(jié)為例，在我們的AI搜索系統(tǒng)中，學(xué)生在解題過程中會(huì)留下各種草稿。我們的系統(tǒng)能夠識(shí)別并發(fā)現(xiàn)學(xué)生的問題所在。例如，在解決關(guān)于時(shí)鐘敲擊次數(shù)的問題時(shí)，系統(tǒng)通過分析學(xué)生的回答發(fā)現(xiàn)，學(xué)生沒有理解到敲擊11下實(shí)際上包含了10個(gè)時(shí)間間隔。通過這樣的分析，我們不僅能夠看到學(xué)生的書寫，更能深入理解他們的思維過程，并提供針對(duì)性的解答。
這種深度的個(gè)性化教學(xué)，使得我們的系統(tǒng)能夠根據(jù)每個(gè)學(xué)生的特點(diǎn)，提供最合適的指導(dǎo)和幫助，從而顯著提高學(xué)習(xí)效率和成績。
在我們的計(jì)算教學(xué)過程中，可以清晰地識(shí)別學(xué)生在哪些方面出現(xiàn)了錯(cuò)誤。例如，學(xué)生可能錯(cuò)誤地將梯形視為等腰梯形，而實(shí)際上并非如此。這類錯(cuò)誤并不只是簡單的識(shí)別問題，而是表面的。通過這些識(shí)別，我們能夠調(diào)整學(xué)生的學(xué)習(xí)路徑和方向，找出他們的弱點(diǎn)和瓶頸，并提供針對(duì)性的解決方案。我們甚至能夠發(fā)現(xiàn)學(xué)生在圖形繪制上的不準(zhǔn)確之處，并給予相應(yīng)的指導(dǎo)，從而顯著提高學(xué)習(xí)效率。
相較于一位老師面對(duì)整個(gè)班級(jí)講授同一題目的解析，我們的方法更為個(gè)性化。每個(gè)學(xué)生在解題時(shí)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(cuò)誤答案。顯然，用同一種解析方法來教授所有學(xué)生是不合適的。因此，我們必須根據(jù)每個(gè)學(xué)生的特點(diǎn)和邏輯，來定制講解和學(xué)習(xí)計(jì)劃。
我們的智適應(yīng)學(xué)習(xí)大模型（LAM）不僅能通過數(shù)據(jù)分析揭示學(xué)生的性格特點(diǎn)，例如是否具有創(chuàng)新精神、是否粗心等，還能準(zhǔn)確定位學(xué)生的個(gè)人特質(zhì)。基于這些信息，我們可以為不同性格的學(xué)生提供不同的學(xué)習(xí)習(xí)慣和方法。例如，對(duì)于能夠承受挑戰(zhàn)的學(xué)生，我們可以增加學(xué)習(xí)難度；而對(duì)于敏感的學(xué)生，則需要采取更為溫和的教學(xué)方法。
在整個(gè)學(xué)習(xí)過程中，我們不斷通過描述學(xué)生的用戶畫像來生成最適合他們的學(xué)習(xí)路徑。我們的目標(biāo)不僅僅是提供答案，更重要的是提供教學(xué)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?yàn)槊總€(gè)學(xué)生量身定制他們的學(xué)習(xí)計(jì)劃，確保每個(gè)學(xué)生都能以最適合自己的方式進(jìn)行學(xué)習(xí)。
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(xué)習(xí)行為軌跡、性格描述以及知識(shí)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(gè)孩子，并對(duì)他們的學(xué)習(xí)狀況做出更準(zhǔn)確的判斷。
我們的系統(tǒng)中包含了與孩子們的多樣化對(duì)話，這些對(duì)話基于學(xué)習(xí)行為數(shù)據(jù)，旨在啟發(fā)孩子們對(duì)自己解題思路的深入思考。以我的雙胞胎兒子為例，他們?cè)诙昙?jí)時(shí)就通過我們的系統(tǒng)完成了二至四年級(jí)的數(shù)學(xué)課程，三年級(jí)時(shí)便學(xué)完了八年級(jí)的物理。然而，到了四年級(jí)，他們?nèi)栽趯W(xué)習(xí)一年級(jí)的語文課程，因?yàn)樗麄冊(cè)谡Z文方面存在明顯的不足。正如我小時(shí)候在大學(xué)時(shí)期才彌補(bǔ)了自己語文上的不足一樣，每個(gè)孩子的學(xué)習(xí)路徑都是獨(dú)特的。在這個(gè)過程中，我經(jīng)常訓(xùn)練他們對(duì)一道題目尋找多種解法，因?yàn)樽寣W(xué)生反思自己的解題思路遠(yuǎn)比單純的提問更為重要。從他們兩歲開始，我就教授他們?nèi)绾嗡伎?，即使那時(shí)他們還不明白“路”是什么，我就已經(jīng)向他們介紹了“思路”這一概念。因此，當(dāng)他們?cè)谒哪昙?jí)遇到一個(gè)等差數(shù)列問題時(shí)，他們能夠用一種僅三步的解法，快速解決了學(xué)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(xué)生的溝通能夠幫助他們反思自己的解題思路，識(shí)別哪些思路是正確的，哪些是錯(cuò)誤的，哪些是有效的，哪些是無效的，以及如何在未來避免錯(cuò)誤并采納更好的思路。這種訓(xùn)練不僅涉及思維模型和能力方法，而且是對(duì)學(xué)生終生有益的。一旦學(xué)生的思維得到暢通，他們的學(xué)習(xí)速度可能會(huì)比其他人快五倍甚至十倍。
在我們現(xiàn)在的大模型體系下，學(xué)生可以全日制地在我們的平臺(tái)上學(xué)習(xí)，無需老師的直接指導(dǎo)，實(shí)現(xiàn)了完全的自動(dòng)駕駛式學(xué)習(xí)。學(xué)生每天不必做作業(yè)，從小學(xué)一年級(jí)到六年級(jí)，就能完成高中的全部課程內(nèi)容。在教育部的《教育信息化雜志》的研究論文中，通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)，使用松鼠Ai系統(tǒng)的學(xué)生，其成績比傳統(tǒng)教學(xué)模式下的學(xué)生高出31分。在白山希望中學(xué)，即使沒有老師和志愿者，我們的系統(tǒng)在兩個(gè)月內(nèi)幫助學(xué)生在中考中平均提升了50分，這體現(xiàn)了我們的學(xué)習(xí)效率和速度。
此外，我們與孩子在系統(tǒng)中的互動(dòng)和對(duì)話，有時(shí)也讓孩子們將我們視為傾訴的對(duì)象，分享他們的生活點(diǎn)滴，甚至是戀愛等私事，真正地將我們視作一個(gè)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(biāo)準(zhǔn)組主席職位。今年一月，我們舉行了標(biāo)準(zhǔn)組成立儀式，期間，北京師范大學(xué)、華東師范大學(xué)和清華大學(xué)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(gè)國家和40多家知名公司及高校的科學(xué)家們也紛紛申請(qǐng)加入我們的標(biāo)準(zhǔn)組。這標(biāo)志著我們中國人在人工智能教育垂直領(lǐng)域，尤其是在大模型應(yīng)用方面，已站在全球行業(yè)的頂峰。
在學(xué)術(shù)領(lǐng)域，我們不盲目追求發(fā)表數(shù)量，而是注重研究的實(shí)際應(yīng)用價(jià)值。今年，我們?cè)贗CLR頂會(huì)中又有7篇論文入選。我們的研究工作始終以指導(dǎo)未來三年的應(yīng)用為目標(biāo)，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(dòng)，直至最近一兩年才開始實(shí)際應(yīng)用。
全球人工智能科學(xué)家聯(lián)合會(huì)（AAAI）的現(xiàn)任主席Francesca Rossi及前任主席Bart Selman都對(duì)松鼠Ai給予了高度認(rèn)可。他們特別指出，我們的系統(tǒng)不僅能幫助孩子提高學(xué)習(xí)成績，還能培養(yǎng)他們未來社會(huì)所需的能力，使他們成為更優(yōu)秀的人才。
哈佛大學(xué)的教育學(xué)David Docterman教授也對(duì)我們的系統(tǒng)給予了肯定，認(rèn)為我們能為不同學(xué)生提供針對(duì)性的學(xué)習(xí)方案，根據(jù)他們的學(xué)習(xí)行為進(jìn)行個(gè)性化教學(xué)。
前任AAAI主席Bart Selman同樣對(duì)我們的MCM（思想能力及方法培養(yǎng)）體系表示認(rèn)可。
家長們對(duì)我們的市場認(rèn)可度非常高。過去，我們主要服務(wù)于教育培訓(xùn)行業(yè)，但由于政策問題，導(dǎo)致4000個(gè)經(jīng)銷商受到?jīng)_擊，公司一度背負(fù)9億債務(wù)，險(xiǎn)些破產(chǎn)。然而，經(jīng)過三年的努力，我們已經(jīng)償還了2億現(xiàn)金，另有6億債權(quán)人選擇轉(zhuǎn)股。目前，公司的零售銷售額已達(dá)到20億規(guī)模，我們已基本償還了90%的債務(wù)，僅剩幾千萬元待還。
我們轉(zhuǎn)型將重點(diǎn)放在了智能學(xué)習(xí)機(jī)領(lǐng)域。家長可以利用我們的智能學(xué)習(xí)機(jī)，實(shí)現(xiàn)無人駕駛式的學(xué)習(xí)體驗(yàn)。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(wù)于全日制學(xué)校教師，而我們則直接以智能老師的身份，代替教師進(jìn)行教學(xué)。
我們的產(chǎn)品策略在學(xué)習(xí)機(jī)市場已經(jīng)展現(xiàn)出明顯的優(yōu)勢(shì)。回顧2022年，我們剛開始時(shí)背負(fù)著9億元的債務(wù)，但我們的定價(jià)仍然高于市場上價(jià)值千億元的訊飛機(jī)器幾千元。到了2023年，我們的產(chǎn)品價(jià)格已經(jīng)比競爭對(duì)手最貴的產(chǎn)品高出3000元。隨著學(xué)而思、訊飛、百度等競爭對(duì)手紛紛進(jìn)入學(xué)習(xí)機(jī)市場，我們的產(chǎn)品單價(jià)已經(jīng)達(dá)到7000元，比對(duì)手高出許多。今年9月，我們推出了一款定價(jià)21100元的產(chǎn)品，其價(jià)格比市場上最貴的機(jī)器還要高出12000元。我們最貴的機(jī)型銷量甚至超過了最便宜的機(jī)型，這反映出家長們對(duì)我們產(chǎn)品效果的高度認(rèn)可。
在大模型垂直應(yīng)用領(lǐng)域，重要的不僅是自夸產(chǎn)品有多好，而是消費(fèi)者是否真正感受到了產(chǎn)品的優(yōu)勢(shì)并認(rèn)可它。從7月份雙減政策實(shí)施，8月份我們轉(zhuǎn)型做智能學(xué)習(xí)機(jī)，到9月份產(chǎn)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(fèi)用戶數(shù)量已從最初的一點(diǎn)點(diǎn)增長到現(xiàn)在的75萬，且用戶支付的費(fèi)用單價(jià)相對(duì)較高，不是幾十或幾百元的小額支付。
最后，我們的學(xué)習(xí)路徑規(guī)劃甚至在治療學(xué)生的精神疾病方面顯示出潛力，這并非罕見案例。一位經(jīng)銷商提到，有位孩子需要定期看精神科醫(yī)生，我們通過學(xué)習(xí)機(jī)上的學(xué)習(xí)行為數(shù)據(jù)分析，僅用100多分鐘的學(xué)習(xí)時(shí)間，就能通過一個(gè)二維碼揭示孩子的問題所在。
這個(gè)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(xué)習(xí)前的知識(shí)水平較低，18個(gè)知識(shí)點(diǎn)中有12個(gè)不會(huì)，即2/3的學(xué)校知識(shí)點(diǎn)未掌握，只有1/3掌握了。學(xué)習(xí)后，他的水平從27分提升到了74分。這個(gè)顯著的進(jìn)步表明，這個(gè)孩子的專注力實(shí)際上非常好。專注力差的學(xué)生，他們的知識(shí)成長差值通常只有十幾到二十個(gè)百分點(diǎn)，甚至可能為負(fù)，表明學(xué)習(xí)效果越來越差。然而，這個(gè)孩子的知識(shí)成長度非常高，有時(shí)達(dá)到40或60分，這表明他不僅專注力強(qiáng)，而且具備學(xué)習(xí)能力，只是之前可能受到了不適當(dāng)?shù)慕虒W(xué)方法的影響。
然而，我們也發(fā)現(xiàn)了兩個(gè)異常的學(xué)習(xí)行為數(shù)據(jù)點(diǎn)：他的解題時(shí)間遠(yuǎn)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(xué)習(xí)。我們發(fā)現(xiàn)他花了五倍于平均的時(shí)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(gè)非常用心的學(xué)生。
通過多模態(tài)數(shù)據(jù)的分析，我們發(fā)現(xiàn)這位孩子在花費(fèi)了五倍于常規(guī)的時(shí)間進(jìn)行驗(yàn)算，這清晰表明他的專注力并非如其母親所擔(dān)憂的那樣需要每周就醫(yī)，實(shí)際上他的專注力非常好。然而，隨后我們注意到孩子出現(xiàn)了一些精神上的問題。在第19題解答錯(cuò)誤之后，他的行為數(shù)據(jù)顯示出異?！皇沁^度異常，而是異常不足。他在幾秒鐘內(nèi)跳過了第20題和第21題，盡管這些題目的難度已經(jīng)降低到遠(yuǎn)低于他能力水平的17級(jí)。按照他的實(shí)際水平，即便是17級(jí)的題目也應(yīng)該能夠正確解答。但他甚至在1級(jí)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(xué)習(xí)。他之所以能夠繼續(xù)學(xué)習(xí)，是因?yàn)槲覀兪冀K給予他1級(jí)的題目。對(duì)于一個(gè)能力在24至70級(jí)的孩子來說，當(dāng)他發(fā)現(xiàn)題目如此簡單時(shí)，便重新激發(fā)了學(xué)習(xí)的興趣，并逐漸提升了學(xué)習(xí)等級(jí)。
我們的AI智能教師在題目難度系數(shù)的調(diào)整上也發(fā)生了變化。最初，難度系數(shù)的跨度很大，但隨著時(shí)間的推移，這種跨度變得非常小。我們從一個(gè)極端嚴(yán)格的教學(xué)方式轉(zhuǎn)變?yōu)橐粋€(gè)非常溫和和體貼的方式，因?yàn)槲覀儼l(fā)現(xiàn)這個(gè)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(shù)據(jù)和學(xué)習(xí)效果后，為每個(gè)學(xué)生提供的獨(dú)特學(xué)習(xí)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?cè)诮鉀Q傳統(tǒng)教育問題上的巨大潛力。
當(dāng)前的新課程改革也提出了幾個(gè)標(biāo)準(zhǔn)，這些內(nèi)容我們過去六七年前就已經(jīng)討論過。首先，從教學(xué)轉(zhuǎn)向?qū)W習(xí)，實(shí)現(xiàn)以學(xué)生為中心的教育模式，不是圍繞教師，而是關(guān)注每個(gè)學(xué)生應(yīng)該如何學(xué)習(xí)。其次，重視思維能力的培養(yǎng)，這已經(jīng)強(qiáng)調(diào)了七年，我們?cè)诓煌瑢W(xué)科中注重培養(yǎng)孩子的這些能力而非單純的知識(shí)點(diǎn)。這也是我們的發(fā)明專利，特別是我發(fā)明的關(guān)于MCM思想能力方法的專利。我們相信，當(dāng)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(biāo)是希望每個(gè)孩子都能以非常低的成本，獲得一個(gè)集孔子、達(dá)·芬奇、愛因斯坦智慧于一身的AI超級(jí)教師。
9月19-20日，更多的創(chuàng)業(yè)者將登上2024 DEMO CHINA的舞臺(tái)，在AI紀(jì)元綻放自己的創(chuàng)新力量。
