7月10日，由世界人工智能大会组委会、上海市徐汇区人民政府指导，中国信息通信研究院、上海开放大学、上海西岸开发（集团）有限公司支持，中国互联网协会智慧教育工作委员会、上海教育软件发展有限公司、上海开放远程教育工程技术研究中心、上海市人工智能行业协会、上海市人工智能学会协办，亿欧EqualOcean在上海主办的2021世界人工智能大会“技术创新与人才培养论坛”顺利举办。
在论坛上，海内外知名专家、学者、企业家，以“推陈致新，乐育人才”为主题，从人工智能技术创新、人工智能与教育融合和人工智能人才培养三个方面展开，进行了多维度的研讨与对话。
校宝在线董事长兼CEO张以弛以《泛AI助力教育服务产业》为主题发表演讲。
核心观点：
1. AI+教育就是有一定科学基础的广告，我个人对于AI+教育整个大的趋势的判断是相对保守的。
2. 当一个技术刚刚出现，投资会特别火热，大家对于它的期望也很高，它快速会达到一个顶点，然后快速地破灭，最后再缓慢爬升上来，这是非常著名的Gartner技术曲线。整个教育AI并没有逃脱这个曲线。
3. “教育”作为一门学科，是非常年轻的学科，没有公认的底层理论基础。教育类的任何的技术创新都是有边界的。今天教育AI核心问题在我看来是尚没有办法完成它的服务闭环。
4. 个人比较看好的方向。我用的词叫“泛AI”。 泛AI在教育的边缘场景，我认为有很大的发展潜力和机会的，以及取得了一些不错的成果。边缘场景不等于不重要。通用性的AI一定不是为教育场景专门开发的，在教育场景下它能够做一定的场景落地/本地化。
5. 高复杂度、高负荷度的算法问题是我们真实在教育场景中需要用的，但这个问题大概率不会在教育场景被解决掉，而且解决的技术难度特别大。现在行业做的教务所谓的RPA，实际上就是以某种智能程度的按键精灵。
6. 不管是通用型的，还是高负荷度的算法问题，最具有经济价值和社会价值的场景都不在教育，这些技术会在别的行业先被应用，然后在教育落地。自动驾驶这件事情会带来人工智能方面的红利。这波红利未来如果在自动驾驶领域被使用，在安防领域被使用，可能在第10、第11个场景落到教育领域。
以下为张以弛演讲原文，亿欧EqualOcean在不改变嘉宾原意的基础上，进行了编辑，供行业人士参考。
今天我想在人工智能大会上讲一些教育信息化的东西。
校宝在线是目前国内头部的教育类SaaS公司。全中国的国际化学校大概40%部署着校宝的产品，教育培训机构里面但凡完成某一种程度信息化的，大概三分之二是校宝的客户，我们是国内这个领域做得最大的公司。
我是剑桥大学语义、逻辑和编程方向的博士，但博士没读完就创业了，2008-2010年我在剑桥学习的就是人工智能方向。在2010-2013年，我做的项目实际上是“AI+英语写作工具”。其实我们做的是国内最早的AI和教育方向的工具。2010年全中国第一个出AI方向的教育工具项目就是我们的，现在你还可以下载到这个工具，叫1Checker，基于自然语言处理的帮助大家写英文写得更好的工具。当然这个工具如果你从它的商业化角度来讲，肯定是比流利说差很多，因为这个工具到2013年以后就不再运营了。这两个例子是想证明我是有一定的专业背景和专业知识，才分享观点的。
这是我2016年的时候发了一条Twitter。2016年是我们国内教育和AI相结合的顶点。但是2016年的时候，我说AI+教育就是有一定科学基础的广告。我个人对于AI+教育整个大的趋势的判断是相对保守的，从2016年开始就这样。我的定义就是你认为你宣传它的疗效大于Facts，所以性质就是广告。为什么这么说呢？
第一，今天我们站在2021年会看，从这5年的发展，大概率来讲，我指的是硬科技方面，教育AI基本上没有逃脱Gartner那个技术成熟曲线，就是当一个技术刚刚出现，投资会特别火热，大家对于它的期望也很高，它快速会达到一个顶点，然后快速地破灭，最后再缓慢爬升上来，这是非常著名的Gartner技术曲线。整个教育AI并没有逃脱这个曲线。我们可以看一下相关的教育AI方面的投资，不管从它的金额、从它项目的笔数，以及最后在2016-2018年左右所有教育AI公司的承诺，再看从2019-2021年这些承诺有没有达成。
第二，我们看看这些教育+AI公司，它的AI团队招的人有没有在变多。中国大部分教育+AI公司的团队基本不扩张，这个和其他行业不一样。
后面我会就着这两个观点给大家一些具体的例子。
2014年开始国外最最火热的AI+教育的公司叫KNEWTON，目前是全世界范围内融资最多的自适应教学公司，前前后后大概融了1.8亿美金，我们知道一些国内的教育公司以及一些头部基金都参与了这家公司。2014年他发布了他的技术白皮书，里面讲了它核心的期望，就是通过人工智能和大数据的研究，给学生提供不一样的路径。今天你先学的知识点，每个人学的知识点的路径是不一样的。第二个提供不一样的节奏，每个人学习不同的知识点，需要花费的时间是不一样的。还有不同的评估，今天你对不同知识点掌握的程度，每个人是不一样的。这样的故事在2014年就有，然后到2021年中国还有很多公司在讲这样的故事。
大家研究一下它的技术白皮书，这是公开的，纯英文板块，如果研究一下，你会发现国内所有做自适应的公司没有任何一个人的故事超过这个白皮书。KNEWTON融了很多钱，KNEWTON的合作伙伴基本上是我们所知道的最好的大学以及最好的教育出版社，但是结局是非常凄惨的，KNEWTON最后整个公司被收购的价值大概在2000万美金以内，它融了1.8亿美金，最后这家公司的残值就2000万美金。这应该是整个教育科技史上，典型的一个失败的投资项目。
“教育”这个词，英文作为Education的话，这个词的诞生到现在为止差不多只有300多年前。所以大家可以想像，如果教育作为一门学科，作为教育学，它是一个非常年轻的学科，所以教育学没有公认的底层理论基础的。这是什么意思？今天教育学有很多这样的观点，它跟经济学很像，有很多流派、很多观点，但是对于人是怎么样认知、怎么学习的，科学界没有统一的理论依据。换句话说，今天所有的流派都有一定的基础，有一定的追随者，但没有一个流派是统一教育学的，跟经济学跟像。
在一个缺乏理论基础的领域，你想通过技术去改变一些事，就变得很难。如果今天我只能讲一条观点的话，这就是我的观点。就是在一个缺乏理论基础学科的领域，任何的技术创新都是有边界的。我觉得这是值得大家思考的。
今天我们都说自适应学习，但绝大多数人搞不清什么叫自适应学习和自适应测试，自适应测试是给每个人千人千面的考题，科学地测出你现在的学术水平，这件事情得到了充分的学界认证，全世界的心理测量学的专家都可以告诉你自适应测试是成功的，因为从1999年开始，GMAC的考试就是自适应措施，大家国内所熟知的猿题库，本质上都是采用自适应测试理论。
但是自适应学习这件事情实际上在学术界是没有公认，有相当比例宣称自适应学习有效的论文，它背后的sponsor都来自于自适应学习的产业公司。背后出钱搞研究的基本上就是KNEWTON这样的公司，所以这也是值得大家思考的。
第三点，其实自适应学习的实际效果，是一个很好玩的事。今天我们看不同的自适应学习的公司，基本上每一个人都能给大家拿出一个很好的报告，告诉你我的实验组和我的对照组相比是有效的，所有的公司都能拿出这个报告，再小的公司都能拿出这个公司。用户的体感，学生、家长真的买账吗？大家看一看，我前面说了AI公司的人数基本并没有增加，有多少在做教育+AI的公司，真正认为AI是它的竞争壁垒的。如果你认为这是你的竞争壁垒，你应该不断去投资把这个壁垒垒高，大家可以再看一看实际的现状。
任何一项技术一定是有边界的，就是它能做什么，不能做什么。再好的技术都一定有天花板，今天教育AI核心问题在我看来就是尚且没有办法完成它的服务闭环。举例来讲，2-3年前特别火的情感计算，一个老师在上面讲课，可以通过学生的表情，告诉你这个学生听懂没有，大家翻翻这样的新闻很多，但是今天有多少课堂实际在使用这个东西。说白了，假如这个情感计算是百分之百准确，我告诉这个老师你这个班级里面35%的学生没有听懂，这个老师要为这35%的学生改变他的备课教案吗？全中国有多少老师做到这样的事？你给出了一个很好的报告，给出一个很好看的评测，给出一定理论依据，但是对于整个教学过程的作用和改变呢？所以这是一节很好看的汇报课，是Advertising。
另外一个观点，今天讲的大部分“AI+教育”，本质是“AI+出版”。据简单来讲就是AI录播课，录播的本质就是出版，它跟书是一样的“AI+出版”核心就是给你看不同的书的章节而已。如果在学术上把技术仔细分的话，我们应该分清什么叫“AI+教育”，什么叫“AI+出版”。
教育AI的天花板到底低不低，可以看中国绝大多数的AI公司人才往哪些公司流动。
我想说的是，思考技术的边界，就是对技术最大的尊重。今天在人工智能大会，有教育+人工智能的论坛，人工智能对教育到底有什么作用，我觉得当然得有人来提。实际上，在今天的中国的市场上，AI+教育是被高估了，我们要分清楚什么叫教育科技，什么叫科技教育，我谈的主要是教育科技，我觉得教育科技被高估了。
事实上这么多年的发展已经告诉我们了，市场是非常诚实的。如果我们再往上抛一层，整个“数字化+教育”都被高估了，如果“数字化+教育”那么有效的话，今天教育要不要数字化，就不应该是一个疑问句，但是大部分的教育公司其实都没有在做数字化，除了广告，做Advertising的公司会这么做。
我的感受是，我们学校的教育信息化还没做好。举例，2020年为什么疫情来了，钉钉突然火了？企业微信突然火了？我们教育信息化已经干了几十年了，这几十年的成果为什么疫情一来就都不work，所以本质上来讲是教育信息化的应用，还不够。这时候谈教育信息化，谈AI，我觉得有点过早。
最后还是要给出一些个人比较看好的方向。我用的词叫“泛AI”，如果把它只限定在人工智能，这个就比较难了，所以放的宽泛一点，所以叫“泛AI”。
教育服务我认为叫“教育的边缘场景”，教务就是教育的边缘场景，比如你做一个口算题，这是一个教育的边缘场景，就是泛AI在教育的边缘场景，我认为有很大的发展潜力和机会的，以及取得了一些不错的成果。
这里面真正在起作用的，实际上，第一是通用型AI，就是大家知道的图像识别，这个在学校的门禁系统里面用得很多了，语音识别也有。但是通用性的AI一定不是为教育场景专门开发的，在教育场景下它能够做一定的场景落地/本地化，比如说当门禁我能不能够支持快速的、大规模的学生的考勤。今天学校门口的闸机在我看来都太贵了，因为实际上做学生考勤我不需要屏幕的，我只要有摄像头就可以。今天能不能用手机的摄像头代替考勤机的摄像头，一个学校签到的考勤机如果在每个教室门口装一个的话，能不能做到300块以内，这是真正的教育AI公司要做的，而不是在人工智能算法上做什么突破，因为大概率来讲，这个算法是由别的行业带来的。
其次，我想说的是高复杂度、高负荷度的算法问题，本质上来讲，不能严格意义上算人工智能的问题。但是复杂算法问题是我们真实在教育场景中需要用的，比如有分层走班排课（NP）的问题，就是一个多项式复杂度的非确定性问题。这个问题是全世界特别有名的数学难题，如果你能解决这个问题，基本上能够获得图灵奖的。大概率来讲，这个问题不会在教育场景被解决掉，但是分层走班排课是在教育场景中真实出现的。现在的方法，包括我们自己的，包括行业在做的，就是利用人工智能做某种程度的优化，把一个老师的工作从两个礼拜缩减到两个小时，这个事情是值得大家去做的，但它只是在教育的边缘场景。包括教务所谓的RPA，实际上就是以某种智能程度的按键精灵。
所有这些技术的突破大概率不会在教育行业产生，如果这个观点在2014年会被很多人挑战的话，我想7年以后，这个观点应该得到更多人的赞同，因为确实如此。不管是通用型的，高负荷度的算法问题，它最具有经济价值和社会价值的场景都不在教育，所以大概率来讲，这些技术会在别的行业先被应用，然后在教育落地。
最后我想说，今天我们之所以能在这边谈论人工智能和教育，最主要的就是因为人工智能在通用领域，在机器学习领域有一些突破，这些突破跟教育场景本来没有关系，只是顺带在不同行业应用以后，慢慢落在了教育行业。第一波的红利（机器学习）已经过了，什么叫红利？就是原本这件事情很难，它的技术门槛在这里，但是随着一些开源、随着一些互联网公司把一些简单的架构框架释放出来，它的门槛被大大降低了，所以教育领域可以用了。
第二波的红利其实也有，我们大概率认为自动驾驶这件事情会带来人工智能方面的红利。这波红利未来如果在自动驾驶领域被使用，在安防领域被使用，可能在第10、第11个场景可能能落到教育领域，这是一波能看得见的红利。
但我个人有一个偏保守的判断，就是它也只能落在教育的边缘场景里。我不想让大家误会，教育的边缘场景有价值，因为今天我们谈论教育绝大多数人第一反应就是课堂，就是授课，就是教学，教学、教育组织是一个组织，为了保障课堂秩序有效进行，这个组织有很多配套功能。
我们的名词就是教务、后勤，但是这些事情对于一个教育组织是非常重要的。一个真实有业务经验的校长可能会告诉你，他70%以上的时间就是花在能够让教育活动奋力进行的保障上，只有30%的时间是真正花在教学研究以及教学工作上。所以，边缘场景不等于不重要，但是和我们一些期望来比，我相信大家应该有一个正确的认识。
今天我的分享到这里，谢谢大家！
