按：11月15日-16日，“全球AI+智适应环境教育峰会”在北京嘉里中心大酒店盛大揭幕，峰会由(公众号：)牵头乂习教育松鼠AI，以及IEEE（美国电气电子工程师学会）教育工程和自适应教育标准工作组联合举行，汇集国内外顶尖阵容。AI智适应环境自学是目前产学研三界关注度最低的话题之一。

此次峰会，主办方邀了美国三院院士、机器学习泰斗Michael Jordan，全球普遍认为机器学习之父Tom Mitchell，斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT自学方案组高级研究科学家Michael Yudelson等顶尖学者。除了高密度的大咖演说之外，还有多场观点交织的圆桌论坛。

11月16日下午，美国福布斯市场内容部总经理Will Thompson和物灵科技CEO、前微软公司研究院研究员顾嘉唯以及印尼仅次于教育公司Ruangguru牵头创始人Iman Usman展开了了解对话，探究了创立教育公司面对的挑战、教育如何与科技结合、如何针对有所不同年龄的学生制订教学策略、如何获取数据等问题。以下为圆桌对话国史，展开了不转变不愿的编辑整理：创立教育公司的挑战Will Thompson：非常感谢大家回到这个对话环节，首先我想问一下Iman Usman，你的公司是作为印度尼西亚仅次于的教育科技公司，我实在你不会面对十分多的问题，你是如何创立你的公司，以及你们如何沦为印度尼西亚仅次于的教育科技公司？Iman Usman：4年前，我还在学校修读研究生时就创办了这个项目，所以这是我们一生的一个事业。

教育行业有很多案例、模式，但是对于我个人来说，毕竟一个十分全新的挑战，因为我现在是在创业。第一个挑战，就是要去理解教育的市场，要去理解用户他们的问题是什么，以及如何去解决问题这些问题。另外一个是内容的探寻和内容的实验，比如说在我们读书的时候，在印度尼西亚，我们没过于多这方面的公司。但是比如说在中国，我们有很多内容获取的公司，就可以拿他们来做到一个案例。

当时，教育行业在印度尼西亚是一个蓝海市场，所以我也不告诉我是不是在做到准确的事情。但是最后是远超过我预期的，公司从最初的两个人发展到了现在有一千多名员工。

我实在有所不同阶段我们都会有有所不同的问题，比如说在早期阶段，我们是要去寻找市场份额，要去寻找第一批消费者、客户以及收费的客户。如果你要展开规模化，你在用户数超过第一个100万、500万、1000万时都会面对有所不同的问题。

Will Thompson：我实在对于所有的企业家来说，这些都是联合的挑战，但我实在你做到的十分好。顾嘉唯先生，您的物灵科技专心于机器人，您能无法跟我们共享一下机器人用作教育的经验？顾嘉唯：我们在做到的一个尝试是用机器人来做到教育。这跟一般来说意义上告诉的那种屏幕上的对话式机器人有所区别。

由于此前电影、电视中对于机器人的过度想象，想起机器人用作教育，也不会有所不安。但是目前，机器人技术更加成熟期，渐渐循环成能用的阶段。我们为什么要尝试在这个时点从一个只是在屏幕上的助理或者对话机器人跳跃到实体的产品上面？是因为我们的受众，我们是想要解决问题K6这个年龄段小孩在教育内容上的提供。因为大家只不过告诉现在的很多教育是线上和线下，因为一部分是说道从线上去取得直播课程、录播课程，或者说有一部分智能、AI的双师的课程。

对于小孩来说仍然是对着屏幕只不过是有问题的，因为无论是对于视力还是对于内容的掌控，对于我们信息传送过早地被那些多媒体强占的状态是不会有一些负面影响的。我们能无法利用好现在实体的这种东西，需要让小孩自学到、认识到很多新的东西。比如说书本，我们能无法通过今天的计算机视觉去自学所有市面上的课本、绘本，需要让它跟小孩必要产生交互。因为只不过这里面我们有一个很有意思的现象是说道今天如果我们能通过一个机器人，一个AI的机器人，需要切断实体的物质，也就是实体交互的教材、内容和虚拟世界的数字内容，这只不过是一个很有意思的桥接的机会。

刚只不过有一张照片，就是我抱着那个大的机器人的照片，那个机器人是我最先做到的一个项目，我们最先做到这个机器人的时候只不过是想要打家庭当中一个陪伴式的全能机器人。但实质上它的问题在于短期内用户预期十分低，你很难把一个语音交互的全能型的相连各种家居、相连各种教育内容的机器人作好。所以我们开始渐渐细分人群、场景，把一个场景给切断。所以我们公司的名字——物灵，就代表了一个中国人当中对于这种生命感、有灵性的一个叙述，万物有魂魄，我们想要打造出有灵性的机器人，需要协助小孩在教育过程中去对话实体的产品，而不简单是语音交互。

因为语音交互有一个现在的现实情况，大家有可能家里面都用过智能音箱，只不过你现实的预期和你每天在用的语音音箱的场景中间是有Gap的，你不会实在什么都可以闲谈，你不会实在什么都可以对话，用它很便利。但实际用一下之后，你不会找到很多东西不会经常出现错误，因为自然语言交互技术在一个开放式的问题上面只不过很难解决问题好，所以这是标准化意义上的智能音箱的问题。

我们换一种解决问题方法，如果我们限定版在K6的场景中，协助小孩在翻读各种教材、课本和绘本的过程中，能对话内容，用计算机视觉的技术来辅助小孩解读场景，同时用一些非常简单基于这个场景下面的科学知识树根自然语言交互的方式去解决问题横向领域中的对话问题，这就很有意思了。另外这不会对教育带给一个新的机会，因为大家现在在直播课APP类的教育软件产品都中有一个特点，是在于你必需把平板电脑和手机给到小孩，这也是为什么很多显APP类产品黏性、活跃度和时长不会产生问题的地方。如果是他自己的终端，他有可能去玩游戏别的东西了，不高效率，他有可能去玩游戏、打王者了。如果是家长给他在相同的时间去用于，他有一个缺点是复购和翻转。

如果是一个机器人在边上，除了刚才这种可以必要对话之外，他还可以静默式的在旁边对话，他可以把你再行拉回来，他有那种能力。他可以通过这种主动性、察言观色，主动把用户再行拉回来，把教育内容再行发售去。这是他具备从屏幕交互纳到实体交互的一个新的机会。

我们物灵最近发售了一款针对细分人群场景的产品，针对幼儿园小孩2—6岁、2—8岁的人群，他们在每天高度地看各种各样的绘本，因为大家告诉绘本是一个舶来品，来自于欧洲市场、北美市场、日韩还有台湾。中国在过去5年时间绘本的增量十分慢，整个出版发行行业，绘本是特立独行头部，快速增长最慢的一个行业，就是童书绘本。我们尝试用计算机视觉、用深度自学的算法去辨识所有市面上的书和绘本，放在他面前刷到任何一页就可以讲故事，刷到任何一页就可以基于绘本内容跟他解说对话。

这个产品叫Luka，它是一个小的猫头鹰一样的机器人，需要跟小孩更佳地对话，把教育内容一点点传送给小孩。教育与科技的融合Will Thompson：直说Iman Usman，你们在教育科技方面做到了很多的事情，那你们是怎么开始的？或者你们做到的第一个事情是什么？你们是一开始就包括很多方面，还是一开始专心于一点？Iman Usman：这是一个十分好的问题，当然我们并不是说道一开始就所有的方面都牵涉到。我们一开始也是不会分析一些市场，当时我们也找到有很多的模型，他们有这种智能的辅导，这样的一些交互课程。

但是我们想要做到的一开始非常简单，就是要相连学生让他们寻找十分好的老师，他可以在线上也可以在线下。当时我们做到这一点，就是因为我们指出当时的市场还没准备好展开这种1对1的课程，而且还有一些其他的基本问题，所以我们当时就想要解决问题这些问题，我们想寻找其中一个问题，然后这个问题就是如何来寻找这些质量很高的老师或者是辅导老师。那返回我们刚才所说的这个问题，对于这些高质量的老师的数量也是过于的。

而且特别是在是你到二级三级城市来讲，这样的老师就更加较少了。所以我们就不会来录音这样的一些视频，在这个视频中会有十分高质量的老师来展开授课，可以把这样的视频来以较为物美价廉的方式获取给这些其他城市的同学。

我们也不会有订阅者的服务，在这方面也不会给我们带给了很多的报酬。我们当时不会想要还挺好的，但是它有可能不是一个可持续发展的过程。那我们怎么样需要更佳地教育家长？因为教育家长也是十分最重要的。因为我们当时不是想只从这些公司或者企业上来取得效益，我们是想要让整个市场都更加熟知我们这样一个概念，让家长也需要更为熟知我们的概念，因为这样他们才需要更佳地让他们的孩子学我们这样的课程。

所以当时我们不会和很多的企业合作，不会让更加多的家长来尝试我们的产品，不会说道如果说我们可以从线上自学，那我们的孩子认同也能从线上自学。之后就是指政府这里获得了很多的注目，他们就不会和我们有很多的合作，这样渐渐推展我们的产品。所以我指出我们一开始必须寻找一个焦点、一个重点，来想要一下其他和这个重点有关的东西，再行展开拓展。Will Thompson：顾先生我也回答您某种程度一个问题，刚才您也说道过大家有可能也是对机器人有不安的心理，首先是为什么是机器人？你是怎么样再行寻找这些对于机器人不惧怕的受众群体？顾嘉唯：我们原本最先这个团队的核心人员是来自于微软研究院、百度研究院。

我们只不过在原本的大公司、大平台里面做到过各种各样尝试所谓的机器人，因为我们指出机器人这个词在中国的解读当中理解有一点偏向于一定要是两个脚的，跟人对话的这种惊悚片型的。只不过机器人的泛义很广，它是自动已完成任务的一个继续执行装置。所以我们最先做到过无人车、穿着式设备的机器人，我们做过在路上跑完的机器人，我们做过在家庭当中陪伴的像智能音箱这样的机器人为什么我们后来探讨在读者这个场景？这里面有一个很有意思的逻辑，刚才我只不过也非常简单提及过一下，我们找到确实用户预期的场景和技术边界可以去解决问题的问题之间是必须一点点递归过去的。

因为我们最先在做到机器人的时候，我们找到一个仅次于的现象，在于每个细分场景当中你作好都不更容易。这就是为什么说道今天我们在很弱人工智能时代，在很弱人工智能时代跑到强劲人工智能时代的过程中，只不过再行要解决问题横向问题。我们告诉在过去的自然语言交互问题，对于百度的引荐，或者谷歌这种带上科学知识网络、网状模型去做到检索式模型的都十分好用。

在计算机视觉领域，以前我们找到很多模式识别的辨别只不过对于很多东西都不能用，但在过去的5年时间深度自学上来之后，把人脸识别、人行检测、车道线、车行检测作好了之后，我们可以应用于在更加明确的领域，我们开始做到人脸识别，还包括像安防、金融检验、券商等。回过头来，我们现在又找到一个新的领域，是说道如果我们需要把一个多模态的交互技术，融合计算机视觉和自然语言的交互，能解决问题教育问题的话，这是一个十分细分的领域。我们当时做到Jibo的时候，就尝试过在其中放进VIPKID、英语对话的场景，我们找到用户用的十分高频，他们很乐意于用这样机器人的场景去苦练英语、去对话、去自学这种对话式的场景。

我们在想要如果需要减少一个视觉的能力，让这个对于全局的解读更加全面，他的对话逻辑不会更加好。所以我们不会从视觉抵达，因为在过去一段时间技术确实递归深度自学这个里面，它影响的视觉带给算法的提高是低于自然语言的。

因为大家告诉只不过在过去一段时间深度自学对于自然语言解读的提高并没那么地颠覆性，现在基本上都还是在用传统方法解决问题横向问题。但是对于计算机视觉这个领域当中，深度自学带给的变革是极大的，只有一个相当大跨越式的技术变革，才能产生一个大的技术创新。我们就在想要怎么通过计算机视觉这个横向类目，再加如果我们必须一个的硬件载体的创意机会。因为大家告诉只不过对于成年人来说，手机基本上吃了你的绝大多数时间，因为手机是特立独行顺利的一个智能产品。

所以很多过去一段时间投资仅有探讨在了无人车，最近Waymo的创始人也跟大家说道无人车还有很长一段路径。我们就在想要机器人究竟什么样的载体是合适的？我们既然以前中举过无人车、穿着设备的机器人、家庭的机器人，我们探讨在教育这个领域，就是我们的一个问。我们实在视觉来辅助实体的，还包括你在上面去玩游戏英文拼成单词的卡片，你在上面去展开自然语言对话一些非常简单的英文对话，你在上面去翻读各种各样的教材。

在这种交互空间内你可以玩游戏出有很多多模态的交互，它需要带来小孩一个手机之外陪伴、自学和娱乐的终端，这是一个十分大的机会。我们期望需要用上像当年在中国曾为十分多很好的产品，像快译通、学习机、点读机这样的产品，我们今天正在用计算机视觉的AI算法特自然语言的交互建构新的一波教育的产品，它需要通过一个广泛的RGB摄象头，去检测小孩的手指。因为我们把深度自学习的这个年龄段小孩手指的不道德轨迹，你可以不像原本必须一个点读笔，你必要用普通的手指点在书本上、课本上就能对话。分龄教育Will Thompson：我还有另外一个问题问两位，我们刚提及了有很多的在儿童教育当中的不同点，某种程度是K12的不同点。

所以我想问大家，我们如何用教育技术公司或者说你们两家公司如何用有所不同的思维去看来年纪较为小和年纪较为大的儿童的教育？Iman Usman：我实在十分不一样，因为孩子们年纪较为小，他的能力还较为受限。但如果这个学生年纪较为大，他的能力不会略为强劲一些，我们要考虑到他们有所不同的能力。

还有就是要借此所取到一个均衡，年纪较为大的学生他们不会较为自律一些，不会自己去自学。但是年纪较为小的孩子，他们周边不会有很多的因素，可能会更有他们的注意力。比如说家长就十分最重要，特别是在是在亚洲，很多的家长他们对孩子的希望十分低，比如说他们想让孩子去做到很多的读者，但是他们自己在家里又不读者，家长自己本身又不读者，所以我实在这是一个较为大的问题。所以在儿童时代的教育，我实在某种程度是教育本身我们必须留意，我们要让教育沦为整个家庭当中的主题，这样的话某种程度是有儿童的参予，也有家长的参予。

另外一个，大家也要注意到教育的内容十分地最重要。我们的内容要十分地有吸引力，因为孩子们年纪较为小，他们更容易集中注意力。所以他们很难将注意力长期保持集中于的状态，所以我们的内容就必需要十分有意义、十分更有人。

Will Thompson：我实在你的点十分好，我的母亲总是告诉他我说道，她不会告诉他学生一定要在家庭教育过程中，要让家长有参予。所以顾先生，我也有一个问题要回答您，您是在机器人行业的，您实在机器人是不是一定会比电脑的屏幕在教育孩子方面不会做到的更佳？因为最少说道会让他们玩游戏很多游戏吧？您实在比如说K6的学生或者是年纪更大一点的学生，交易方面有什么不一样？顾嘉唯：K6的小孩绝大多数是没自己的支配权的，往北上长的时候，小孩的自律决策、自律自由选择的判断力和他的决策权不会更加大。所以这里面仅次于的区别是谁来做到决策，只不过往更加小的小孩来说，很多决策是在学校之外的，因为有很多家长的时间可以去做到决策。

因为它不会牵涉到到环境的变化，因为他那时候所有的教育内容和获课方式都是以家庭居多的。往北上长的时候，相当大一部分时间多了一个场所是去学校，怎么需要均衡好这两个的关系是很关键的。对于K6的产品，最关键的是你能无法掌控主家长的痛点、家长的市场需求，和寓教于乐的一个点需要让小孩持续用于，这是最关键的。在K12或者在网上，最关键的是你能解决问题学校里面的痛点，老师的痛点和家长和老师之间联系当中可以去找的机会，这是两个不一样的逻辑。

对于我们在做到的K6，我说道说道K6这块我们的踢法和策略，我实在K6我们更好是把它当作一个几乎面向To C的产品，那你就必须十分深挖用户场景当中的痛点和市场需求是什么？而且决策出售人和用于人是分离出来的，他是两拨人。那我们就要去寻找今天家长对于一个教教小孩，他究竟有哪些表达意见、哪些痛点还没解决问题？我们说道了刚才我们有一款产品叫Luka，它的主打就是今天家长有几个痛点，完全所有家里面一柜子一柜子的绘本，他没有时间、精力，甚至有的时候没能力去读书英语，能无法帮到他？你把一本绘本需要谈的绘声绘色这个能力是很难的，市面上不是所有人都能作好。就像得道给了大家很多听得书消化完了更佳的结果，今天所画本能无法建构这样的机会？你能无法让一本绘本谈的绘声绘色，有声有色的，让小孩爱上它，比看动画片还有体验，这是一个机会，这是我们打的第一个点。

第二个点是英语，只不过中国家庭学英语K6现在是一个十分少见的场景，甚至是K3，更加往前。期望小孩需要早地认识这种英语，因为英语是刚刚须要，它很更容易、很较慢地可以校验闭环，他跟机器人对话两下，你拿一个苹果在他面前，他上前说道Is an apple，他就可以去告诉他家长，他有这样的直观反应，就很更容易校验这个闭环。所以我们在机器人上重新加入了十分多怎么通过视觉的方式去辅助地锻炼和解读英语单词，和英语的句式。

我们还做到了双麦克风的阵列，可以去口语评测英语。他跟读的过程当中可以去评测和评分他的英语是不是好？我们必须环绕着绘本这种交互方式，和取得的多媒体的这种传送，需要让小孩更佳地跟数字内容融合物理世界的这种玩法融合在一起。这样的益处在于K6的小孩要通过游戏的设计，把他需要高密度、高频地跟这种内容互为交织。

K6当中六年级关键还有一个东西是什么？你不会找到他3点半迟到了，不告诉去干什么？这就是新的一个机会，你不有可能给他一个IPAD，让他去玩游戏王者。这就不会有一个时间窗口的机会，这也是我们在主要捉的机会。

另外一个当返回家庭当中，陪他做作业，又是一个刚刚须要。中国的家庭有一个尤其大的痛点在于家长晚上整天的半死了早已，返回家里面还得要去教小孩、做作业，这是一个十分常规的痛点。

除了陪伴好小孩之外，还要教教他做作业。我们通过计算机视觉可以辨识手写体，可以辨识书面上的空格和内容，当小孩在堆的时候它就可以把它评测出来。同时不像你要给到一个手机去照着作业出来答案，我们期望辅助式的协助小孩看见课本里面的内容之后，辅助走一步。所以这就是新的一个辅导型作业返回家里面的一个新的机会如何获取数据Will Thompson：那在每一个顺利的商业背后，特别是在是牵涉到到一些算法的商业，都有一个十分顺利的数据战略。

所以 Iman Usman你是如何用数据来扩展你的业务的？Iman Usman：我非常简单说道一下，第一个，产品本身我们如何用于数据来打造出产品？我们每个孩子都有一个个性化的自学，让他们踏上准确的道路，让他们不会有十分好的内容去构建他们的目标。第二个，我们要去研发有所不同的内容，比如说我们有一个仪表盘可以通报我们说道有什么样的内容是不好的，有哪些内容是过于的，比如说一般孩子读入了一半，或者说他们在问问题之前读入了一半的内容。所以我们可以看一下这个内容的消费方式，以及我们如何做到一些提高，以及如何对这个内容展开新的设计。第三，我们不会用数据来展开销售战略的制订，比如说我们不会有有所不同的产品销售的渠道，比如说我们有自学管理系统，它注目于学校当中任务的处置，我们也不会用数据来协助学生自学，协助学生去作出决策。

这个数据也不会告诉他我们，我们要有什么样的销售战略，比如说我们要传送什么样的信息给学生？第四，因为我们跟政府有很多的合作，所以我们不会用数据来去协助政府的决策过程，我们跟当地政府有很多的合作。我想提及的一点是我们跟政府合作的时候，有可能政府不告诉如何去用于数据，所以有时候不会较为无以必须花上很多时间，政府有时间但是他们不告诉如何去理解这个数据，所以他们不告诉如何从数据当中取得价值。所以我们不会协助他们去回头这样一个流程，我们期望在提供数据之后政府有一个更佳的决策过程，需要更进一步地去提高当地的教育，需要惠及到更加多的孩子。

Will Thompson：我们还有一点点时间，顾先生您就非常简单说道一下吧？顾嘉唯：这是一个所有公司都会面对现在的一个自由选择，不光是我们做到AI的，所有公司都会面对，必须转型到这个上面去。对于教育这个领域，我们的观点是说道今天这个大话题也是智适应环境，只不过因材施教是仅次于的一个机会点。我们能无法通过前期的冷启动了解细分的横向领域中是很最重要的，因为BAT只不过最缺的是几个横向领域的数据，教育是一个十分典型的数据源，他们互联网缺陷的，这就是一个机会。

当你冷启动的时候，在一个细分领域当中寻找数据的机会，它需要像雪球一样较慢滚起来。自然语言很难和BAT比，因为它原本的数据量和图谱性早已十分十分扩充，但是视觉领域是一个很强的机会，因为任何一家互联网公司以前不具备这个横向领域的视觉算法，甚至是连数据都没，所以这是很大的一个颠覆性的机会。我们的策略就是把用户在交互的过程中所有数据记录下来，你的语音对话、图像翻读、不道德轨迹数据，甚至是用户的表情，他的情感化计算出来这块的数据。

记录下来之后，我下一步需要让未来的幼升小产生一些评测。往北下只不过我们切断家长末端对于小孩以前不理解的信息，老师末端和学校末端对小孩不理解的信息，让他沦为一个把这些信息串在一起的平台和机会。因为未来我们也在转入到学校里面，让每一个课桌多一个这样可以视觉解读场景的东西，让它除了需要用语音去做到一些辅助之外，让视觉沦为一个好的辅助，需要把这些数据在这个于是以循环当中大大地数据化。

因为原本这些用户不道德是没被数据简化的，这是一波新的，用教育的横向场景，数据化再生的一个过程。Will Thompson：我们掌声给到两位专家，感激你们！2018年度AI最佳掘金案例票选人工智能风雨60年，与其说技术升级促使了今天的浪潮，不如说当前的人工智能，再一车站在离商业最近的方位。

去年，首届「AI 最佳掘金案例年度票选」活动日后发售，之后受到了AI方案输出方和AI技术需求方的很大注目。票选从商业维度抵达，找寻用户/客户问题解决问题能力强劲的产品和解决方案。现在，我们再度车站在AI浪潮之巅，月启动第二届「AI最佳掘金案例票选」。在AI+教育领域我们一共设置了6个奖项，青睐踊跃报名，甄选地址：https://www.leiphone.com/special/custom/AITopTen2018.html涉及文章：完满告一段落！“全球AI+智适应环境教育峰会”亮点与干货集锦原创文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：开云(中国)Kaiyun·官方网站，开云(中国)Kaiyun-www.sphiggein.com