买不起学区房？学霸君用AI打造名师教育

本篇文章3262字，读完约8分钟

以“构建网络化、数字化、个性化、终身化的教育体系，构建人人可以学习、随处学习、时不时学习的学习型社会，培养大批创新型人才”为发展方向，实施教育信息化“十三五”总体部署，按照“服务大局、整合创新、深化应用、完善机制”的原则，大力推进“四个提升”、“四个提升”

-《教育部办公厅关于印发2017年教育信息化工作要点的通知》

一切都是数字化的，教育也不例外。

今年6月7日高考第一天，薛八俊开发的智能教育机器人aidam与940万名全国考生一起参加了数学高考，用9分47秒完成了全国文科数学第二卷的答案，成绩为134分。相比之下，三组高考状元平均得分为135分，比阿依达姆低1分。

前脚，柯杰和阿尔法戈的战斗刚刚在五月底结束；退一步说，人工智能已经踏上了教育的战场。

“学八军”创始人张雷凯曾用医学逻辑来评价国内的教育体制:“这是一个神医的典范。我希望找一个有名的老师来提高我的成绩，但效果很差。”

著名教师的存在是非常合理的。各行各业都有人才站在山顶，教育也不例外。所有这些优秀教师都有自己的教育方法和教学知识体系。他们善于在教学过程中“看、闻、问、切”，了解学生的根本原因和病理，然后开出正确的药直接切病变。

但是教育的系统化需要一个过程。想象一下，把一个下个月将要进入考场的穷学生交给一位著名的老师。无论这位著名的老师使用什么样的解决方案，都很难在一夜之间实现。

学八军做的是k12教育的数字化。它想要实现的是打破不平衡的教育资源的束缚，让所有的中国学生都能得到量身定制的学习和教学工具，拥有自己的“名师”。

算法的核心是数据

学八军有三条产品线:面向C端的图片搜索和一对一教学指导，面向B端产品的人工智能学习，主要面向学校和教学机构。事实上，正是随着前两者行为数据的积累，人工智能才能真正释放其潜力。

最初的数据积累是一个痛苦的过程。当技术团队制作第一个ocr原型时，因为这是一个全新的领域，它曾经陷入数据不足的困境，识别率只有45%左右。但是他们最终还是翻过了山。

一方面，他们向校园大门发送传单，要求学生提问。拿到问题后，他们在后台以机器+人工的方式做问题，并在整理题库的同时标记数据。一个好的图像识别引擎需要学习很多贴标签的图像:向巴俊学习的员工坐在房间里，日夜盯着屏幕，标记奇怪的照片。标记的照片越多，机器学习速度越快，准确率越高。

另一方面，负责技术的同事将超过1亿个样本切割成训练片段，并将它们放入图像数据库中，以便机器识别。同时，他们不断修改识别引擎，优化它们，并用不同的网络表达图像属性的不同细节。一方面增加样本，另一方面改进模型，并采取两种措施不断提高精度。

经过18个月的紧张工作，完全自动化的ocr于2013年9月与学八军1.0一起问世。虽然70%的识别准确率还远远不够高，但却给无数学生带来了当时最新奇的体验。因为它可以帮助学生在没有其他参考资料的情况下高效地完成作业，所以“学八军”在许多qq群中广泛传播。“拍照和搜索问题”是一个单一的火花，它立即开始燎原之火。

目前，薛八军的题库已经收集了8000多万个问题，识别率达到95%以上。作为学生聚会首选的手机工具应用，学八军目前拥有每月2000万活跃用户，累计注册用户超过8000万，累计搜索问题超过100亿。大量学生手写和上传的主题图片以及各种教学书籍中的主题数据库构成了智能机器人的训练数据，智能机器人学会了主宰君主。据报道，根据目前雪霸君产品的月度活动，每月可以上传约100亿张主题图片。其中，无论是拍照还是学生的手写问题，所有的问题都会被图像识别系统记录、收集和标记。在学八军的题库中，每个问题都记录了它的答案、分析和解决问题的不同过程。在此基础上，我们继续向巴学习，开展自动解题训练。

数字化学生和知识点

拍照寻找问题给了学生一个解决问题的出口，也给了学八军一个深入挖掘的入口。

在薛八军看来，学生利用拍照来搜索问题，基本上表明学生在这个问题上能力不足，系统会在里面做标记。随着无数题目的数据沉淀，薛八君跨越了题目的难度，题库中的每道试题都设置了一条难度曲线，范围从0到1。在数据的支持下，学八军可以分析每个学生问题的对错，并预测他在下一个问题中的表现。据报道，目前，薛八军对学生做对错题的预测准确率可达70%。

在学八军系统中，有无数的标签只能被机器理解，所有可以重复使用的部分都以粒子的形式存在，这些粒子与神经元有着广泛而密切的联系。学八军用树形结构来描述知识地图。因为粒子足够小，所有的问题解决程序都是裸露的，这也为自动解决问题奠定了基础。

当把每种类型的问题放在一起时，通常会发现，根据相应的主题模式，有些问题可以通过单独看数字来解决。据《学八军》的首席科学家陈瑞峰说，自动解决问题就是生成足够数量的题库，而且它必须能够高频覆盖中国90%以上的问题解决模式。

在此基础上，学八军可以分析一个问题包含哪些知识点，一个问题和另一个问题之间有什么联系……问题解决已经成为一个工程问题，一切都可以用数据来表达。

这样，学八军的系统就可以完整地记录学生在做问题过程中的行为数据和结果数据，并将这些数据收集到计算机上，全面准确地评价学生的个人知识水平。将题目的难度曲线、学生行为的顺序和知识图谱结合起来，学习巴的可以像一个名师一样，根据每个学生对知识的掌握程度，做出相应的题目推荐和有针对性的训练。

众所周知，高中大约有3529个考点，平均做三四道题就足够了。总共有超过10，000个问题，但是大多数学生面对30，000到40，000个练习，75%的宝贵时间被浪费了。

如果只有75%的时间可以用来再学习一门艺术呢？

让所有的老师都成为著名的老师

面向b的产品ai主要基于薛八军自主开发的智能教育平台、智能纸笔套装和定制的平板电脑。智能笔前端的高速摄像头随时捕捉笔尖的运动轨迹，压力传感器将数据信息传回数据处理器，并通过蓝牙将数据传输到接收终端。传输的信息包括实时信息，例如纸张类型、来源、页码、位置、手写坐标、运动轨迹、笔尖压力、笔画顺序、笔递送时间和笔递送速度。

通过这个智能写作系统，学八军在不改变原有写作习惯的情况下掌握了学生作业的所有数据，学生的每一个答案和每一个细节都被记录下来。大量的班级数据形成班级地图，可以提供班级的整体情况、某个学生对某个知识点的掌握情况、某个问题的错误率以及回答错误问题的人等。，并几乎提炼到任何教师可以管理的单位。这种精细的数据管理彻底提高了解放区教师的教学效率，分析试题成为现实，而不必在问“还有什么问题行不通”时保持迷人的沉默。

“高考机器人”应该做的不是代替学生参加高考，人工智能学习也不是代替老师教育学生。积极的意义在于，薛八君在人工智能教育方面的尝试确实给学生和教师带来了解放的空空间。

对于教师来说，30年的教学模式将成为过去，精细化管理的时代将到来。学八军的作业自动批改、自动阅卷和数据管理可以将教师从重复枯燥的工作中解放出来，将更多的精力放在关注学生的薄弱环节上，进行更准确有针对性的打击，完成从教师到名师的演变；

对于学生来说，有成千上万人的作业系统会让学生感到更有责任感，他们不需要和同学比较准确性，也没有作业可以抄。数据监控的全过程使学生认真对待，真正面对自己薄弱的知识环节。在某种程度上，对作业时间的监控减轻了许多学生的作业拖延。在同一个班级中，学生的智力水平可能相差不大，但知识结构和积累的问题导致了年级和问题解决能力的分层。过于标准化的教学不仅是差生的噩梦，也是尖子生的瓶颈。

在北京，许多家长选择购买一个“窝棚”学区。他们不是在买房，而是在接受优质教育；然而，在中国的广袤土地上，资源远不如一线和二线城市，要在许多地方获得一个完整的教学体系并不容易，更不用说名师的教学了。

无数从农村搬到城市生活的人已经真正感受到了教育不平等带来的认知差异，而教育不平等往往需要很多年才能消除。如果互联网让信息不再是城市之间的鸿沟，那么学八军和它所依赖的人工智能将成为教育产业的桥梁。