“培養教育人和種花木一樣，首先要認識花木的特點，區別不同情況給以施肥、澆水和培養教育，這叫“因材施教”，著名教育家陶行知先生曾說。但在傳統課堂里，一位老師往往要面對幾十號學生，除授課外，還要批改試卷、答疑甚至肩負著育人的重任，無法顧及到不同水平的學生，“認識花木的特點”后再給以培育的方法似乎并不現實。
另一方面，優質教育資源相對集中，優秀教師不僅向發達地區靠攏，甚至在發達地區也只面向部分重點學校的重點班級靠攏，導致“馬太效應”。
AI的加持推動了個性化教學的可行性——沒有什么比一對一教學更能有針對性地提升學習效果了。在當前AI+教育的應用中，無論是面向初、高中的定制式學習、自動化輔導、智能測評還是針對小學前兒童的自適應能力培養，都圍繞“個性化”進行了產品模式和商業模式的創新。
2017年，在線教育公司屢獲資本垂青，1月20日，學霸君宣布完成一億美元C輪融資;3月，乂學教育獲得1.2億元天使輪融資，并在3個月后被追加至2.7億元，刷新了教育領域該輪融資的融資紀錄;5月31日，猿輔導獲得1.2億美元E輪融資;8月14日，作業幫完成1.5億美元C輪融資;8月23日，VIPKID的2億美元D輪融資更是刷新行業紀錄……
根據GET教育科技大會發布的《2017年教育行業藍皮書》顯示，2017年前8個月，一級市場教育行業的總融資額達96.4億元，公布金額的融資案例達156起;和去年同期的58.1億元相比增長66%，融資案例增加68%。
在線教育成為資本競相追逐的對象，AI功不可沒，其數據處理能力賦予了教育更多的應用場景。從當前的AI+教育產品形態來看，主要分為以下三類：
1.自適應學習，定制式智能教學
自適應學習(Adaptive Learning)的概念最早出現在上個世紀90年代的美國“智能輔導系統”中，但當時的“智能”還比較粗糙，只是根據成績將學生做簡單的分層，類似于分班授課。在AI的介入下，系統能夠根據學生的答題結果，自動判斷學生的知識圖譜，并有的放矢地推薦符合學生個人能力的內容。
比如猿題庫、作業幫、VIPKID、學霸君等。VIPKID的人臉識別技術能夠實時跟進每位學生的學習進度，并根據具體情況定制個性化學習計劃。
其中，學霸君自研發的自適應學習能夠通過條件反應理論、回歸神經網絡以及構建知識圖譜三個環節，將知識點串聯成圖譜狀結構。學生如果做錯了一道題，機器將會為他推送相關知識點的題目。
除了一對一輔導服務C端用戶，在B端，學霸君還打造了“AI學”為老師賦能。該系統包含課前備課(教師端)、課堂互動(學生端)和課后作業(智能手寫識別筆)三大場景，
老師可以通過教師端跟教室大屏以及學生端的平板互動。學生在專屬作業本上答題，也會通過智能數碼筆同步到系統中。而在學生課后的作業場景中，AI學還能實現自動批改，同樣，根據學生答題情況，智能推送個性化題目，同時記錄學生在完成期間的全量的行為數據。
此外，好未來旗下1對1教育品牌愛智康也推出了“i進步”個性化學習系統。該系統貫穿于整個教學過程——老師能在課前通過系統快速了解學生學習進度，以調整即將布置的習題;課堂上，可以根據每個學生的學習進度進行有的放矢的練習;課后，教師可針對學生知識點薄弱環節提供針對性習題。據悉，這套個性化學習系統目前已落地北京35家學習中心。
2.自動評閱，智能化虛擬助教
基于語音識別和語義識別技術，虛擬助教可以快速實現測評，并給學生提出針對性反饋，典型代表有科大訊飛、流利說、一起作業、盒子魚等。
去年兩會，科大訊飛董事長劉慶峰就在提案中表示，科大訊飛的英語口語自動測評、手寫文字識別、機器翻譯、作文自動評閱技術等已通過教育部鑒定并應用于全國多個省市的高考、中考、學業水平的口語和作文自動閱卷。
在考試中心的組織下，科大訊飛的全學科智能閱卷技術已進入學業水平測試的應用當中，例如大學英語四六級，以及全國多個省份的高考、中考、成人高考等大規?？荚囍羞M行了多次、多范圍試點驗證。
2016年，一位名為吉爾·沃森(Jill Watson)的虛擬助教就曾在300多人的課堂上為學生答疑解惑。她不僅能及時回復同學們的郵件，而且連“說話”的口吻也和老師非常相似，讓人難以分辨。相比老師，虛擬助教最大的優勢則在于能夠通過語音、文字等形式及時反饋。
除了科大訊飛、網龍、清睿教育等為代表的上市公司通過語音測評、語義分析提升語言學習效率外，新東方、好未來等上市公司引進的分級閱讀通過機器和算法制定標準，對學生與讀物測定評級，完成自適應閱讀。
此外，為B端客戶提供AI技術解決方案的先聲教育目前也已布局智能語音測評系統和寫作批改系統，服務的用戶包括包括國內最大的考試服務商海云天、國內TOP SP教育信息化服務商全通教育，國內TOP互聯網在線教育集團及培訓機構好未來、百度、新東方、美聯英語、納米盒、步步高等。據悉，未來還會逐步搭建自適應學習、對話機器人、情緒識別技術應用。
3.智能早教，在線直播互動課堂
除了面向初、高中的AI教育產品，“起跑線”上的爭奪也硝煙四起，加之二胎政策的開放，早教市場的潛力也吸引眾多創業公司涌入。
2016年，成長保在線一對一訓練課程上線，主要通過在線直播互動課堂的形式，為4~12歲兒童的思維能力訓練，以培養孩子的語言邏輯、記憶力和專注力等。在成長保創始人&CEO路小得看來，這個年齡階段的教育更加注重“過程的體驗”，通過互動游戲和思維邏輯的結合，不同性格和能力的孩子能獲得不同的素質能力，這也是當前傳統早教機構無法提供的的輔導。
據了解，成長保的網課有一套標準化體系：首先，孩子需要在網上進行相應的能力測評，測評內容主要是動畫展示，孩子只需點擊鼠標就能完成;之后，系統會根據測評結果和后臺的數據匹配推薦適合每個孩子的課程，不同能力的孩子會被匹配在一起;接著，老師將在網上一對六進行授課，家長可以根據具體的情況安排上課時間并選擇付費。
一位參與成長保在線課程的孩子家長在接受獵云網(微信：ilieyun)采訪時談到，自己看中的是這類在線課程對思維能力的培養，她有兩個小孩，大女兒已經上小學，參加在線思維課程的是小女兒，正讀幼兒園中班，“幾年前這類課程還比較少見，多是舞蹈、樂器班或者英語、數學班，但從老大的成長經歷來看，讓孩子過早地接觸英語、數學這些課程，對他之后真正的能力培養似乎影響并沒有那么大，反而會在課堂上喪失了學習興趣。另外，思維能力的課程主要是針對孩子的創造力、專注力，幼升小的階段更重要的是讓孩子養成學習的方法和習慣”。
NLP涉及大量認知層面的理解，短期內難以攻克
總體來看，“AI目前在教育行業的落地項目多集中在自適應學習、測評和機器識別、大數據以及智能硬件領域”，東方新創負責人張鐵錚在接受獵云網(微信：ilieyun)采訪時表示。
此外，AI還可以打造智慧教室，比如好未來的魔鏡系統，通過軟硬件結合，讓教學過程首先變得可被量化。進而，我們可以通過AI技術，對圖像，語音，文字等數據進行識別，同時形成一個信息匯集的平臺。
校園管理方面也有一些結合點，比如通過智慧校園解決方案覆蓋學校的教務處、學生處、校辦、校務處等部門，滿足常態化校園管理需求?，F在用人工智能算法進行排課，學生只需提交自己的課程選擇，系統可以結合課程、教室、師資進行快速的排課，某種程度上的確提高了師生的效率。
但如果說讓AI完全代替教師，目前看來還是有些夸張了。
就像AI介入其它場景被賦予的職能一樣，大部分創業者和教育工作者更希望AI+教育的結合，能夠將老師從高度重復、低效率的工作任務重解放出來，“讓老師有更多精力去激發孩子的想象力、創造力等，‘育人’這樣的工作只有老師才能做到”，乂學教育董事長栗浩洋在接受獵云網(微信：ilieyun)采訪時說到。
從技術角度來看，無論是自適應學習還是自動閱卷，都離不開自然語言處理(簡稱NLP)，也就是說，系統不僅要能夠根據題目自動得出詳細解析，而且能對學生的做題過程進行批改，甚至通過學生的作業對其知識點進行查漏補缺。
在語義的攻克上，理科這類有標準公式和答案的學科對AI來說更加友好。學霸君CEO張凱磊就曾在公開場合談到，“數學、物理等理科類項目是強邏輯性，考點基本穩定，容易判斷對錯，同時，數學試卷中包括簡單的選擇題，也有復雜的需要解題過程的大題，非常適合AI”。
自然語言處理被業界稱為“工智能桂冠上的明珠”，技術的挑戰性不言而喻。文科如語文、歷史等，當中涉及到大量對語義的理解和賞析，甚至同一個詞匯在不同的上下文中還有不同的涵義，在沒有標準答案的情況下，人工智能很難做出合理的評斷。
2016年，微軟小冰就嘗試了中國高考語文寫作，分別是全國甲卷作文《進步和退步》、北京卷作文《神奇的書簽》，但小冰的表現遠不及AlphaGo對戰李世石時那般犀利，通篇文章漏洞百出、邏輯混亂。
基于這一點，乂學教育在語文這門學科上給予了相關的探索，主要是在閱讀理解這部分。據栗浩洋介紹，團隊目前是將語文的閱讀理解進行了難度分級，拆分了九級知識點。比如在《含淚奔跑的少年》這篇閱讀理解的文章里，系統將“沉悶的空氣里彌漫著炙熱的氣流，一陣風襲來，也聞不到熟悉的稻花的香甜”這個句子分解成“中考語文”、“現代文”、“體裁”、“現代文”、“表達方式”、“描寫”、“寫什么”、“多角度”等線索，幫助學生從文章涉及的類型、結構等方面進行分析。
“目前所做的知識點提測還比較簡單，只有當它是海量的時候難度才會難度加大”，栗浩洋表示，但也強調，“NLP的確會在主觀題自動閱卷上出現攻克難題”。而這部分還是需要交給教師來完成。
的確，閱讀理解往往需要深層的推理和歸納，一旦題型或重點發生變化，機器的效果也會直線下降。而人則能夠根據過往的經驗融會貫通，真正做到理解、運用。
盡管AI+教育近幾年一度成為資本熱捧的對象，但實際商業落地中全行業都還處于探索期。過去，在線教育主要有B2B2C平臺型模式和B2C服務型模式兩類，當前，AI+教育創業公司則通過B端(公立學校、私立學校和教育機構等)、C端(線上、線下)實現落地應用，從目前幾家已經投入市場運營的團隊來看，C端市場似乎離現金流更近。
而在B端，很多公司都以公益性質進行業務拓展，先向學校免費輸入工具和平臺，供其試用。而公立學校以及體制內的學校則門檻相對較多，對于人工智能技術的輔助教學效果、智能程度都持相對謹慎的態度。
總體來看，AI在教育領域實際落地的難點和瓶頸分為以下幾類：
首先沒有足夠的數據量。新東方在線COO潘欣曾表示，人工智能最核心的不僅是算法，還需要數據，對整個教育培訓行業來說，最缺的就是數據。有了數據再談人工智能是更切合實際的，如果沒有數據就是空中樓閣。
拼圖資本創始合伙人人王磊也表示，自適應學習必須是要有大數據支撐，沒有數據的積累，技術本身也難以演進和發展。
目前，教育數據的來源渠道有兩個，一是來源于數字化的教學環境，教學和學習數據在這種數字化環境中自然而然的產生，二是從傳統教學行為中收集教育信息，并將之轉化為數據。前者的優勢是實時收集數據，效率高、節省人力，而現如今在互聯網+教育的廣度和深度有待進一步推進的情況下，教育數據的來源很大一部分要依靠后者，未來教育數據或將成為發展教育人工智能的一大制衡因素。
其次，是人才的缺乏。人工智能之爭就是人才之爭。僅僅就具備技術基礎的人才來看，目前全球共有190多萬深度學習與數據挖掘的人才，其中85萬都在美國，中國只有5萬人，華裔人才有14萬。
況且AI教育需要行業型人才，既有通用技術能力，又對教育行業深度了解的人才，這方面人才更是少之又少。
據新京報采訪，阿凡題創始人兼CEO陳李江表示人才需要同時具備技術基礎和應用能力。“如果將人工智能相關產品的誕生比喻成造汽車，科研人員研究出來的核心的算法，就像汽車的引擎。有了引擎之后，是要造成轎車、SUV、還是卡車，則根據具體業務的應用場景決定，而這一部分正需要具備應用能力的人才來進行落地。”
每一波技術浪潮的出現都要融入具體的場景，創造用戶價值以及提高作業效率，才會爆發新的機會。AI介入教育的價值，就在于大規模地滿足了個性化教學的能力。從這個意義上說，AI只是一種技術手段，從技術成熟到產品誕生還需要很長的生命周期，而資本的涌入必將更多的注意力引入搶占市場、用戶數量、盈利模式等，最終忽略了教育類產品需要長期在教學資源、品質等方面的積累。
但最重要的是，教育行業發展的關鍵在于內容體系的構建，就像王磊所說：“AI+確實會對行業產顛覆影響，但是本身還是一個工具，那須得以內容為載體。AI+教育，技術和內容結合才是王道”。
