四十一年前的1977，見證了一次系統(tǒng)性的政策轉舵：高考制度恢復。在那段艱難歲月中，相當數(shù)量的獨立個體迎風而上，而在他們完成求知逆襲后，幾代人的命運走向隨之改變。
重視教育是中國人長久以來的歷史延續(xù)，作為一種社會工具，它被賦予了打破代際和階層的使命。這種期待往往在社會巨變之時達到最甚。
眼下，中國社會似乎正處在這樣的巨變期。問題從持續(xù)釋放的上層政策信號中得以窺見：
明面上，教育減負被反復提至官方紅線，從2012年開始，教育部就下發(fā)過通知禁止幼兒園提前教授小學內容;此后，中央和地方教育主管機構多次以正式文件形式禁止義務教育階段的超期授課，但顯然，這個老問題并未被很好地解決，就在今年7月，來自教育部辦公廳的紅頭文件再一次“周期性”地發(fā)布。
但實際而言，前述外部信號被視為內部教育壓力過重的“治標”舉措，輿論將之解讀為壓力的前移：即教育壓力是系統(tǒng)性的自上而下，幼兒園的壓力源于小學、小學的壓力源于中學，而后環(huán)環(huán)相扣，無法言說。
此前《好奇心日報》曾報道了來自于清華大學社會學系的晉軍老師的一個長期觀察，他發(fā)現(xiàn)，清華大部分的學生都來自中產家庭，而來自于真正的寒門或貧困家庭的學生數(shù)量在過去一段時間里正不斷減少。
多位高校背景的學者認為農村學生數(shù)量減少和上述教育壓力前移，本質上源于教育資源的分配不均。
中國社會科學院近代史所研究員雷頤則在研究后指出，這種資源流動性變弱的明確時間節(jié)點發(fā)生在1997年——從當下往前回溯的20年前，恢復高考的20年后。
換言之，高考恢復后的20個年頭，中國教育系統(tǒng)完成了重啟0到1的過程，而此后至今的20個年頭，資源的流動性則開始減弱，甚至固化。
深層次的原因是，教育行業(yè)是一個非標性極強的行業(yè)，它的核心資源是師資，但師資又受限于地域化培養(yǎng)和積累，存在差異，而恰巧在這20個年頭里，國內地域正如火如荼地在進行城鄉(xiāng)改造，由此帶來的城鄉(xiāng)二元化無疑與師資失衡反復作用，最終影響流動。
教育行業(yè)的“慢”特性正歸結于此，然而相比于國內宏觀環(huán)境的快步發(fā)展，這樣的慢速度顯然無法與之適配。回頭看看，十幾年前學的內容，十幾年后基本未變，同樣在延續(xù)的還有熟悉的“填鴨”方式。
我們的教育體系就如這般落在了時代的后面，彼此之間的鴻溝逐代加深。根源需要討論，但出路更亟待思考。
就上述因果論來看，優(yōu)質教育資源的稀缺性，是一個外在的約束條件，其復雜性在于既受限于宏觀主政思路，又被鏈條最外部的房產擇校政策、社會就業(yè)環(huán)境乃至文化和輿論所鉗制。這些約束因素是系統(tǒng)性、長期性積累形成的，且彼此互為因果，很難單方面突破。
各界將破局的力量寄希望于市場開放，試圖引入民間資本和其他資本，即努力方向轉為供給側。
供給側能否被盤活，范圍和水平取決于社會生產力的發(fā)展水平。這個命題在教育領域中上一次被大氛圍提及是得益于廣泛意義上的互聯(lián)網化。后者代表了上一波技術變革帶來的生產力重構機會：以移動化、廣泛觸網、直播技術、音視頻知識付費為代表的基礎設施和模式成熟，帶來了第一波以MOOC(慕課)為開端的在線教育熱潮，沉淀了諸如VIPKID、滬江網、51Talk等企業(yè)。
由之帶來的供給側結果被認為是突破了地域上的空間和時間限制，即使得沉淀的教育內容借由互聯(lián)網在任何時間和地區(qū)都可以均享，這種進步的意義是不可否認的，但批評的聲音則聚焦在它沒有從根本上突破教育內容的生產效率以及授課效率：優(yōu)質的課程內容需要花費相當長的時間進行拍攝制作、審核，并且質量的優(yōu)劣仍然與教師個體有關，這一度讓名師的爭搶由線下轉向了線上。
事實上，這一定程度也是教育系統(tǒng)產生新一輪契機的背景之一：即供給側的生產力重點由突破空間限制進一步轉為聚焦在師資和授課效率的提升上。
前阿里巴巴集團董事主席、現(xiàn)專注教育事業(yè)的馬云先生此前曾公開發(fā)表對教育的擔憂，他認為如果繼續(xù)以前的教學方法，對孩子進行記、背、算，三十年后的孩子保證找不到工作，因為他們沒辦法競爭過機器時代。
這種擔憂建立在新一輪的技術革命——人工智能的發(fā)展基礎上，作為由1956年達特茅斯學會首次提出的概念，人工智能實際上此前已經完成了兩次技術周期的鋪墊，而這一輪周期始于2006年Hinton等人發(fā)明的深層網絡訓練新方法和支持對應算法的新芯片等突破口，學界和產界的廣泛共識是當下的第三輪人工智能已經達到了弱人工智能的成熟期，也因此帶來了大范圍的行業(yè)應用與落地。
AI＋智適應”教育峰會"/>
Tom Mitchell
卡內基梅隆大學教授，機器學習教父
卡耐基梅隆大學計算機科學學院機器學習系主任Tom Mitchell被公認為全球機器學習教父，他的判斷是，相比前兩輪的衰落，該輪AI落地業(yè)界普遍樂觀。他同時認為，利用AI推進教育，重塑在線教育系統(tǒng)是確實有效的，“通過AI，可以不斷獲取學生最新的數(shù)據(jù)，然后反向讓整個教學過程更加個性化，CMU(卡耐基梅隆大學)有一些相關科學研究，提出了這樣的機器學習場景，即使用了機器學習的工具后，一個機器或許能收集高達十萬名學生的答卷并分析出錯原因和規(guī)律，在過去，一位老師窮其一生都不能達到這樣的效果”，這被他視為人工智能在教育應用上的潛力所在。
個性化是被人工智能在教育中反復提及的目標。此前，它的難度在于教育的不可控因素太多：同樣上課、同樣教師、不同人的理解力和掌握情況卻迥異，這使得單獨個體的學習曲線天差地別。
這種核心痛點被Jose Ferreira認為是AI智適應(或稱自適應)學習系統(tǒng)的最大優(yōu)勢。Jose Ferreira是美國智適應教育代表企業(yè)Knewton的創(chuàng)始人。比爾梅琳達蓋茨基金會委任的美國教育咨詢機構Tyton Partners發(fā)布的智適應學習白皮書中對智適應學習的定義是，智適應學習( smart adaptive learning)是一種結合人工智能、數(shù)據(jù)挖掘、認知科學、教育學、心理學、行為科學和計算機科學的技術，其最終目的是讓智適應學習系統(tǒng)在一定程度上能夠模擬人類教師的角色，根據(jù)學習者的學習目標、 學習行為、偏好和學習狀態(tài)，利用特殊的教學策略動態(tài)地調整學習內容，以達到個性化教學的目的。
國外的智適應學習技術已經發(fā)展了20年，在核心的數(shù)據(jù)和AI算法上有很深的積累和沉淀。Jose Ferreira認為，AI智適應在全球市場進入了機遇期，一個直接的例證是，全球范圍內諸多風險投資和產業(yè)資本進行了布局，并且金額不菲：比如在中國，Knewton的最大對標者松鼠AI投資方包括好未來、新東方、SIG等頭部VC或戰(zhàn)投;印度的BYJU’S則獲得了比爾蓋茨基金會的投資;而谷歌則投資了Duolingo。騰訊創(chuàng)始人馬化騰表示，下一個系統(tǒng)性千億美元的機會出現(xiàn)在兩個賽道：除了延長人類壽命的AI+醫(yī)療，就是AI+教育行業(yè)。
松鼠AI創(chuàng)始人栗浩洋將教育拆分為兩部分：“教”和“育”：“教”是知識傳遞，“育”是品格培養(yǎng)、探索未知;前者交由人工智能實現(xiàn)“千人千面”的大批量個性化，依靠技術性迭代實現(xiàn)規(guī)模與高效，徹底將不均衡的師資從重復性、高負擔的教課中解放出來;后者交由老師完成陪伴、關懷和教育溫度的傳遞。
四十一年后的2018年，在教育資源流通性趨于固化的今天，AI和智適應試圖續(xù)力上一輪互聯(lián)網化的重構格局，在產業(yè)劇變的黑夜中撕開更大的進光口。
時間是最稀缺的資源，方向比努力更重要：在巨大系統(tǒng)性機會到來的當下，松鼠AI、雷鋒網和IEEE LTSC攢了一個局：邀請AI教父Tom Mitchell、邀請機器學習泰斗Michael Jordan、邀請新東方、作業(yè)盒子、掌門、天圖資本、賽富等等學界、產業(yè)界和資本界的帶頭者，一起追根究底來告訴你機會在何方?如何去把握。
11月15日-16日，北京嘉里中心：來全球“AI+智適應”教育峰會，我們和你一起共同走過教育產業(yè)的劇變前夜。
我們堅信，教育的本質不是把籃子裝滿，而是把燈點亮，這是后二十年教育應有的模樣。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
