2003年5月，非典肆虐全國，大量中小學開始停課，為了防止學生落下知識，中國教育臺開始播放《空中課堂》，通過電視節目“隔空授課”。

對于我們這一代人來說，這大概就是在線教育最初的樣子。到后來風靡一時的101網校、今天的各種云課堂，在線教育的形態越來越多樣化，其受眾也從單一的學生的群體泛化到一切智能終端用戶。

到如今，線上教育四個字已經慢慢失去風頭，取而代之的是智能化教育。幾個月前，某廠商的智能高考機器人參加高考的新聞還狠狠的刷了一下屏，與十幾年前空中課堂差別的是，我們不再被動的去接受某種新的教育形式，而是去主動的擁抱，甚至將智能化教育視作教育資源分布不公、生產線模式嚴重的救星。

可是智能化教育真能做到這些嗎？

現在市場上已經形成雛形的智能化教育模式大概有這么幾類，語言/語音類、智能適應類和一些起功能性作用的輔助工具。

先說語言/語音類。外語學習、白話練習這一剛需促生了這一類智能化教育產品，利用NLP技術，識別用戶的語音，尋找錯誤進行糾正，甚至可以綜合分析用戶的習慣性錯誤，進行具有針對性的指導。這片市場上的玩家也很活躍，像“英語流利說”、“盒子魚”等等企業都頻繁獻身于各種AI+會議的峰會中，其中英語流利說還完成了B輪投資。

比擬連接中國學生和海表里白話老師的在線教育平臺比擬，語音類智能化教育產品只需要語料數據就可以完成冷啟動，之后反復通過用戶提供的語料數據進行監督訓練，最終將算法和數據掌握在了本身手上，也就擁有了絕對的定價權。

而在線白話教育平臺無法降低老師們的人工成本，讓語音類智能化教育百元擺布一個月的價格十分有競爭力。一些產品還推出了模擬雅思等體系的白話測試，比擬動輒上千的考試費用，語音智能化教育不但降低了白話學習成本，也變相降低了應試成本。

目前看來，語言/語音類智能化教育產品更多是優化了人們學習白話的方式（和價格），而自適應教育則更接近我們心中的“未來教育”。

要想明白什么是自適應教育，首先要清楚現如今教育的素質。我們大部分人，從小學到大學，再到一些培訓班，接受的都是生產線教育——一套教材對應一代學生，一個老師教導多個班級，還要用一個尺度考核所有人。因為并不是所有人都能負擔起個性化、定制化的私人教育。

抱負中的自適應智能教育就像一位私人AI教師，通過學生的學習數據發現其對于知識的了解程度，再對癥下藥。可想達到抱負狀態，對于AI的教學模型要求極高，也很依賴于文字識別能力，能識別上下文理解邏輯，了解學生和標題問題的意思，而不是單純的按照答案判斷對錯。

目前市場上也有一些產品在試水自適應智能教育，不過大多數還停留在初級階段。比較典型的有Knewton，，這家來自紐約的初創企業已經獲得了5100美元的投資，據稱現在已經實現了盈利。比擬抱負中的自適應教育，Knewton做的更多的是將教材數字化，建立知識圖譜，通過學生歷史學習成果進行智能化保舉。

其中建立教材數字化、建立知識圖譜是最關鍵的部分，其他步驟很多都利用了開源算法（如IRT），這也注定了自適應智能化教育有很強的地域壁壘，每一個新的教育體系都需要全新的知識圖譜。目前Knewton更多是作為學生學習時的輔助工具，沒能發揮我們想象中的作用。

除了以上兩種，比來還出現了很多具有輔助功能的智能教育小工具。好比百度教育比來推出的智能志愿填報辦事，收錄各個院校專業歷年的分數線，為考生匹配各類院校作為志愿填報參考。說實話這種產品談不上什么人工智能，更多的是大數據，算是為考生提供了便當，本色上只能算無功無過。

這類小工具百度教育推出過不少，筆者還見到過百度的AR掃題——利用AR相機技術，讓課本上的一些知識點通過動態圖片顯示出來，雖然創意不錯但作用終究有限。

腦洞大開一下，智能化教育不必然非要應用于應試教育上，生活中一切需要學習的地方都能出現它的身影。應用在白話中的語音識別技術是否也可以應用于聲樂、樂器的學習？VR場景下的動作捕捉是否可以應用于體育教育？基本一切移動化的教育產品都可以智能化。