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。

15日的主论坛上，乂习教育-松鼠AI创始人栗浩洋公开发表了主题为“AI对教育的变革”的演说，栗浩洋指出，任何行业未来都将被人工智能政治宣传，AI将对教育产生颠覆性变革，并总结了AI的四个关键词：全知全能、见微知著、无穷算力、自我演化。以下为演说国史（做到了不转变本意的编辑与整理）：任何行业都将被人工智能政治宣传大家好，非常高兴需要跟这么多参与我们的人工智能智适应环境教育，我们松鼠AI是中国2014年最先开始做到人工智能的，但那时候只不过很寂寞，因为没一个人指出人工智能有可能塑造成一个特级教师，也没有人告诉智适应环境自学究竟是怎么回事。所以那时候我们是寂寞地走，直到2016年的时候人工智能开始在全中国开始火，我们的会议在今年4月份第一次开会的时候我们也没想起有一两百人站在后面，而今天我们也没想起今年一年之内进了第二次会议，而今天来了2000人左右，有七八百人不能在分会场，今天到场的都是十分幸运地的，需要在我们的主场里面。今天我想要谈的是人工智能只不过对所有的行业所有可能带给的转变，以及为什么人工智能不会带给这种转变，以及它是如何带给这些转变的。

任何一个行业我总结的一个逻辑都可以被人工智能所政治宣传掉，人工智能很多人说道不会替换70%到80%的人类工作，我说道它可能会替换90%的人类工作，孙正义说道人的智商如果说100，爱因斯坦是200，人工智能有可能是1万，我指出人工智能几乎是一个新的物种，从植物到动物再行到人，往北上一个物种就是人工智能，人工智能和人的差距正如人和动物的差距。万维网的创造者说道，人工智能要自律创立和运营公司，我们这种创业者以后都消失了，沦为整个宇宙新的支配。AI的四个关键词我给AI的总结的四个关键词：第一，全知全能。

为什么AI不会有低于人类的智商，为什么它不会替换所有的工作，因为它是全知全能的。我们告诉IBM的Watson尽管最近遭到了很多的争议，遇上了很多的问题，实质上是因为它在医院的数据里无法取得几乎整洁的经过清除低的充足的数据，如果不是这样的话，我们看它17秒的时间就可以读者3000多本的著作，就可以读者24万篇论文和600多次实验数据和10份病人的临床报告。

这是什么意思，也就是说它17秒钟就可以取得一个30多年经验的老医生一辈子所经历的所有的案例和科学知识。换句话说，如果2、3年的时间，IBM Watson就可以沦为一个活到500年的吸血鬼医生一样，它理解所有的医生、医学常识核医学的病例，所以你究竟是期望一个这样的医生给你诊治，还是知道是一个人类医生给你去诊治呢？几个月前，更加令人不可思议的是，IBM做到了一个Project Datater，它在AI辩论赛中比不上了以色列人类的运动员取得了辩论冠军，因为它可以用海量的世界上所有的信息和资料跟人辩论，人的科学知识和记忆都是受限记忆，但它可以提到所有的人类科学知识一个无限极，用各种的名人名言，各种权威的数据，随时信手拈来跟你辩论，你怎么有可能有这样的一个输掉呢？我们乂习教育把所有的教学的科学知识都涵盖进来，把所有老师的经验都吸取进去。

对于松鼠AI来说， 就像教育领域的上帝一样，告诉所有事，没什么是他不告诉的，一个老师一辈子所能经历的学生，所能经历的题目在他这里面都不是问题。因为我们把一个学科的知识点分开所有的知识点，所有的知识点的掌控对任何一个老师来说是不有可能的，就像一个杨家司机有可能告诉整个北京市或者是上海大的路标，但不有可能把所有的每一条小街巷的每一个门牌号、每一个理发店，每一个终鸭脖都了如指掌。但人工智能都可以，它可以掌控所有细节的纳米级知识点，而且它告诉这些知识点间海量的关联度，它有几千万道题目，告诉这些知识点之间的关系，有上千万学生的用户画像。

所以我们想要一个老师一辈子能教多少个学生，别说一对一地展开互动性的教学了，就是一对一千人这样的，一辈子能教的人都是受限的。但是人工智能老师所能教的学生是不限量的。

这张图是我的司机刘涛女儿的知识点扫瞄图，通过我们松鼠AI的系统，我们告诉了哪些知识点是她掌控的，哪些知识点是她没掌控的，而我们应当给她展开什么样的自学。他的女儿在过去的自学上遇上了极大的艰难，从小学六年级仍然到初中二年级考试根本没多达45分，他太太常常跟他争执说道，“你整天回来栗浩洋，凌晨两点才回去，你的孩子这么劣，像你一样初中也不及格吗？怎么会还去当司机吗？以后司机这个行业早已没了，她该怎么办？”40多分显然不有可能不及格，而且她早已上了很多的培训班，去过新东方、好未来以及请求私人家教补习社，都没取得成效，为什么？因为老师对所有的数据全部都是盲目的，他并不理解，自己大脑里面存储的数据过于，而老师对每一个学生的大脑里的数据也不充足理解，但是对松鼠AI来说，它把一切数据都透明化了。我们给刘涛女儿这样一个系统的时候我们只在实验阶段，还没推向市场，意味着两个月的时间，她就早已录了50多分。

虽然这不是一个相当大的变革，但这10分对她来说是扎扎实实的10分，因为当我们扫瞄她所有的知识点之后，她有可能只掌控了40%的知识点，对这些知识点我们就不必须再行展开自学了，我们给她非常简单的名词所有格、零冠词，我们找到她虽然考试成绩上不去，但只不过掌控了一些较难的知识点，比如说副词比较级的包含和用法，并不是说道学霸所有的知识点都告诉，有些学苗有可能也掌控了一些高难度的知识点，和我们老师的理解是忽略的，这些必需通过数据才能检测到。对只剩的她不理解的19个知识点，我们都展开教学吗？没，我们退出了39个知识点，因为我们实在这个对她太难了，她上的是一个暑假班，而这个暑假右脚要对100个知识点都展开无差别的自学。

但我们不必学40多个她早已掌控的。我又退出了39个指出对她来说太难的70分、80分、90分、100分的知识点，这些她不有可能马上掌控。

我们期望她忠诚的从40多分宽到50多分的科学知识，所以退出了一些十分无以的知识点，最后自由选择了20个知识点给她展开自学，传统的课堂必须学1003知识点，而在我们松鼠AI的系统里，通过对数据的信息化的扫瞄，我们只给她自学20个知识点，可想而知，她这20个知识点习得十分坚实。在这次的自学之后，我们为她自由选择了与之关联度较高的知识点，也是考试经常出现概率最低的知识点，也是所有的科学知识地图中最重要的交通枢纽的知识点。通过这些知识点的自学她迅速就可以考到50分。转入初三的期中考试里面，刘完影同学迅速转入到70多分，到了期末考试的时候，她录了90多分（评分120分）。

这个分数早已是一个不得了的变革了，这个校长在年中的4000人校长大会里，除了表彰评分的学霸之外，还严厉批评表彰了刘完影，而到初中期末完结的时候，在150分的考试里，刘完影3门课都录了110多分。也就是说她从过去的40多分，仍然到50分、70分、90分，110分，每一次的20分我们都给她跳过了她早已学会的知识点，又跳过了她不有可能学会的最好的知识点，所以她仍然在变革。当然，110多分并不是很高的分数，但她最后考上了上海最差的职高，就是波音飞机检修的职业高中。

当时刘涛想要让女儿之后学我们的课程，我们高中还没出来，今年年底本来要出，有可能要延后明年初才出来，但我说道你女儿因为她只有110多分，离150还差30多分，也就是说很多的知识点还有很多不坚实的，所以她教给高中的时候，下面的根基都在摇晃，是不有可能懂的。经过初中之后坚实的进修，一年以后，刘完影在今年6月份班里的考试中，考到了班里前三名，被学校为首送往西雅图之后进修，全班只有5个名额，这个女孩通过自学提高自己，未来可以在波音公司去工作一辈子了。我们可以看见，一个人生原本丧失期望的孩子，我们带来了她全新的期望。

通过把所有的数据都透明化，融合应用于算法给学生最有效地的引荐，这种方式比一个特级老师一对一的教学还能获得更佳的效果，从而转变了孩子的一生。在上个月杨澜对我的专访里，我提及了我的孩子虽然刚上小学二年级两个月，但是他早已把2、3年级的自学在松鼠AI的系统里全部已完成了，而且早已转入了四年级的自学。

当时杨澜不坚信说道“意味着一年多的时间，这会是打趣吧？这个过于滑稽了。”我说道：“这样，我把他们两个叫过来。后来，我们把他俩叫到摄制的现场，让他们现场做到我们松鼠AI的题目，四年级的题目里面他们大约正确率能超过70%-80%，而且我们看见即使是双胞胎，他们有一个尤其有意思的现象，很多对和错的知识点是很相近的，但他们仍有区别，比如，在平行四边形和三角形底和低里面，他们两个只有一个掌控了，小宝掌控了，大宝没掌控。

可以看见，通过确实的数据化我们才能找到人和人之间的完全相同和有所不同。我们给AI的第二个概念，除了全知全能之外，因为它告诉所有的数据和信息，第二个就是见微知著。

AI能看见我们以前看到的东西，扎克伯格说道，“AI早已需要察觉人类无法察觉到的事情。”AI需要看见很多我们看到的现象，这是过去没的，我们告诉Face++和商汤使得我们的过安全检查和海关的速度提高了很多，以前3个小时，现在变为了3分钟，它不是像人类一样，通过柳叶眉、瓜子脸来区分，而是把整张脸分为几百万个微小的像素，看见人脸和人脸之间的微小差距，所以它分辨人脸的时候要比我们每一个人明晰一百万倍。我们找到AI还能用见微知著的方式转变农业。

用无人机横过农田，用每秒钟5000张的高清照片，把每一个叶子做到十分大的扫瞄，它就可以告诉每一片叶子的茁壮发育的状态，也告诉上面的害虫以及告诉害虫是到了卵生还是到了破卵的程度，因此可以增加90%的农药获释量，可以定点精准地获释农药以及化肥，从而让我们的生活更为身体健康。Netflix也是这样，1.17亿用户有1.17亿的Netflix。为什么它的片子十分好，它不是分类法，不是有人讨厌恐怖片，有人讨厌科幻片，有人讨厌搞笑片，它就是指每一个画面上探测观众对情景的接纳和爱好，从微小的差异里找到如何打造出和重塑一部片子，所以更有人的程度是让人一夜看过的。

Netflix发明者了一种不是一周一次的播出，而是一夜看过的播出，当然你必需要缴高额的会员费。今日头条也是一样，它不是让讨厌财经的人看华尔街日报，讨厌八卦的人看娱乐周刊，它把人仍然是分为军事、国际、政治几个类别，而是每从一篇文章，甚至是每一篇文章中的每一句话来辨别这个读者的爱好，沦为了一亿人就有一亿个今日头条。当你对用户画像做到了这么细致入微的区别的时候，整个对用户获取的一种体验也就几乎有所不同了。我们以前指出，学苗就一定不如学霸，只不过在我们的松鼠AI过去3年的数据里面，我们找到，有可能并不是这样子的，在有一些十分高难度的知识点里面，有可能一个学霸只有两个知识点会，所以只要学2个知识点就可以了。

但是实际对这个学苗来说，有一些高难度的知识点，有可能习的要比学霸还要慢，而对学霸来说一些非常简单的知识点对他来说却很难。比如说我小的时候，语文诗词的诵读对我来说是十分瓦解的，我对人名的记忆也是十分瓦解的，我最伤痛的是我小时候，我的小姨每次从外地到我家里来看我的时候，总要抱着我回答你还忘记我是谁吗？千万不要回答我这种话，我们全国的校长也不要回答我，我知道不忘记。我忘记小时候腹英语字母的时候被老师叫上来，每个学生写出5个字母，最后只有我写了2个字母。但我对逻辑性的题目答案速度十分慢，比如说议论文，比如说有逻辑的事情，我的思维应付是十分慢的。

每一个人在我们的系统里没学霸和学苗，只有对每一个纳米级知识点的掌控的概率。比如说我讨厌看创业的文章，但所有有关AI的文章，我看的细心的程度不会比其他的领域加深10倍。所有的创业文章中如果融资3亿以下的我认同是不看的，可是对天使投资人来说，主要看融资1亿以下的。

每个人对每篇文章都有自己的爱好，所以我们对每一个用户画像不会展开见微知著的细分，这样才能作出政治宣传过去的几乎有所不同的体验。第三个特征叫作无穷算力。

在全知全能、见微知著之后，由于它有无尽的算力，它能做到的事情跟我们是几乎有所不同的。埃隆·马斯克说道过，计算机能以1兆比特每秒的速度展开运算，而人是10比特每秒，所以在这样的较为下，人的智能和智商跟AI处置信息的速度又没办法比起了。知名的理解心理学家平克说道过，“大数据还是受限的数据，而宇宙的数据是无限的”。每一天，都有无数的数据产生，都是我们无法想象的。

数据发生爆炸的年代不会展开无法估量的数据处理，而我们人脑能处置的信息总有一天是受限的，今天你来这里与会，你可能会失去其他的人在另外一个会议上所取得的科学知识和信息。在这样的一个情况下，如果没一个系统，没AI的算法，我们是不有可能去做到这样的处置的。

我们告诉，AI股神曾多次跑完输掉巴菲特，最近又出有了一个新的基金叫OIEQ，它又能找到所有的基金经理找到没法的潜力股的股票，它每条能处置100万则企业的公告，季度的财报以及关于企业的各种各样的正面和负面的新闻，从而获得所有的参数来展开辨别。究竟应当去卖哪个股票，每一天有可能展开几百万笔交易，这些都是人类不有可能匹敌的。AI战胜了人类最顶级的棋手的时候，在下围棋的过程中，AI的辨别速度为0.01秒，并且要在0.01秒中取决于百万种可能性。

AlphaGo只不过也是这样的，斯坦福研究中心即将展开的一个人机大战不会比AlphaGo震惊100倍，就是一个钢铁机器人去骑着摩托车和人类最弱的赛车手意大利的罗奇展开比赛，我们告诉骑马摩托的时候每0.001秒这样的辨别都是非同寻常的，只有计算机需要已完成这样高速的运转的辨别，我们人类的大脑早已是很繁盛了，但无法与其相匹敌。AlphaGoZero在几乎没人类经验的过程中，只能靠自己和自己的对局就把AlphaGo一代战胜李世石的那个打伤100：0，对系统来说他们的自学速度是非凡的，这就孕育出了为什么我们在教育中能实行传统的教育，传统的老师所无法做到的事情，而这个事情是什么呢？我们称作超强纳米级的知识点拆分。当我们把过去的初中数学的300个知识点像美国的同行一样分开3000个之后，我们又更进一步地分开3万个知识点。为什么我们要拆卸这么粗？因为AI不具备全知全能又不具备了见微知著，当我们这么细致的时候，就像照相机的像素细致了10倍，我们可以给学生展开更加精准的用户画像，当然它明确提出的对算力的拒绝也是非凡的，也就是在零点几秒内，它必需要取决于大量的知识点之间的关联性，题目和知识点之间的关联性，以及有所不同的题目的用户的画像，给每一个学生推测他的下一步应当展开哪方面的自学。

所以我们跟竞争对手比起，我们的知识点做到了超强纳米级的科学知识拆分，这是我率领着我们的研发部做到研发的时候找到的，很多人回答我你为什么要做到超强纳米级拆分呢，这有什么意义呢？对学生来说究竟是提升了他的自学效率甚至是减少了他的自学效率呢？本来我有几百道题可以证明这个论坛，但在此我只荐一个例子。这道题是十分少见的中考题，它的知识点叫作一般现在时的用法，这个一般现在时的用法，往北下的纳米级知识点就是第三人称单数，我们告诉，如果是复数形式，一波人做到一件事，我们用动词是常态，但如果是一个人做到一件事我们用动词不会再加s或者是es，用第三人称单数。

但这道题很多学生用了read，而没用reads，那是为什么？他不告诉在英语中后面的东西都不算数的，后来我们的语法专家明确提出了一个“就近原则”，也就是说前面的主语是一个人就用第三人称单数，如果前面不是Tina而是一波人后面就用read。在纳米级的知识点中，如果我们归结到了常规的第三人称单数的知识点，做到这道题会，传统的第三人称单数都是对的，但AI知识点不对，浪费的所有的时间，而对刘完影那样的学苗来说，不必须学这样高难度的超强纳米级的知识点，只要学常规的第三人称单数，能把50、60分、七八十分能获得就可以了，但对95分的学霸来说，他不但要学s、es，还要学各种的连词以及with、together with。究竟应当以备还是就近还是包来算。

所以有所不同的学生只有我们做纳米级、超强纳米级的知识点的时候，才能获得有所不同的结果的辨别。这是我们的另外一个小朋友，小傅同学，他是最著名的创投之一，300亿规模的达晨创投的主管合伙人傅忠宏的孩子，当时在学我们的系统的时候，从去年9月份仍然教给今年3月份，找到怎么样呢？没很显著的变革，他的考试成绩有高有低，原因是什么呢？他本来是一个学霸，但他的物理在90分里面，大约是录70分左右，也就是说还有20分左右的知识点他是会的。但他不仅是9年级的科学知识会，只不过九年级的上期、八年级下期的知识点还有一些漏洞，而我们一开始在给他做到知识点的扫瞄之后，由于他是一个学霸，我们没往前学而是往后填补他的漏洞，所以在过去的他的半年的考试里，他有时候好有时候怕，就是考试正好考到他不会的知识点，他就录的好，录的如果是他会的知识点他就录的很差。

所以当时傅忠宏就实在，松鼠AI这个公司究竟有一点投资吗，在今年3月份我们的A轮的融资中他就错失了，结果到6月份小傅考试的时候，忽然找到他的物理在90分中考了86分，因为在整个知识点脆弱的地方，我们早已全部补足了，而且在习每一个知识点的时候，时间和速度都是一样的，我们指出常规必须20分钟的知识点他必须40分钟、50分钟才能学会，而常规的学生必须30分钟的知识点他有可能只要15分钟就早已掌控了，所以每个孩子我们应当给他不一样的自学时间和个性化自定义的自学路径，自学效率才是最低的。那个时候，我们给他做到了测试，他早已不会的89个知识点几乎不必自学了，而我们给他节省了1000多分钟的自学时间，我们一点点地老大他去做到未掌控的知识点，对每个知识点的错误我们不但是对知识点展开自学，而且对他的自学方法、自学思想和能力展开了自学，这是松鼠AI的实践中路径，这在全球所有的AI教育里是根本没过的。其他的所有的AI教育都是知识点的自学，而我们在展开能力自学的时候找到，这道题小傅同学拢了并不是知识点会，而是因果关系造成的，他会少说道电阻、电流、电压是有关系的，但实质上电阻是会逆的。小傅同学常常指出，电阻跟电流在电压一定的情况下成反比，但只不过不是的，他是罪了因果关系长条的错因。

我们收集了几万个孩子几百万的错因之后，我们找到除了解决问题知识点之外，每一个用户的科学知识画像是不一样的。所以我们必需要通过十分纳米级的见微知著的用户画像来叙述每一个孩子，解决问题他的特有的错误原因，才能解决问题他未来自学的问题。如果没AI的无穷算力我们是不有可能解决问题这些点的。

我们可以看见小傅的知识点能力值在自学之后都有了大幅的提高，这个是当时杨澜专访的时候我家的双胞胎大小宝当场做题的状态，我们对他们整个自学方法的辨别找到，我们大宝的反证法和逆向转换法用的较为多，相对来说较为擅长于，而小宝对以此类推系数法、等面积法用的较为好。大宝较为像我，逻辑性较为强劲，但直观感觉较为劣，而小宝的直观感觉较为强劲，逻辑相对来说较为很弱。

所以我们不但展开知识点的拆分，我们还运用系统的无穷算力，运用我们给每一个题目的标签、标示，对学生展开能力和思想的合并，到了这个境界早已不是任何一个人类老师所有可能做和有可能想象的了，而这些辨别对我的系统来说只必须一个小时的测试，我们就了如指掌了。所以，这里面每一个学生，即使是一个80多分的学生和另外一个80多分的学生，他们会的知识点也是有所不同的。80分和80分的孩子完全没一个是一样的。第四个关键词叫作自我演化。

也就是说除了早已全知全能、见微知著和无穷算力以后，它还要不具备更为令人恐怖的特征，也就是我们最惧怕AI的地方。如果我们用编程编成一个微信，过了5年以后，我们找到微信还是那个微信，但是我们如果用AI做到一个AlphaGo，在结尾的时候它十分弱智，它到互联网棋类的网站上，化名Master跟大量的棋手展开对局之后，它的智商和智能大幅的提高，提高到我们不可思议的水平，所以AI是有变化的。我前两天参与星空演说，我跟傅盛两个前后，他说道我这次考得很好，我说道你做到了一个AI翻译机，也就是我们探亲的时候再一可以自由行了，不必不懂英语也不必带上翻译成了，可以用AI翻译成，可是这个AI翻译机一开始是执着翻译成的准确度，从翻译成的不精确到大大的自我演化，能转变和优化自己的翻译成水平。

到了后来不会找到，AI翻译机有可能做到的更好的事不一定是翻译成，而是跟你聊天，或者是给你谈笑话，有的时候过来旅游的翻译成不一定翻译成得定，而是翻译成的有意思，有可能几乎用另外一种套路来翻译成了，因为什么？我们给到翻译机的KPI是使用率，是用户究竟用于它多少和多久，而不不一定是翻译成的精确，所以当用户用于时长作为目标的时候，这个AI翻译机当它有了智慧和智能以后，不会演化成一个人跟你在交流，甚至在孤独的夜晚跟你聊天。所以我们告诉，当我们用AI在做到一个产品的时候过了3、5年，有可能几乎不是我们原本的产品了，而是另外一种产品，所以我们在《西部世界》里面看见AI机器人，当它自己发展了以后，就有了自己的点子，发展出有了自己的直觉力开始用自己的直觉展开运动，而仍然不受人类的掌控。

当我们指出AI只是在很弱人工智能有所建树，强劲人工智能还做到得不充足的时候，只不过AlphaGo早已用AI辨识了，也就是说它某种程度是算法用来对局，需要用Google在未来节省几亿甚至是十亿美金的电力。用AI培育孩子的想象力和创造力我们指出人类最后的堡垒是什么？是想象力、创造力和艺术。但实质上在美国的一个教授作出了AI机器的绘画，早已所画出有了当代著名的画家仿效它的所画做到出来的十分相近的绘画，放到美国当代艺术博物馆里面，85%的专业观众都看不出来究竟哪个是大师所画的，哪个是AI所做到的画。我们往北下看，德捉这样不是一个非常简单规则的游戏，而是牵涉着大量人的每一个用户的与众不同的心理的博弈论、心理的辨别，一个这一刻、这一秒里面随机自由选择的竞技中AI也战胜了人类。

小冰早已不会作诗和唱歌了，它的唱歌通过了图灵测试，这是当时小冰尤其震惊是在《非你莫属》的舞台上，运动员每次是被10几个老板批评、抨击、拦的体无完肤，它的这首诗早已次于顾城和北岛的水平，早已可以战胜90%多的人类的诗友了，“阳光汇集，光明流向我的梦境，光影照在蔚蓝色的舞台上，照耀我们的无限星光”把每一个求职者的那种心境谈的淋漓尽致。尽管有所不同的声音是因为有所不同的老板之间有所不同的角度，有所不同的角度给了有所不同的声音，像荆棘中的迷茫承托了我，即使走遍全世界的泥泞，也要寻找我通向未来的道路。

当时我就被这个诗所震惊了，我实在AI早已要相似无所不能了。所以那时候我就在想要，我们的松鼠AI是不是可以培育孩子想象力和创造力，这是一件我跟所有的AI界的顶级的教授交流的时候他们实在不有可能，AI怎么能培育孩子的创造力呢？实质上我早已寻找了方法，最近我十分伤心地跟我们研发部的老师和教育专家们谈，3年我们就可以让松鼠AI培育小孩子的想象力和创造力，路径是怎样的？我今天剧透一点，我小时候什么样的老师可以培育我们的想象力和创造力，有可能只有那些最牛的老师，1%的老师，他们敢问学生任何富裕想象力和创造力的事情，可是大量的老师不肯问，为什么？因为他的科学知识是受限的，当时问的时候他没办法面临，但对好老师来说，随意你谈什么他都能给你恢复，即使是谈到了他显然会的科学知识，勇于否认自己的科学知识严重不足和幼稚，但对大部分老师来说是致使否认自己的幼稚的，因为他内心还过于强劲，对AI来说它没一个轻视的开销，没惧怕，可以子集所有人类老师几百万、几千万的问题，可以问到所有的孩子各种形形色色的问题，而且可以子集几千万、上亿的孩子有所不同的问，以及针对这些问的恢复。所以我们看通过全知全能、通过见微知著，通过无穷算力，只不过计算机可以告诉想象力和建构里所必须的一切的根基，通过这些根基可以给孩子问各种各样的问题，无论孩子问什么都可以应付，哪怕有的时候AI的应付有时候是文不对题，有时候它的应付是几乎错的，但是没关系，或许它从另一个角度上又灵感了这个孩子新的思维。

所以当这个孩子的思维被关上，开始收敛式的、跳跃式的展开思维的，而且需要面临AI给到他有所不同的问，有所不同的角度的思路的时候，他的想象力和建构力气就要被唤起了。我们正在做到这样一家是让AI自我演化到一个我们无法想象的地步。

在央视的一档节目《机智过人》里面，很惜这档节目由于各种原因没被播映，我们找到了撒贝宁的优势和缺失，他说道“这么长时间来，没我身边的人告诉我的数感很差，好丢人，今天忽然被你们的系统经过了18分钟的测试就早已检验出来了，显然我的逻辑性很差，我的数感十分劣，而且我的逆推法较为劣，我们录了一个小学四年级的数学题，池塘里的水草每天宽一倍，那么直说这些水草宽到池塘的1/4的时候是第几天？大家告诉是第八天。”但是当我们找到这个孩子逆推法很差的时候，因为撒贝宁是在北大学的法律，他们是稍英美法系由的，英美法系由讲究的是正规化，如果我推断你这个人有罪，哪怕有任何一丁点的可能性证据链不完备的话我都可以发售来，不像以前的中国的法系是讨厌倒推，又是另一种思路了。但当孩子会逆向思路的时候，不仅在题目上有任何的问题，在人生也有各种的问题，我做到企业的时候仍然是一个杰出的企业家，仍然回头到上市的路，但那时候是没之后。后来大大认识风投，大大刁难的时候，不是说道我看见一个方向就看见了一个事业，不是看见消费者的痛点就投身进来。

而是看整个未来终极的市场有多大，做5年、10年、15年以后是什么，如果我为了抵达这里如何逆推过来我今天应当做到什么。所以为什么AI能做别人没的东西，我做到超强纳米合并，有想象力、创造力，就是用逆推法思维，也是我原本不擅长于的。最后我们松鼠AI期望制成什么？期望制成像苏格拉底+达芬奇+爱因斯坦的智慧来给学生教学，必需教给孩子举一返三，举一返百的能力，所以在这样的倒推下，整个事业的方向不一样了，我们的战略也不一样了。

所以在我们的系统里，我们在有所不同的角度里，不会给孩子有所不同的幸福的未来。就像这道数学题，欲两个共线圆的圆心距离，两圆共线算数出来就完结了吗？只不过这道题必须一个分类辩论意识。

因为有两种可能性，一个是外部共线还有一个是内部共线。如果漏到了其中一种可能性，有可能在未来的事业中你就遗漏了很多危险性没想起。

有可能你能做到的事情当中你跑到了死路，没想起另外一种方案。你不具备这种思维的时候，某种程度是在数学、物理、英语的自学中，在你的人生中都是十分有价值的。过去很多奥数题我都会做到了，但是没关系，通过这些题目我训练我的思维方式这才是最重要的。我们去合并这些科学知识的时候，我们找到这个科学知识对你的一辈子，未来都具有极大的价值。

所以我们当时在《我是未来》里给小白展开测试，还有池子展开测试，各有各的优势。你如何在大量的世界的噪音中寻找简单的信号，很多人把眼光看见了未来AI，也有人注目到了AI教育。

都说的各位是在所有的创业和科技的噪音中，看见了来自未来的信号，马化腾也说道过，如果中国有多达BAT市值的公司，出自于两个领域，一个是AI医疗，一个是AI教育。我们的系统里能做，是因为我们给每个知识点大量的传统没的标签，而且机器可以自我演化的投出标签。

AI教育：带来孩子美好未来我们期望通过AI教育，能让每个孩子的眼睛里都具有热情、幸福的光芒，而最重要的是几次人机大战里早已证明了我们的学习效果，我们不会捐献100个学校账号，给数百万贫困家庭的孩子，期望确实增进教育的公平化。即使是收费的账号，几万块钱一年早已比800万、600万的学区房低廉百倍了。我内心中深信，对于整个人类教育进化史来说松鼠AI都占据浓厚的一笔。我们反来看几百年前，中国学生习的是《四书》《五经》，现在我们初高中有二十个学科，到了大学有几百个学科，我们的人脑是无限的。

未来的孩子不会比现在的家长聪慧几倍，前期是使用的AI教育的方法。一个国家过去只有几十个精英，现在在有所不同的国家里，在科技、娱乐、新闻、金融，有所不同的领域里有几十万精英，如果未来，我们孩子都能被AI老师教育，大脑创造力能被唤起的话，坚信未来的世界上全部都是精英。就像过去几十年，在全球完全歼灭了文盲一样，未来我们能把所有人类培育成精英。

计算机未来一百年内能凭借AI打破人类，这是曾多次有人说道过的。过去200年，机器凭借体力早已全面替换了人类工作，未来我指出20年的时间，机器在脑力上全部替换人类的工作。很多人说道人怎么办？这么一场不安的未来我们怎么面临？只不过没什么。

过去几百年两个机器，播种机、收割机就替换了人类大部分的工作，过去仅有是农民，而现在只必须5%的农民就可以养活我们，而且工作又不那么累官。所以以后所有的老师、科技工作者，有可能每星期只必须工作一天，我们只必须如何应付AI和匹敌AI就行了。教育部网站上说道，AI不会替换老师吗？意味著会。但是会应用于AI的老师一定将不会被历史所出局，所以AI的世界早已来临了。

都说的你们准备好了吗？谢谢。（演说全文完）会后，栗浩洋拒绝接受了还包括在内的多家媒体专访，对明确专访内容编辑整理如下：1.我们现在辩论的AI智适应环境自学更好的是机遇自学方式还有方法路径的自学，但是在这种AI智能时代发展背景之下，对应人的教育我们更加应当提高哪一方面的能力？在AI协助的情况下，跟以往传统的教育方式比起，人类在哪些能力方面不会更加引人注目？栗浩洋：现在AI仅次于的问题是常识和前后句子的结构，还包括推理小说的问题。我们在这个领域里面通过一些教研的方法解决问题了人工智能的缺失。

比如我们教教语文特别是在是读者的时候，本身也很头痛，而我们现在把作文、读者结构化。结构化以后，再行让人工智能去解读，读者的机能分解成100种技能（从最先必须了解单词，了解句型，了解简单句之间的关联，理解布局模片时的结构）把每一个事情合并称之为较为粗的结构。分解成之后，再行变为0和1。结构化以后再行做到统合（两两融合、三三结合等等），再行让学生学会人组。

现在我们解决问题语文比较较为无以的东西早已比传统的教育教学效果要好很多，还包括能力也是。原本在我们的竞争对手来说，他们不能教教知识点，没办法教教“自学力”，我们现在也是把这个给合并了，比如我小时候情商较为较低，后来把情商拆卸分为仔细观察能力、辨识能力、忍耐力等等200多种。

当我们把能力合并的时候只不过也是一种结构化，可以让机器部分的解读这些东西。我们就可以做到一些传授，这种传授效果不会更加好。

我们合并的100种能力和思维方式，对孩子都很最重要。我们合并以后，先教孩子一种分类辩论，再行教教第二个，再行教教第三个。

当教孩子10个了以后，再行综合给孩子谈整体的分类辩论应当怎么样，举一反三。这时孩子在分类辩论的意识上就不会提高了。我们通过结构化来已完成了素质教育，这样的素质教育尤其好，孩子可以发展出有终生自学和工作的能力。

2.你们以后不会更加多重新加入老师的元素在AI的领域吗？栗浩洋：只不过我们现在还是老师的元素，未来我们指出教书的部分全部由系统来已完成，老师的插手有时候不会污染流程和数据。但是，未来老师做到的是教育的育人部分，老师现在没做到情感交流，应当给孩子做到情感交流、性格塑造成、三观的塑造成。教学应当让机器从头到尾的已完成，我们线上现在早已已完成的十分好，我们线下也进了1300家。我们指出线下的场景总有一天会消失，10年以后学校仍然不会不存在。

传统的线下也不应当是传统的方式了，传统线下的店铺不会消失，最后变为教育新零售的模式，通过数据协助孩子。3.教育AI的应用于落地，更容易遇上的问题有哪些？目前市场情况如何，市场需求如何？与其他领域的AI技术落地，有怎样的差异？怎样看来市场未来的南北？栗浩洋：AI教育落地现在只不过是本身不不存在问题的，它的优点就在于产品只不过早已很成熟期了。

AI教育在海外早已有九千多万用户在用于，所以产品早已几乎是可以超过落地的这样一个级别。不像有些AI产品，比如机器人，它在落地中本身产品就很不成熟期。那么有一个问题是在于AI教育基本上落地是以2C的形式居多的，有一些AI落地，比如说像安防是2B的，而2B只要政府接纳和合作机构接纳就可以去展开大量的推展。但是对我们来说，要让每一个消费者去接纳，所以是AI教育落地仅次于的一个障碍。

所以这也是我们为什么必须各位媒体朋友一起协助我们去宣传AI教育的价值的所在，因为对比尔·盖茨基金会来说，他们早已花上了五年时间深入研究AI智适应环境教育。他们指出智适应环境教育是我们现代教育领域里面最必须的东西，福布斯、经济学人在全球的各个文章里边，还包括纽约时报、华盛顿邮报都讲过AI教育是教育的终极解决方案。

但是在对于中国来说，还包括从媒体仍然到消费者只不过对AI教育确实的理念、原理、工作方法、特性、优势、获得愤慨的效果，都是不理解的。所以这也是我们期望大家需要一起协助我们去传播，一起花上些时间了解的理解AI教育，需要让我们国内确实较慢的跟上欧美的速度。甚至我期望在跟上欧美的速度的同时，我们甚至需要较慢的打破对欧美的市场覆盖面积比率的状态，因为我们公司现在在技术上只不过早已打破了竞争对手，还包括ALEKS、Knewton。

那么在覆盖范围上和消费理解上，如果需要打破我们很有可能像移动支付一样，沦为又一个中国领先于全球人工智能的应用领域和创业公司的一个优势领域。关于市场未来的南北，我指出就像过去的互联网+一样，未来的二十年教育一定是AI+，所以AI最后就像水和电一样，沦为必需品。

就是你不有可能不用于AI测试在教育里边，所以教育部有一句话说道，当真是会用于AI教育的产品的老师一定都会被出局。未来的教育一定是智适应环境教育作为大的方向，我们从国外的案例也可以看出来，传统的汗学院在去年七月份转型智适应环境教育，美国的华尔街英语在两年前转型智适应环境教育，美国所有的教育机构早已全部都变为智适应环境教育机构了。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：机器学习教父 Tom Mitchell ：人工智能将沦为自适应自学的驱动式技术 | 全球AI+智适应环境教育峰会掌门1对1张翼：AI对教育仅次于的赋能是让学生提供关上科学知识宝库的“钥匙” | 全球AI+智适应环境教育峰会印尼仅次于教育公司CEO：技术不会让印尼领先的教育重燃期望 | 全球AI+智适应环境教育峰会天图资本冯卫东：面临AI革命中小学教育何处去？| 全球AI+智适应环境教育峰会原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：Kaiyun·yunkai(中国)官方网站-www.matianchi.com