大家都说，今年因为疫情隔离在家的因素，教育在线化的产能加速爬坡，而线下传统教育机构要迁移到线上，未来线上教育规模增多，AI在教育的结合即将面临新的挑战。
教育产品的核心价值，和娱乐、电商消费等产品不同。教育产品是为一段时间的「累积结果」负责，用户的学习结果好坏是第一位的，过程体验虽然重要，但不是决定产品好坏的唯一因素。
而教育消费者决策周期长，决策成本中包括钱、时间和机会成本，冲动消费比例少。并且，在儿童教育里面，涉及的角色类型多，导致教育产品的模型构成更复杂：教研、教学、服务、产品、设计、技术等，每个构成都与产品结果直接关系，这也让迭代周期和成本更高。
因为教育领域的这一系列特性，如果内部的整个教研、教学、服务系统没有达到一个良好配合和正向循环，这不仅让迭代成本增高很多，AI 技术的植入难度也更高。
但由于过去传统教研的生产模式，教育本身的复杂性，迁移的困难到底有多大？这就让我想起了《技术与文明》书里面提到的：
新事物的发展并未遵循其自身的独特模式，而是遵循了过去的经济模式和技术结构。虽然全新的汽车发明后能达到60英里/小时，但它奔驰的仍然是老式的土路或者为马车设计的碎尸公路。虽然1910年后加宽了这些公路并铺设了混凝土路面，但是交通模式仍然是旧的，过去铁路建设时代所犯下的错误，到了全新的汽车时代又重复出现。
这仅在美国每年的车祸就死3万人，商人和企业家只寻求机械方面的改善，却没有从其他方面寻求改善的眼光。本顿·麦克凯论证过，快速的运输，安全的交通，居民的步行和完善的社区建设其实是同一件事情的各个方面。（P211 页）
《技术与文明》（虽然绝版了但还是强烈推荐）对我做AI和做教育有极大的启发，不仅是从功能实现层面，而是看到了我所做的事情，也许未来能扩宽到整个社会的意义，到未来的历史长河中会形成怎样的人类文明。如果过去所有伟大的发明是未经深思熟虑，如今我们也不会生活如此安稳幸福。
回到今天的话题，AI 如何在教育产生价值？
我今天用人机系统的概念和认知框架来解答我对这个问题的思考（前面的几篇文章都有提到这两个概念），从网上找的资料贴的图，这里不赘述人机系统的概念定义。
为什么要用人机系统呢？因为人机系统的框架，可以帮助教育产品经理，思考教育从原理到实践再到商业模型的时候，更好的分析这样的关系–人和机器在教学过程中产生的人机协作，人人协作之间的关系。AI 的作用也是发生在数据关系和人机交互的层面，所以基于这几个维度，人机系统模型可以帮助我们：计算AI在人机系统中所带来的人机效率提升，这也是AI所产生的价值。
下面是我对人机系统的集合核心作用理解的思考：
1、【单次效率】在某个任务下，当人的某个能力（单个能力）被AI替代了以后，可以通过单任务下的人机系统的工作效率是否提升，来评估AI在此刻产生的价值。但是，在分析 AI 由感知到认知智能的时候，了解到当前认知智能的程度无法做到完全替代人类，所以在人机系统中能被AI替代的部分，还有被AI部分替代后对人所带来新的能力迁移，学习成本，以及在更新的系统中设计合理的人机交互方式，这些因素都是需要考虑在人机系统的效率计算当中的。
2、【整体效率】从单个任务到一串任务，从个体执行到群体合作，从短周期到长周期，任务之间的关系和价值的传递，是随着环境变量增多，系统的复杂性也扩大，而人机系统的总体效率依然可以进行估算出，是否某个因素的改变产生了更多可被传递的价值。下图是一种理想状态，假设整体的效率可以通过AI分析和计算得出群体人机效率的增量，理论上在个体学习的整体效率和学习效果上也会变好。
此外，还需要考虑环境的因素。图片参考之前01写过的，这里我就不画了。
3、【人机交互】这个概念对于AI产品经理来说应该比较熟知。人机交互属于人机系统的一部分。人机协作需要通过机器的界面/语音等控制操作，来进行人机交互。而人机交互的体验提升也能带来系统效率的提升。
4、【功能分配】AI 擅长处理海量数据，擅长重复性任务，不善于抽象思考。人类不善于处理数据，擅长做抽象决策。需要考虑在用户和系统之间适当分配功能。而功能分配是以人为中心设计的最重要原则之一。（有兴趣可以展开阅读：以人为中心的设计和产品的可用性）
在分析完人机系统，我画了个图来模拟在线教育所需要具备的业务模式和团队基本架构（细节有所缺省），才能对用户结果做到良好的正向循环。
从这个图 的关系来看，从真人在线课程生产，需要AI技术支持、教研内容生产、老师端平台、运营管理平台、以及提供一套完整的服务体系。一节AI课的生产，除了老师成本减少，其他都是少不了的。可以再结合语音这条技术来分析里面的价值。回顾下昨天我文章里用 AI+语音的案例：AI 产品经理 03：AI+教育的结合。
最初刚开始做语音算法PM的时候，其实也没完全明白AI 技术型PM 可以提供的教育价值。
因为大部分的工作在采集数据，沟通业务需求，以及定义数据集和评测集等语音学层面的事情，对价值定义并不清晰。而对AI PM而言，做出来的 AI 算法好坏，和产品经理有多大联系，我也很难说清楚。也觉得，很多算法部门都不需要产品经理，这也是很多AI PM的困惑，说AI PM协作的结果变成产出算法，AI 产品经理的价值提高的仅是团队的沟通效率。
真是这样吗？我后来经历了一年多的思考，其实并不是这样的。
因为目前阶段，AI 技术自身还不够成熟（所以需要产品的反哺），AI技术对很多行业内大多产品经理不了解，所以，有了AI算法产品经理这一说。如果AI再成熟下去，也应该没有必要再说是 AI 算法产品了。产品经理，回归到给用户创造价值的本源上。
所以，对于AI +语音产品而言，在教育产品上能给用户提供的价值，首先成为一个核心基础层的服务设施，能给满足各个教学场景的用户学习过程。
AI 算法产品的首要目标，先是提高语音识别、语音评测算法的准确率，只有当学习评估（评测）变准确率了，再通过有效的数据回收，来反哺语音技术能力，再进一步增强语音在教育评测体系上进一步自动化和标准化的建设。
同时，语音在AI课上，也还能给用户更多的反馈方式的人机交互体验，例如可以拓展多种不同的语音题型。
在语音题型这块，比如目前市面上的 AI 课支持的语音题，包括跟读，包括半开放问答、有限集的多轮对话，AI 还需要处理反馈逻辑，除了语音之外，还需要结合NLP的，尽管现在还没有做到那一步。
只有当用户上课的过程中这，反馈方式越具体才越有效（而不仅仅是鼓励词评价词），这样才能真正对学习有促进作用。
从AI+语音的价值实现的产品路径上，需要经过几个阶段：
- 1、第一步，是提高语音技术准确性，前期需要产品来优化和反哺。
- 2、第二步，语音技术在某几个细分场景下能达到足够好的水平用户体验提高，测评准确，学习质量和体验提高，那就是有用户价值的。
- 3、第三步，通用场景的规模化，提高这个价值的扩展面积。除了AI 课，可能还有其他业务部门，比如老师端提高老师教学体验，客服团队提高服务针对性，自适应学习系统建设等等，都能起到作用。尽管，自适应需要建立在测评准确性和题库匹配度的基础上，并且测试几个维度依然还是听说读写，但是能减少更多老师真人测试、调课、服务的沟通成本，这个系统对整个公司的价值都是有促进作用的。
所以，分析AI 在教育可以发挥的价值，可以先从人机系统效率来评估。看AI是否提升了人机交互、人机协作的效率。从个体到群体，到阶段性整体的教学结果的效率。
AI 的赋能教育，未来希望能让正确的产品服务模式和有价值的数据开始积累，从而提高学习效果，用户达到一定的满意度，愿意进行口碑传播。从而降低获客成本，以及后续服务迭代的成本，让教育公司的内部系统能进入一个更好的良性循环。
感谢阅读，今天日期很对称。
- created at 20200202
