学而思CTO田密：用大模型重构教育，我们做对了什么？

7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议（简称“WAIC 2024”）在上海启幕。本届大会备受关注的热点领域之一是“人工智能+教育”，“教育与人才”被列为大会行业论坛的十大重点议题之一。

7月6日，在“AI 产业创新与投资发展主题会”上，学而思CTO田密以《教育大模型，构建未来个性化学习蓝图》为题发表了主题演讲，首次分享了九章大模型在产业化层面的未来愿景和规划。

芥末堆：我们先从一个老话题开始，“人工智能+教育”发展到今天，能在多大程度上替代老师？

田密：很多人认为大模型的进步会对教育行业产生颠覆性影响。Sora刚出来时，很多人问我，将来还需要辅导班老师吗？今天的大模型发展非常迅速，但还没有达到彻底替代老师的地步。

教育行业有一个“不可能三角理论”，即个性化、高质量和大规模很难同时实现。以学而思为例，最早推出了学而思小班，可以做到高质量和个性化，但是无法实现大规模；后来推出了学而思大班，实现了大规模和高质量，但没有做到个性化；再后来我们推出了各种AI课程，勉强实现了个性化和大规模，但其质量和真人老师相比仍有很大差距。AI技术的发展使“不可能三角”成为可能，而大模型技术的出现是一缕曙光。

教育行业面临的最大问题是师资的匹配，优质资源不足，但事实上学习阶段的孩子们随时需要向老师提问。AI老师就弥补了这样的空白，能够非常耐心地进行陪伴式讲解，孩子们不用担心被说笨或者担心老师会不耐烦，就像医生接诊一样，AI老师能够回答很多学生的问题。

芥末堆：能不能用最浅显的语言，向我们众多的教育创业者讲清楚，人工智能对于教育而言，意味着什么？

田密：在大模型技术出现之前，AI技术已经在教育的各个环节中发挥了作用，包括备课、教学、练习、评估和管理。例如，备课时可以用AI技术帮助老师自动生成讲义和试卷；授课环节中，AI可以充当教学助手，提供智能答题器，帮助老师做智能提醒和个性化的TTS。在练习阶段，AI可以实现自适应练习、中文作业批改和整页批改；在评估环节，AI可以进行口语评测等。

随着大模型时代的到来，所有的教育AI科技都可以通过大模型技术重新实现一遍。这意味着AI不仅可以优化现有的教育环节，还可以在个性化和规模化方面实现更大的突破，更好地满足不同学生的需求。

芥末堆：大模型和传统的深度学习技术有什么本质差异呢？

田密：第一，大模型更加通用。过去需要上百个大大小小的模型来提供AI服务，工作量非常大。现在，一个大模型可以处理所有任务，极大地降低了训练成本，提高了训练效率，并且通用性得到了保障。

第二，大模型有了通用大模型作为基座。过去，教育大模型只能学习教育相关的语料。如今，通过通用大模型，教育大模型可以融合更多的世界知识和教育知识，从而变得更加聪明，情商更高。

第三，大模型支持多轮交互。这使得人机交互或师生交互更加容易、便捷和自然。大模型生成的多轮交互方式让互动变得更加流畅，提升了用户体验。

芥末堆：教育大模型是怎么训练出来的？训练模型的方式和通用大模型有差别吗？

田密：没有本质上的差别，通常会分成几个阶段。以九章大模型为例，你会发现，大模型学习知识的方式、手段和人类很相似。我们把训练过程分为三个阶段。

阶段一，预训练。就像一个孩子要看大量的书去学习，通过自学获取基本知识和理论框架。

阶段二，有监督微调。相当于请了一名老师给孩子讲解标准的解题套路，孩子向老师学习解题步骤，比如一二三步骤分别怎么做。

阶段三，强化学习。相当于孩子不断地进行多轮练习，每次练习后进行批改和反馈，不断进阶提升。

这个过程让大模型像孩子一样学习一门学科，比如数学。其中，最关键的是数据。训练什么样的模型需要什么样的数据。在不同的训练阶段，比如预训练阶段，需要海量的题库、讲义和教辅书；微调阶段需要大量的步骤清晰的解决方案数据；强化阶段需要用奖励模型对结果进行反馈。

在这一点上，学而思具备优势。我们一直在投入教育科技研发，从2003年成立起就在积累题库数据，这些都是训练大模型宝贵的原材料。

芥末堆：此前有网友让九章大模型和ChatGPT分别去答高考数学卷，引来热议。在开发团队内部有没有做过类似的对比实验，结果如何？

田密：大模型和人类一样，有文科生和理科生的区别。我们发现，很难在一个大模型里同时学好数学、语文和英语。九章采用了多专家模型方式，有专门的数学专家模型、语文专家模型和英语专家模型，最终以MoE方式组合起来提供全科服务。

九章作为以数学领域的解题和讲题算法为核心的大模型，在高考数学题目上比GPT-4o得分更高。“点睛”分析也是九章的特色，它在解题的同时拆解了题目的考点，更适合学习者参考。

大模型应用最大的阻碍在于“幻觉问题”。通过搜索召回增强技术，可以比较有效地缓解这一问题。这个技术很简单，在大模型生成之前，先搜索并召回相关的内容，拼装到程序中作为提示词工程的一部分，这样输出就会有约束，不会胡乱生成答案。例如，将学生的学习画像放进去，就可以生成个性化的回答，这是大模型落地应用的关键点。

芥末堆：今天现场有一些观众尝试用手机拍摄一道四年级数学题，大模型并没有直接给出答案，而是分析了题目考察的知识点和形式，再引导用户一步步思考。这和一些拍题软件的讲解方式区别很大，让大家感受到了人工智能在个性化引导学习方面的潜力。

田密：我们认为，所有教育场景都值得用大模型重新做一遍。到今天，学而思已经在解题、对话、批改、讲题和推荐这五大场景中重构了教育科技。

解题很好理解，就是实时解答一个题目；对话是指具有常见的对话能力；批改方面，AI可以批改中文和英文作业，甚至细致到数学题的步骤级别，识别出答案的对错和错误的具体步骤；讲题则是AI一对一地讲解题目；推荐则是在大模型的基础上做到步骤级的个性化推荐，使得标签更加精准，推荐效果更好。

具体来看，这些过程如下：

1.自动解题：九章大模型在数学评测网站Matheval上排名第一。在我们官网上也有展示，一道高中的函数题，大模型会先分析题目，识别出考察的知识点，然后进行步骤详解，最终完成解题并提供考点分析，这样可以让学生更清楚地了解题目的考察重点。

2.口语对话练习：在我们的APP中，有口语评测功能，让孩子通过游戏化的过程进行学习。我们会对学生的口语回答进行评测，包括流利度和发音。

3.作业批改：中文作文批改涉及字词判断、错别字、段落批改、内容建议和润色方法。英文作文批改分为三个步骤：批改、建议和润色。数学题的批改更为复杂，特别是主观题，需要对步骤进行批改，识别错误步骤并提供个性化讲解。

4.讲题：我们推出了“九章随时问”小程序，它是一个数学AI老师，不是直接给出答案，而是一步步讲解，任何不懂的地方可以随时追问。这个功能的目的是让孩子学会主动提问，培养批判性思维。

5.推荐：个性化学习的核心在于题目推荐。过去的诊断只能精确到题目级别，而现在可以拆解成多个步骤，每个步骤考察的知识点不同，对题目错因的判断更加精准，从而推荐的效果也更好。

总的来说，AI时代的教育需要孩子主动提问，因为AI几乎无所不知。提问的能力在很多情况下不被鼓励，但AI让这一过程变得自然，孩子们可以更加放松地提出问题。AI老师会尽可能激发孩子的主动提问，通过不断的反问和设问，引导孩子学会主动学习。这是AI给教育带来的一个变化。

芥末堆：有人担心AI会让教育变得更惰性，认为是拍照抄答案。对此你怎么看？

田密：并不是这样的。拍照讲解之后会有追问，这才是真正的方向。我们的AI老师会尽可能去激发孩子主动问问题。我们会把问题拆成很多个小步骤，每一步都问孩子“你怎么看这一步？”、“你觉得这么做是对的吗？”或者“你认为有什么重要的方法吗？”通过不断地反问和设问，让孩子自己学会主动提问。

这种方法不仅帮助孩子理解题目，更培养了他们的批判性思维和主动学习的能力。AI在教育中的作用不仅是提供答案，更是引导学生思考，鼓励他们独立解决问题。这样，AI不仅不会让教育变得更惰性，反而会推动教育质量的提升，使学习变得更加积极和主动。

芥末堆：国内外大模型在教育领域的应用，目前还遇到什么样的难题？解决方向会是在哪里？

田密：坦率地讲，虽然目前大模型很热，但从全球来看，真正落地用的产品并不多。大家看到比较成熟的应用主要有两个，一个是搜索，另一个是聊天（chat）。

目前，大模型的应用还处于早期阶段，教育领域也是如此。简而言之，教育上的大模型未来要成为AI老师。AI老师需要具备多种能力，比如解题、讲题、口语练习和批改答疑。然而，目前还没有哪一个产品能够将这些功能完美地结合在一起。

我们都希望有一个全能的AI老师，但实现这一目标非常困难。现在的实际做法是将这些能力分解并逐步落地。例如，我们的“随时问”专注于讲解和答疑，口语练习则集成在一些应用程序中。这些能力逐步落地，最终有一天可能会形成一个完整的产品。

目前，AI老师还远未成熟。这与自动驾驶有些类似。现在智能座驾很火，但真正意义上的全自动驾驶（L4以上）尚未实现。然而，这并不妨碍一些具体功能的落地，比如自动泊车、智能变道和高速巡航。AI老师也是如此，它会逐步替代老师的许多工作，最终成为一个比较全能的AI老师。

今天，整个AI大模型对教育行业的影响和赋能还处于非常早期的阶段。学而思将把三项最重要的核心AI能力——解题、讲题和批改，向全行业开放。我们希望将核心能力开放给行业中的所有参与者，包括各类硬件厂商，如AIPC、手机、iPad和汽车制造商，以及一些公立学校的2B2C应用。我们希望通过大模型的应用能力，真正推动教育行业的发展，为整个教育的数字化转型贡献一份力量。

芥末堆：人们看到五月刚刚经历新一轮升级的“小思”也来到了今天的舞台。“小思对话”上新了记忆式系统，新增了情绪识别，可以根据提问者的声音、状态识别他当下的情绪，并以对应语气进行回应。还会通过对话记录，在家长端提供成长报告和养育建议。看上去越来越像真人老师了。

田密：是的，“小思对话”的升级使其越来越像真人老师。然而，反过来说，有些人担心AI大模型会不会颠覆教育行业，让AI老师完全代替真人老师。对此，我的答案是否定的。我们认为大模型会给每名老师配备一个AI助教，每个孩子配备一个AI学伴。

老师有很多固定的工作，比如备课和作业批改，这些重复性的工作可以由AI大模型替代。这样一来，老师就可以把精力集中在对孩子的关爱、唤醒和激发上。对于孩子来说，AI学伴可以24小时在线陪伴他们学习和成长，孩子可以随时向AI学伴提问，没有任何压力，不用担心问题是否愚蠢，也不用担心需要重复讲解几遍才能听明白。

AI可以帮助孩子保持对学习的乐趣和自信，这才是教育行业大模型赋能的终极意义所在。通过这种方式，AI不会替代老师，而是增强老师的能力，让教育变得更加人性化和个性化。

芥末堆：从整个教育产业结构来看，大模型的融入将会引发怎样的变化？未来三年内，教育产业在整合大模型时面临的主要挑战是什么？

田密：人们都看到大模型的潜力，也都在积极地拥抱这个事情，但目前来看，无论是公立学校、培训机构还是从业者，对于未来的变化尚不是特别清晰。大家都意识到变革将会发生，但具体的变化何时到来，以及线上与线下的关系是否会被颠覆，人人都在探索。

大模型在教育产业的应用不会是一蹴而就的，而是一个渐进的过程。类似于自动驾驶技术从L1到L5的逐步演进，大模型的应用也需要逐步落地。因此，首先需要明确教育行业中可以应用大模型的场景，并逐一实施落地，同时不断提升模型的性能。数据的收集和积累是关键中的关键。只有通过收集大量真实用户数据，并建立完整的数据闭环，才能实现全面的AI教师服务。

我们的孩子几乎都是移动互联网的原住民，从小就在各种电子产品中成长。未来的孩子将会成为AI的原住民，他们从出生起就接触到带有AI功能的产品。

教育是一个非常敏感的领域，人们对教育的容错率很低。就像自动驾驶技术如果应用不当可能导致事故一样，教育中如果传授的知识有误，家长和社会都会产生极大的不满。这就要求在大模型演进过程中要极为谨慎，特别是在进入公立学校领域时，对教学内容的准确性要求更加严格。

因此，大模型在教育中的融合过程将是缓慢而长期的。在此过程中，需要克服的主要挑战包括技术性能的提升、数据隐私与安全的保护、教育内容的准确性保障以及社会接受度的提升。这些挑战的解决将决定大模型在教育产业中的成败。