这本书终于陆陆续续的看完了，作者本身还是挺有料的。作为苹果教育的副总裁，主张的是尊重孩子的个性，用技术的手段来因材施教，不要把手机 /iPad 等设备当做洪水猛兽。

---

里面很有感触的一句话是，现在教育的最大问题，是教师在使用一种过时的、非数字时代的语言，试图去教一代几乎完全使用数字化语言的人。

---

在得到里，其实有很多小学生 / 初中生 / 高中生，有内地的也有台湾美国的，他们会听吴军的课听万维刚的课，前两天还有个高中生，听了包刚升老师的关于英国新首相的讲座，问了几个问题，让我瞠目结舌，基本都属于我都问不出来的。这就是新一代的学生，他们的知识面已经很宽了，小小年纪都去过很多国家，见识过很多市面，老师如果再用 “别管为什么，你听我的就对了”，已经无法说服现在的学生了。

---

但是这本书里对 “自适应学习” 的技术很推崇，我想分享一下自己的看法。

---

自适应学习这个说法最先提出的是 Knewton 公司。我简单的直白解释一下自适应学习。就例如现在大家都是三年级的小学生，进入到一个考场，拿到手里的第一个问题都是一样的，可能是一个两位数的乘法。但是做完第一道题之后，大家每个人的第二道题都不再一样，会根据每个人第一道题答题的情况来做智能推荐，这里面的维度可能非常多，例如答题的速度，答题的准确度，写不同步骤时花的时间长短，有些人可能是个位数 × 个位数没有学好，有些人可能是进位没有学好。

---

今年四月，我跟国内一些互联网教育企业的技术负责人去了一趟美国，同行的例如有英语流利说，51talk 等英语学习类 app，也有一些 K12 的企业。我们行程一共是 7 天，先去了纽约，然后两天后飞旧金山，一共看了大约 15 家美国的教育企业，里面分布非常广泛，有千人左右的大型出版公司，也有 udemy 这种在世界范围都比较广泛的职业教育平台，更多的是某一个领域里几十个人的创业型技术公司。主要的方向就是人工智能里细分的自适应学习。

---

结果怎么说呢？不容乐观。纯做自适应学习的企业，活得都不怎么样。只说一下这个领域的鼻祖 Knewton 吧。

---

我们去的时候，是他们的前首席产品官给我们做的分享。作为率先提出自适应学习的这家公司，大家一定关心这家公司作为鼻祖，生存环境怎么样。拿几个数据说吧。这个公司在七八年前被认为有可能冲击教育科技领域的独角兽，也就是说估值有望超过 10 亿美金。他们从 2011 年到现在，融资总额超过了 1.8 亿美金。而现在的估值是多少呢？我们 4 月去的时候他们会被一家出版集团收购，收购价格在 1000 万美金之内。当时我们几个人第一次听到这个数据的时候，都特别震惊，估值缩水到难以置信的底部。

---

5 月，果然他们被出版集团 John Wiley 收购了，收购价格据说惨不忍睹。也有行内人士说，Wiley 的收购，其实一点都不在乎他们的团队和产品代码，只是对他们这么多年的一些学生数据感兴趣。

---

对于自适应学习，我的基本判断是技术方向本身没有问题，但是现在在美国是瓶颈期。

---

可能的原因我自己瞎判断一下：

---

1. 以 knewton 为代表的技术流派，核心是想做 B 端的生意，所以他们的第一家大客户是培生教育。因为做 B 端的生意，就意味着不用深入到数据第一线，不用进学校，更简单一些，人力成本也低。

---

但是不愿意做脏活和累活，就意味着自己的护城河太低。例如 2017 年培生教育就准备收购他们，但是谈判破裂，收购失败后就取消合作了，而这是当时 Knewton 的最大客户，他们的各处宣传都是以培生举例子的。

---

我特别理解培生，作为一家教育公司，怎么可能接受自己的核心算法是另一家公司提供的？自己的最宝贵的用户数据和使用数据，是为另一家公司的算法来服务的。这个太难了。

---

对了，他们上一轮的投资人里有好未来，当时是准备把他们的引擎直接引进好未来的线上课堂的，但最后没有搞成（我自己猜测是他们的引擎更多是基于美国教育场景做的，如果直接好未来用，来来回回的沟通成本，可能还不如好未来直接拉几个码农做。可能效果不如 knewton 好，但是谁知道呢？）

---

2. 看起来自适应学习这块，从概念到引擎到算法，说的天花乱坠。但是这就个业内经常开玩笑说的那句话 “有多少人工，才有多少智能”。从自动驾驶到机器学习，引擎和算法是一个基础条件，但是这个和企业成功没有因果关系，因为必须要有各种数据验证，才能不断的调整自适应算法。

---

4. 在美国市场，缺少集中的落地场景，能进某一个学校，就是他们了不起的应用场景了，这个时间非常长，并且从教材到学生的水平，很难标准化。而在中国，这块会是个很大的优势，因为在教材统一的情况下，各地同一年级的孩子水平大致相当，那么做自适应学习至少从考试这个强制条件来看，非常容易得到验证数据。当时有个公司跟我介绍说他们为什么算法做的好，因为他们拿到了合作学校的入校资格，有超大规模的用户样本。

---

当时我好死不死的追问他，用户样本数有多少，他回答说 4000. 我们几个中国去的人都惊呆了…… 在我们看来，这种线上产品的覆盖量，不到 100 万，都不好意思过公测期。

---

6. 在我看来，自适应学习的核心在于把学习过程和测试过程做结合，通过不停的测试，来判断学生的知识掌握程度。而做题这套逻辑，国内从家长到学生，天然不用教育市场，并且产生的数据能有效的辅助老师判断不同的学生，在掌握知识点方面的差别，真正做到千人千面。

---

这本书作者写的部分还是值得一读，理念和三观还是挺好的。

---

但是有个非常不好的槽点是，这本书里每一章后面都有国内教育企业松鼠 AI 的创始人写长达几千字的东西，类似软文。我能理解前面的序和后面的跋，我不能理解我吃西餐的时候，为啥还要给我上焦圈豆汁煎饼果子…… 吃相有点难看了。