未來的教育行業內有什麼方面可以應用到人工智慧或者說是互聯網+？

我是物聯網專業的本科在讀生 導師出個課題想要我們設想未來教育行業內能在某一個方面應用到人工智慧或者是互聯網+ 我想問問大家的意見

教育行業用人工智慧很容易啊

精準輔助學習就可以

針對你做過的題，以及你容易出錯的地方

自適應學習算是一個例子。簡要地說，就是計算機讓用戶學習的內容會根據用戶的掌握情況做出調整，譬如用戶吃力就降低難度，掌握A知識點就好就多學習B。

語音交互技術也能極大地提高計算機教學的用戶體驗，試想你的軟體能說話，能跟你對話，顯然比只會單項輸出好吧。

另外語義識別技術還可以自動批改學生作業，極大地減輕教師負擔。

科大訊飛吳曉如老師在一次論壇中拋磚引玉地提出了人工智慧在教育領域的7個應用，或許能對你有所啟發。

第一，優質教學資源的結構化。

以前我們錄播課，但是錄了那麼多課，有幾堂課能被後面的學生所用？我們現在講微課，就是把直播課裡面關鍵的一些小的優秀片段找出來。現在有了最新的技術就不用去找微視頻，因為已經把老師講課的視頻切成了一段一段，而且每一段對應文字檢索，學生回去如果想去檢索這個老師上課的關鍵視頻，他可以很快可以拿得到。

第二，全時互動以學定教。

技術要創建線上線下的環境，應該讓老師和學生以及學生和學生之間、學校的管理者和老師學生之間可以全時互動，跨時空互動。好處是可以準確及時地發現教學的問題、學生知識掌握的問題，通過以學定教來調整我們課堂的效率。

第三，聽說訓練無障礙。

廣東省的高考口語和江蘇省的中考口語，這兩個都是全省性考試。訊飛提供後台技術支撐，所有口語數據都是由機器來評測。現在北京、上海也在推動。

第四，虛擬現實或者增強現實對教學的支撐。

學生在一些需要發揮想像的課程中，形成想像思維能力過程需要時間。今天在八中展示了一個VR實驗室，有了虛擬現實以後，學生可以非常好地去理解原來很難想像的知識點。

第五，個性化教學。

有了大量學習的數據以後，系統可以對學生進行問題診斷，最後給學生推送個性化的學習資源。科大訊飛之前與北師大在協同創新項目中進行了合作，今年我們和北師大共建了國家教育大數據的國家工程實驗室，下一步我們也希望有更多的專家為我們這個工程實驗室提供素材。

第六，主觀題的評測。

現在英文中文的作文題已經可以評測，而且評測的分數一定比現場老師評測得準確，這個經過多次的實驗得到驗證。

我們和教育部在去年的3月份攻堅了一個聯合實驗室，現在四六級考試中的英文作文已經開始用這個技術一人一機來評了。它不僅僅減少了老師的負擔，更重要的是帶來了數據。大家可能會問老師不評閱作業怎麼了解學生？這個技術剛好做了這兩種銜接，老師每次還要評閱一部分，用這一部分數據去訓練一個老師的模型，再評閱其他的，老師以後只需要評閱20％的主觀題。

第七，關於高考的分層排課。

3＋3以後課表怎麼能夠排得更好？解決方案基本已經有了。我們通過整個智能的搜索演算法，就是把學校老師的資源、教室的資源、學生數目、學生的興趣全部輸入機器進行決策，然後給學校一個輔助的排課表，最後由專家進行調整。這樣可以大幅度降低排課的複雜度，提升學生的資源的滿足度，這個在很多地區已經開始使用，以後對我們整個教學的管理可以起到非常好的幫助作用。

老師的部分工作將會被人工智慧所取代，比如批改作業、比如分數測評等。人工智慧可以幫助老師提高工作效率，減少重複性操作的負擔，這樣，老師就能回歸到教書育人的本質，把更多的時間和精力放在關注孩子的心理成長和綜合素質提高層面上。創新工場人工智慧工程院認為，未來「人機協作」這一塊肯定是要整個職業教育關注的，人要懂得如何和機器協作，一起去完成一些事情；而用心去做的服務、做溝通交流的工作內容，這是機器取代不了的。因此，可以標準化重複的事情、可以5秒內簡單決策的事情，就會比較容易被機器替代。

推薦《創新工場張麗君：人工智慧時代的教育巨頭很有可能出現在線上》：

張麗君作為創新工場執行董事，是創新工場中最早看教育的投資人。目前，創新工場20多人的投資小組中，有7人關注教育領域，其中3人專註教育。

AI+教育，迎來大機遇和被衝擊的工種

Q：

創新工場發布的人工智慧戰略白皮書里寫道，人工智慧時代對教育和職業培訓意義重大，對於教育培訓行業來說，哪些領域會迎來新的機遇？

張麗君：

相對於之前的IT職業培訓，即安卓、IOS工程師培訓和後台前端培訓等，未來對於AI人才的需求可能會是一種基於數據層、深層次的需求。

在我們看來，人工智慧人才會分層，最高層次是大學裡研究人工智慧的專家、教授，這是金字塔的頂層，不過這類人才數量偏少；第二層是能懂、會做演算法、模型的人才，目前創新工場的人工智慧工程院就有這樣的人才；第三層是工程應用型的人才，具體來說就是把演算法變成在某些場景下工程化應用，這類人才的數量會多一些；第四層是能將這些應用寫成API或結構化模塊的人才；再往下就是我們常見的會寫代碼的人才，這層的人才數量相對來說是很多的，是可以批量化培養的。所以，為最後這一層人才做培訓是最為合適的。就像我們自己投的優才、小象學院等項目，都是在為培養最後一層的人工智慧人才做儲備。

人工智慧對於教育人才的培養是一方面，還有一方面的影響是人工智慧發展越來越好之後，越來越多的這種標準化的工作會被機器替代，其實是屬於某種意義上的產業結構升級，會有一些工種消失，也可能產生一些新的工種，這個影響還沒有那麼快發生，會逐漸發生。

（創新工場執行董事 張麗君）

Q：

那麼，人工智慧時代會產生哪些新的工種呢？

張麗君：

人工智慧的發展會使越來越多標準化生產的工作被機器替代，比如翻譯這一職業，未來可能只有頂級的翻譯會存在，其他的用各種翻譯器自動翻譯就可以了；再比如說量化金融里的基金經理，還有部分的記者也會被替代掉，從網上抓取的信息就能出快訊了。

老師的部分工作將會被人工智慧所取代，比如批改作業、比如分數測評等。人工智慧可以幫助老師提高工作效率，減少重複性操作的負擔，這樣，老師就能回歸到教書育人的本質，把更多的時間和精力放在關注孩子的心理成長和綜合素質提高層面上。

創新工場人工智慧工程院認為，未來「人機協作」這一塊肯定是要整個職業教育關注的，人要懂得如何和機器協作，一起去完成一些事情；而用心去做的服務、做溝通交流的工作內容，這是機器取代不了的。因此，可以標準化重複的事情、可以5秒內簡單決策的事情，就會比較容易被機器替代。更多的新工種會出現在廣義的服務業的各個細分領域，因為需要感情陪伴，所以廣義服務業上的人才需求量會更多。

Q：

所以在培訓領域，英語培訓會不會隨著機器翻譯能力的增強而遇冷？

張麗君：

翻譯和英語培訓關係並不大。翻譯人才的培訓只是極少數的一個部分，英語培訓的主要目的也不是讓孩子單純成為一個翻譯，而是孩子的父母，希望自己的孩子成為一個國際化的人才。家長對於這個部分的期待不只是在英語技能本身，可能是視野格局這些事。

從現在這個階段來看，國際化的教育本身還不會受到人工智慧的太大影響，但是對國際教育有影響的其他因素是，中國家長本身看到中國的發展越來越好，如果孩子出國讀書損失了幾年在中國的生活經驗，比如本科沒有在中國讀，那麼國內的一些人脈是否會損失，家長對此會比較關心。

AI+教育，從量變到質變，發酵期仍很長？

Q：

今年教育領域有沒有新的AI項目讓你眼前一亮？

張麗君：

今年沒有。工場看好AI，但廣義來說AI對教育行業的影響要晚一點，它對教育行業產生的影響還沒那麼早。教育行業在所有行業中，包括VR、AR等技術裡面，在教育的應用相對其他行業可能是最慢的。（鯨媒體註：白皮書里這樣寫道——創新工場相信，此次人工智慧熱潮與以往有本質不同，是相關產業步入成熟的標誌。這是因為，在深度學習、大數據和計算能力的共同推動下，人工智慧第一次將實驗室技術帶進了產業實踐，第一次在機器視覺、語音識別等領域突破了普通用戶可接受的心理閾值，第一次在互聯網、金融、安防等先導行業創造出可觀的商業價值，第一次顯示出帶動整個產業生態協同發展的巨大潛力。）

這是因為一是教育行業本身不是利潤率很高的行業，教育內容的製作成本很高，教育行業的從業者也不是對變化跟隨速度那麼快的人，背後的消費者（家長）本來就變化慢，你不能太著急太快，所以AI對教育行業的影響要晚一點才能逐漸呈現。AI對當下教育企業產生的影響還局限在2B的領域里，2C領域裡很難說有什麼產品形態能出現。比如AI應用非常廣泛的聊天機器人，聊天機器人用於打發時間上是可以的，但真正應用到教育學習場景，技術上還達不到這個能力。

目前有一些英語學習應用有語音識別技術，但識別程度是能直接判斷出發音不準，但是沒有辦法去糾正怎樣更准，而且主要是對比標準音，在知道標準答案的前提下，對比跟標準音差別多少。如果不是標準音，隨便說一段口語就不知道怎麼比對，所以主要應用於打分，應用還處在比較初級的階段。另一類應用是自適應學習技術，有點AI的成分在裡面，根據不同的孩子水平推送不同的教學內容。第三個應用就是智能客服上的應用。

Q：

李開復老師說AI在數據量大的領域最易應用，AI在無摩擦的領域最容易應用，在掙錢最多的領域容易應用。那麼您認為AI在教育領域的應用會有什麼規律嗎？或者說，人工智慧會以什麼樣的次序（哪些方面）改變教育？

張麗君：

很難說，我們只能簡單預測一下。

如果把AI切入到一些非常小的特定的環節上的確會有幫助，比如非常簡單的基於語音識別、圖像識別在打分、批改環節上的應用。在大量數據的基礎上，可以根據不同的孩子水平推送不同的教學內容，也就是個性化推薦。還有，企業智能客服、智能管理等，以前運用到其他行業的技術同時運用到教育領域。

上面這幾塊應該是最先出現變化的。更遠期來看，AI或許可以針對特定對象的特定學習場景，獲取信息然後轉化為可運用的教學素材，成為更加智能的存在——就好像老師針對不同的學生提供不一樣的教學內容，甚至可以去搜索引擎上面有針對性地搜集素材。

Q：

以前很多創業公司喜歡說自適應概念，現在好像不怎麼提了，說的是人工智慧（AI），那麼，自適應學習與AI有什麼本質區別？

張麗君：

過去的自適應學習廣義來說是基於專家推薦系統，需要大量人工的判斷和反饋，從而去判定給什麼樣的孩子推薦什麼內容。真正AI的使用需要大量基礎數據，可能先不用管邏輯是什麼，而是讓機器自己學習給學生推薦什麼是最適合的。這個模式需要大量的數據，但在教育行業，真正有大量數據的教育企業非常少，多數企業數據不是可結構化分析的數據。比如在線教育企業都有大量的教學視頻，但是還沒到可結構化分析的階段，還沒到怎麼抽離有效的結構數據結合商業目的去匹配去計算，得到好的結果。

頂級的AI+教育公司將從在線類獨角獸公司中出現？

Q：

AI技術要基於大量的數據，這是否意味著某個頂級的AI+教育公司會誕生於在線類獨角獸公司身上？

張麗君：

現階段，AI技術公司除非已經有一定的獲客能力，並且形成了商業閉環才有可能做大，如果產品本身沒有獨立的、強大的獲客能力，或者說沒有真正意義上的服務能力，那麼它就很難獨立長大，只能是寄託B端而存在。

教育行業能夠長得特別大的公司一定是做服務的公司。當下，教育行業的核心還不是技術，等到人工智慧發展到一定階段後，也許技術會成為最重要的一個部分。傳統線下教育企業的數據很少，因為線下上課基本沒有數據產生；而在線教育企業本身就成長在互聯網上，積累的數據會越來越多。

我們的判斷是可預見的5年內，有些已經成長為獨角獸級別的在線教育公司將長得很大，有很多數據，AI很好地應用於內部，自己產生有價值的東西，這種可能性是較大的；但如果創業公司在教育領域專門去做AI技術，很難真正意義上形成教育行業的2C閉環並且長得很大，這個不能說沒有，難度很大。

Q：

接下來會不會掀起一輪併購，是由傳統大教育公司或新的獨角獸公司併購做AI技術的公司？

張麗君：

教育行業里的這種大公司去投資供應商過去是很普遍的存在，比如新東方、好未來投資過網路教室（如做class-in的翼鷗教育）這種技術供應商。

併購肯定是一個趨勢，因為教育行業里能夠長得特別大的公司，肯定是做服務（給學生提供教學服務）的公司。對於教育來說，技術的重要性程度在有限時間之內還不會是最重要的，但是隨著人工智慧技術的發展，也存在一些變數。可能在比較遠期，需要自然語言處理的能力要足夠強，強到真正意義上教師工作當中的很大一部分都能夠被替代，那這個事情才會變。

Q：

所以在教育行業一些做技術類的創業公司其實比較難長大？

張麗君：

只能說難度比較大，但現階段來說，除非已經有一些獲取大數據的能力，然後已經是形成了一些商業閉環了才可以。如果純做一個AI公司，如果自己產品本身沒有獨立的、非常強的獲客能力，或者說沒有真正意思上的2C服務能力，那就很難獨立長大，它可能就還是服務於2B類企業。

AI這個領域的很多公司，如果是2B的存在，它的空間不會特別大，除非依附在一個超級大的行業裡面，比如金融。金融行業已經是一個信息數據化程度非常高的領域，而且金融行業的整個市場盤子也很大。

Q：

創新工場投資的教育項目里有不少也是有黑科技、人工智慧概念的，目前跑得比較好的有哪些？

張麗君：

盒子魚就是其中一個，盒子魚提供從低幼到小學、初高中、托福的英語學習內容。VIPKID也在逐漸加強AI技術，它是我們人工智慧工程院在重點合作的教育項目。我們投的項目學吧課堂也是在這個領域裡面，學吧的模型裡面現在其實是自適應學習結合AI。純AI非常非常難，在教育行業需要靠專家系統來給出建議，基於這個框架，用一些成熟的人工智慧的引擎來優化一些特定環節。

Q：

您認為目前跑得好的有「教育+AI」概念的項目有什麼特點？

張麗君：

跑得比較好的「教育+AI」概念的創業項目有一個特點，就是很多在2013年開始成長起來的那一波項目，已經在商業變現上開始有一點規模和體量了，不一定是商業模式有多成功，但起碼有路徑可尋。

憑藉互聯網，細分賽道上將出現寡頭

Q：

您覺得今年或者明年教育領域的投資熱點是什麼？

張麗君：

在線班組課和線上線下融合會是未來的熱點。

純在線的三種班型：一對一、在線班組課、大型直播課。大型直播課火過一陣子，但是大家發現大型直播課互動性不強，效果有限。一對一這個模型裡面，英語是最快火起來的，今年在線一對一K12課外輔導也會蠻熱。班組課這個模型也會是英語最快火起來，語文和數學也會有一波，但這波不一定這麼快，可能明年和後年，因為這波成長速度要慢一些。

線上線下融合方面，大家可以看到的是，新東方、好未來對雙師非常重視。雙師的核心就是把一、二線城市的優勢師資，傳遞到三、四線城市，這個趨勢是肯定會存在的。

我們認為線上線下融合的模型會有很多業態，例如在三、四線開一些體驗中心、學習中心，本身就是融合線上線下。但是具體在不同的學科、不同年齡層的學生最後是哪種模型上課，未來可能多個模型同時並行，可能也會有不同組合。

Q：

創新工場看好和不看好哪些子領域？

張麗君：

按學生年齡段，可以把教育賽道分成學前、K12和職業教育，每個賽道上又分有不少細分賽道或者說是小領域。

K12方面主要商業模式有三種：開學校、內容出版和信息化，其中開學校、賣服務的市場空間是最大的，也是最核心的。主打學科教育培訓服務的項目，數學和英語是我們非常看重的兩個賽道，英語的項目投資了VIPKID、頂上英語、盒子魚，數學投資了學吧課堂。信息服務方面我們投了七天教育（做公立校測評），外國的有WriteLab（英文作文批改）。

K12賽道還看好基於高考改革帶來的新的機會，小學段的廣義幼小銜接、託管也在關注。託管是核心剛需，但做出高品質、標準化、可規模化的模式不容易。

職業教育的非學歷教育方面， 廣義可分為技能培訓，資格證培訓，企業大學三個細分領域。前兩個領域我們已經有投資布局，企業大學子領域尚未布局，大多數這個領域類的公司服務於B端，很容易綁定一兩個大客戶，但天花板相對較低。另外，職業教育里的學歷制教育，短期內還不太會碰，如果判斷清楚未來職業人才的需求方向，會在投資上進行布局。

學前教育方面，孩子的需求變化是特別快的，每個成長階段的需求是不一樣的，因此得找到一個不變的東西去投資，我們以前找的是媽媽這個群體（寶寶0到3歲年齡段為主），只要找到這個群體，消費可能就會一直產生。投了兩個項目，一個是親寶寶，另一個是常青藤爸爸。3-6歲年齡段只抓媽媽是不夠的，3到6歲的孩子會進入到另外一個場景——幼兒園，面向幼兒園的2B服務我們也在關注，相對更偏好教學層面的內容或服務產品。

Q：

創新工場怎麼看素質教育領域？

張麗君：

素質教育方面我們並沒有專門看。廣義的素質教育已投了三個：The One智能鋼琴、奇幻工房機器人（Wonder Workshop）、強棒（棒球培訓）。對廣義的素質教育並沒有系統化投資，因為整體偏軟，不屬於剛需類。廣義的素質教育我們比較關注的是和某種剛需的政策和點結合起來，如果有結合點家長才會真正認真地長期關注，不然多數家長的態度都是花3個月體驗之後放棄，再花3個月體驗之後放棄，會出現孩子堅持下去的動力不是很強的現象。

Q：

創新工場對STEAM教育項目的態度是？

張麗君：

STEAM我們一直很關注，我們投資的教育機器人Wonder Workshop奇幻工房是屬於這個領域的，有成體系的軟硬體的研發能力，是一個北美的團隊，產品在美國小學已經達到了比較高的滲透率。國內在STEAM方向，目前國內多加盟模式和進校模式，進入門檻相對低，構建壁壘不是那麼容易。STEAM教育的核心是有一套整體的系統，而不是簡單的把零碎的東西拼湊起來。現在比較火的少兒編程是STEAM的一個子領域。

Q：

創新工場所認為的項目長大的標準是什麼？

張麗君：

如果是美元項目，我們期望它未來有潛力成長為一個10億美金估值的項目；人民幣項目，則期待成長為10億人民幣估值體量的項目。如果對一個公司預期是只能通過被併購的方式退出，那我們做投資時會慎重判斷。

Q：

現在的在線教育獨角獸是否會成為教育行業的壟斷者或某一細分賽道的壟斷者？

張麗君：

有這個可能性。在線教育產生之後，這個機制把地域的差異全打平了。這兩年教育行業的一個大的趨勢就是集中度越來越高。以前在線下，K12領域裡一個最大的機構估計占不到5%的份額，我們認為未來，一些在線教育獨角獸有可能在其所屬的子領域裡佔30%以上份額，成為寡頭是非常有可能的，形成壟斷局面的難度比較大。

Q：

現在興起不少平台類公司，如 「地產+教育」、「數據銀行」等概念。

張麗君：

我們相對的不看好O2O類的平台企業，簡單把用戶跟內容、服務連接到一起，但本身沒有附加值。

「地產+教育」的本質還是地產，而且我們過去不太涉及地產類項目投資。

「數據銀行」不知道您代指的具體含義，如果是簡單把培訓機構的數據收集起來做測評和推薦，做大的可能性不大。

因為，對於培訓機構來說，家長的信息、手機號碼、學生的學習行為數據是核心，是不太可能分享出去的，除非是在其自身體系之內流轉。即便在一個體系之內，數據流轉可能都有問題，所以所謂「數據銀行」做大的難度是非常大的。

通常，平台類項目自己不做成服務或品牌，不承擔責任，只是把老師和學生攢過來做匹配，這種平台類項目短期內很難做起來。再過5年，如果優質的教學內容和教學服務越來越多，供大於求，那個時候說不定會出現平台類項目，但現在教學內容和教學資源極度稀缺的情況下，消費者追隨的是優質教育內容，而不是任何一個平台，因為平台不可能保障所有的供應商都是優質的。

教育類的項目，教學品質是關鍵，無論是對學生學習能力的提升還是分數上的提升，要能真正意義上產生效果並讓家長滿意，這是所有教育項目的根本。無論哪個子領域，都必須把品質做出來形成品牌，教育公司積澱到最後核心就是品牌。

無論是2B還是2C型項目，我們看好的是有自己的核心產品能力、生產體系化的教學內容和教學服務，能給家長或學習者帶來實實在在成效的項目。

中美項目雙管齊下，創新工場「加碼」教育

Q：

創新工場從2011年開始投資教育領域，但真正加大馬力投資是在2015年和2016年，這其中經歷了怎樣的一個過程，今年情況如何？

張麗君：

從2011年開始，我們在教育行業的投資，每年都按2-3家的投資速度進行，只不過2014年之前是美元投資為主，2015年之後人民幣投資為主體。我們現在管理的基金體量已經比較大了，總計80億，去年新完成的一支人民幣基金有25個億，主投階段從Pre-A、A、B、C到Pre-IPO階段均有涉及。

今年我們對教育項目的投資速度其實是加速的。

從外部因素方面看，2013年教育投資火的那一波，主要受技術影響，如今火是在需求側（中產階級的消費需求）、產業結構轉型、人才需求變革等大趨勢下逐漸產生的。使今年教育真正成為小風口的第一個因素是今年9月，《民辦教育促進法》修訂案將正式實施（鯨媒體註：修改後的民促法充分考慮了民辦學校舉辦者的合法權益，並明確實行非營利性和營利性民辦學校分類管理），已經有4個省份的配套措施出台，教育資產證券化這一路徑會逐步打開，這讓大家對於教育資產證券化有了更多的期待，現在已經有若干個教育培訓公司在排隊或準備IPO。

第二個因素是，在新的監管政策下，A股市場上各類公司上市速度加快，使原有的已上市的公司焦慮感加強，尤其是利潤率和PE降低的公司，教育作為一種實業類資產且營收利潤比較好，因此也會成為上市公司併購的對象。

第三個因素是滴滴、摩拜這樣大平台的投資機會減少，美元基金沒有較好的出路，人民幣基金活躍度較高。資本為追求利潤，大家沒有更多投資出口時，教育資產就變成了一個確定性更好的資產，這就是為什麼有很多新基金一成立就會湧入到教育這個方向，很多老基金也開始轉向。進入教育行業的資本其實從去年開始變多，今年就變得更多了，去年原來投其他行業的投資人開始學習教育行業但不敢出手，而且去年是受前年下半年股市的影響，人民幣受挫很長時間，資本會遇冷一些。與此同時，今年春節以後有大量的教育項目融資，所以從資金端和項目端，今年整個市場活躍度好了很多。

從內部因素看，創新工場從2013年一人全職看教育到現在發展成7個人的團隊，團隊陣營在不斷強大。其中，全職看教育的有三個人；我們新募集人民幣基金體量增加到25個億，教育方向的投資也從中早期走向中期；另外，上半年3月21日舉辦的教育沙龍活動，在對外的影響力上也有一定提升。

Q：

創新工場投了不少中國和美國的教育項目，投資的標準是什麼？有什麼區別嗎？

張麗君：

截至目前，我們投資的教育相關的項目一共有30起左右，其中中國項目佔三分之二。創新工場比較注重團隊的綜合基因，要有教育基因和互聯網基因，而且是能確保教學品質的。

在美國的投資整體偏技術導向，美國項目CEO多為技術出身，更多的關注是怎樣用技術、數據去改變教育行業。我們也希望投資的美國項目能幫助到中國的教育項目。

就創業團隊而言，我們投資的中美項目的共同點是，都比較注重團隊的綜合基因，有教育基因、互聯網基因，對教育品質的關注度。

對於創業者的選擇方面，有三個因素很重要，一方面，真正要懂教育，團隊真正做高水平的教研、教學服務的能力，或者有很好的內容。另一方面，做出產品是很重要的，這個產品不只是一個APP，它可能是綜合的，線上、線下結合的一套教學流程，它應該有一整套教學產品的思路。第三方面，我們希望團隊能夠有互聯網開放思維，能夠相對快速去迭代，而不是封閉、只認準傳統的那一套。

本文授權轉載自鯨Media

作者 | 廖豐、羽靈

歡迎關注【創新工場】微信公眾號：chuangxin2009。這是一個創新工場和創業者的溝通交流平台，您可以學習創業相關的法務、市場、財務、HR等各個業務領域所需的知識乾貨，還有機會參與到創新工場舉辦的創業者培訓、沙龍和其他各類活動中。

目前在線教育，遠程教育都比較火了，在在線教育中，因為是視頻教育，通過表情識別演算法可以識別到觀看視頻的同學是否認真，是否走神等各類數據來分析效果，從而讓教育效果更好。

在這裡也推薦一個教育方面的人工智慧應用live:

深入人工智慧應用案例（一）

知乎 Live - 全新的實時問答