AI+教育受資本追捧 教育巨頭爭相佈局
今年，人工智能在教育領域的發展迎來新一波高潮。一方面，不斷有教育企業瞄準人工智能自適應賽道，人工智能教育產品陸續問世；另一方面，該領域受到資本的追捧，其中K12輔導和語言學習領域最受資本關注。根據記者的不完全統計，目前，已有50餘家機構宣佈入局AI+教育賽道，自2017年起至今，該賽道內發生投融資、併購逾30起。業內人士認爲，未來人工智能技術將是在線教育發展的關鍵。
人工智能如何賦能教育？已落地教育場景有哪些？隨着人工智能與教育的融合逐漸加深，教育行業的發展將面臨哪些機遇和挑戰？
“希望人人都有一個AI教學助手……”在7月下旬舉辦的全球人工智能與教育大數據峰會上，科大訊飛執行總裁吳曉如說道。當日，科大訊飛發佈了專業星空圖、專業興趣測試、高中發展指導平臺等AI+教育新產品；此前，好未來集團AI Lab發佈WISROOM智慧課堂和教學效果智能評測產品MAGIC MIRROR魔鏡系統；新東方教育科技集團董事長俞敏洪聘請斯坦福大學專家任新東方AI實驗室腦科學與圖像識別技術中心顧問……
兩個月以來，各大教育機構在AI+教育賽道佈局動作不斷。除產品發佈外，AI+教育領域的投融資事件也十分頻繁：6月21日VIPKID獲5億美元D+輪融資，宣佈將發力AI技術；同一天，主打人工智能自適應教育的乂學教育獲10億人民幣A輪融資……AI+教育頗受資本追捧。據新京報記者保守統計，自2017年起至今，該賽道內發生投融資、併購逾30起。
實際上，AI+教育行業持續升溫有着國家政策背景。今年4月，教育部印發《教育信息化2.0行動計劃》，強調發展智能教育；教育部發布《高等學校人工智能創新行動計劃》也提出，未來將形成“人工智能+X”的人才培養模式，並提出構建人工智能多層次教育體系。
同時，相關技術的逐漸成熟也爲其發展提供土壤。藍象資本投資總監王凱峰表示，隨着更多維度和更大量級的數據採集，以及更智能的數據處理方法，人工智能已經開始滲透到了教育行業。人工智能正在迎來新的產業爆發期，學術研究、行業發展和資本活躍。
有相關專家表示，在人工智能浪潮的衝擊和影響下，教育領域正在經歷一場深層次變革，技術正在重塑教育的新形態。聯想之星投資經理王徵提到：“在2015年、2016年時，所謂的‘AI教育’並不是真正的‘AI教育’，技術更多是一種輔助、一個配角，而2017年、2018年以來，技術變得更主動了，把人腦所具備的知識和能力進行數據化和複製，技術參與到教育中‘教’和‘學’兩個核心環節。”通過人工智能應用於教育領域，實現大規模精準化、定製化教育服務，以學定教正在實現。
領域更細分 K12輔導最受關注
有專家對記者透露，過去一年，市場上主打“AI教育”的產品也從此前的設想階段開始慢慢“落地”。
據不完全統計，截至目前，已有50家機構入局AI+教育賽道。相比去年，產品類別拓展至涵蓋K12輔導、語言學習、學前教育、生涯規劃教育等多個細分領域。王凱峰表示，目前AI已在個性化學習、虛擬學習助手、專家系統、商業智能等四個方面有廣泛應用（具體產品分佈詳見圖表），分別對應自適應練習等細分教育產品；提供拍照搜題和對話機器人功能的虛擬學習助手；能幫助學校和機構更好地解決教學效率和運營效率的問題的相應平臺；以及提供複雜決策的如升學規劃、職業規劃、留學諮詢等系統。
同時，教育場景已從涉及教育單一環節延伸至貫穿了“教、學、練、評、管”的教育全過程。聯想之星投資經理王徵觀察到：重技術實力的教育項目增多了，原來是“教育+技術”，現在更像是“技術+教育”。
而從融資角度看，融資輪次從前期的種子輪、天使輪逐漸邁向中期的B輪、C輪，甚至屬於後期的E輪融資也不鮮見。其中，K12輔導和語言學習類產品頗受資本的關注，根據艾瑞諮詢發佈的《2018年中國人工智能自適應教育行業研究報告》顯示，K12輔導和語言學習是2015年至2017年業內融資事件最多的兩個細分領域，融資數量分別佔52.2%、34.8%。不僅如此，目前市面上深耕K12輔導和語言學習類產品佔據了半壁江山，且涌現出一批主打“人工智能自適應教育”的機構和產品。
在北京大學教育技術學院教育技術系教授賈積有看來，巨大的市場需求和相對成熟的技術，讓K12輔導和語言學習領域的人工智能教育最受關注。一方面，源自國民對基礎教育的高度重視，這種重視既包括政府政策指導和經費投入，也包括學生、家長對基礎教育的迫切需求；另一方面，在語音、詞語形態、句法、語義、語用和篇章等各個層次上，自然語言處理技術都取得了長足進步，進入了成熟和實用化階段，爲相應產品的研發提供了技術支撐。
朗播網首席數據科學家賈豔明表示，語言學習領域的人工智能教育准入門檻也更高。“語言學習領域相對於理科領域會更難些，不僅要求學生‘知道’還要‘會用’，其知識點很難窮盡，因此針對於理科的是靜態的知識圖譜，而語言學習領域則以能力圖譜爲基礎。就AI技術應用的標準化模型而言，語言學習領域的標準化模型更難搭建。”同時，如何在語音識別的基礎上，進行一定的改進，更加準確地評價發音、語調等；如何增進自然語言在語義方面的理解等都是挑戰。