，最大限度地提升自学效率，并提升学生的科学知识、技能和能力。多年来，中国教育不存在的高级教师资源紧缺和地缘问题都影响优质教育的普及。松鼠AI的愿景是通过人工智能打造出超级教师，给成千上万的学生获取量身教学。

“每一个孩子读书有一点享有一位一对一的超级教师，”崔炜说道。从2014年开始，乂习教育-松鼠AI就在自律研发针对中国K12学生的智适应环境自学系统，它的主要目标是准确地临床学生的知识点掌握情况，然后引荐个性化的自学内容和自学路径规划。

首先是学生知识点的掌控。右图是某位松鼠AI学生对物理知识点的熟练掌握程度，可以看见蓝色的部分是该学生早已掌控的部分，占到80%；黄色的部分是学生比较 较为脆弱的知识点，占到20%。如何准确地得知学生的知识点掌握情况？松鼠AI从数据维度考量，可以通过学生的测试结果、测试时长、该测试的可玩性和涵括哪些知识点，甚至是学生自由选择有所不同的错误选项和学生划出鼠标的不道德，都可以被用来当作不道德数据辨别。

明确到松鼠AI的工作原理，崔炜讲解说道，这套智适应环境引擎共计分成三层架构：本体层、算法层、交互系统。本体层以内容居多，还包括自学目标的本体、自学内容的本体和错因分析本体。松鼠AI自律研发了超强纳米级的知识点合并，可以对学生知识点更加精准地辨别。

以初中数学为事例，松鼠AI可以将300个知识点细化为3万个。同时，松鼠AI基于贝叶斯网络状的图谱，把涉及的知识点关联一起。

通过这种技术，可以仿真杰出老师教学的顺序和关系，这种教学方法合乎学生理解的规律和知识点层次深浅上的关系。算法层包括内容引荐引擎、学生用户画像引擎、目标管理引擎等。

松鼠AI不会融合用户状态评估引擎和科学知识引荐引擎，建构出有数据模型，精准高效地测得每个学生的科学知识漏洞，根据学生的科学知识漏洞引荐适当的自学内容。交互系统通过收集交互数据理解更加多学生的信息，还包括管理系统，检测预警系统和动态的事件收集器。崔炜特别强调，基于人工智能的智适应环境自学系统采行了和传统教育几乎有所不同的教学过程。

比如，在科学知识状态临床方面，传统临床是基于高频的考试，而松鼠AI的系统享有基于信息论和科学知识空间理论的科学知识状态临床，能精确定位科学知识漏洞。传统的项目管理是基于成绩或名列，传统的智适应环境项目管理是基于 IRT、DINA、BKT、DKT模型，这些模型的缺失是无法展开动态评测。松鼠AI的系统基于贝叶斯理论是能基于学生过去所有的记录来展开持续性的、动态的评估。在内容引荐上，传统的引荐算法使用的是协同过滤器算法，但在教育领域该算法并不限于，因为每个学生尽管自学情况类似于，但知识点掌控各不相同，协同过滤器算法过于精准，无法确保引荐内容的效果。

松鼠AI使用的是神经网络，基于学生的自学成果构建个性化的引荐，并通过深度自学的算法更进一步提高个性化自学的精准性和引荐的精准性。算法的优越性也反映在结果上。

过去两年，松鼠AI早已在四次人机大战中战胜了优秀教师。截至目前，松鼠AI早已全国400多个城市开办近2000家线下学校，总计学生近200万。

乂习教育-松鼠AI目前总计融资近10亿人民币。去年，松鼠AI还捐献了100万个账号，给数百万贫困家庭的孩子，来增进教育的公平化。

乂习教育-松鼠AI将在今年11月12-13日在上海中心举行第四届全球人工智能智适应环境教育峰会（AIAED），本次大会组委会主席是CMU计算机学院院长、机器学习教父Tom Mitchell教授。崔炜期望涉及的从业者能在此契机下汇聚一堂，联合推展人工智能教育的变革。

第四届AIAED大会网址：https://www.aiaed.net/版权文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：南宫NG·28-www.xtlyt.com