經(jīng)濟(jì)觀察網(wǎng) 李靜 田進(jìn)/文 在人工智能大模型技術(shù)持續(xù)突破、不斷拓展其應(yīng)用邊界之際，教育領(lǐng)域的垂直大模型正逐步融入多樣化的教學(xué)場景中。

作為一家成立了21年的教育企業(yè)，近幾年，學(xué)而思利用自主研發(fā)的九章大模型開辟了多條應(yīng)用路徑，包括獨(dú)立的大模型App、嵌入學(xué)而思現(xiàn)有的教育應(yīng)用之中，同時(shí)通過智能硬件、學(xué)習(xí)服務(wù)及向第三方提供API和智能體接口等多元化形式，不斷提升其教育生態(tài)的互動(dòng)性與智能性。

7月24日，在專訪中，學(xué)而思首席技術(shù)官（CTO）田密說，目前通用大模型在語言類任務(wù)上表現(xiàn)出色，但在數(shù)學(xué)和推理等任務(wù)上表現(xiàn)一般，如何提升大模型的邏輯推理能力是全球大模型公司共同面對(duì)的難題，而公眾對(duì)教育行業(yè)的期望值和容錯(cuò)率都很低，所以教育領(lǐng)域的創(chuàng)新必須謹(jǐn)慎推進(jìn)。

展望未來大模型在教育領(lǐng)域的應(yīng)用圖景，田密構(gòu)想了一個(gè)類似自動(dòng)駕駛技術(shù)逐步演進(jìn)的過程。他預(yù)見，盡管自動(dòng)駕駛技術(shù)尚未完全達(dá)到自動(dòng)駕駛的理想狀態(tài)，但已經(jīng)可以在泊車、智能變道和高速巡航等特定場景中發(fā)揮作用。AI（人工智能）教師也將會(huì)逐步承擔(dān)教師的部分工作，最終可能發(fā)展成一個(gè)全面的教育伙伴。

經(jīng)濟(jì)觀察網(wǎng)：過去一年，包括教育企業(yè)在內(nèi)的多行業(yè)企業(yè)自研開發(fā)了多款垂直領(lǐng)域的大模型，大模型及其背后的人工智能技術(shù)將如何深刻影響整個(gè)教育過程？

田密：大模型賦能教和學(xué)的過程是顛覆性的。傳統(tǒng)認(rèn)知中，“教”是信息和方法的傳遞過程，“學(xué)”是理解和模仿的過程，在大語言模型的賦能下，這兩個(gè)環(huán)節(jié)均經(jīng)歷了迭代與重塑，并在這個(gè)過程中被完美結(jié)合。

大語言模型的學(xué)習(xí)過程以對(duì)話方式為主導(dǎo)。因此，學(xué)生下一步的學(xué)習(xí)內(nèi)容是基于他對(duì)上一步內(nèi)容的理解反饋而成。這種機(jī)制不僅確保了學(xué)生在遇到理解障礙時(shí)能夠通過不斷深入探討解決問題，還促進(jìn)了學(xué)生思維的拓展，為學(xué)生提供豐富的聯(lián)想和擴(kuò)展內(nèi)容。 

在追求教育普及與公平的道路上，我們必須正視一個(gè)現(xiàn)實(shí)：很難有一項(xiàng)技術(shù)、一些資源從發(fā)展之初就確保所有人都從中受益，但AI技術(shù)和大模型的發(fā)展方向是有助于教育平等和普惠。長遠(yuǎn)來看，AI能夠促進(jìn)教育資源分配更加平等。 

經(jīng)濟(jì)觀察網(wǎng)：大模型在落地教育場景中主要面臨哪些挑戰(zhàn)和問題，如何克服？ 

田密：教育追求準(zhǔn)確性，需要給到用戶一個(gè)準(zhǔn)確的答案，但大模型存在幻覺，如何不斷提高準(zhǔn)確率是一個(gè)難題。 

為此，我們需要對(duì)技術(shù)進(jìn)行一系列的優(yōu)化和改進(jìn)，但這些細(xì)節(jié)較為復(fù)雜。由于大模型的技術(shù)基礎(chǔ)核心是即時(shí)響應(yīng)的計(jì)算模式，難免會(huì)出現(xiàn)問題解析的局限性。因此，學(xué)而思正在努力進(jìn)行多方面的改進(jìn)，但更重要的是在產(chǎn)品上要做一些保證。

產(chǎn)品上，我們采用了“RAG”（搜索召回增強(qiáng)）技術(shù)。AI老師在自我驗(yàn)證答案的正確性后，才會(huì)向用戶進(jìn)行講解。我們通過在數(shù)據(jù)庫中搜索并召回相關(guān)問題，設(shè)置約束條件，確保AI老師圍繞正確答案進(jìn)行講解，避免給出錯(cuò)誤的解答。這樣，我們就能在保證用戶得到準(zhǔn)確信息的同時(shí)，減少錯(cuò)誤發(fā)生的可能性。

在九章隨時(shí)問中，大約80%以上的題目有過預(yù)先的解答，因此可以確保準(zhǔn)確無誤地進(jìn)行講解。如果AI無法解答那些復(fù)雜或未遇到的問題，我們會(huì)提示用戶，并在幾小時(shí)后由真人教師進(jìn)行確認(rèn)，以確保答案的正確性。因?yàn)榻逃a(chǎn)品的正確性至關(guān)重要，一旦出現(xiàn)錯(cuò)誤，家長可能會(huì)非常不滿。因此，確保低容錯(cuò)率是教育類AI產(chǎn)品成功落地的關(guān)鍵挑戰(zhàn)。

經(jīng)濟(jì)觀察網(wǎng)：以通用大模型為技術(shù)底座開發(fā)教育產(chǎn)品，會(huì)存在哪些不足？未來在更加垂直和細(xì)分的領(lǐng)域中，教育大模型應(yīng)該如何尋找突破口？

田密：公眾對(duì)教育行業(yè)的期望值和容錯(cuò)率都很低。就像自動(dòng)駕駛技術(shù)一旦出現(xiàn)失誤可能造成嚴(yán)重后果，如果AI教師講錯(cuò)了知識(shí)點(diǎn)或過程，家長不會(huì)為此買單，而且會(huì)很憤怒。所以，教育領(lǐng)域的創(chuàng)新必須謹(jǐn)慎推進(jìn)，這意味著它一定是個(gè)緩慢而長期的過程。

目前通用大模型在語言類任務(wù)上表現(xiàn)出色，但在數(shù)學(xué)和推理等任務(wù)上表現(xiàn)一般，如何提升大模型的邏輯推理能力是全球大模型公司共同面對(duì)的難題。

近期一個(gè)熱門討論話題是讓大模型比較9.9和9.11的大小，很多媒體經(jīng)過測試后發(fā)現(xiàn)，教育大模型都答對(duì)，但通用大模型的回答錯(cuò)誤率非常高。這是因?yàn)榻逃竽Ｐ投ㄏ驑?gòu)造了很多數(shù)值計(jì)算和符號(hào)計(jì)算數(shù)據(jù)，提供給模型訓(xùn)練。比如，學(xué)而思的九章大模型就知道這是個(gè)數(shù)學(xué)題目，而通用大模型只能把它當(dāng)成一個(gè)通用題目來處理。教育大模型有足夠多、足夠?qū)I(yè)的數(shù)學(xué)數(shù)據(jù)訓(xùn)練，整個(gè)解析過程是模擬孩子學(xué)習(xí)數(shù)學(xué)的過程一步步推導(dǎo)，所以可以答對(duì)與數(shù)學(xué)相關(guān)的問題。 

經(jīng)濟(jì)觀察網(wǎng)：當(dāng)時(shí)學(xué)而思為何要做一款基于數(shù)學(xué)的大模型，是希望通過這款大模型解決數(shù)學(xué)領(lǐng)域中的哪些實(shí)際問題？

田密：目前做大模型的企業(yè)有數(shù)百家，但學(xué)而思選擇從數(shù)學(xué)切入。數(shù)學(xué)是攻克大模型技術(shù)的好場景。大模型從百億級(jí)參數(shù)到千億級(jí)參數(shù)過程中，數(shù)學(xué)能力會(huì)涌現(xiàn)出來。研究復(fù)雜科學(xué)的規(guī)律，實(shí)驗(yàn)素材的選擇至關(guān)重要。 

大模型目前主要依靠預(yù)測下一個(gè)詞的方式來實(shí)現(xiàn)擴(kuò)展（Scale），這從語言模型的角度來看是合理的。以高考填空題為例，即便清華和北大的學(xué)生也無法僅憑閱讀題目就直接給出答案，這不是因?yàn)轭}目中的詞匯之間沒有聯(lián)系，而是無法直接預(yù)測出完整的答案。大語言模型通常依賴互聯(lián)網(wǎng)上的語料進(jìn)行預(yù)訓(xùn)練。然而，互聯(lián)網(wǎng)上的信息只是現(xiàn)實(shí)世界中適合電子化傳播信息的一部分。以數(shù)學(xué)為例，小學(xué)生在數(shù)學(xué)學(xué)習(xí)中需要的大量練習(xí)題目在互聯(lián)網(wǎng)上就相對(duì)較少。所以，數(shù)學(xué)是攻克大模型技術(shù)的好場景，也是我們的立身之本。

經(jīng)濟(jì)觀察網(wǎng)：在商業(yè)化方面，除學(xué)習(xí)機(jī)之外，未來九章大模型還將與學(xué)而思哪些產(chǎn)品進(jìn)行融合？

田密：九章大模型提供多種落地的應(yīng)用方式，包括：獨(dú)立的大模型App、嵌入學(xué)而思現(xiàn)有的App、智能硬件和學(xué)習(xí)服務(wù)、提供API和智能體接口等第三方服務(wù)。

第一，在獨(dú)立的大模型App方面，學(xué)而思已經(jīng)推出了“九章隨時(shí)問”。用戶可以通過圖像輸入題目并讓AI老師進(jìn)行題目講解，整個(gè)講解過程是基于對(duì)話互動(dòng)逐步展開的。為了照顧不同的學(xué)習(xí)場景和學(xué)習(xí)習(xí)慣，我們還設(shè)計(jì)了兩種講解模式。其中模式1是通過提問和對(duì)話逐步引導(dǎo)使用者理解學(xué)會(huì)解題；模式2會(huì)將題目拆解到關(guān)鍵步驟，讓用戶可以對(duì)步驟進(jìn)行自由提問。

第二，將九章大模型嵌入現(xiàn)有的App、智能硬件和學(xué)習(xí)服務(wù)方面，例如學(xué)而思旗下的ABC英語角App，里面的口語對(duì)話功能由九章大模型提供；學(xué)而思學(xué)習(xí)機(jī)里面的中英文作文批改、隨時(shí)問、精準(zhǔn)學(xué)等功能，學(xué)而思培優(yōu)、彼芯等業(yè)務(wù)里面的作文批改、AI老師講題等功能，也都是由九章大模型提供服務(wù)。

第三，提供API和智能體接口。例如，九章大模型的解題、講題等API，已經(jīng)上線到百度千帆、微軟全球大模型API市場等重要平臺(tái)；九章大模型的智能體也已經(jīng)上線到聯(lián)想AI PC等新產(chǎn)品上。

經(jīng)濟(jì)觀察網(wǎng)：目前學(xué)界也有一種聲音，大模型雖然極大地解放了生產(chǎn)力，提高了學(xué)生的學(xué)習(xí)效率，但一定程度也給喜歡偷懶的學(xué)生提供了便利，甚至限制和禁錮了一部分人的想象力，你如何看待這樣的觀點(diǎn)？

田密：教育大模型的目標(biāo)應(yīng)該是避免讓孩子形成過度依賴，同時(shí)保持他們對(duì)學(xué)習(xí)的熱愛和主動(dòng)性。早期流行的AI應(yīng)用往往是拍照搜答案，孩子們可能因?yàn)槟苤苯映瓕懘鸢付^于依賴這類應(yīng)用。雖然他們可能樂此不疲，但家長對(duì)此卻深感憂慮。教育部也注意到這一問題，采取措施限制了這類應(yīng)用，以防止孩子們過度依賴這種“快餐式”學(xué)習(xí)，避免他們的思維被簡化和固化。

所以，學(xué)而思的目標(biāo)是避免讓孩子形成過度依賴，同時(shí)保持他們對(duì)學(xué)習(xí)的熱愛和主動(dòng)性。有了大模型之后，我們要做的不是“拍搜”，而是要拍照去講解，或者是拍照批改。開展講解不是讓學(xué)生直接抄答案，而是讓學(xué)生跟著AI老師一步步交互，最終自己學(xué)會(huì)解題目。并且AI老師會(huì)舉一反三，比如孩子在做完習(xí)題之后，AI老師會(huì)追問是不是真的會(huì)了，此后再出三道與此相關(guān)的練習(xí)題進(jìn)行測試，確保學(xué)生真的掌握了相關(guān)知識(shí)點(diǎn)。

在當(dāng)前AI時(shí)代，我認(rèn)為中國孩子面臨的核心挑戰(zhàn)是如何有效地與AI互動(dòng)，即如何主動(dòng)提問和自主學(xué)習(xí)。AI具備廣泛的知識(shí)，但關(guān)鍵在于孩子如何學(xué)會(huì)提出問題。人工智能的引入讓這個(gè)過程變得更加自然和輕松，有助于激發(fā)他們提問的勇氣，這正是AI對(duì)教育的積極影響，它不是導(dǎo)致惰性的工具。我們的目標(biāo)是通過拍照解釋和持續(xù)追問，培養(yǎng)孩子的主動(dòng)學(xué)習(xí)和思考能力，這才是教育的正確路徑。

思考環(huán)節(jié)至關(guān)重要，雖然短期內(nèi)大模型可能看似降低了問題解決的直接性，但長遠(yuǎn)來看，培養(yǎng)這種能力對(duì)于孩子的未來成長極具價(jià)值。

經(jīng)濟(jì)觀察網(wǎng)：目前已有教育科技公司在打造人形學(xué)習(xí)機(jī)，你認(rèn)為這會(huì)是未來學(xué)習(xí)機(jī)的終極形態(tài)嗎？

田密：將家用機(jī)器人發(fā)展成為AI老師是一個(gè)具有很大發(fā)展?jié)摿Φ姆较颉１M管這個(gè)領(lǐng)域目前還處于早期階段，但AI在諸如數(shù)學(xué)、教學(xué)等特定教育領(lǐng)域內(nèi)已經(jīng)有所提升。誠然，現(xiàn)在的市場上尚未出現(xiàn)一款能夠完全整合這些教育功能的產(chǎn)品，但就像自動(dòng)駕駛技術(shù)的演進(jìn)歷程所示，盡管尚未達(dá)到自動(dòng)駕駛的理想狀態(tài)，可是它已經(jīng)能在泊車、智能變道和高速巡航等特定場景中發(fā)揮作用。AI教師也會(huì)逐步發(fā)展，逐步承擔(dān)起教師的部分工作，最終可能成為一個(gè)全面的教育伙伴。