人工智能如何在金融、安保、医疗等各行各业中应用和落地，成为了行业从业者们思考的重点。其中，教育作为少数几个几乎可以覆盖社会的领域一直备受关注。在以人为中心的教育领域，人工智能到底多大程度上改变教育?
本周继续关注人工智能在教育领域的应用，并以语音技术落地语言教学为例，了解人工智能落地行业应用时的思考逻辑，技术为教育带来的业态变化，剖析人工智能创业公司关心的数据和人才难题。
人工智能切入教育行业有何章法可循
哪个行业与人工智能结合更有前途，一直以来是投资人和业内从业者都关注的问题。通过长期采访及企业调研发现，寻找行业结合点，利用人工智能顺利切入行业，并带来效率提升有规律和逻辑可循。
驰声科技创立于2007年，起初利用人工智能聚焦对外汉语教学。2011年开始专注于将人工智能语音相关技术应用于国内英语教育领域。近十年的“人工智能+教育”从业经验，让驰声科技的创始人兼CEO林远东形成了自己的一套行业切入逻辑。
据林远东介绍，人工智能主要分为两个阶段，第一个阶段是机器模仿人类，替代人类做事情。这个阶段主要包含简单智能和复杂智能，两者区别在于替代人类的层次高低不同。例如人工智能纠正发音不准替代相对简单的人力，能评估开放性题型，评估口头作文等千人千面情况，则是替代比较复杂的人力。另一个阶段则是机器超越人类，做了人类没做到的事情，行业内说的通过大数据找到人类发现不到的规律，这就已经超越了人类。
在林远东看来，人工智能发展路径是沿着简单智能、复杂智能、大数据智能逐步推进。因此他觉得：“在切入一个行业时，需要衡量人工智能和这个行业结合的价值，价值等同于你能替代的那个层次人的劳动时间。大家找到一个行业，首先涉及一些相对复杂的决策，然后它又需要很多时间完成，这个行业必然就是一个非常棒的结合点。”
图普科技有着多年利用人工智能实现在线视频内容审核经验，在其创始人兼CEO李明强看来：“切入一个行业需要根据马斯洛需求理论。我们切入一个行业，必须从最基础的那层服务开始做。基础需求就是生存，为了生存要审核这些。但是发展到一定阶段，同质化产品严重，就要提高用户体验，考虑商业变现。有些人一进来创业就想做图像识别的广告平台，违反了需求理论。你等到那个阶段早就被我们从低做起的企业截流了。”
智能教育对行业的颠覆性改变还很远
在按照规律选择好切入行业后，人工智能的技术到底如何助力行业的提升?具体到教育行业，会带来怎样的改变?林远东认为：“人工智能不单单替代人的劳动，而是必将走向数据智能，进而推动整个教学生态结构性的变化。随着人工智能在教育领域普及，老师、学生他们的角色会在未来教学环境中发生重大变化。”
据他介绍，2012年，驰声科技业务刚起步，应用其语音技术进行口语练习的人次一周约2000次。2015年，一天的录音峰值达到千万人次。林远东认为：“随着技术的助力，学生练习口语变得更简单，利用口语测评技术，就能完成口语练习，机器会根据你的发音判断是否像老外说的，并给每个人不同的发音反馈和指导。这样一方面改变了学习的体验，另一方面节省了老师大量时间。”
改变学习体验和节省劳动力时间是简单智能的替代，那么通过人工智能实现个性化教育和自适应教育，则是传统教育寄希望于科技的关键点，覆盖了复杂智能和数据化智能。
根据2014年9月国务院发布的《国务院关于深化考试招生制度改革的实施意见》，高考外语科目拥有了两次考试机会。随后，上海、北京等地相继发布了各自细则，英语口语陆续纳入未来高考中。这些变化给技术公司带来了不小的机会。
林远东介绍：“英语的教学会发生一个结构性的变化，由原来不考口语到考口语，实际上是一个很广泛的适应过程，会掀起从教材到教材培训一系列变化。”驰声科技认为高利害关系的口语考试市场前景很大，接下来将是人工智能助力的重点。并因此形成了针对学校、教育局的口语考试完整的产品方案，以及针对学校备考的解决方案。
人工智能虽然改变了一些教育行业的业态，同时助力教育的改革，但是离行业颠覆性改变的距离还有很远。在智课教育CEO韦晓亮看来：“在教育领域，人工智能再先进，机器也永远都无法替代人的服务，因为这是一个以人为本的行业。机器的确是反馈的速度快，但机器是有盲区的，比如较感性的部分，而机器的盲区，必须由人来弥补。”
林远东认为：“整个人工智能在各个行业的应用，依旧是简单智能向复杂智能的过渡期，驰声在人工智能应用的攀登上只是比较快地走出一两步，依旧还处于简单智能到复杂智能的中间。”
数据门槛形成马太效益
有了切入行业的思考逻辑，以及改变行业的技术方法，在人工智能领域，足够的数据积累是人相关技术得以应用的前提条件。很多初创的人工智能公司都苦于缺乏初始数据，陷入“巧妇难为无米之炊”的境地中。越是复杂的智能算法，需要的数据量越大。传统的教育行业在教与学中，一直没有数据积累的过程，直到国家推广教育信息化，以及近年来在线教育的兴起，教育领域才开始实现数据积累。
林远东介绍，“当年在剑桥大学学习语音技术的时候，一个实验室可用语音技术大概需要100小时的数据，训练出来的模型基本上就可以用了，而一个商业化的技术需要300小时数据。”初创时期，驰声科技通过购买各类公开数据，积累了几千小时的数据量。与此同时，林远东和创始伙伴也有过穿得西装革履，带上小礼物和录音笔，站在学校门口找孩子录英语素材的经历。林远东坦言：“最开始做数据积累的方法只能是比较原始的，原始积累蛮痛苦的。”
图普科技的CEO李明强也表示：“很多创业公司要解决这个问题，就像无人驾驶行业，要自己去布很多车或者装一些车去采集原始数据。”
经历了初期数据的积累，成功研发产品后，大部分公司选择迅速切入市场。通过服务企业与合作伙伴，获取更多的数据。由于数据的授予具有排他性，一个企业不会同时向两家技术公司公开数据，因此抢占数据，可以形成自身壁垒。
林远东认为：“现在人工智能技术和行业结合依旧处于初级阶段，还是有机会可以追赶的。接下来两三年时间，整个行业不可逆地向复杂智能决策走。一旦走到此，需要的数据规模就已经是一个创业公司很难跨越的鸿沟。如果发展到大数据驱动的个性化学习，就完全没有机会，落下功课太多了。”李明强也表示：“如果我们现在来做也很难做起来，由于做得比较早，我们的数据量并不比一些互联网巨头少，这样才有竞争力。”
科技公司难觅专业人才
人工智能领域除了数据、算法、应用外，人才也是其中关键要素之一。人工智能涉及多学科交叉，记者走访多家专注人工智能的企业，纷纷表示人才难觅，尤其是复合型人才。
林远东觉得人工智能市场招募人才问题要分开看。他介绍：“找人才很难，主要是指找和行业深度结合的人难。找通用语音识别的人才没那么困难，以口语评测为例。有声学模型基础，学信号处理或者模式识别的，就能从事这类工作。但是找一个通用领域识别且能和教育行业深度结合的人才就非常困难。”
技术人才是人工智能和行业结合的浅度需求，但是懂技术的行业人才则符合了人工智能与行业结合的深度需求。林远东认为：一个通用语音技术或者通用智能技术可以轻易被替代，竞争壁垒很低，但是专注于行业应用会形成自身竞争力。
如今驰声科技通过高薪聘请行业人才和自己培养高校毕业生两种渠道完成人才储备。林远东看重的不是人才扎实的基础知识，更看重能够学习、超越、有好奇心等特质。京东金融在接受采访谈到人才招募时表示：“我们需要的人才必须具备清空自己，进行自我迭代的能力。”而在李明强看来，更倾向于招研究基础科学的人才。他介绍：“我们要从数学系和物理系找。我们做人工智能就是很基础的原理。”
