圖片來源：圖蟲創(chuàng)意

“因材施教”的理念早已有之，然而面對我國1.8億的K12學生，17.76萬的小學，5.21萬的初中，1.34萬的高中，每每40-50人乃至更甚的班型，個性化教學實在是“鏡中花，水中月?！?br/>

更好的教育體驗、更高的教學效果是所有人追求的目標。人工智能技術對教育產業(yè)的賦能則讓我們看到了這種可能的實現途徑。

以往線下教學模式受限于師生比例，老師的精力和水平難以顧全每個學生的學習狀況，所以孩子們就需要花費額外的課外時間去上小班、一對一的輔導課程，大大加重了家長和孩子的負擔，卻對學習效率提升有限。

AI教輔產品卻可以突破這一約束，實現個性化教學的自適應教育。AI教輔產品通過互聯網大數據和人工智能引擎賦予傳統(tǒng)教學場景更多可能。學生每一知識點的學習狀況與反饋被引擎捕捉，個性化的學情分析和精準的查漏補缺讓孩子回歸學習的主體，老師的教學、練習、評測都作為工具，回歸學習的服務環(huán)節(jié)角色。而AI教輔產品的個性化推薦精準程度、對學生實際學習的提高效果又會成為賽道分水嶺。

最近36氪接觸了一家基于深度強化學習技術的AI教育公司“Learnable.ai”。項目從作業(yè)批改環(huán)節(jié)切入，以初高中、小學高年級理科為主要年科，旨在利用人工智能技術為學生提供個性化的教育體驗，提升成績。

海外名校博士團隊是Learnable.ai給人的第一印象。Learnable.ai源自哈佛大學創(chuàng)新實驗室，創(chuàng)始團隊是來自哈佛大學、麻省理工學院、布朗大學、哥倫比亞大學的多位博士，科研成員在DARPA可解釋人工智能項目XAI負責核心工作。團隊花費數年時間，自主研發(fā)了深度強化學習引擎（Deep Reinforcement Learning Engine）、可學習人工智能引擎（Teachable AI）、可解釋人工智能引擎(Explainable AI)三大核心引擎。技術主要落地場景首先在教育，目前已開發(fā)出教育內容OCR識別引擎、全自動閱卷AI、個性化智能教輔AI等產品。

由于混合了中文、英文以及各種公式，教育內容的OCR識別尤其是手寫識別極其復雜，被認為是人工智能學術界和工業(yè)界尚未解決的問題，一直以來痛點突出。據創(chuàng)始團隊介紹，基于深度強化學習技術，項目可以突破數據量局限，將識別準確率提升到92%以上。而市面上的相似混合OCR識別率普遍不超過30%，技術水平領先市場三年以上。

解決了識別難題，Learnable.ai在批改環(huán)節(jié)同樣基于深度強化學習技術，用全自動閱卷AI代替人工老師批改。據創(chuàng)始團隊介紹，目前產品已在國內的數所初高中和教研機構開展試點，從高中數學、初中數學和小學高年級數學開始批量閱卷實驗，并計劃陸續(xù)進行物理、化學、語文等其他學科的測試。目前準確率目前在一般試卷上達到85%，在答題紙上達到91%，單位題目平均批閱時間達到秒級。

與全自動AI閱卷使用相同引擎的個性化智能教輔AI產品PI Tutor, 將紙質手寫OCR識別更換為移動設備筆跡識別，支持小初高數學范圍內的任意題目，能夠自動判斷學生解法的正誤，針對不同用戶的學習歷史給到個性化的錯因分析和提分輔導。目前PI Tutor已在北美地區(qū)四所公立、私立學校完成測試。A/B Test 結果表明，使用PI tutor學習一課時的班級能夠做到平均8%的成績提升。這一實驗結果已在多本學術刊物發(fā)表出版。

發(fā)展規(guī)劃方面，項目已經獲得多個知名標桿客戶的認可，在提高服務質量的同時開始市場擴張。在現有B端業(yè)務的基礎上，項目計劃在C端上線AI閱卷產品試水。

教育是Learnable.ai團隊技術落地的主要場景。此外，由于核心引擎的自學習能力在處理其他問題和數據時也可迅速學習到全局最優(yōu)策略，團隊的AI-API接口能夠為廣告、保險等多類型客戶提供標準化、可擴展的個性化策略服務。公司首年營收預計達到百萬美元級，實現盈利。

Learnable.ai現有團隊規(guī)模20人，其中在美科研團隊10人。目前項目已完成天使輪融資，投資方為香港某知名家族辦公室，Pre-A輪也已經啟動。

本文轉自36氪，作者瑞雯。文章為作者獨立觀點，不代表芥末堆立場。