如何一勞永逸的解決中國乃至全球的教育問題？

這個命題提起來有點(diǎn)像是癡人說夢，然而仔細(xì)思考，會發(fā)現(xiàn)中國教育與所有培訓(xùn)機(jī)構(gòu)面臨的困境很類似——高品質(zhì)供給不足。

正如《富足》一書中描繪了未來的可能美好愿景：地球上90 億人喝上干凈的水，住上自己負(fù)擔(dān)得起的住房，個性化的教育，頂級的醫(yī)療護(hù)理，用之不竭的無污染能源。這背后的一切都來自于科技進(jìn)步造就的供給增加，帶來資源富足。

前段時(shí)間我做了《2017中國教育均衡問題與新機(jī)會》報(bào)告。投資機(jī)構(gòu)常常關(guān)注的是行業(yè)背后的商業(yè)機(jī)會，然而作為深耕教育領(lǐng)域的投資人，我想跟大家分享一下教育均衡背后的核心問題。

中國教育問題的真正根源

是什么導(dǎo)致了中國教育的問題？

因?yàn)樵?jīng)接觸過很多為了孩子小升初而心理焦急的家長，以及隱秘的名校點(diǎn)招規(guī)則，我一度認(rèn)為是政府部門的不作為造成了中國教育問題 ，然而閱讀了大量的文獻(xiàn)之后發(fā)現(xiàn)事實(shí)并非如此。

基于上面的數(shù)據(jù)，我們可以明顯的看到：

1、錢的總量在增多，效果在變好：

隨著教育經(jīng)費(fèi)逐年提升（2015年3萬億 RMB），義務(wù)教育階段的入學(xué)率已經(jīng)高達(dá)100%（毛入學(xué)率是按照適齡兒童計(jì)算，高于100%），高等教育的毛入學(xué)率也已經(jīng)高達(dá)40%。

2、錢的投入階段在變化：

教育經(jīng)費(fèi)先投入到了高等教育，在過去的幾年里又投入到了基礎(chǔ)教育 K12，然后現(xiàn)在開始關(guān)注高職和幼兒園。當(dāng)餅不夠分的時(shí)候，這個先后順序非常明智。

那是不是就沒有問題了呢？當(dāng)然不是。如果只對著平均數(shù)來研究，那就相當(dāng)于對著一頭牛來研究老鼠和大象（老鼠+大象的體重平均數(shù)等于牛），很難找到問題所在。

那讓我們看看在分布上存在哪些問題？

為了找到背后的原因，我們從財(cái)政、人力、課程等角度做了一些研究。

1、教育信息化在過去十年，已經(jīng)完成了大量基礎(chǔ)硬件的鋪設(shè)，在貧困地區(qū)也能看到多媒體教室和網(wǎng)絡(luò)。但是目前這些設(shè)備閑置情況嚴(yán)重，極度缺少可以使這些設(shè)施真正用起來的合格內(nèi)容、應(yīng)用和教師。

2、教師的薪酬低，激勵體系、發(fā)展體系落后。批量生產(chǎn)合格的老師很難，加上優(yōu)秀的人才不愿意進(jìn)入教育行業(yè)，尤其是不愿意進(jìn)入鄉(xiāng)村教學(xué)，造成了大量地區(qū)教師資源極度匱乏。同時(shí)在崗教師技能落后，相當(dāng)一部分編制被非教學(xué)崗位占用。

3、課程內(nèi)容陳舊，有一些已經(jīng)與現(xiàn)實(shí)嚴(yán)重脫節(jié)的課程還在使用，這造成了大量學(xué)生就業(yè)困難。但與此同時(shí)市場上卻面臨人才荒。

4、學(xué)校采購了很多設(shè)備，也進(jìn)行了大量教學(xué)改革。但如何評價(jià)教學(xué)效果的好壞？如果不用應(yīng)試分?jǐn)?shù)，是否有一套科學(xué)的指標(biāo)來衡量教學(xué)效果？如果沒有數(shù)據(jù)能夠反饋是否有效，那么我想對于進(jìn)一步的改進(jìn)教學(xué)無異于瞎子摸象。

我們從各種數(shù)據(jù)中可以看到，區(qū)域發(fā)展不均衡、階段發(fā)展不均衡是主要問題。

1、在過去的幾年中，教育經(jīng)費(fèi)大量投入到西部地區(qū)，甚至造成了中國教育的“東西兩頭高，中間低"的情況，這雖然是一個有點(diǎn)矯枉過正的情況，但也可以間接說明中國政府在教育均衡上的確不遺余力。

2、在教育支出逐漸增大的情況下，各個教學(xué)階段投入重點(diǎn)不同。目前來看幼兒園的經(jīng)費(fèi)缺口最大。預(yù)計(jì)在2021年，幼兒園缺口近11萬所，幼師等幼教相關(guān)人才缺口超300萬。

3、重點(diǎn)校囤積了大量優(yōu)質(zhì)教育資源，占用了大量經(jīng)費(fèi)，就算同一個城市內(nèi)校際之間的單校經(jīng)費(fèi)差距也有高達(dá)幾十倍的。

另外一個中國特色的問題是留守兒童和流動兒童。

伴隨著中國的高速發(fā)展，大量的農(nóng)民工進(jìn)城務(wù)工。有一部分留在了當(dāng)?shù)刈兂闪肆羰貎和?，在缺少父母陪同的情況下容易出現(xiàn)孤獨(dú)和人際能力缺失的狀況；還有一部分跟著父母遷徙成為了流動兒童，在現(xiàn)有的戶口政策下上學(xué)會遇到種種問題。

為了解決這些問題，我們看到國內(nèi)的同行們從政策、公益、商業(yè)方面有很多的嘗試。感興趣的朋友可以看看下面四張幻燈片。

中國教育問題的解決之道

回到文初的這個問題：有什么能夠一勞永逸的解決中國乃至全球的教育問題嗎？讓我們來試著看一下可能的解決方案。

一、如何增加教育資源供給？

傳統(tǒng)的課堂學(xué)習(xí)是個雙規(guī)問題，規(guī)定時(shí)間和規(guī)定動作，也就是說時(shí)空必須同步。如果假設(shè)教師的供給量是一定的，那么解決教育的供給側(cè)問題，顯然要解決時(shí)空問題。

總體來說有兩套方案：

1、內(nèi)容豐富化：

紙質(zhì)教材、電教室、MOOC、微課把教育凝練到內(nèi)容里。學(xué)生時(shí)間和空間都可以異步。但異步后的問題是對學(xué)習(xí)發(fā)起端自驅(qū)力要求強(qiáng)，同時(shí)缺少互動。

內(nèi)容加持人工智能后甚至開始具有個性化，一套根據(jù)個人學(xué)習(xí)情況推薦練習(xí)和學(xué)習(xí)內(nèi)容，甚至對用戶行為進(jìn)行評價(jià)和建議的智能化教材，到底是內(nèi)容還是服務(wù)？這時(shí)候邊界就漸漸模糊了。 

2、服務(wù)批量化：

小班課程、大班課程與在線直播一師多用。線下的問題是時(shí)空必須同步，而直播消解了空間同步，只需要時(shí)間同步即可保證課堂互動性。但批量化后的問題是犧牲了互動性。 

服務(wù)批量化的最新嘗試是雙師課堂，遠(yuǎn)程老師+現(xiàn)場老師協(xié)作，既解決了批量應(yīng)用優(yōu)秀老師的時(shí)空問題，又解決了現(xiàn)場學(xué)生的互動難題，堪稱是兩全的解決方案。

但從公立學(xué)校的事實(shí)來看，由于這種模式會剝奪一線老師的教學(xué)權(quán)和發(fā)展空間，可能比較適合于增量市場（如新學(xué)校、新機(jī)構(gòu)），而非對存量市場的改造。

二、怎樣提升學(xué)習(xí)效率？

由于腦科學(xué)的發(fā)展緩慢，我們尚且無法了解人是如何學(xué)習(xí)的。知其然而不知其所以然，是我們對大腦理解的最近狀態(tài)。

所以對 Elon Musk 的 Neuralink 和 facebook 的人腦打字項(xiàng)目，我非常希望能有所突破。 

打個比方來說，大家都覺得教育產(chǎn)業(yè)跟醫(yī)療產(chǎn)業(yè)很相似，但他們之間的核心區(qū)別是醫(yī)學(xué)已經(jīng)完成了從傳統(tǒng)的經(jīng)驗(yàn)醫(yī)學(xué)到科學(xué)的轉(zhuǎn)變，而教育的科學(xué)還沒有摸到門。

在這個時(shí)候說無法人人享受到優(yōu)質(zhì)教育資源，就像是在雜交水稻出現(xiàn)之前中國無法養(yǎng)活那么多人口一樣，供給不足啊。

批量的培養(yǎng)老師難，周期長，非標(biāo)準(zhǔn)。工資太高負(fù)擔(dān)不起，工資太低沒人愿意干。偏遠(yuǎn)的地方好老師也不愛去。所以老師到底是教育的一個 Feature，還是一個 Bug 呢？

AI 是唯一解

我想來想去，認(rèn)為還是需要依靠人工智能，把人類教師替代掉才可能完成批量供給。首先機(jī)器要明白學(xué)生說的話語的意思（NLP），也要明白這個問題背后的教學(xué)內(nèi)容（知識圖譜），才能給出明白的講解內(nèi)容。 

在圖形和語音識別準(zhǔn)確度已經(jīng)高達(dá)99%以上的情況下，NLP 仍然只有70%左右。如果在 NLP 這個環(huán)節(jié)有突破進(jìn)展，那么機(jī)器就能理解我們的語言和背后的意義，可以針對每個學(xué)生組織動態(tài)的內(nèi)容講解了。 

NLP 是一定可以突破的，但目前還是有些遙遠(yuǎn)，樂觀的估計(jì)是在三年到五年的時(shí)間。如果突破了這個環(huán)節(jié)，我們的教育一定會發(fā)生巨大的變化?，F(xiàn)在的Alphago 已經(jīng)超越了人類的圍棋，而 NLP 突破后，機(jī)器教師將會第一次教得比人類好。

盡管現(xiàn)在 NLP 還做得不夠好，但已經(jīng)可以有限的應(yīng)用到學(xué)習(xí)場景了。

比如前兩天我玩的比較爽的《如果英語》，可以扮演一名特工潛入美國獲取秘密情報(bào)，要遇到買票、通關(guān)、搭訕、找路等各個情節(jié)。玩起來一個多小時(shí)通關(guān)，隱隱約約感覺到有一種『真人陪練』感覺了。

這是如何做到的？

首先通過游戲?qū)雸鼍白屇惝a(chǎn)生玩下去的動力，然后通過場景限定了溝通的語言的范圍，這時(shí)通過簡單的語音識別和 NLP，就可以做出較為準(zhǔn)確的對應(yīng)。 

感謝我們生在這個偉大的高速發(fā)展的時(shí)代。十年后的教育將會與現(xiàn)在完全不同。

本文轉(zhuǎn)載自藍(lán)象營，作者 王凱峰，原文標(biāo)題：《【藍(lán)象報(bào)告】AI是唯一解: 2017中國教育均衡問題與新機(jī)會》