“農村地區的孩子，越來越難考上好學校。像我這種屬于中産階級家庭的孩子，衣食無憂，而且家長也都是知識分子，而且還生在北京這種大城市，所以在教育資源上享受了得天獨厚的優越條件。”2017年北京高考文科狀元熊軒昂的這一段話紅遍了網絡，人們再次掀起對教育資源分配不均現實的讨論。與此同時，另一位高考網紅也出現了，沒有知識分子家長和中産階級的家庭，也沒有享受北京的教育資源，卻和高考狀元們同場競技并取得了134分的數學高分，這就是學霸君的智能教育機器人Aidam。
将人工智能應用到機器人參加高考是為了什麼，像AlphaGo一樣挑戰極限？學霸君的創始人兼CEO張凱磊表示：“很多人都搞錯了，我們做機器人自動解題，不是為了去挑戰人類做題的能力，這是沒有意義的，機器不可能自我覺醒地去發現一個新定理。”他對智能教育機器人的期望是成為人類的助教，而且是可以針對每個學生的個性化助教。
超越“老中醫”
在初高中階段，一個優秀的教師是怎麼樣的呢？假設他在考試後批閱學生的卷子，除了卷子上題目的對錯，他還會回憶學生近期的表現，分析學生為什麼會錯，是知識點沒掌握，還是無法将題目的信息和已有的知識相聯系。優秀的教師由此在腦海中對每個學生有一個整體的感覺，知道如何因材施教，然而這種感知能力是要靠長期經驗積累的（而且并非人人都能達到），難以表述和傳授，隻有靠少數極優秀的老師進行方法總結，但代際傳承的效果并不好。
張凱磊認為，教育資源的不足，本質是優秀教師數量的不足。如果能在降低教師負擔的同時，将優秀教師的能力“複制”給普通教師，同時“放大”這種能力，将大大緩解教育資源不足的問題。
他将教師的工作和醫生進行了類比。醫生的工作可以劃分為診斷和治療兩部分，對應教師對學生的能力判斷和知識講解。目前的教育模式恰似傳統的中醫，診斷同樣是要靠醫生“望聞問切”的個人水平，而且傳授不易。“沒有清晰的數字可讓人理解，也沒有可供分析的系統。”但現在醫院已經靠數字化很大程度上解決了診斷的問題，“未來教育也會變成一個有科學依據，有信息數據做支撐，數字驅動的領域，因為這樣的效率更高。”張凱磊說。
相較人類教師，計算機的問題在于機器的理解能力，要如何看懂題目。這也是學霸君利用人工智能在做的核心工作。智能機器人Aidam在考試中被扣掉的16分，全是在理解上出的問題，當然這也意味着人工智能已經能看懂134分的題目了。想象這樣一個場景，學生做完作業和測試後，将結果傳輸給機器進行判卷，除了判别對錯，還和以往的數據進行比對，通過算法發現學生知識的薄弱點，給出針對性訓練的題目，并将學生的學習狀态以可視化圖表的形式傳遞給教師。
這個場景已經開始實現。學霸君在安徽落地的合作學校中，數學、物理、化學和生物使用了學霸君軟硬件服務的班級，這幾門學科的成績都大幅提升。通過學霸君研發的數據采集筆，在不改變學生書寫習慣的情況下，将整個過程的數據全部采集，然後由機器進行識别判卷。“目前批改作業，機器批70%，正确率會在99%以上，機器判斷不了（主要是無法識别）的交給人工，未來會全部交給機器。”張凱磊說，每天僅批改作業，教師就能節省接近2個小時，而數據分析結果将通過雲服務展示給教師，“作業數據和考試數據實時更新，學生的學習能力、掌握的知識點、學習态度，全部在表上清清楚楚”，學科主任、年級主任和校長還可以看到學科、年級和全校層面的數據分析。
和時間做朋友
追根溯源，中國的教育源自于普魯士教學法，本質是“在規定的時間，以規定的課時和标準，學規定的内容，最後考一次試”。在張凱磊看來，這樣的教育模式就像工業的标準化生産一樣，而未來的教育模式将是高度個性化、規模化和專業化的，“個性化是解決教育負擔過重和教育不公平的核心手段。”
這個發展可能會分為五個階段：第一階段，進行教育基礎數據的數字化，并且可以進行數據管理。
第二階段，學生的學習數據被全面數據化，學校以數字化的形式對全校學科進度進行管理。
第三階段，教育實現中度的個性化，學生開始按學習進度分層教學，出現小規模的教育集團推動數字化技術應用的進一步發展。
第四階段，教育實現高度個性化，中度的規模化。出現少數的大型教育集團，“比如現在有7.6萬所學校，未來2萬所頭部的學校，是由100家教育集團組成的。”一個校長可能會管理十幾個校區，體系内高度信息化，體系外形成學科、教學理論的競争。
第五階段，教育高度個性化、規模化、專業化。不再有教師布置作業，學生使用系統進行個性化的自我訓練，并依據能力和學習效果，在兩個月或更短時間内分為不同層次接受教學。由最頂級的教師，通過系統觀察學習數據，對班級進行針對性輔導。通過發達的視音頻及時通訊技術，一名教師也許可以教學上萬名學生。
“長期來看，學霸君會成為一個教育運營公司。”張凱磊認為，目前學霸君實施落地的學校中，有一兩所已經達到了第二階段，而從技術上來說，學霸君即将達到第三階段。但這依舊“任重而道遠”。以學霸君核心技術之一的手寫識别為例，“我們可能是國内做得極好的了，但直到今天，還有17個主要的課題沒解決，比如說離線環境下混合中英文公式的手寫識别，沒有任何突破性進展；聯機環境下的中英文識别已經做到了高精度，但還不到大規模商業化的程度。”除此之外，學霸君的技術圖譜中還有視覺自然、語言語義、中文符号識别、在線手寫數學公式、提名推薦、深度學習，視音頻通訊等數十項技術的落地，“但好在我們已經找到了模式，可以用海量的時間、數據來趟平它，然後讓用戶習慣和熟悉，帶來真正的價值。”
“把人工智能扒開來看，裡面是海量數據的暴力計算。”張凱磊對人工智能的看法是，好的團隊占2分，好的算法占2分，還有1分要給運氣，但剩下的95分全部在數據上，“獲得數據者獲得未來。”他估計，未來學霸君還需要于現在100倍的數據量。
另一個障礙是在實際落地中，學校除了考慮經濟成本，還有因為傳統觀念而有所抵觸。“讓機器判卷批改作業，他們看數據，真的很難。”對此，除了時間外，多創新、以原有教育模式切入也是實際落地中的重要原則。張凱磊透露，年内學霸君将進行D輪融資，“跟真正願意長期幹教育的人一起去撬動市場。”張凱磊機器不可能自我覺醒地去發現一個新定理，它們最好是成為人類的助教，而且是可以針對每個學生的個性化助教