前天下午（7月26日），有道在北京举行了“子曰”教育大模型应用成果发布会。在发布会上，有道也正式发布了虚拟人口语教练、AI作文指导、语法精讲、LLM翻译、AIBox、文档问答，共6项应用成果。不仅是因为我对各种前沿科技、创新成果很感兴趣，更是因为有道又在3年前的那个猜想上，迈出了坚实的一步。于是，在看完发布会之后，我也找了个机会，约有道的同学好好聊了聊，也请教了很多问题。3年前的那个猜想，实现了吗？这次的应用成果，做得怎么样？能给我说说吗？然后呢？还有吗？听完分享之后，我再也按捺不住自己激动的心情了。一句话形容我的感受：什么意思？什么3年前的猜想？和教育成本有什么关系？这事儿和我有关吗？
三年前的猜想
3年前，我和有道的同学有过一次深入的交流。我们从线下教育，聊到了在线教育，又从教育现状，聊到了教育行业。聊着聊着，我们聊到了教育行业的未来。教育行业的未来，也许不是无差别的产品，而是可复制的服务。
什么是“可复制的服务”？为什么这个概念让我如此赞同？要回答这两个问题，我可能得先讲清楚，到底什么是“服务”。假如，过段时间，就是你的婚礼。请问，你会去什么地方购置你的西装？我猜，你大概率会找一家私人订制，让老裁缝为你量身定制一套。因为一套“对你合身、也只对你合身”的西装，才能彰显出你的气质。裁缝是个性化的，理发是个性化的，我做的战略咨询也是个性化的。因为最好的教育，永远是个性化的，永远是1对1因材施教的。有一次，子路问孔子：对的事，就该去做吗？孔子说：别急。公西华很迷惑：老师，为什么同样的问题，你的回答不同呢？孔子说：子路勇猛，我提醒他退让。冉有谦退，我鼓励他进取。但是，关键是但是，但是，这种看似美好的个性化的服务，有一个非常明显的缺点：边际时间成本太高。边际时间成本，就是每多服务一个客户，服务者所必须额外付出的时间成本。比如那个老裁缝。水平非常高。但是水平再高，给我量身材、选面料、定款式，至少也要1小时的时间。老裁缝每多服务一个像我这样的客户，就要多付出1小时。边际时间成本，是刚性的，是独占的。给我服务的时候，他就不能给其他人服务。所以老裁缝再努力、再勤奋，一天顶多也就只能服务10-20人。规模的天花板很低。那老裁缝怎么赚钱呢？提升不了规模，就只能提升单价。所以，越好的裁缝、越好的医生、越好的战略顾问，价格就越贵。服务的优点，是个性化。服务的缺点，是边际时间成本高，价格贵。成本高，价格贵，所以服务的可复制性就很低。老裁缝为了解决服务“成本高、价格贵”的问题，决定不再1:1的量身材、选面料、定款式了，而是用标准化的版型，流水线的方式，生产“成衣”。这样，因为每件成衣所包含的，老裁缝的“边际时间成本”大大降低，甚至降到几乎为零，所以衣服的价格也因此非常便宜。但是，关键还是但是，但是，标准化的西装也有个问题：因为不是1:1定制的，所以很难完全合身。领口对了，腰围不对；腰围对了，袖长不对。总有地方不对。所以穿着效果，终究不够完美。写教材的老师很优秀，教材里的内容也很优秀。但是，几乎很少有同学能够只看教材书、只学课程视频就拿到好的成绩。因为有的同学需要老师的答疑，有的同学需要不同的解题思路，还有的同学需要排名的激励、考试的他律......服务化的教育更加个性化，效果好，但是成本高。产品化的教育更加标准化，成本低，但是效果差。就没有什么办法能融合它们的优点，又同时避免它们的缺点吗？就没有什么办法能既要个性化、效果好，又要低成本、可复制吗？既要个性化、效果好，又要低成本、可复制，这就叫：可复制的服务。你看到的小班课、直播大班、双师大班，其实都是特别好的尝试。
三年后的人工智能
在过去的很长一段时间里，人工智能的发展，走的是一条“逻辑主义”（Logicism）的路线。逻辑主义，简单来说，就是主张用公式、规则等等公理和逻辑体系，来搭建一套人工智能系统。“我（主语）想要（谓语）吃饭（宾语）”，就符合这种规则。过去的人工智能，就是像这样通过例举各种各样的规则和逻辑，来学习语言。但你想想，语言是多么微妙，复杂，富有情感。女朋友一个“嗯”字，背后就有八万四千种情绪。规则怎么可能穷举，逻辑怎么可能没有漏洞。而且，你回想一下，你真的是这样来学习语言的吗？真的是先学习的语法吗？我们是在一个“环境”里，跟着妈妈咿咿呀呀，跟着爸爸叽叽喳喳，看着看着，听着听着，自然就会说了。这个“自然就会说了”，其实是因为人脑中的神经元在不断地连接、连接、连接。刺激越多，连接也就越多，直到人脑突然涌现出知识和智慧。今天的人工智能，用的就是这种人脑产生智能的方式。给它一个“环境”，给它足够多的“神经元”，给它大量的数据，让它自己看，自己学，自己感受。这就是为什么，今天的人工智能越来越厉害，越来越像个“人”。那么，这个主张连接主义的“人”，有多少的“神经元”呢？就拿ChatGPT来说吧。GPT-2的版本，拥有的参数有15亿个，比GPT-1的参数规模大了10倍以上。而GPT-3的参数，已经达到1750亿，多了116倍。GPT-4的参数，更是只会多不会少。意味着，今天的通用大模型博学多识，聪明得就像一位拥有20个博士学位的天才。但同时也意味着，它的延时问题，在理论上会越来越严重。想象一下一句话、一条信息、一组数据要在千亿级别规模的“神经元”里跑一遍，你就明白了。这就是为什么今天的ChatGPT总是一个字一个字地往外蹦，也是为什么通用大模型在很多人看来并不是应用级人工智能的未来。因为谁也不会喜欢一个收到问题之后，要反应半天，还一个字一个字回答的AI老师。当然不是。在有道发布的教育大模型“子曰”上，我就看到了可能性。我不需要什么都学，我只需要把本专业学好、学精。我不需要做一个20个博士学位的天才，我只需要做一个1个博士学位的学霸。这样，我就能用比通用大模型少得多的参数，来更准确、更快速地回答更专业的问题。从2016年开始，有道就在协同构建AI的基础能力。不仅同步组建了语言、视觉、声音等团队，还积累出了四大底层技术：有道神经网络翻译（NMT）、计算机视觉、智能语音AI技术、高性能计算(HPC）。在Transformer技术（神经网络模型）上，有道也具备先发优势。2017年，有道NMT上线；
2018年，有道NMT升级并基于Transformer；
2019年，词典笔2代首次搭载离线Transformer NMT；
2020年，有道将Transformer ASR落地到业务中，并于2021年实现了基于Transformer的流式ASR技术落地；
2022年推出的词典笔P5搭载了自研离线ASR，也已升级为Transformer技术。
这些基础能力、先发优势，也共同保障了“子曰”落地，成为教育行业的首个垂类大模型。
未来的教育
我想，看到这里，你应该就明白，我为什么会按捺不住自己激动的心情了。因为在前天下午的发布会上，我看见的，就是人工智能带来的，教育的“可复制的服务”。于是，在有道同学的帮助下，我也在第一时间，体验到了这些“可复制的服务”。考试，考试的成绩是一流的。听力，听力还行，但比起书面考试，就差点意思了。口语，口语就别提了，开不了口，也说不利索。给孩子请专业的口语老师，费用太高。让孩子去英语角交流，又太害羞。父母自己来教，又怕学术不精，耽误孩子。人工智能的技术手段，就可以来为这些孩子辅助教学，提供服务。发布会上，有道就发布了可以指导口语的“虚拟人口语教练”。我只需要直接说话，这位会眨眼、有表情，甚至还能“歪头杀”的虚拟人，Echo，就会以“秒”级别的速度，来和我产生互动。而且，Echo能够充分理解我的发言，并根据我的具体水平、说出的具体内容，来“生成”出相应的回答。Echo也会从单词、发音、语法三个维度，来给我们的对话打分，从语法、用词、风格三个维度，来给我提供优化建议。通过和“人”的对话，口语能力就能一点一滴地累积起来。可是，如果我觉得自己的口语太薄弱，从一开始就不敢说，怎么办？Echo也会通过不断“生成”问题的方式，来主动和我进行多轮的互动，引导我进行发言。这就相当于是随时随地地拥有了一位口音地道、逻辑清晰的口语教练，拥有了一种“可复制的服务”。错了，就要等老师在课上的讲解。没讲到，就要去找老师答疑。但是，答疑本身就是一件边际成本很高的事。更不用说还有一些孩子不好意思去请教老师。提出我的具体问题，语法精讲就能生成出一段针对这一道题的回答。如果是不知道该怎么审题，那我就看语法精讲给出的解题思路。如果是不知道该怎么解答，那我就看解题方法。这样，我才能充分、透彻地理解题目，甚至是这道题所代表的考点。下一次再遇到同样的问题，我就知道该怎么答。再遇到同类型的问题，我就能做到触类旁通。更重要的是，这个时候，答疑就会变得更加高效，而这项服务的成本，也几乎就降为了0。可是，“非标”的知识，该怎么办？语法题能答疑，是因为它在大多数时候，都是有标准答案的。那像是语文作文这样没有标准答案的作业，该怎么办？“作文”这件事，确实是挺让老师家长头大的。因为“作文写得好不好”这件事，是很难说清的。“作文到底该怎么写”这件事，也是很难讲明白的。于是，AI作文指导就通过一种类似于“360°环评”的方式，来给我的文章提供修改建议。比如，被“子曰”模型的注意力机制“微观”发现到的错别字，和修辞上的错误。比如，经过“宏观”评价的语言表达、结构逻辑、内容深度。再比如，被提炼出来的作文题目解析、文章核心观点。最终，这些从不同角度出发的评价，会被综合成一份包含了错别字修改、改进建议、作文好句、作文总评等内容的作文批改。有了这份作文批改，我就能从中获得启发，找到自己在写作中的薄弱点，一点一点，针对性地进行提高。虚拟人口语教练、语法精讲、AI作文指导。还有LLM翻译、AIBox、文档问答。而和技术互动，这项“可复制的服务”，是没有边际时间成本的。这种种尝试，让我看到了一种可能性，就是利用技术，利用人工智能，不断通过替代人工、或者至少减少人工参与的时间，降低“可复制的服务”的成本。教育的未来，从来都不只是把线下的课堂搬到线上，也不是单纯地加入人工智能。教育的未来，是对如何把个性化教育低成本复制的不断探索。
最后的话
可是，教育的指针，到底应该指向服务的一端，还是产品的一端？教育的指针，要指向服务的产品会师的地方，指向那条叫“可复制的服务”的中线。因为未来的教育成本，会因为你们的存在，而不再让人担心。
点击下方图片，加入刘润老师唯一付费问答圈子
一起把别人的顿悟，变成你的基本功
品牌推广 | 培训合作 | 商业咨询 | 润米商城 | 转载开白
请在公众号后台回复 合作
