教育行业中企业长得慢、长不大的问题是在于教育行业是智力服务业。相对于其他许多行业来说，难以标准化、成本边际高、难以规模化。而人工智能正是把人类智力变成机器智能，可以逐步的把教育从服务业变成信息行业。
而人工智能行业经过这两年的资本催生，诞生了一大堆不太赚钱的数亿美金估值的公司。也有越来越多身怀绝技的技术牛人也在磨拳擦掌，拿着人工智能这把屠龙刀，在环望四周，看看哪里有技术合适的应用场景值得砍下这致命的一刀。
——长文开始，阅读大概需要14分钟——
EDAI的产业情况概览
人工智能发展的驱动力
人工智能不是在变魔术，它本身不具备思维。它需要更多的数据，更高的性能更优的算法才能做到更强的智能。我们看到全球的数据规模不断的增长，2020年达到了2009年的40倍，而且增长斜率还在不断增加。
大量数据需要有更好的更低成本的云存储方式。还出现了象深度学习这样更好的算法。下一步甚至出现专门为深度学习设计的芯片（DPU）。这些都有助于人工智能更深入、更广泛的应用，从而提升个性化的教学效率和效果。
人工智能是教育未来的驱动力
2010年开始随着移动互联网的发展，更多应用场景渗透和资本介入，催生了丰富的商业模式，所以2010年~2016年这个阶段的重点是商业化。
而图中右侧深色的是人工智能等科技与教育结合的一条曲线，来看看人工智能这些年是如何与教育相伴相生的。2006年代表性的深度学习算法诞生，2011年教育行业里象硅易这样的作文批改网站上线；2012年深度学习算法在语音和视觉识别方面取得了突破，准确率达到了98%以上。2013年，学霸君和英语流利说出现，它们运用图像识别，教你怎么样去扫题看答案，运用语音识别完成了新应用，教你怎么说英语。
人工智能到底怎么跟教育结合呢？
首先大量的数据是人工智能的基础，我们需要有多维度、大量级的数据采集，包括语音、图像、运动、肌肉电，让我们获得更多的信息。
第二是有智能的数据处理方式，让这些数据解读出来。
第三是有自然人机界面，包括VR/AR，数据可视化，机器人和3D打印等
有了这些技术基础，还需要应用场景。目前的EDAI4大应用场景：
个性化学习：包括自适应练习，分级阅读等细分应用。
虚拟学习助手：包括拍照搜题和对话机器人等场景。
商业智能化：把原来商业里面的智能技术应用到教育里面来，帮助学校和机构更好地解决教学效率和运营效率的问题。
专家系统：像高考的升学规划还有职业规划、留学咨询等复杂决策的系统
EDAI全球案例图谱
这个表格分为应用层和基础层。我们可以看到在自适应学习里，左边的K12课内是最密集的创业部分，包括像猿题库、狸米学习等应用。
而虚拟助手里面有拍照答题工具，还有象微软小英这样的对话机器人，你可以在微软小英里面和智能机器人交流。专家系统里有智能批改和升学规划两个方向，例如升学规划可以用申请方和高考派来做咨询规划。商业智能，包括运营支持和学情管理。
人与机器重新分工与合作
机器的优势和人的优势不一样。机器的优势，是简单环境下面的标准化和规模化。机器可以做到辅助教学、限定对话、文本批改、简单答疑、作业练习、测评批改，人类可以做教学设计、复杂决策、团队协作等。
未来教育是人与人工智能协作的时代，充分发挥机器与人类不同的优势是提高生产力的关键。所以人工智能将会取代简单重复的脑力劳动，而发挥人类的优势创新、复杂决策、情感关怀激励等更大优势。
应用场景1：个性化学习
人工智能加教育，目前最重要的场景是自适应学习。区别于原来的统一或粗糙的分层教学，自适应+教育通过自适应内容、自适应测评、自适应进度、自适应路径、自适应回馈、自适应目标等方式，为学生提高学习效率和学习效果。
自适应学习技术实现的基本逻辑是：首先是教学者模型，学习者模型以及整个的知识图谱的建模；建模之后，把不同的自适应性材料，包括题目和内容交付给自适应学习者；
同时通过这个过程获得很多的数据，把这些数据通过更加直观的方式展示给使用者，包括把这些数据传递给我们的模型，用来优化模型的算法，这是整个自适应模型的核心。
我们可以看到自适应的算法和处理，其实核心是人工智能。
练习是目前最好的切入环节
教育过程包括：从教、学、练、测、评五个环节。目前的自适应学习工具大多练习切入。这是因为人工智能依赖于数据，数据化程度最高的是练习，但此环节的toC商业化能力弱，常见策略是向链条两侧延伸，进入到教学和资格评测环节商业化。例外就是切入toB领域商业化，向学校和培训机构等B收费。
分级阅读：阅读自适应
第二个自适应切入点是分级阅读。现在中国的小孩子没有办法读到自己适合的书，因为第一个没有标准，第二个也不知道他适合什么样的，第三个没有中间的匹配环节。自适应先做测定分级，把孩子和内容做一个相应的测定评级之后，通过自适应引擎去推荐。
它能够通过阅读后的测评，让我们知道这个孩子读了这本书之后懂了还是没有懂，得到更多的反馈，通过这种方式让更多的孩子得到他适合读的内容。
智能LMS：自适应+LMS
第三个自适应切入点是LMS。这个是学习管理系统，里面包括了作业、练习、教课以及所有的解决方案。我们看到LMS也在不断地智能化，从原来只能按照大纲一次一次学习、练习，变成现在学生可以按照自己的节奏进行学习的系统，这是自适应学习，是我们目前探讨最多的领域。
EDAI场景2：虚拟学习助手
现在的技术水平而言，通用的虚拟助手难以成熟应用。而在某些特定场景和限定领域下，虚拟助手是完全可以达到可用的程度的。
而这些背后都可能是机器，而不是人。
虚拟助手的技术实现
虚拟助手的技术实现逻辑是将学习者的问题通过语义识别等技术，结合学习者模型和知识图谱的领域模型，查询和生成相应答案。这里面人工智能的应用又是核心因素。
虚拟助手的演化路径
随着人工智能的不断演进，虚拟助手也在慢慢演进。它的角色演化会有三步：
第一步是最简单的助教，它能完成在线答疑、进度督促和简单的客服工作，能够更快更简单的被替代掉。
第二步是顾问，很多留学企业和咨询公司长不大是因为没优质顾问供给，当他们规模稍稍长大之后，发现管理成本提高，而用户的满意度下降了，此消彼长就会限制这个企业的发展规模。如果机器人能够替代顾问的话，可以解决学习规划、指导咨询、客户服务的问题。
第三步是老师，包括教学设计、教学服务等，还会是一个很长远的事情。
EDAI的发展难点与机会
最后是谈谈目前人工智能进入到教育行业最大的几个难题。
1、教学练测评环节，大量行为仍然在线下完成。
大量学习数据特征复杂，难以解读。现有技术水平难以解读教学和学习过程中即时反馈数据，有待于未来语音语义识别，情感计算等技术发展。
2、学习大量分层数据复杂。
学习数据分为键击层（keystrokelevel）、回答层（answerlevel）、学期层（sessionlevel）、学生层（studentlevel）、教室层（classroomlevel）、教师层（teacherlevel）和学校层（schoollevel）等，数据就在这些不同的层之中，处理难度很高。
3、数据反馈周期慢，效果难以衡量
4、教育行业的科技人才供给不足。
反过来说，因此这也是目前科技人才进入教育行业最好的机会。