松鼠AI創始人栗浩洋認為，幾百年來科技對各個領域產生了很大改變，科技對交通和通信的改變巨大，但對教育的真正改變甚少。在人工智能領域，人們對視覺識別、NLP投入大量的人力、財力，發表了大量論文，但人工智能在教育里的真正應用卻很少。

栗浩洋表示，AI教育在全球發展非常迅速，但在國內卻很少有人知道和關注。他舉例說道，美國已經有40多家AI智適應教育公司，例如Knewton累計融資1.8億美元，用戶超過1500萬；阿聯酋有1家做了4年的AI教育公司Alef Education，在當地已經有了25000名學生，相比于阿聯酋的學生數，這已經是非常大的數字；印度有一家估值54億美金的教育公司Byjus，做智適應教育已有10年，但中國的AI智適應教育才剛剛開始。

他表示，傳統的教育就像中醫，老師“望聞問切”，講完就結束，整個過程像個黑匣子，大家什么數據也沒有得到。但是通過AI智適應的教育，就能及時了解每個學生學習的終身數據，這些數據對于機構幫助學生學習，對于學生了解自己，都有巨大的價值。

他列舉了松鼠AI目前的一些數據，松鼠AI目前已在國內20多個省，200多城市，有了1900多家學校，這個數字還在以每月100多家增長，注冊用戶超過200萬。其中，今年第一季度付費用戶（1年1-2千美金）比去年同期增長了14倍。同時，栗浩洋宣布松鼠AI與卡內基梅隆大學聯合建立實驗室，并與斯坦福國際研究院聯合建立人工智能自適應學習聯合實驗室。

栗浩洋介紹了松鼠AI老師的引擎架構。松鼠AI老師引擎架構總共分為三層，第一層是本體層，里面主要是內容包括學習地圖、知識地圖等；第二層是算法層，里面有推薦引擎，有學生的用戶畫像引擎，有目標管理引擎等；第三層是一個交互系統，這個系統是關于機器如何與人進行交互的，在2019年之前，松鼠AI的交互系統更多是通過視頻、題目及一些簡單的互動和人交互，未來松鼠AI希望發展更多的人機交互方式，使得學生與機器互動更加順暢。

栗浩洋表示，有了知識地圖，才能對學生進行對癥下藥，才能實現國家提倡的給學生減負。應試教育下，學生通過刷海量的題來訓練對知識點的掌握，如果不通過科技和AI的力量，這種題海戰術還是無法解決。所以，知識地圖就是要試圖解決這個問題。通過知識地圖檢測，我們不僅要能區分孩子是學霸或是學渣，而是要看孩子大腦里對每個知識點的了解情況，是真正懂了，是掌握的一般，還是根本沒有理解。

當智適應系統對學生知識點掌握的判斷，才能幫助學生實現“那里不會學哪里”，學生只需要去學不會的知識點即可，能考95分的孩子，只去學剩下的5%的知識點，而不是再盲目的刷題海。

本體層中，松鼠AI針對知識地圖做了一個超級納米知識點拆分。他表示，整個隊知識點的拆分細膩度超過了Knewton和Aleks的5-10倍。至于為何這樣細致的拆分，他解釋說就像把相機像素從400萬拉到4000萬像素一樣，當知識點做的越細膩，對于學生知識點掌握的診斷也就會越精準。

同時，栗浩洋也介紹了從去年到今年，松鼠AI做的一個最新研究成果——錯因分析。他表示，之所以研發這個技術，是因為他們發現，就算學生掌握了所有知識點，仍舊在做題中出現很多錯誤，這就是錯因，例如粗心、慣性思維、審題不清等等，因此，借助系統他們能夠告知孩子，不是知識點掌握問題，而是沒有找對錯因，找對了錯因就不需要做很多無用功。

當他們把常見錯因總結出來，就可以覆蓋30%—40%的問題。如果沒有錯因分析，就很難去做個性化教育，當找到各種學生的錯因類型，就可以針對性地去推薦不同的學習和錯因視頻分析。

在實現對孩子用戶畫像和學習狀態的了解后，栗浩洋表示，松鼠AI還要能夠像今日頭條一樣去給學生做推薦。他認為，與今日頭條的算法相比，松鼠AI的算法難度更大。因為頭條只要給你推薦合適的內容就成功了，但是松鼠AI還要保證學生能夠掌握這個內容，對于他們來說，學生沒有掌握學會，這個推薦就是失敗的。所以他們還要開發一個預測引擎，Tom Mitchell建議要不斷采集更多的數據包括孩子的表情、動作等各方面的數據，這樣能夠更快優化松鼠AI的算法。