小探在寫這篇文章時，很懷念自己的學生時代，盡管也被罰站過、考試卷上偶爾一片紅、家長會也的確挺可怕的，但總體還是很美好的，不是嗎？

直到小探在寫這篇 AI 如何顛覆教育行業的文章時，才感到由衷的慶幸：好在咱當年沒 AI！為什么？因為 AI 實在是太無所不能了...

今天，小探就帶你看看，到底美國的AI+教育的創業公司們，都在搗鼓些什么！

AI 陪你學習：既細致入微也鐵面無私

AI+教育公司這么火熱，到底都做些什么呢？根據服務對象的不同，小探把 AI+教育公司分為了四大類：面向老師、面向學生、面向家長、以及面向學校。

首先我們來說說第一類：面向老師的 AI 公司。

老師們除了在臺前上課，下課后除了給學生答疑解惑，還有哪些工作要做呢？其中很重要的兩項工作，恐怕就是判卷子和批改作業、以及制定教學計劃和備課了。一些 AI 公司瞄準了這塊市場，希望幫助老師們更高效省時地判卷子改作業，以及更有效、靈活地制定教學計劃。

從技術角度來看，答案標準化程度較高的是非題、選擇題和填空較容易讓機器判斷，而推演題、問答題的自然語義識別（NLP）、甚至是答題行為動態的捕捉與分析是目前正在進一步探索強化的領域。創業項目 Gradescope（下文會有詳細介紹）和給你改文法錯誤、確保你不再天天被英語老師罵的 Grammarly 是目前此領域比較知名的項目。

不過代替人類批卷子的 AI 也有 “缺點”。小探上學時每逢重要考試前夕，老師們總會叮囑學生們 “看到不會答的題也要盡量寫點別空著，閱卷老師心一軟說不定還能給點 ‘感情分’。” 而火眼金睛一目十行的 AI，恐怕一眼就能看穿你政治題和證明題下，密密麻麻東拉西扯寫的那一堆東西里，到底有沒有正確答案...

除了改作業，AI 還能為老師的教學教研提供指導，幫助老師置頂教學計劃。

AI 可以通過對學生行為數據、語音情感進行識別與分析，為教師和教育機構提供信息數據支持。報告可以作為教師考核的參考，也可以幫助教師制定計劃和為課程設計做指導。

比如，當系統發現很多學生都做錯了同一道作業題，系統會提示在該知識點上給予學生更多的指導，或是講解更多相關的習題。如果是線上錄播課，可以對未來課程設計進行改良，為習題添加提示。如果是一對一直播課，甚至可以為教師提供實時反饋，讓教師同步掌握學生的心理狀態，調整下一步教學活動。教育機構還可以通過跟蹤分析學生數據預測哪些人有退學風險，來幫助學校和教師提早進行干預。該領域的代表機構有 Affectiva、Acrobatiq。

以 Affectiva 為例。不知大家上學時有沒有過這種經歷：當老師掃視全班問 “這道題怎么做？” 時，你越不會、越心虛、越希望老師千萬別叫你，下一秒就越容易聽到了自己的名字。

還不是因為你的表情出賣了你！而這就是 Affectiva 努力 “破譯” 的事情。Affectiva 是一家基于情緒識別技術的 AI 科技公司。團隊首先搜集了大量不同種族、年齡、性別的表情案例，然后使用深度學習來分析真笑還是假笑。

隨后，Affectiva 利用視覺識別和機器學習在面部提取鼻尖、嘴角、眉峰等關鍵點，與情緒的數據點做對照，然后利用這些數據與情感狀態進行比對，如困惑、感興趣、享受等。隨著數據的積累，情緒分類會更準確，當訓練同類型的分類器時，100 個樣本準確率大概為 75%，而10萬個正向訓練樣本，準確率可以超過90%。

基于上述技術研究，Affectiva推出了一款 Affdex 軟件，用戶面部輸入后將以 Affdex 指標的形式獲得表情輸出：7種情緒指標，20 種面部表情指標，13 種網絡表情符號以及 4 種外觀指標。在教育方面，團隊希望程序能有效捕捉學生的困惑，進而指導調整教學節奏，讓學習更高效。教育 APP Little Dragon 使用的就是 Affectiva 的情緒 SDK 監測學生的狀態，以此調整內容難度和向老師和家長提供反潰

說完了老師，我們再來說說面向學生的 AI+教育公司。

一說起教育，大家都說要 “因材施教”，但在現有的模式下，教師很難照顧到所有學生，而 AI 卻讓因材施教成為可能。自適應學習系統可以捕捉和回應學生不同的需求和反饋，通過對知識點的選擇或強調、或重復，或跳過，或補充，讓每一個學生都能有最適合自己的學習速度和路徑。創業公司 Knewton、Kidaptive 就是這一領域的代表。

學完了后，到底結果如何呢？和別人比起來，我算學得好的、還是學得不好的？AI 還可以為學生提供學習反饋和決策指導。

與教學教研指導類似，AI也可以通過數據為學生提供指導建議，比如 Civitas Learning、Noodle 等公司。學生可以從系統那里了解到自己目前的學習進度、狀態、知識點掌握情況，以及和大數據進行比較參考，了解自己所處位置。系統也可以根據學生的個人情況和大數據為學生提供個性化的選課、選校、選導師建議與服務。

除了老師和學生，教育的另一外一個重要參與者是誰？當然是家長啊 “家長會” 這三個字，讓千萬學子在家長會當天謹言慎行，夾起尾巴做人 …

AI+教育系列的公司，當然也有面向家長的公司，比如 ROBOTERRA, Inc、Wonder Workshop 等，就旨在打造 AI 虛擬助手和機器人等工具，使其起到部分人類教師或教具的作用，主要應用于兒童早教、語言閱讀和 STEM 領域。

AI 助手通過語音互動、知識講解、音樂播放等手段，既增加了學習的趣味性，也實現了陪伴孩子和輔助學習的目的。需要注意的是，目前實體機器人屬于硬 AI，和純軟件 AI 相比，還處于發展的早期階段，可探索空間很大。

此外，也有一些針對教育機構的 AI 創業項目，希望可以通過 AI 實現教務管理的智能化。換句話說，這些 AI 項目針對的主題不是老師、家長、或學生個人，而是學校。主要應用領域包含圖書館管理、招生咨詢、財務管理、學生考勤和安防幾個方面。

具體說來，智能圖書館可以根據學生的背景匹配個性化書目；而 AI 客服可以為感興趣的學生、家長提供學校介紹和招生咨詢；在預算有限的情況下，如何決定投資的優先級呢？借助 AI 的力量，學校的學生、老師和設備的數據分析可以干預學校的投資決策；另外，圖像與人臉識別可以實現學生考勤記錄和校園防火、犯罪等安防監測。Jenzabar、BrightBytes 等就是這一領域的創業公司。

AI+教育：不少教育科技公司的升級之路

小探在整理過程中發現，在美國 TOP30 AI+ 教育公司中，除了“根正苗紅”的 AI 教育公司（如 Volley Labs），還包含教育科技公司技術升級（如前文提到的 Gradescope、 Duolingo），以及 AI 技術公司應用于教育等多個領域（如 Affectiva）。

我們簡單介紹以下幾家比較有代表性、各有特色的公司：

首先是根正苗紅 AI 教育公司的代表：Volley Labs。大家讀書時有沒有那種筆記記得特別好、特別清爽、特別全面的同學？Volley Labs 就是 AI 版的他/她！

Volley Labs 創立于硅谷，其產品 “Volley” 是一款針對企業的知識引擎。團隊利用機器學習和深度神經網絡，將文本自動匯總為微課程、簡報和測試等移動端學習資料。使用者用手機拍下傳統學習資料（比如教科書的一頁）， Volley 就可以自動識別出關鍵詞，檢測出相關概念，然后從互聯網上獲取相關信息，最后生成圍繞該知識的學習資料。

Gradescope 使用 AI 技術幫助教師打分，為教師節省時間。其實，團隊最初開發的應用程序是為了遏制作弊，把打完分數的試卷制作成數字檔案，這樣學生就無法修改原先的答案、再找老師說是分數打錯了。

在這個過程中團隊積累了大量的課程問題和答案樣板，完成了原始數據的積累。這種積累也使其之后引入 AI 成為可能 。Gradescope 通過應用界面實現了輔助助教評分的功能，將打分數的工作時間縮減至一半，在加入AI技術后，打分數的時間更是減少了 90%。AI 主要對問題與答案進行識別、歸類，并進行批量處理，讓打分自動化。

這里面包含：識別問題類型；區別書寫符號；識別手寫內容；識別繪圖。其中識別手寫內容需要使用在 Tesla K40 和 GeForce GTX 980 Ti GPU 上訓練過的循環神經網絡，輸入圖片后產生文字。伴隨著產品的應用，數據會不斷增加，結果也會不斷得到修正，使算法越來越精確。公司的運行模式是免費+增值：給簡單的試題打分是免費的，使用AI技術將收取一定費用。

學外語不是件容易事，相信不少人都曾為學外語頭疼過。沒關系，AI 這不是來幫你忙了嘛！

Duolingo 是一個在線語言學習平臺，有APP版和網頁版。它通過游戲化和多選題試錯的方式，讓用戶快速掌握一門外語。

怎么快速掌握呢？比如你想從零學習英語，它會先用中文問你問題，再用英語搭配圖片讓你選出正確答案。之后 Duolingo 會根據你的答案正確與否，推送不同難度的下一題，也就說每個人的學習過程都是個性化的。

它通過AI機器學習技術轉型為自適應模式后，用戶量獲得了大幅度增長，迅速超越了同類競爭對手。2016年，Duolingo 又加入了聊天機器人，引導用戶進入特定主題進行談話，如果用戶遇到談話的瓶頸，聊天機器人會幫助你脫困。隨著對話時間變長，外語詞匯的難度也會增加，語言也就一點一點學深了。

另外值得一提的是，Duolingo 早期的商業模式很有意思，項目為了對公眾免費，采用了眾包盈利的模式。用戶一邊學習一邊通過練習進行翻譯，最后成功實現了學生免費學習，網站付費得到翻譯的雙贏局面。

AI+教育：潛力巨大的年輕 “慢行業”

美國的 AI+教育全景，到底是怎樣的呢？小探在梳理了大量數據后，認為 AI+教育在美國，是一個潛力巨大、比較年輕、需要時間證明的 “慢行業”。

首先我們要意識到，由于多種原因，美國的教育和中國的教育側重點會有不同。

相較于國內最火爆的英語輔導與K12輔導，高等教育在美國一直是重頭戲。美國高中生申請大學不需要高考，而是以推薦信、個人陳述等文書，加上SAT之類的入學考試和中學學習成績共同作為申請材料的。因此對基于分數的課外輔導的剛需，相比國內要小很多。

而美國高等教育是當今世界最具競爭力的產業之一，在為世界各地輸送大量人才的同時，也是各種前沿科技研究的先驅。美國 TOP30 AI+ 教育公司中，大部分從事“高等教育”和“K12輔導”，兩者合起來占總數的一半（其次是占比 20% 的素質教育）。所以在美國，高等教育得以與 K12 平分秋色。

另外，和國內的全民學外語不同，美國人對學外語熱情不高，所以語言輔導類占比并不高。

而之所以說 AI+教育潛力巨大，是因為從其背后技術角度看，不論是語音識別、還是表情識別，都是已經獲得較多關注、較多資源的、迅速發展的領域。在這種情況下，技術的不斷突破勢必會給這些公司帶來強勁增長。

也正因為這些技術本身都很尖端，很年輕，這些美國 TOP30 AI+教育的公司大多也很年輕，比他們輔導的小朋友們還要小一些：大多成立于 2012-2014 年。2012年誕生的教育公司最多，有7家，其次是2012年和2014年，皆為4家。但和一些一飛沖天式的風口領域不同，美國的教育產業發展趨勢和成長速度很平緩，是個慢行業 當然，也不太可能像有些風口一樣迅速偃旗息鼓。

此外，以融資輪次劃分，可以看到目前不少美國TOP30 AI+教育公司主要以A輪和B輪為主，共計12家，占總體的40%。融資額度最高為1.8億美元，平均值約為4000萬。

具體來看，美國AI+教育公司總融資額前 30 分別如下：

目前，AI+教育的大方向越來越偏向于如何更精準地了解用戶、分析用戶，幫助用戶（無論用戶是學習者，教師還是教育機構）。那么技術方面具體如何實現這一點？而相應技術細分美國又有哪些最新案例，它們的商業模式是什么，優勢和挑戰又在哪里？因為篇幅有限，小探將在下篇文章2018美國AI+教育新趨勢中為你細細道來。