AIGC教育行业全景报告：AI助教和家教成真，学习机迎来新机遇
文章转自 量子位
经过一年的快速迭代，业内对于生成式AI将会率先落地于哪些行业已经有了答案。
教育领域，不仅被OpenAI列为重点应用之一，也成为国内大模型厂商布局的重点方向。
生成式AI技术发展的背后，反映出人类与大模型交互的不断精进。大模型在训练过程中不断学习人类的思考方式，人类在与大模型的对话中也收获了灵感和新知。
这一过程，正是「教学相长」，也是教育追求的理想状态。正是因为生成式AI与教育的高度适配，使得教育成为生成式AI落地的绝佳领域。
在确定了落地方向后，更重要的技术与教育怎样结合以达到赋能后者的作用。
过去一年里，AIGC赋能教育有了哪些成果？AIGC对教育的颠覆究竟如何？未来，教育又会因生成式AI的发展而出现哪些新趋势？
在《AIGC教育行业全景报告》中，量子位智库给出了产业内外交流后的系统性梳理。
核心观点包括：
教育大模型成为产业基座，「AI原生」思想渗入产业各环节
AI智能体助力「个性化学习」普惠，每个学生都有自己专属的AI家教
AI智能体化身教师助手，帮助教师完成能力进阶
跨学科理解构筑教育大模型高阶能力，将成为模型层玩家核心竞争力
教育大模型向多模态演进，落地产品趋于丰富
未来3-5年AI PC是主流硬件产品，GenAI+XR将赋能创新教育
AI智能体「具象化」发展，具身智能+脑机接口实现人机共融
……
具体细节，我们逐一来看。
教育科技领域全面拥抱生成式AI
生成式AI将我们带入AI2.0时代，通过海量数据的学习，AI开始出现涌现能力，所生成的答案以一种更符合人类沟通的方式呈现，并且能够一定程度上激发人的思辨意识。
教育科技领域，最直观的变化在于产品「AGI」化。从学习机到APP、到智慧教学，教育科技领域都一定程度上接入GPT类产品。
2023年5-6月期间，搭载讯飞星火认知大模型的AI学习机，GMV分别同比增长136%和217%，AI学习机也成为去年双十一期间，京东和天猫双平台销售额冠军。
教育大模型成为产业基座，「AI原生」思想渗入产业各环节
面向K-12群体的AI学习机全面推向市场
学习机属于国内市场特有的教育科技产品。学习机在大模型的加持下，通过为用户提供增量价值，销量实现反弹。
从产品角度看，国内做AIGC教育，大企业多数选择在学习机搭载大模型，通过为用户提供增量价值来提高产品销量。
学习机赛道目前竞争激烈，生成式AI的出现，有望为学习机构建新的竞争壁垒。
从用户角度看，学习机受众为K-12人群。此类人群的付费意愿来自家长。
在小学阶段，家长重视孩子的兴趣养成；而在中学阶段，家长看重产品是否能够提高孩子学习成绩。
语言类学习APP产品体验升级，市场反馈优于预期
语言类学习APP在海外市场表现突出，头部产品已接入GPT4。国内语言类APP也同样接入了大模型，且加入生成式AI技术的交互问答相较前代产品有了本质提升。
从产品角度看，从软件切入AIGC教育赛道的企业，通过接入通用大模型，加以自身积累的教育数据进行微调训练，以APP类产品为主。
此类产品因其对话体验升级，目前是大模型应用于教育的产品中市场反馈最积极的品类。
从受众需求的角度看，目前主要以大学生和上班族为主。这类人群中，大学生还会有提高成绩的需求，而上班族并没有成绩提升的需求，学习语言更多是出于工作需求或兴趣。对于这两类人群来讲，用户留存率是关键。基于此，在产品设计上会更注重用户体验以及营销策略。
生成式AI成为教育变革新动力
教育与技术的结合由来已久。随着上世纪90年代互联网的兴起，开启了在线教育时代。进入21世纪，通过智能系统的引入，自适应学习成为海外教育的热点。2010年以后，随着人工智能技术的发展，知识图谱等技术又被用在教育领域。
每一个阶段，教育都会于当下的技术相结合，解决教育中面临的问题。
在生成式AI时代，技术与教育融合，对教育的两个核心角色教师与学生产生了颠覆式的效果。AI以一种新的形式——Agent，融入到教师和学生的日常中，在提供教、学帮助的基础上，改变二者的学习和工作状态。
AI与教育的结合，也让科技类企业在教育市场中的比重越来越大，生成式AI能力成为新的竞争点。
AI智能体助力「个性化学习」普惠，每个学生都有自己专属的AI家教
AI智能体为学生提供个性化教学：主要体现在课后阶段，能够有效实现一对一学习辅导。
生成式AI时代，对于教育者来说最大的机会是自适应教育的普惠。
在生成式AI之前，教育领域采用个性化学习是一件成本极高的事情，对于学校和家庭都提出了很高的要求，需要先进的硬件设备、更多的师资力量以及教学场地。
在生成式AI出现后，AI智能体发展触手可及，AI智能体可以作为每个学生的私人助教，随时随地陪伴学生学习。
AI智能体化身教师助手，帮助教师完成能力进阶
在工具使用上，AI智能体降低了教师的学习成本，为其提供几乎零门槛的使用方式。在工作环节，AI智能体帮助老师更高效地生成课件、提供教学设计思路等。
AI智能体一定程度上释放教师生产力，教师的更多精力能够用于提升学生素养上，教师的职责从授业解惑逐渐向育人转变，焦点从关注学生成绩扩大到关注学生的心理状态。
变革与挑战共存
教育类大模型在落地过程中主要面临三类挑战：
1）数据质量；2）幻觉问题；3）价值观对齐。
挑战一：高质量数据缺乏导致模型泛化性不足
低质量文本数据，包括过多的重复内容、低质量文章等，不仅影响模型训练效果，还造成一定算力浪费。
教育数据，特别是教学行为数据获取受限、高质量教育标注数据缺乏导致可训练教育人工智能模型有限。因此，数据质量成为教育大模型发展的关键。
挑战二：教育大模型的规模化应用需要解决幻觉问题
教育领域的大模型，最关键的是确保模型回答的准确性以及价值导向。
准确性体现在数理问题上，目前教育大模型在数学问题上的准确性偏低，尚无法达到可大规模应用的水平。在一些高阶数学问题的回答上，准确率普遍在50%以下。
在教育领域，可以通过基于搜索增强生成(RAG)的问答推理和基于提示词工程的问答推理来解决幻觉问题。
挑战三：价值观对齐是教育大模型落地的必经之路
对于价值导向，主要是指在大模型的回答上，是否出现偏激、不符合事实的言辞，甚至出现一些错误引导。
在价值对齐上，常用的方式是RLHF（人类反馈强化学习），将在一般文本数据语料库上训练的语言模型能和复杂的人类价值观对齐。
此外，由于目标人群为学生，在教育大模型的审核上会更加严格。针对AI生成的内容还会采用人工审核的方式，进一步过滤低质量内容，确保生成内容不存在错误引导。
行业变革带来新趋势
跨学科理解构筑教育大模型高阶能力，将成为模型层玩家核心竞争力
国内市场中，自建大模型已经成为行业玩家的必备能力。
在教育领域，入局AIGC的企业都选择自建大模型，区别在于模型的能力范畴。部分企业选择提供全科辅导，有些企业选择先进行单科突破。目前企业自建教育大模型已具备跨学科知识整合能力。未来，跨学科理解将成为自建大模型高阶能力的体现。
跨学科大模型是连通知识与解决实际问题之间的一座技术桥梁。
跨学科大模型在需要掌握丰富知识体系的学生群体中具备更高的价值，如中学生、大学生。对于中学生来说，需要学习的科目繁多。学生一贯的学习方式是大量刷题、反复记忆，但在知识点之间并没有形成「连接-迁移-贯通」。因此，存在考完即忘，无法与实际应用结合。这也是教育领域一直想要解决的问题。
跨学科大模型解决的便是帮助学生将知识点真正融会贯通，并且能够运用知识解决现实问题。
教育大模型向多模态演进，落地产品趋于丰富
多模态大模型将不同模态的信息进行整合，能够促进更加准确、全面的理解和推理。
在教育领域，通过分析学生写作、绘画、语言表达等数据，智能体可以更好地理解学生的学习状态和需求，并提供个性化指导建议。通过分析教师的教学数据、课堂情况，能够帮助教师实时管理学生、高效完成教学工作。
多模态大模型的发展将伴随硬件的不断升级，AI智能体的产品形态也会随之迭代。随着数据维度的增加，AI智能体将逐步成为用户的「专属」伙伴。
未来3-5年AI PC是主流硬件产品，GenAI+XR将赋能创新教育
AI智能体「具象化」发展，具身智能+脑机接口实现人机共融
AI智能体将向具象化发展，从Internet AI走向Embodied AI。
当前，AI智能体已然成为大模型应用的主流形态，通过「人机协同」的方式完成任务，其中AI智能体承担大部分工作。
AI智能体现在以软件的形式存在于各类智能设备当中，部分产品已经拥有数字人形象，提高互动的真实感。
未来，A智能体将进一步演化，从虚拟世界走向真实世界，拥有实体形象。「软硬结合」的具身智能将进一步扩大智能体的能力范围，此阶段AI智能体在机器人的形态下，赋能教育实践场景且具有更强的陪伴属性。
而到了脑机时代，AI智能体与人类的交互将更加深入，AI智能体对人类的意图理解及状态分析都将更准确，并且能够对有学习障碍的人群进行干预，人机共融将达到新的高度。
关注公众号【机器学习与AI生成创作】，更多精彩等你来读
不是一杯奶茶喝不起，而是我T M直接用来跟进 AIGC+CV视觉 前沿技术，它不香？！
卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完
深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读
深入浅出ControlNet，一种可控生成的AIGC绘画生成算法！
经典GAN不得不读：StyleGAN
戳我，查看GAN的系列专辑~！
最新最全100篇汇总！生成扩散模型Diffusion Models
ECCV2022 | 生成对抗网络GAN部分论文汇总
CVPR 2022 | 25+方向、最新50篇GAN论文
ICCV 2021 | 35个主题GAN论文汇总
超110篇！CVPR 2021最全GAN论文梳理
超100篇！CVPR 2020最全GAN论文梳理
拆解组新的GAN：解耦表征MixNMatch
StarGAN第2版：多域多样性图像生成
附下载 | 《可解释的机器学习》中文版
附下载 |《TensorFlow 2.0 深度学习算法实战》
附下载 |《计算机视觉中的数学方法》分享
《基于深度学习的表面缺陷检测方法综述》
《零样本图像分类综述: 十年进展》
《基于深度神经网络的少样本学习综述》
《礼记·学记》有云：独学而无友，则孤陋而寡闻
点击跟进 AIGC+CV视觉 前沿技术，真香！，加入 AI生成创作与计算机视觉 知识星球！