作为曾经的自适应采坑专员，又自以为在国内"知名"教育（科技）公司中浸染，聊几个点：

谈到自适应学习，不得不提Knewton这家公司，早年间融了很多钱，在美国融资圈明星属性抢眼。但近几年的发展，似乎并不如预期。

国内也有“知名”的某某自适应学习公司，开始取了个都不知道咋念的名字，后来改成了卖坚果的名字，创始人都跑到人民大会堂讲PPT了，又上什么非你莫属的（你应该知道我说的是谁），圈了不少钱，公关做的反正比产品是好多了。

教育领域市值“世界第一”的好未来，也投入了很多在AI LAB，但实际，好未来目前在AI的应用层更多的还是在语音及图像识别上做文章，例如“魔镜”和“神耳”，真正去触及到自适应领域的应该还不多。再者，其它教育做的轮次比较靠后的公司，猿辅导，作业盒子，一起作业也都在这个领域有所提及。

之所以举上面一些例子，是因为在解答自适应问题的时候，我们要认清一个阶段性问题：那就是我们所处的在线教育环境，究竟处于什么阶段。

好未来的张邦鑫老师在内部信里曾经谈过这个问题，我也比较认同，具体怎么描述的记不清了，但是大致意思是这样：

阶段一：蛮荒阶段，大家拼刺刀，拼销售，拼谁的老师好。这个阶段最大既得利益者是新东方，那时候新东方名师一个暑假班结束可以换辆跑车的，也确实涌现和培养了很多人才。

阶段二：标准化阶段，拼的是教研能力，标准化的课程。好未来是这个阶段的佼佼者，我们发现，一个K12机构，有几个明星老师，大家赚点钱不是问题，但是想把公司做的很大，标准化的教研，输出模式，组织文化都很重要。

阶段三：数据驱动阶段，即学习方式和用户的学习数据，高度线上化和信息化。从互联网普及，到移动互联网普及的这个阶段，虽然教育方式变化也很快，但似乎并不如其他行业那么翻天覆地。张邦鑫老师也称（两年前）好未来正处于迈向这个阶段的过程中。

阶段四：智能阶段，即我们常常提到的自适应学习等，机器和AI代替了老师的很多工作。

两年过去了，我觉得中国教育的大环境，乃至世界，也还并未达到相对成熟的阶段三（数据驱动阶段），这是有原因的：

1. 核心原因是场景。教育大部分场景在公立教育，直至现在线下教学的传统模式仍是主流。简而言之，这个行业底层的”信息化“问题并没有其他行业解决的那么好。这个过程的推动需要时间，需要国家慢慢的投入，教学方法的不断升级。例如现在尝试的双师等，都是很好的模式。

2. 教育底层的信息化问题不像某些行业那么容易去制定标准。正如楼上所说，一个学生到底为什么学的好，或者学不好，不是由单一变量决定的。而且教育，对“噪音”的容忍度很低，推荐给你的娱乐新闻你不喜欢可以不看或迅速关掉，可如果推荐给你的题目很多都不是有意义的练习，会让学习者更浪费时间。

现在也有很多公司做知识图谱，是很底层也很累的一件事。我们也知道，一道题会不会做，并不是由单一的一个或几个知识点就能决定的，也绝对不是一个简单的权重分布问题。所以，即使AI发展还不错的今天，教育很多问题没解决，其实是底层的数据标签并没有标准化。而这件事情要标准化，每一个学科，不同年龄段的教育都有挺多的差别，需要很多行业专家（优秀的老师）共同去制定baseline，且需要较大的样本进行测试和校验。行业中有产品或框架化思维的好老师又太少太稀缺了，而且很多优秀老师比较固执与自己的一套方法论，并不适合做产品。

而且，学习的行为难以用知识体系去绝对度量，还要涉及脑科学，心理学方面的探索和研究。

所以，阶段三并未成熟，美好的阶段四其实还有一段距离。

那么，是不是说教育里所有的”自适应“都是忽悠或是没用？

当然不是，刚才讲的是宏观情况。微观上，某些科目和品类，通过比较多教研人员在学习内容，题库上的精雕细琢，是能形成比较好的自适应学习效果的，就好比你在局部的某些科目上率先实现了阶段三，就能提早开始阶段四。例如，通过题目与知识点的关联，让学生优先去练习薄弱知识点的习题，从而事半功倍，从逻辑和实现层面，都是行的通的。当年高考的畅销书”五年高考，三年模拟“的本质不就是这样的知识点分拆查漏补缺思路吗？

又例如，现在的英语学习，听说读写可以比较容易判别出能力模型，从而能够自适应的推送较为匹配的学习内容。如英语流利说等。