機器之心報道

編輯：+0

自動駕駛有 L1-L5 的分級路徑，現(xiàn)在教育 AI 也有了自己的版本。

如今，「AI 下半場」已成共識，應(yīng)用落地正成為決定未來的關(guān)鍵。教育，作為關(guān)乎人類發(fā)展的根本基石，已然成為 AI 技術(shù)融合與創(chuàng)新的前沿陣地。

很多人可能都有過這樣的經(jīng)歷：課堂上，一個問題在嘴邊盤旋，卻因為害怕問得「太蠢」而最終選擇沉默；或者，前面的內(nèi)容還沒聽懂，老師已經(jīng)跳到下一個知識點了。

這正是教育領(lǐng)域長期存在的無奈：大班授課下，個體的思考路徑常常被淹沒在統(tǒng)一的教學(xué)節(jié)奏中。教師想兼顧每一位學(xué)生的困惑，但心有余而力不足。

瑞士心理學(xué)家 Jean Piaget 提出的建構(gòu)主義早已指出：知識不是灌輸?shù)慕Y(jié)果，而是互動與探索的過程。真正高效的學(xué)習(xí)，往往發(fā)生在「我試著去想，老師即時回應(yīng)，再讓我走下一步」的動態(tài)循環(huán)里。

然而，長期以來，這種高頻互動和個性化引導(dǎo)幾乎只是少數(shù)學(xué)生才能享有的「奢侈品」。

人工智能的加入正在改變這一切。AI 學(xué)伴不僅能提供全天候的回應(yīng)，還能創(chuàng)造一個無須擔(dān)心被評判的空間，讓學(xué)生大膽試錯、主動追問。更重要的是，它能把啟發(fā)式的交互和個性化的反饋規(guī)模化，讓「因材施教」真正成為可能。

可以看到，全球科技巨頭已將目光聚焦于此。從 OpenAI 到 Google，其 AI 應(yīng)用界面均已部署學(xué)習(xí)板塊。

ChatGPT 學(xué)習(xí)板塊。

Gemini 學(xué)習(xí)板塊。

近日，Google 的 LearnLM 團(tuán)隊發(fā)布的「Learn Your Way」AI 教科書研究，正是通過 AI 實現(xiàn)內(nèi)容個性化重構(gòu)，印證了這場變革的迫在眉睫。

在這樣的時代背景下，教育 AI 的進(jìn)化路徑需要一個清晰的標(biāo)準(zhǔn)。

正如自動駕駛有 L1-L5 的等級劃分，好未來 CTO 田密在云棲大會上提出的「AI 教師 L1-L5 分級」理論，讓我們看到教育行業(yè)可能的進(jìn)化藍(lán)圖。

不止于助手：邁向 L3 的 AI 教師

田密給出了明確的行業(yè)坐標(biāo)定位：「今天 AI 老師的話，現(xiàn)在我理解到了 L2 的水平，像我們 L2 的這種一些批改助手已經(jīng)做得非常成熟了，然后 L3 的話也正在演進(jìn)過程中�！�

L1 是最初級的輔助，L2 則是「能干活的助手」——比如幫老師批改、幫學(xué)生找題、播放講解視頻。在這個階段，AI 更多是一個獨立模塊，能完成任務(wù)，但談不上真正的教學(xué)。

「L2 更多是一個助手，像一個模塊化的幫手。」田密在云棲大會的演講中說，「而 L3 要做的，是把能力組合成一個閉環(huán)，真正扮演老師的角色。」

這意味著什么？想象一下一個孩子在做幾何題：

• 在 L2 階段，AI 的做法很簡單：識別錯題，然后調(diào)出一個匹配的視頻播放。學(xué)生被動跟著視頻走，過程與自己思路關(guān)聯(lián)不大。
• 而在 L3 階段，AI 會實時觀察學(xué)生的解題步驟。比如，提示「先畫一條輔助線」，如果孩子畫對了，它就繼續(xù)引導(dǎo)下一步；畫錯了，則立刻給出針對性的提示。整個過程像真人老師在身邊「陪跑」，不是單向灌輸，而是來回互動。

當(dāng)然，教學(xué)過程中學(xué)生難免會遇到卡殼或持續(xù)犯錯的情況。對此，好未來旗下學(xué)而思學(xué)習(xí)機的「小思 AI 一對一」也設(shè)計了相應(yīng)的引導(dǎo)策略。產(chǎn)品負(fù)責(zé)人介紹，如果孩子持續(xù)犯錯，初期 AI 會嘗試改變提問的方式，盡量引導(dǎo)孩子回答。但如果次數(shù)過多，AI 會再次調(diào)整策略，確保教學(xué)流程能夠順利走完，避免讓孩子在某個環(huán)節(jié)上徹底卡住。

更重要的是，在「小思」的理念中，學(xué)生的「錯誤」數(shù)據(jù)并非負(fù)面信息，而是極具價值的學(xué)習(xí)過程性證據(jù)。這些數(shù)據(jù)信號可以被用作動態(tài)反饋，為 AI 實時調(diào)整教學(xué)策略提供依據(jù)；同時也能被提煉和沉淀，作為后續(xù)進(jìn)行認(rèn)知診斷、實現(xiàn)精準(zhǔn)干預(yù)的基礎(chǔ)。

在云棲大會的演示中，田密展示了學(xué)而思學(xué)習(xí)機的「小思 AI 一對一」輔導(dǎo)孩子的場景：孩子寫下草稿步驟，AI 逐步檢查、給出反饋，直到完整推理出答案。

為什么 L3 需要硬件

如果說 L2 階段的 AI 輔導(dǎo)工具還能只靠一塊屏幕和云端算力就能完成，那么 L3 階段的「老師角色」，則必須要落在專門的硬件上。

在云棲大會上，田密提到：「純軟件很難扮演 AI Tutor。」原因很簡單：L3 不只是信息檢索，而是實時互動。

它需要「看」學(xué)生在紙上寫了什么、「聽」學(xué)生的思路表達(dá)，并在實時的反饋中做出合適的引導(dǎo)。沒有足夠的算力支撐、沒有多模態(tài)的傳感器輸入，AI 就不可能完成這種復(fù)雜的交互閉環(huán)。

這也是為什么「小思 AI 一對一」的完整體驗必須依托于一臺專門的學(xué)習(xí)機。硬件不僅僅是一個載體，更是賦予 AI「眼睛」和「耳朵」的感官系統(tǒng)：

• 算力，保證實時生成講解不卡頓；
• 傳感器，讓機器能精準(zhǔn)識別學(xué)生的手寫、繪圖和語音；
• 交互設(shè)計，確保孩子的每一個動作都能得到即時回應(yīng)。

有了這些基礎(chǔ)，AI 老師才能真正具備陪伴孩子思考的能力。更重要的是，硬件帶來的多模態(tài)采集，也讓 AI 教學(xué)形成了一個「數(shù)據(jù)飛輪」：

• 當(dāng)孩子寫下答案，AI 先批改
• 根據(jù)錯誤類型，AI 即時生成并講題
• 在此基礎(chǔ)上，再更適合的練習(xí)或拓展問題。

「批改——講題——推薦」的閉環(huán)，使「小思」越用越懂孩子，也讓 L3 不再只是孤立的功能突破，而是一個可持續(xù)演進(jìn)的學(xué)習(xí)系統(tǒng)。

為了確保這個過程是高效的，不會因為等待 AI 反饋而打斷孩子的學(xué)習(xí)心流，產(chǎn)品團(tuán)隊在工程能力和交互設(shè)計上下了很大功夫。

據(jù)產(chǎn)品負(fù)責(zé)人透露：「目前這個飛輪是用一些工程能力分步實現(xiàn)的，平均每一步的響應(yīng)時長都控制在 3-5s 左右，過程中我們也做了一些交互設(shè)計，從體感上進(jìn)一步縮短孩子的等待時間，讓孩子不會因為等待而產(chǎn)生焦慮或者急躁的情緒。」

上手實測

我們也拿到了這款學(xué)習(xí)機，接下來直接上手實測。

專業(yè)的課程和學(xué)練內(nèi)容就不展開說了，這是學(xué)而思的老本行。這次我們重點體驗的是學(xué)習(xí)機里的「AI 老師」，看看它在互動性、個性化引導(dǎo)，以及批判性思維培養(yǎng)上的表現(xiàn)。

我們主要做了三類測試：

• 創(chuàng)意寫作

我們讓「AI 老師」指導(dǎo)一篇創(chuàng)意寫作。它沒有直接「喂」范文或標(biāo)準(zhǔn)答案，而是像一位真正的老師那樣，循循善誘地打開孩子的思路。

比如，它會提出好幾種不同的切入點，或者用提問的方式，引導(dǎo)孩子自己發(fā)掘和組織素材，整個過程重在啟發(fā)，而不是灌輸。

• 理科解答

這個體驗很流暢。孩子用手指一下試卷上的物理題，「小思」的攝像頭就立刻精準(zhǔn)識別。接下來，真人老師的語音 + 動畫講解會自動彈出，不僅講透了這道題，還歸納了背后的知識點和解題方法。

最方便的是，看完想接著學(xué)，可以直接切換到下一題的講解，學(xué)習(xí)節(jié)奏完全由孩子自己掌控。

• 滿足好奇心

每個孩子都是行走的「為什么」。我們模擬了日常和孩子一問一答的場景，把各種稀奇古怪的問題拋給「小思」。

它的回答不僅準(zhǔn)確、通俗易懂，還會時不時地給孩子一些鼓勵，這種積極的情感反饋，讓孩子在獲取知識的同時，也收獲了滿滿的自信。

除了強大的主輔導(dǎo)能力，學(xué)習(xí)機在一些「支線」上也很有意思，精準(zhǔn)解決了學(xué)生時代常見的「老大難」。

還記得中學(xué)的生物實驗課嗎？不是看「上古畫質(zhì)」的錄像，就是幾十個腦袋圍著一套設(shè)備干瞪眼。學(xué)習(xí)機里做了一個「生物學(xué)實驗課」板塊，把課本知識點變成可反復(fù)操作的互動模型，終于不用再靠「云實驗」湊合了。

物理、化學(xué)里的公式和反應(yīng)，過去大多只能死記硬背�，F(xiàn)在，在「小思工作坊」里，它們被設(shè)計成可探索的互動小游戲，讓學(xué)生自己「玩」出背后的原理，把抽象的概念具體化，理解起來自然輕松不少。

學(xué)習(xí)機自帶的「分級閱讀」，就像隨身的圖書管理員。它會根據(jù)孩子的水平推薦合適書目，還提供不少原版英文讀物，解決了「想看書卻找不到合適書」的困擾。

最后是「啞巴英語」問題。很多孩子背了單詞卻不敢開口，學(xué)習(xí)機里的「AI 口語分級練」功能相當(dāng)于一個不會嘲笑、永遠(yuǎn)耐心的私教，精準(zhǔn)擊中了「想說卻不敢說」的痛點。

為了讓 AI 老師的形象更豐滿、更有趣，產(chǎn)品團(tuán)隊也做了不少嘗試。據(jù)產(chǎn)品負(fù)責(zé)人介紹，近期上線的「復(fù)活數(shù)學(xué)家」活動，就「復(fù)活」了高斯、祖沖之等 6 位中外數(shù)學(xué)家給孩子講數(shù)學(xué)。

此外，系統(tǒng)還提供了多種 AI 老師的音色讓用戶選擇，孩子可以自由選擇喜歡的學(xué)而思優(yōu)質(zhì)老師或者不同風(fēng)格的 AI 老師來講題，讓學(xué)習(xí)過程不再千篇一律。

好 AI + 好內(nèi)容

當(dāng)然，硬件只是讓 L3 成為可能的「身體」，真正讓它變得可靠和專業(yè)的，是背后的「大腦」和「知識庫」。

首先是好 AI。支撐「小思 AI 一對一」的，是好未來自研的「九章」大模型。這不是一個通用聊天模型的簡單移植，而是針對 K12 教育場景深度優(yōu)化的引擎。

在數(shù)學(xué)科目上，它的解題正確率達(dá)到98.1%——這意味著，它不僅能算對題，更能保證講解過程的嚴(yán)謹(jǐn)和可信。

但「聰明」只是第一步，真正決定 AI 教師專業(yè)性的，是好內(nèi)容。這一點，好未來有著天然優(yōu)勢：二十多年積累下來的教材、教研和題庫資源，為 AI 老師提供了最扎實的「教案」和「經(jīng)驗」。

如果說大模型是老師的大腦，那內(nèi)容沉淀就是老師的課堂筆記和教學(xué)方法論。二者結(jié)合，才能確�！感∷肌辜扔兴懔Φ乃俣龋灿薪逃臏囟�。

也正因為同時具備「好 AI + 好內(nèi)容」，小思 AI 老師才能跳出「工具」的角色邊界，真正走向「可信賴的學(xué)伴」。

田密透露，好未來正致力于將其貫穿于到店學(xué)習(xí)（線下培訓(xùn)機構(gòu)）、在家學(xué)習(xí)和進(jìn)校學(xué)習(xí)三大核心場景。未來的目標(biāo)，是將這三個場景下的學(xué)習(xí)數(shù)據(jù)做匯總和打通，讓孩子無論身在何處，都能在一個統(tǒng)一的學(xué)情畫像下獲得連貫、精準(zhǔn)的個性化教育。

從「可用」到「可信」

回望這一路的演進(jìn)，不難發(fā)現(xiàn)：AI 在教育中的真正價值，并不只是「能不能解題」，而是「能不能成為一個值得信賴的學(xué)習(xí)伙伴」。

在 L2 階段，AI 或許能迅速找到一段講解視頻，幫學(xué)生把題目做對。但那更像是一種「可用」的功能，它解決了效率問題，卻難以觸及學(xué)習(xí)的本質(zhì)。

L3 的「小思 AI 一對一」帶來的不同在于：它把孩子置于一個安全的空間里，允許他們不斷試錯、反復(fù)追問，不用擔(dān)心被笑話、不用害怕出丑。它不是把答案直接端上桌，而是用啟發(fā)式的互動，點燃孩子的思考欲望。

當(dāng)孩子敢于問出「是不是可以畫條輔助線？」、「我是不是想復(fù)雜了？」這樣的問題時，AI 老師就已經(jīng)從「工具」變成了「可信」的陪伴者。從可用到可信，這一步跨越，正是教育 AI 的真正拐點。

L3 正在路上，L4、L5 會是什么樣子？一個更普惠、更個性化的教育未來，已然清晰可見。

視頻鏈接：https://mp.weixin.qq.com/s/Jhg7k_G6RygM1nSt-8sSUw