教育在先，AI在后。

来源|多知

整理|王上

摄|王上

近日，猿辅导集团旗下海豚AI学AI产品负责人廖芸在多知第46期OpenTalk线下沙龙活动上梳理了海豚AI学产品逻辑和功能，并分享了对于产品背后的思考。

去年11月，猿辅导集团旗下新一代智能学习产品海豚AI学完成品牌升级，这是猿辅导集团自研大模型的首款落地应用。其中，苏格拉底式AI答疑功能引发关注。

根据廖芸介绍，海豚AI学构建了“从单向输入的被动学变为双向输出的主动学”的学习流程。她说：“我们认为「学习模式=学习内容*学习方法*学习动机」。只有在内容、方法和动机上都往主动上走，才是真正的主动学。”

学习内容上，海豚AI学会提供个性化的、双向互动的学习内容。

学习方法上，海豚AI学提供的是一整套个性化、探索式的学习方法。

学习动机上，廖芸认为，过去线下被动式模式下的学习动机，它更像是一个“要我学”的模式。而“主动学”模式中，海豚AI学会在每个细节上都去关注学习的内在和外在动机。

此外，海豚AI学根据对在内容方法动机上的主动学的研究，分别拓展了相关的AI功能，进一步帮助孩子主动学。

比如，“启发式答疑”是海豚AI学一直坚持的事情，它依然是构建在“主动学”的逻辑之上。

廖芸解释：“启发式答疑与原来直接解析最大的差异是：我们判断通过启发式答疑的这种方式，能够让孩子更加的投入，更加愿意主动去思考。同时最后获得的这个答案，也确实是自己参与的，而不是任意一个角色告诉他的。我们相信通过启发式答疑能够更好地帮助孩子理解知识、掌握知识，同时还能够保护孩子的好奇心、激发孩子的思考能力，帮助孩子养成长期‘主动学’的学习模式。”

以下为廖芸分享全文（多知编辑整理）：

01

学习模式=学习内容*学习方法*学习动机

首先想跟大家介绍一下我们海豚AI学，我们是猿辅导集团旗下的一款全新的智能学习产品，由国内AI技术团队、教研团队和动画电影团队共同打造。

海豚AI学开创性地以高质量可交互的动画视频为知识载体，独创一套“从单向输入的被动学变为双向输出的主动学”的学习流程。通过AI大模型，真正实现一人一套自主学习方案，帮助孩子精准提升，真正实现因材施教。目前提供1至9年级数学、物理、英语的个性化学习内容和规划。

自2021年底上线以来，海豚AI学获得了行业、媒体及广大家长学生的口碑认可，海外版本Leapmath在美国、英国、德国等70余个国家和地区上线。在面向世界和未来的教育模式探索中，海豚AI学正以更科学的理念和更前沿的技术手段，开创AI时代的交互式学习新范式。

我们一直在强调的一个概念是“主动学”。什么是主动学？首先想跟大家分享一个海豚AI学非常底层的一个大判断：知识不是被动教出来的，而是孩子主动学出来的。

我们经常会说学习好像天然是反人性的事儿，但其实这是有待被查证的，当我们还是一个非常小的小朋友的时候，我们会发现，每当我们获取了新的知识或者新的技能，我们总是开心的。

那为什么随着时间的推移，越来越多的孩子反而开始抗拒学习这件事儿？

海豚AI学的一个判断是因为孩子的学习模式发生了变化。我们认为「学习模式=学习内容*学习方法*学习动机」。只有在内容、方法和动机上都往主动上走，才是一个真正的主动学。

02

什么是内容、方法、动机上的主动学？

我们可以先看一下在内容方法动机上的主动学究竟是什么含义。

学习内容

平常在线下的学习内容通常是一个统一的、单向的学习内容。举一个非常常见的例子，比如说在学校里，一个老师面向班上的几十位孩子，拿着同一份课件去讲课。老师提供的是统一的、单向的学习内容。

而我们海豚AI学提供的是一个个性化的、双向互动的学习内容。这个在接下来AI应用中我们会详细展开。

学习方法

传统的学习方法通常是固定的、线性的学习方法，本质上是构造一个“以老师为中心”的一套学习方案。

即使是在人机交互的场景，我们也会发现大多数的产品它都是由独立的学-练-测-评，一步一步来完成的。

我们海豚AI学希望提供给孩子的是一整套个性化、探索式的学习方法。我们不会有非常独立的某一个环节，单纯为了解决学或练或评，相反我们提供的是一整套个性化、探索式的学习方法。我们会通过非常优质的内容和产品功能，帮助孩子边学边练、边练边测，创造一种新的“以学生为中心”的学习方案。

学习动机

在大多数线下教育方案里通常是不关注学习动机的，甚至有的时候的一些操作，对学习动机来说是有损的。很多人可能会说不是这样，比如说打游戏，打游戏就是很好玩，永远不会烦。那么，我们设想一下假设现在要求你打DOTA，每天至少要打10个小时，且胜率必须要维持在80%以上。可能这个对于玩家来说，同样是一个非常有挑战的事情。我们会发现动机的差异可能不是内容带来的，而是在于每一个细节上，我们到底有没有关注使用者的情绪和想法。

所以过去“被动学”式模式下的学习动机，它更像是一个“要我学”的模式。而“主动学”的学习模式，会要求我们在每个细节上都去关注学习者的内在和外在动机。

在大模型还没有发展起来之前，海豚AI学在学习的内在和外在动机上做了很多探索。像我们有一个“我当小老师”的环节，鼓励孩子把自己学到的东西讲出来。在这个过程中，一方面，是让孩子通过“费曼学习法”的方式进一步掌握所学的知识，另一方面，也外显了孩子的学习成果，帮助孩子直接感受学习内在的成就感。

其次，我们也有很多基于外在动机的激励体系。比如徽章、卡片收藏、任务中心、海豚币等等。大的方向上，我们希望产品的每个细节，都能引导孩子关注“我要学”这件事。

03

结合AI能力，如何帮孩子主动学？

基于我们的产品理念，接下来，我们聊聊有了AI这样的“新工具”后，海豚AI学在“主动学”上的一些探索。

学习内容*AI

首先我们认为，AI为学习内容提供了新的可能。这个可能我们把它定义为“可交互的学习内容”。

什么样的学习内容是一个可交互的学习内容？我们认为它需要满足三个特点：

第一是内容本身要符合教学目标的内容与流程。

第二点是我们判断结合了AI的能力之后，自然语言的交互模式会带来用户体验的提升，而不是有损。

第三个是及时反馈。

我们以海豚AI学的AI对话能力为例，来详细的看一下我们对这三点是如何思考的：

首先是符合教学目标的内容与流程。

在设计新的AI互动能力的时候，团队内部讨论的最多的问题是：这种AI互动方式是不是能帮助孩子更好地取得学习效果。我们最终的产品设计落脚点并不是在“如何应用AI上”，其实还是在如何达成学习效果上。本质，其实还是在找适合线上化、AI化的场景，这个和我们此前做教育产品的差异其实没有那么大。

我们的AI对话能力与市场上套壳AI口语陪练工具产品有非常大的区别。AI对话其实是在我们整个英语“学习周计划”闭环中的一部分。我们是先学的词汇，再学的句型，最后再有这样的一个AI对话的语言运用环节。

从教学目标上来看，“对话”这件事从语言技能维度看，其实是对表达能力的训练；在具体的语言知识维度看，“对话”是一个词汇句型“音形义用”的综合运用。

所以我们在方案的第一步就会想，假设我们加了AI对话这样一个功能，到底有没有更好地帮助孩子实现英语学习的效果，这是我们做的第一层判断。

为了达成学习效果，我们花了很多资源，使得我们的AI角色输出的内容符合不同孩子的个性化水平，以达到特定的教学目标。这是我们花了大量精力在做的一件事情。确实不同年龄段孩子的词汇水平、了解的语法知识可能都是不一样的，这也是为什么我们猿辅导集团的“海豚AI学”来做这件事有非常大的优势——我们过去有10亿的题库和丰富的学习数据，海量、优质的数据是我们的猿辅导大模型在教育垂类方向表现更好的一个重要原因。

第二点就是大模型在自然语言交互带来的用户体验的提升。

为什么我们的功能叫AI对话，而不叫AI口语陪练？

是因为这个功能它不仅仅是在做口语陪练这件事，我们在观察用户学习行为的时候会发现“表达”包括口语表达和写作的表达。但是在之前人机交互的过程中，写作表达的输入是非常困难的事情，不管我们是线上输入，还是让孩子拍照上传，都不是自然的交互。

当我们有了大模型的能力之后，我们会发现除了口语陪练这个场景之外，AI对话同时也可以成为一个陪你写作的学伴。在表达场景，「说」比「写」容易。在一些AI对话主题下，我们实际是在用这种方式，帮助孩子“说”出来一篇英语作文，再引导孩子自查修改。表面上还是AI对话的形式，但实际是在用对话，做写作AI引导。

A story这个case其实就是AI小白来辅助孩子共同完成一篇英语作文。

第三是及时反馈，这是很符合人类学习的自然的一件事情，也是大模型提供的一个新的可能。这里的反馈既包括对孩子的情绪反馈，也包括对学生水平的诊断和即时的内容生成。而对学生水平的诊断和即时高质量的内容输出，我们判断这是我们海豚AI学优秀教研团队的一个优势，也是我们猿辅导大模型的一个优势。

2、学习方法*AI

除了学习内容外，AI也为学习方法提供了新的可能。

在数学、物理这一类理科的场景，我们会发现它是以知识点为核心的模式，而知识点本身它是一个网状结构的，就是孩子很多时候不会遇到数学题，他可能不是当下的这个知识点不会，而是他前序的某一个知识点的不会。或者说他就是在前面的某一个实验，有一个细节没有弄明白。而在大模型出现前的人机交互的场景，这其实是非常难解决的一个问题。孩子只能按照系统设计的流程线性的、固定的完成学习。

而有了AI能力之后，我们做了下面几个尝试：

第一个是个性化的及时答疑。不管你是在看视频还是做题目的时候，只要你随时不会都可以找AI小白答疑，来看一下到底是哪里不会。

第二个是我们在练习环节有个性化的精准练习，还是前面说的，我们判断主动学的学习方法，它应该是一个个性化的探索式的学习方法。

所以，我们的孩子在练习的过程中是一个边练边测边学的模式，在这个环节中，内容不是固定好的，我们不会限定一共有多少道题，下一道题一定是A或者B，而是会根据孩子的学习情况，实时的决定下一道题是什么。这也是有了AI能力之后，我们一个新的探索。

特别需要提的是，我们这个功能上线之初，就明确了要做苏格拉底式启发式的AI答疑。

这也是我们产品一个非常坚持的事情。“启发式答疑”和原来直接解析最大的差异是，我们判断通过启发式答疑的这种方式，能够让孩子更加的投入，更加的愿意主动去思考。同时最后思考或者叫获得的这个答案，也确实是自己参与的，而不是任意一个角色告诉你的。所以这个也是我们在学习方法上认为我们提供这样启发式的方法，能够帮助孩子更好的主动学习的原因。

学习动机*AI

在学习动机上，我们判断AI能力也会带来一些新的可能。比较典型的一点是IP和AI能力的结合。

海豚的用户很喜欢我们的IP角色——小白和小黑。今年暑假，我们面向正式用户做了一个小黑小白战队PK学习时长挑战赛的活动，小朋友们都很喜欢，大部分用户的学习行为都产生了非常正向的变化。

也正是基于这样的一份信任和喜爱，我们在动机这个方面做了更深一步的探索。

第一个是首页小白，我们把我们的首页变成了一个以IP形象为核心的这样一个结构。点击进去之后就可以和小白这个互动。在上线这个能力之后，其实孩子们的学习对象和学习场景客观上是被拓宽了的。

我们发现孩子不仅会去问小白一些特定的题目，还会跟小白分享自己的心情，以及也会问小白的一些非常可爱的问题。而小白都会非常耐心的以我们视频本身的人设去跟孩子进行一个互动，让孩子和小白建立一种跨次元壁的情感。而这个情感本身又会帮助孩子更愿意学习，愿意使用我们的海豚AI学。

超时空对话也是我们目前在尝试的一个方向，我们会把一些名人先贤的超级大脑引用在我们的产品当中。孩子不仅仅会问大佬们一些非常脑洞大开的问题，也会问一些很有意思的生活问题。

比如有的小朋友会问爱因斯坦为什么要写作业？然后爱因斯坦就会从作业的本质开始跟孩子分析什么是好的作业以及作业为什么能够帮助你更好的学习？最后我们看这些case都会发现，孩子就非常开心的愿意去学习了。有的时候老师和家长说再多可能都比不上爱因斯坦说这么两句话。

04

未来的产品规划：探索多模态能力

我们在未来的产品规划上，其实核心还是按照我们前面说的产品原则，在做一些具体的事情。

首先还是“教育在前，AI在后”。我们始终认为我们不是拿着AI去找场景，而应该先看教育上到底有什么东西是能够帮助孩子提升学习效果的，然后再去看AI对现有的解决方案是不是能够带来一些新的可能，这个是我们的一个大的判断逻辑。

在具体的教育方案的落地上，我们也继续坚持从被动学到主动学这样一个方向。

关于具体的AI能力的应用，后续还有一个非常重要的方向，就是多模态能力的相关探索。其实在前面的整个过程中，我们一直在聊，一个是教育的内容，第二个是形式是不是一个自然交互的形式。我们会发现多模态确实给了大家在交互上很多的一些可能。比如说我们正常两个人在对话的时候，如果是单纯的语音转文字，其实很多的信息是会被丢失掉的。比如你真的在和一个人聊天的时候，他可能不仅仅是在说一些有实意内容的东西，他还会有“嗯”“啊”类似这种情绪和语气词的表达。这一部分的信息通过多模态的端到端的语音能力，能够很好的被保留下来。通过这样的信息，将来也可以做出更多更好的教育产品。这也是我们的一个愿景。

我的分享就到这里，谢谢大家。

05

Q&A

提问人1：我想问一下，像海豚AI学花了蛮多精力在做内容上的，我想知道用户对AI的买单程度是怎样的？放大大模型在教学中商业价值的卡点主要在哪些方面？是如何突破的？接下来的话我们打算怎么去，就是刚才您提到说多模态，怎么去解决这块的难题？

廖芸：我们已经验证了动画是有价值的，如何验证AI的能力是有价值的？我们其实会有一个比较大的判断是，大多数的学生和家长其实并不知道什么是AI，什么是AI大模型能力，或者这个功能有没有用到AI。这不是用户真正关注的东西，用户真正关注的仍然是这个解决方案有没有更好的帮助自己的孩子达成自己的学习目标，这件事依然是最关键的。所以这个问题就变成了什么样的学习解决方案是能够让家长买单的。

在我们海豚的建立之初，我们一直在主打的其实就是个性化的主动学。所以这个问题其实是说我们现在已经验证了主动学的这个模式是能被家长认可的。

接下来AI到底能怎么样进一步放大主动学的价值，我们其实刚刚的分享核心也是在聊这件事。

我们仍然判断这件事可能不是需要单独去验证，因为用户的需求和整体的解决方案是一个已经被验证了的东西，剩下的只是说产品研发团队怎么能够通过AI的能力更好的帮助我们的产品符合用户的需求。

第二个问题难点在哪里？

我们在应用大模型的时候遇到的最大的挑战还是如何找到一个匹配现有大模型能力的好场景。好的场景是指这个场景确实是能够帮助孩子达成学习效果，能够帮助教研团队达成实际设计好的教学目标。本质上是一回事儿，还是怎么帮助孩子更好的学习。在这件事上，我们会发现最大的难点在于不确定性上。所以做AI教育产品这个过程它会是一个非线性的工作的模式。比如说产品提出来一个想法，做了一些非常简单的验证，需要产品团队本身是了解技术的，然后我们会和技术团队一起去进行一个评估，并且尽可能形成一个demo的形式，通过这个demo去验证技术可行性的程度，以及孩子接受的程度，然后再去看他放在我们的产品流程里，是不是一个放进去之后仍然work，所以这个是最大的挑战，这个挑战本身还是不确定性带来的挑战。

还有一个问题是关于将来的多模态能力商业化的价值。刚才也提过了，核心还是这个解决方案或者叫这套教育理念，如果家长是买单的，那不管他是用大模型还是非大模型，是AI还是非AI，只要他能达到这个目标就是好的。只是我们发现有了大模型的能力之后，确实我们在达成这个目标上拥有了非常多的新的可能。

提问人2：我是来自班级小管家的AI内容技术负责人，我这边有两个问题，第一个是AI对于教研内容有没有提升或者提效？以及带来哪些新视野？第二个问题是海豚AI学在AI英语口语落地的话有哪些关键点？

廖芸：关于AI赋能教研生产，首先得益于猿辅导集团在教育资源上的积累，目前全球有5亿用户，10亿题库。此外我们也在做一些提效的探索。比如我们聊学习动机的时候，有提到孩子对我们的IP是非常喜欢的。我们教研老师在生产一些题目的时候，其实他是需要用IP的口吻去做一些事情。而可能在没有猿辅导大模型之前，这个模拟就纯靠老师自己的水平，而有了猿辅导大模型之后，这个是一个非常容易的事儿。我们内部叫“人设模拟器”。

比如我们的小黑，它是一个说话莽撞非常直接的小IP。我们的这个小白，他是一个非常喜欢用emoj的IP，那么以前可能都是教研老师要自己去写这些东西，现在可以用大模型输入了，就非常快速的生成一些新的符合我们IP人设的这样一些教研内容，从而让孩子感受到好像从视频到AI互动环节，到真正做题环节，这个小白真的就是一个小黑小白。

关于AI英语口语，那可能对纯粹的工具来说，我只能在这个场景看到这个孩子，所以我对他的能力水平的识别也仅局限于这个环节。但因为我们AI英语对话仅仅是海豚AI学完整闭环中的一部分，所以比如孩子的词汇句型的掌握，其实我们在其他的环节就已经能够进入了解到用户，所以我们在后面AIGC的策略上，天然的能够使用这些数据，就相当于孩子在我们这个场景不是一个从零开始，或者叫一个空白的场景。这个可能是一个比较大的差异点。

提问人3：我想接着你刚刚说动机的那个问题，您怎么看待，就是这个动机肯定是非常重要的。然后动机跟内部动机，外部动机。您觉得我们这种游戏化的设计，对于这个内部动机它是有帮助的，还是有可能会对它产生影响的？以及我们为什么会想到说用IP来解决动机的这个问题？

廖芸：第一个问题我先回答我们对动机的拆分和理解。比如加入激励体系，是不是真的让孩子喜欢上学习。我觉得大家可以思考一个问题是，当我们自己是一个小学生的时候，“我们喜欢英语老师就会学好英语”这是符合常理的吗？虽然我们在做逻辑分析的时候可以去拆分内在动机和外在动机。但是实际上在小朋友的脑子里是没有划分的那么清楚的。“我喜欢英语老师，我就会喜欢英语”这是很多小朋友客观存在的一个事情。

我们做产品在思考事情的时候还是会有一些框架去指导。在这个框架的指导上，我们最核心的一点就是还是说怎么帮助孩子挖掘学习的内在动机。而内在动机更多的就像最早说的，我们判断知识不是被动教出来的，而是孩子主动学出来的。主动学出来的就是意味着你的注意力以及你获得了之后的成就感。注意力通过双向的可交互的内容，可以解决很多。然后真正投入了之后，获得的这个成就感，这是我们做徽章收藏卡等外显物品的原因。其实更像是因为有这些外在的东西，我们在帮助孩子进一步发现学习的魅力。尽管学习的魅力本身就存在。

第二个问题是说我们为什么把动机这件事放在IP上。可能这个说法是不太准确的。我们并不是说把动机这件事放在了IP上，而是说主动学这件事儿，它就是贯穿在每一个环节的。我们举IP的例子更像是在说我们“处处”在追求主动学，在所有的细节里都在尝试着做类似的事情。