对话周枫

用微信扫码二维码

分享至好友和朋友圈

来源|多知网

作者|冯玮

图片来源|网易有道

“我们正在面临的是技术层面的颠覆。”

“要快、 要赶时间。”

与多知网谈及AI落地教育场景时，网易有道CEO周枫坦言其正在选择“两条腿走路”：一面加速研发“子曰”大模型、一面促成应用场景模型的落地。

在国内，目前已经形成了三个不同的发展派别，包括以百度、华为、360等为代表的通用大模型派，以有道、京东云、同花顺等为代表的垂类模型派，以及以王慧文、李开复、王小川等为代表的ChatGPT创业派，三方都希望实现GPT从技术到产品、场景的商业化落地。

区别于以上，有道“子曰”是“大模型+小样板”在教育领域的一次与众不同的尝试。

相比通用模型，“子曰”在教育领域内的数据更全面，意味着围绕教育场景的交互可能性也有足够大的想象空间。

周枫对多知透露，有道将尽快落地六个应用场景：口语教练、作文与阅读教练、各科习题答疑、编程学习答疑、对话助手、知识工作助手。

场景为先、场景拉动——周枫强调有道并不会选择让所有概念汇合于一个模型中，相反地，“模型落地到不同场景上才是最重要的事情。”

有道也的确是这样做的。自2023财年Q1以来，其已在多个业务场景加速推进AI技术落地，包括如有道翻译中的AIBox功能，有道词典笔中的“开口说”功能，以及有道的围棋课程中基于生成式人工智能的AI语音复盘。

AIBox推出的不到一个月的时间内，已经被使用了近100万次。

对于有道来说，这无疑是一个良好的势头。

“生成式人工智能是一个革命性的技术，有道打算将这个技术发展为竞争优势”，在分析师电话会议上，周枫如是说道。

大模型落地教育场景，怎么做？如何做？在自我重构与自我革命中，有道正经历着什么？

带着这些疑问，多知与周枫进行了对话。

以下为与周枫对话原文，多知编辑整理

01

‍第一个印象：“震撼”

多知：第一次感受到ChatGPT的时候，什么感受？

周枫：还是非常震撼的。

当时我跟算法团队的同事来来回回地用，一起测试它的能力极限。从教育科技企业的角度来看，ChatGPT的出现很有可能在个性化教学和因材施教层面带来颠覆性的变化。

我是一月份把所有的论文全部读了一遍，从GPT-2开始全部读了一遍。

在读论文的时候也整理出很多东西，比如大家现在常常提到的语言模型，其实这不是最近才有的，这类的大语言模型已经有了4、5年了，最早当然是谷歌的那些模型，当然就有bert的模型存在，是两条不同技术路线。

Bert是encoder-decoder模型，decoder只有解码器的路线，所以bert其实是一个编码解码器的路线，大家以前会觉得bert是主流路线，那个论文我其实很早就读到了。

但后来大家发现open AI把这个事做成了，所有人就面临一个“选择”，也就是技术路线的颠覆，原来看的东西可能得重新看了。

多知：您提到“颠覆”这个词，它厉害在哪？

周枫：做人工智能的人都知道，最容易的事情最难。

我自己的公众号曾写过三点，大语言模型至少具有三项根本性新能力，这些新能力在学术界已经被广泛讨论，甚至被视为常识，但是在产业界和产品团队中却缺乏足够的关注。

这三个能力分别为涌现能力（emergent abilities）、作为基座模型支持多元应用的能力、支持对话作为统一入口的能力。

所谓涌现能力最关键一点就是常识推理，什么叫做常识推理，就是“美国第一任总理是谁，宋朝都城是哪里，比亚迪公司是在哪里成立的”……各种莫名其妙的常识性的问题。

ChatGPT的厉害之处在于它的常识推理能力很强。

你会觉得这听起来很容易，以前的AI就是查一个表不就行了吗，实际上不是这样的。

多知：是的，很多人对这个技术的第一反应是类似于过往的语料库或搜索引擎。

周枫：完全不是这样，如果人工智能常识能力强，一定程度上搜索产品的模式肯定不是十条结果，应该是直接就把答案搁那儿就完了，为什么需要十条结果呢？至少也应该是两、三条结果。

就是因为它给你的内容是有用的，但它其实并不准确地知道你问的那个东西的答案是什么，这个问题对机器来说非常难。所以我用ChatGPT的时候，第一个反应就是这非常了不起。

以前的AI可以这样理解，就是我们会用那个模态来区分AI的技术，那以前就是三大模态：视觉、声音、语言，基本上是最主流的三大AI技术方向。

而现在就会综合一些， 比如做视频：从声音过渡到了文字、文字又很自然过渡到了视频，这是所谓的多模态。总体的意思就是，大模型要把这些东西串在一起。

多知：教育会因此得到怎样的改变？

周枫：助力因材施教还是最核心的主题。

这其实是一个很老的话题，可以追溯到1984年美国教育学家布鲁姆的研究。他当时想研究班级制的这种教学模式有什么革新空间，因为谁都知道班级制教学模型是最可行的，但又有很多问题，比如不同学生学习进度不一样，一个老师对30个学生，甚至有的时候50个、70个学生，老师工作负荷非常重。他的研究结论就是，如果老师不只有这么少，一个老师可以去面对面指导一个学生，就能够提高学生的学业成绩两个标准差，比如从不及格到及格，及格到良好，良好到优秀，或者大概15分的量级，这非常了不起。

当然这是不可行的，因为像我们国家1.5亿中小学生，实际上大概只有差不多一千万名老师。那么此路不通，他就研究在师生比相同的情况下可以有什么办法。他发现可以使用掌握式学习，就是通过让孩子做练习发现他是否掌握了，如果他没有掌握就接着学，不要往前学，通过这种方式可以让学生的成绩提高零点几个标准差，这也是非常了不起的成就。

我觉得现在去回顾1984年的成果非常重要，因为如果大模型能够使我们有这样的人工智能助教帮到