所有被數(shù)字化的行業(yè)——音樂、媒體、零售、通訊、打車，都將迎來一場天翻地覆的變革和爆炸式增長。教育無疑是下一個。

在線教育泡沫三年、總?cè)谫Y額近50億，互聯(lián)網(wǎng)卻沒能改變教育，AI才能。

AI+教育的星火已經(jīng)開始燎原，來看看最近刷屏教育圈兩件事：一是幼兒園版的AI教程問世；第二件則是機器學(xué)習(xí)領(lǐng)域的教父級人物跳槽加入了一家成立僅四年的中國初創(chuàng)公司。

松鼠AI創(chuàng)始人栗浩洋（左）與 Tom Mitchell 教授簽約

11月16日，全球機器學(xué)習(xí)教父、人工智能領(lǐng)域頂尖科學(xué)家Tom Mitchell教授，正式宣布加入了中國一家教育創(chuàng)業(yè)公司——松鼠AI，出任首席人工智能科學(xué)家，引起圈里一陣驚嘆。

Mitchell教授到底有多牛？

Mitchell長期從事機器學(xué)習(xí)、認(rèn)知神經(jīng)學(xué)科等研究，全世界最經(jīng)典應(yīng)用最廣的機器學(xué)習(xí)教材，就出自他之手。在全球機器學(xué)習(xí)領(lǐng)域，Mitchell教授是公認(rèn)的行業(yè)“教父”，Machine Learning第一人。

這些還不夠——Mitchell還擔(dān)任全球高校AI領(lǐng)域排名第一的卡內(nèi)基梅隆大學(xué)（CMU）計算機科學(xué)學(xué)院院長（而他的前任院長Andrew Moore ，正是剛剛到谷歌任職AI負(fù)責(zé)人代替李飛飛的人）。1997年，他在CMU聯(lián)合創(chuàng)立了自動化學(xué)習(xí)和探索中心，該中心是全球的高校中首個機器學(xué)習(xí)系，也是首個開設(shè)機器學(xué)習(xí)博士課程的機構(gòu)。從1997年至2016年，Mitchell一直是該系的負(fù)責(zé)人。

1997年出版的Machine Learning （《機器學(xué)習(xí)》）一書是人工智能領(lǐng)域最經(jīng)典的教材之一

Mitchell為機器學(xué)習(xí)、人工智能和認(rèn)知神經(jīng)科學(xué)的進(jìn)步作出而貢獻(xiàn)蜚聲海內(nèi)外，擁有學(xué)術(shù)論文專著超過130篇，并廣泛發(fā)表于《Science》、《Nature》等世界頂級學(xué)術(shù)期刊。他最經(jīng)典代表作是《機器學(xué)習(xí)：一種人工智能方法》，已經(jīng)被廣泛用作通用教科書，被譽為行業(yè)圣經(jīng)。

得益于在行業(yè)內(nèi)作出的杰出貢獻(xiàn)，Mitchell還曾任美國人工智能促進(jìn)協(xié)會 (AAAI) 主席，AAAI及美國科學(xué)促進(jìn)協(xié)會的成員。2007 年獲得了AAAI杰出服務(wù)獎，2010年當(dāng)選為美國國家工程院院士，并于2016年當(dāng)選美國藝術(shù)與科學(xué)學(xué)院院士。

這家神秘的中國公司松鼠AI，是乂學(xué)教育新推出的K12輔導(dǎo)品牌。乂學(xué)教育在2014年創(chuàng)立，主營業(yè)務(wù)是K12領(lǐng)域智能個性化輔導(dǎo)，主要是通過算法結(jié)合中國學(xué)情開發(fā)出一套學(xué)習(xí)引擎，為每位學(xué)生智能提供專屬的學(xué)習(xí)路徑。到今年6月，松鼠AI累計融資已近10億人民幣，估值超過11億美金，邁入獨角獸行列。

鈦媒體獨家獲悉，Mitchell教授加入松鼠AI前，拒絕了眾多千億美金巨頭公司拋出的橄欖枝——擔(dān)任首席科學(xué)家、董事會成員的機會，最終選擇了這家中國公司，教授到底為什么？一家剛剛成為獨角獸的中國公司，為什么可以贏得和谷歌、Facebook、微軟、IBM首席科學(xué)家同級別的全球頂級AI屆泰斗的認(rèn)可？

人才流動就是產(chǎn)業(yè)的風(fēng)向標(biāo)，當(dāng)整個互聯(lián)網(wǎng)產(chǎn)業(yè)都面臨流量的拐點時，被AI激活的教育會不會成為下一個爆發(fā)式增長的超越TMD的行業(yè)？

Tom Mitchell教授拒絕了其他千億美金級大公司的邀請，最終加入一家成立才4年的中國人工智能教育創(chuàng)業(yè)公司，會不會成為多年之后回望產(chǎn)業(yè)時的一個里程碑式的時刻？

教育行業(yè)真正的革命要來了

“我對教育領(lǐng)域一直很感興趣，我編寫過教材，始終認(rèn)為教育是我職業(yè)生涯中的重要一環(huán)，我最近開始深度關(guān)注AI對教育的應(yīng)用，因為現(xiàn)在時機比較成熟了?！痹谧罱粓鲫P(guān)于AI+教育的主題大會上，Mitchell如是說。

這句話背后，其實是有很深含義的。AI在教育領(lǐng)域應(yīng)用時機的成熟，很可能意味著這個自古以來的傳統(tǒng)行業(yè)，也要真正進(jìn)入到數(shù)字化的快車道了。而從歷史來看，所有被數(shù)字化的行業(yè)——音樂、媒體、零售、通訊、交通，都無疑會迎來一場天翻地覆的變革，和爆炸式的增長。這樣的挑戰(zhàn)和機會，才是對頂尖人才最大的吸引力。

全球范圍內(nèi)，教育行業(yè)的核心痛點只有一個，沒有之一：缺乏優(yōu)質(zhì)的教師資源。

為什么優(yōu)秀的教師資源如此稀缺？松鼠AI的CEO周偉曾在鈦媒體T-EDGE峰會上分享過一個現(xiàn)實：以上海楊浦區(qū)為例，幾百萬人口中，初中英語學(xué)科只有一位特級教師。“因為他需要20、30年的經(jīng)驗，去不斷的累積，這樣的教師資源是我們可遇而不可求的?！?/p>

實際上，稀缺的不僅是優(yōu)質(zhì)教師資源。據(jù)今年8月教育部發(fā)布《2017年全國教育事業(yè)發(fā)展統(tǒng)計公報》顯示，全國共有義務(wù)教育階段學(xué)校21.89萬所，招生3313.78萬人，在校生1.45億人，專任教師949.36萬人。而特級教師不到千分之一，這個巨大的差距，使得保證基本教學(xué)質(zhì)量就已經(jīng)成為一個艱巨的任務(wù)，更遑論能夠讓孩子學(xué)習(xí)效率得到最大提升的個性化問題了。

正是這個瓶頸，使得雖然互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)技術(shù)給教育帶來了一些變化，但并沒有取得其他領(lǐng)域那樣巨大的變化和影響，只是提高了獲取教育資源的便利性，卻并沒有對教育學(xué)習(xí)的效率帶來很大提升，更沒有解決到到教育的深層次問題。

換句話講，過去互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)，只是解決了教育行業(yè)的“太花錢”的問題，包括錄刻式的教育或者是手機APP的教育。所謂錄刻，只是把線下的教育搬移到了線上，降低了成本，但也暴露出新的問題：一是完課率非常低，二是交互性差，學(xué)生學(xué)習(xí)過程中碰到問題沒有人解決和幫助，對學(xué)生自主性要求非常高，學(xué)習(xí)時間無法保證，所以學(xué)習(xí)效能沒有顯著提高。

而之前流行的在線“一對一”教育的形式，雖然帶來個性化學(xué)習(xí)，但是，這種模式對老師的依賴性非常強，好老師的資源始終有限，他們的精力也有限，當(dāng)學(xué)生數(shù)量迅速增加時，優(yōu)質(zhì)的老師的比例就會被嚴(yán)重稀釋，整體教學(xué)質(zhì)量很難維持，而且也需要巨大的成本支出來維持、甚至爭奪優(yōu)質(zhì)教師的資源。

而事實上，一個特級教師出來授課的課時費，是每小時4000元，收費每小時150到300元的無論線上線下一對一，是不可能找到最優(yōu)質(zhì)的師資的，這也是為什么幾百萬上千萬的學(xué)區(qū)房仍舊被趨之若鶩。

正是存在著優(yōu)質(zhì)教師資源這個核心的限制條件，這也是為什么教育行業(yè)沒有出現(xiàn)壟斷性的巨頭的原因，即使強大如新東方和好未來，發(fā)展近20年，市場占有率也仍然不高，無法體現(xiàn)出規(guī)模效應(yīng)。而且，好的老師主要集中一、二線城市，下面的三、四、五線城市就難以找到一個好老師，擴張起來就更加困難。

而以AI為基礎(chǔ)的自適應(yīng)教育，理論上能夠從根本上解決這個問題。

智適應(yīng)學(xué)習(xí)的概念，源于“自適應(yīng)學(xué)習(xí)”（adaptive learning），誕生于人工智能時代，自上個世紀(jì)七十年代起流行。智適應(yīng)學(xué)習(xí)模式，融合了計算機科學(xué)、人工智能、心理測量學(xué)、教育學(xué)、心理學(xué)和腦科學(xué)等專業(yè)領(lǐng)域。簡單說來，它主要是使用計算機算法來調(diào)節(jié)與學(xué)習(xí)者的互動，并提供定制化的資源和學(xué)習(xí)活動，以滿足每個學(xué)習(xí)者的獨特需求。

在早期，囿于計算機的普及的性能以及AI算法的成熟度，這樣的學(xué)習(xí)模式并沒有得到廣泛的運用。而隨著人工智能的火熱，在中國，擁躉者將更愿意它理解為“智適應(yīng)學(xué)習(xí)”，也可以說是自適應(yīng)學(xué)習(xí)在人工智能時代的升級。

鈦媒體觀察到，近兩年來，國內(nèi)幾乎所有具備實力的教育機構(gòu)，已經(jīng)有50多家都提出了“AI+”的發(fā)展目標(biāo)?！癆I+教育”到底可以做什么，場景也逐一清晰，目前已經(jīng)被幾億家長們體驗到的就包括——智能測評、拍照搜題、智能排課、表情識別、語音識別等等。

而上述這些方法在整個K12產(chǎn)業(yè)的落地還十分有限。來自艾瑞的數(shù)據(jù)顯示，總規(guī)模達(dá)3萬億的中國教育市場，K12課外輔導(dǎo)總市場規(guī)模6000億，新東方和好未來在其中只占到了2%的份額。如此來看，K12課外輔導(dǎo)行業(yè)空間巨大，急需新的、革命性的教學(xué)方法。

智適應(yīng)學(xué)習(xí)系統(tǒng)的革命性就在于，它更像是一種“決策型AI”，也被看成是最有可能顛覆現(xiàn)有教育模式的一種全新系統(tǒng)。

在傳統(tǒng)的非自適應(yīng)方法學(xué)習(xí)模式中，由于學(xué)生的學(xué)習(xí)路徑、認(rèn)知過程、成績反饋等數(shù)據(jù)無法得到大規(guī)模地追蹤，存儲和分析，難以實現(xiàn)量身定制個性化的學(xué)習(xí)模式。通過人工智能的手段形成的智適應(yīng)學(xué)習(xí)系統(tǒng)加上學(xué)習(xí)全過程的閉關(guān)數(shù)據(jù)，可以讓系統(tǒng)徹底完善地模擬最優(yōu)秀的老師做出學(xué)習(xí)內(nèi)容推薦和路徑推薦的合理決策。就好像是今日頭條通過讀者的閱讀全流程的數(shù)據(jù)來分析用戶畫像做千人千面的推薦，一改過去依靠編輯選擇來為讀者推薦。

AI智適應(yīng)系統(tǒng)也一改過去所有線上線下教育以老師為中心的教學(xué)模式，而成為根據(jù)學(xué)生的用戶畫像實施千人千面的因材施教，幾千年來，學(xué)生第一次真正成為主角！

“人類教師在教學(xué)過程中會制定許多決策。我們的研發(fā)任務(wù)就是模擬老師可能會制定的所有決策，并且通過計算機搜集的學(xué)生數(shù)據(jù)來最終制定決策?！盡itchell告訴鈦媒體，教師經(jīng)常需要選擇最佳方式來提高教學(xué)質(zhì)量，他需要快速地明白，不同水平的學(xué)生應(yīng)該學(xué)習(xí)不同的知識，不同性格的學(xué)生目前最需要什么不同的幫助，以及下一步該采取什么行動。

松鼠AI讓Mitchell看到了AI技術(shù)落地教育場景成功的模式。系統(tǒng)首先根據(jù)一定的數(shù)據(jù)模型對學(xué)生進(jìn)行測試，數(shù)據(jù)會根據(jù)使用其中一種模型跟蹤他們的學(xué)習(xí)過程進(jìn)度，然后推薦更適合他學(xué)習(xí)的知識點和測試題。平臺會根據(jù)學(xué)生學(xué)習(xí)情況，不斷調(diào)整和迭代他的學(xué)習(xí)速度和學(xué)習(xí)方法。

“全流程智適應(yīng)”是他們正在關(guān)注的領(lǐng)域。在Mitchell看來，這是一種非常強大的學(xué)習(xí)方式，如果系統(tǒng)推薦的內(nèi)容適合學(xué)生的程度讓學(xué)生都可以學(xué)會掌握，那么經(jīng)常受到鼓勵的學(xué)生會悟性更高。另一個他們正研究的方向，也是智適應(yīng)在學(xué)習(xí)中的應(yīng)用之一：學(xué)生在學(xué)習(xí)過程中如何制定動態(tài)的學(xué)習(xí)目標(biāo)？90分和60分的孩子的學(xué)習(xí)目標(biāo)應(yīng)該是完全不同的，同樣都是60分的孩子，學(xué)習(xí)能力不同目標(biāo)也不相同，所以學(xué)習(xí)路徑就應(yīng)該被不斷調(diào)整達(dá)到精準(zhǔn)有效。

解題、考試，截止目前依然是衡量教育成果的必經(jīng)之路。在“應(yīng)試教育”長期指導(dǎo)K12學(xué)習(xí)的中國，自適應(yīng)學(xué)習(xí)擁有天然的基因和蓬勃發(fā)展的土壤。這種教育模式的最大優(yōu)勢在于：能夠定位到每位學(xué)生的知識漏洞。

在“考試”這件事上，變革也早就開始了，中國K12教育的“指揮棒”——中考和高考已經(jīng)不斷嘗試創(chuàng)新；而在美國，自適應(yīng)測試的應(yīng)用則更為徹底。

如鈦媒體在今年11月的文章，雅思考試開始推動機考，中國大陸首場雅思機考已于8月在廣州舉辦；美國高考（ACT）也開始大力推行“機考”模式。2018年，美國高考在國際考場推行的機考模式已經(jīng)是計算機自適應(yīng)測試（Computerized Adaptive Testing，以下簡稱CAT），已經(jīng)在“高考”這一最重要考試中實現(xiàn)了大規(guī)模成熟應(yīng)用。

作為一種非常熱門的測驗形式，“計算機自適應(yīng)測試”，會根據(jù)每位學(xué)生不同的情況設(shè)置不同的考題，每一位考生在同一考場面對不同的試卷和不同的考題。在考試的過程中，出題順序和題目內(nèi)容將根據(jù)考生對上道題的作答情況決定，計算機根據(jù)考生的情況對下一道出現(xiàn)的題目進(jìn)行適應(yīng)性的調(diào)整。

CAT考試中出現(xiàn)每道問題，都有相對應(yīng)的“標(biāo)簽難度”。假設(shè)一位考生正在考試，面對系統(tǒng)給出的第一個問題，他提交了錯誤的答案，此時系統(tǒng)會自動檢測到錯誤結(jié)果，程序則認(rèn)為題目的難度系統(tǒng)對于學(xué)生的成績水平相對較高，那么，第二題會適當(dāng)降低難度系數(shù)，自動匹配出與學(xué)生水平相應(yīng)的問題。

松鼠AI創(chuàng)始人 栗浩洋

智適應(yīng)教育最大的特點不僅僅是實現(xiàn)個性化學(xué)習(xí)，而是讓“因材施教”規(guī)?；?yōu)質(zhì)師資規(guī)?；皬?fù)制”，就使得基于AI的智適應(yīng)教育模式在商業(yè)上有了大規(guī)模盈利的可能。

栗浩洋對鈦媒體透露，目前AI智適應(yīng)系統(tǒng)的毛利率是70-80%，未來是可以高達(dá)90%，教師的成本的比例會越來越低；而在運營層面，成本會更低，比如說，不再需要管理教師團(tuán)隊的員工，這正是AI智適應(yīng)的在商業(yè)模式上的優(yōu)點。

在資本市場，今年9月底掛以“教育+AI”叩開美國資本市場大門的流利說，在2018年上半年營收為2.3億元。流利說是基于自主研發(fā)的英語口語和寫作自動評測引擎，其變現(xiàn)產(chǎn)品是基于流利說 App 的定制化 AI 交互課程“懂你英語”。

在上市當(dāng)日，流利說CEO王翌在接受鈦媒體等連線采訪時稱，流利說的單位經(jīng)濟(jì)模型是所有教育公司最好的，因為不需要給教師付工資。流利說目前的毛利率在76%左右，這得益于AI代替教師的商業(yè)模式。

在Mitchell看來，在AI推進(jìn)行業(yè)發(fā)展方面，中國具備獨特的優(yōu)勢，無論是數(shù)據(jù)量級、數(shù)據(jù)的多方融合，還是中國政府對產(chǎn)業(yè)的支持力度，都比西方國家更有利于大數(shù)據(jù)的建立。

而同時，松鼠AI在教育領(lǐng)域的人才儲備、戰(zhàn)略判斷和行業(yè)落地方面具備極強的競爭力。在 Mitchell加入之前，松鼠AI還引進(jìn)了同樣在人工智能自適應(yīng)教育領(lǐng)域有極大建樹的高端人才，如Realizeit的崔煒博士、自適應(yīng)學(xué)習(xí)鼻祖公司Knewton前亞太區(qū)技術(shù)負(fù)責(zé)人Richard Tong和ALEKS聯(lián)合創(chuàng)始人、首席數(shù)據(jù)科學(xué)家Dan Bindman等美國、歐洲頂級人工智能專家。

據(jù)鈦媒體了解，作為松鼠AI人工智能領(lǐng)域第一負(fù)責(zé)人，Mitchell 將帶領(lǐng)團(tuán)隊十多位AI科學(xué)家和幾百位AI應(yīng)用工程師以及技術(shù)團(tuán)隊，進(jìn)行人工智能在智適應(yīng)教育領(lǐng)域的基礎(chǔ)研究和相關(guān)產(chǎn)品的研發(fā)應(yīng)用等。

“我認(rèn)為機器學(xué)習(xí)和人工智能，將成為智適應(yīng)學(xué)習(xí)的驅(qū)動式技術(shù)，發(fā)力點主要包括學(xué)習(xí)目的、學(xué)習(xí)數(shù)據(jù)類型、多任務(wù)處理學(xué)習(xí)理論、非監(jiān)督式學(xué)習(xí)和增強學(xué)習(xí)等方面?！盡itchell說。

重新定義教育和學(xué)習(xí)

隨著AI在教育行業(yè)的落地，所有教學(xué)行為將迅速數(shù)字化，這個過程中形成的海量數(shù)據(jù)，在經(jīng)過算法的不斷分析優(yōu)化之后，勢必會重構(gòu)這個行業(yè)的底層邏輯，帶來巨大的變化和沖擊，突破我們對于教育認(rèn)知的邊界。

例如知識地圖的概念，這個概念是由ALEKS創(chuàng)造的，這也是個性化教育的一個重要基礎(chǔ)。通過知識地圖，可以用1/10的題目測出每個孩子哪個知識點會，哪個知識點不會。因為我們傳統(tǒng)的中考高考只能測出孩子是八十分或者是六十分的孩子，但是5個80分的孩子，他們每個知識點會和不會的地方其實是完全不一樣的。

而松鼠AI在這個基礎(chǔ)上，又提出了錯因重構(gòu)知識地圖的理念?！板e因”的概念是這樣的：如果這個孩子某個知識點沒掌握，不一定是知識點的問題，可能是其他的錯因，比如說題干的語義理解有問題，也可能是單純的馬虎遺漏，他其實是掌握這個知識點的，所以，如果我們沒有把所有的錯因抓出來，或者只給孩子訓(xùn)練知識點，其實他已經(jīng)掌握了，等于又浪費了時間，同時他自己真正錯的原因還沒有解決，以后遇到類似題目仍舊會做錯。

松鼠AI用“錯因”重構(gòu)了ALEKS的知識地圖，雖然需要運算的數(shù)量級大幅度增加了，但是確實提升了精準(zhǔn)度。

最后說服Mitchell教授加盟的時候，栗浩洋在美國和教授連續(xù)談了九個小時。

栗浩洋如何向教授解釋松鼠AI產(chǎn)品？“我們對知識點拆分的顆粒度其實比Knewton、ALEKS等美國的競爭對手產(chǎn)品多了十倍?！?/p>

Mitchell第一次聽到后，覺得十分驚訝，詢問如何做到這么精細(xì)的拆分？拆分后對比實驗的效果如何？

事實上，如上文所談到的那樣，智適應(yīng)學(xué)習(xí)在美國起步更早，而在中國真正為大眾所知也不過短短幾年時間。但顯然，在實際落地的場景中，中國的創(chuàng)業(yè)公司已經(jīng)先人一步。

曾就職于Realizeit、現(xiàn)乂學(xué)教育首席科學(xué)家崔煒告訴鈦媒體，與國外領(lǐng)先的自適應(yīng)公司相比，雖然它們已經(jīng)做了很久，有了大量的數(shù)據(jù)積累，現(xiàn)有的產(chǎn)品模式也比較完善，但是，對于中國而言，智適應(yīng)研究本地化的優(yōu)勢更明顯。因為中國的學(xué)習(xí)強度和考試內(nèi)容難度高于國外，測試的題目也是，加之中國地大物博，教材的穿越性也非常大。

栗浩洋舉例說，關(guān)于一元二次方程，ALEKS拆解為了13個知識點，而松鼠AI團(tuán)隊拆解為了107個；初中英語聽力知識點拆分為了8000多個。 “中國可能更需要納米級和超納米級拆分?！崩鹾蒲蟊硎?，在英語學(xué)習(xí)方面，中美兩國學(xué)生面對的是不同的問題，類似連讀、爆破音和固定搭配等用法并不了解，口語和書面語也難以區(qū)分的中國學(xué)生需要比歐美顆粒度更加精細(xì)的知識點拆分。

中國學(xué)生的生長的環(huán)境和美國完全不同，社會文化環(huán)境也影響學(xué)習(xí)的理解。由于家境的問題，一些學(xué)生可能沒有經(jīng)歷過飛機和銀行這樣的場景。所以，中國學(xué)生可能對很多英語場景的和新的知識不熟悉，他們就需要專門的訓(xùn)練。

不僅如此，如果我們思考教育的終極目的，不是最大范圍內(nèi)獲取書本知識和在考試中取得高分，更應(yīng)該是關(guān)注一個學(xué)生的能力，這包括他的思想和方法，也關(guān)乎創(chuàng)造力和想象力。松鼠AI目前已經(jīng)突破了歐美同行知識點學(xué)習(xí)的局限，開始培養(yǎng)孩子的舉一反三的能力、思想和方法的學(xué)習(xí)。

在做能力、思想和學(xué)習(xí)方法拆分的時候，松鼠AI團(tuán)隊的原則是“三課原理”：第一節(jié)可定義，第二可測量，第三可傳授。只有把一項學(xué)習(xí)能力清晰定義之后，然后再對每個學(xué)生在該能力的水平進(jìn)行測量，才可能進(jìn)行傳授和確保學(xué)生掌握，對于人的綜合能力和情商能力亦是如此。

“我小的時候因為情商特別低，不太會跟人交往。打招呼都會覺得臉紅，也不知道怎么樣開始?！崩鹾蒲蟾嬖V鈦媒體，他后來反復(fù)思考，嘗試把“情商”拆解為30多種能力，諸如觀察能力、語言表達(dá)能力、尋找對方感興趣的話題的能力、對別人的心態(tài)判斷的能力，甚至是遭受不公平對待之后的自我化解能力等等。

比如說，在與他人聊天時，如何判斷對方是真心對你的內(nèi)容感到興趣，還是出于禮貌不便打斷？如果是前者，就證明你的表達(dá)是有效的，反之，這不僅是一次失敗的表達(dá)，還容易造成對方的反感。

栗浩洋認(rèn)為，如果對方根本不想聽，而你還喋喋不休，則證明情商是堪憂的。所以，在一開始就要學(xué)會觀察，發(fā)現(xiàn)他人微表情的區(qū)別，然后盡量找到別人感興趣的話題。

在這樣的思考模式下，再難以測量的情商能力，也可以細(xì)化到“你每分鐘是不是看了別人兩三眼”這樣細(xì)微的顆粒，去觀察接受者的情緒變化。

“就像單兵作戰(zhàn)能力可以拆解成射擊能力，移動射擊能力、俯臥撐、背負(fù)重物跑與爬等等這些不同能力之后，然后再去進(jìn)行綜合訓(xùn)練，完成任務(wù)的目標(biāo)性訓(xùn)練，從籠統(tǒng)到細(xì)分，從細(xì)分最后再到綜合的訓(xùn)練?！崩鹾蒲笳f。

Mitchell 被這樣的設(shè)想而震驚，“我那時候也想過情商的問題，我們的很多學(xué)生因為是學(xué)計算機的，我擔(dān)心他們情商有問題，所以我也研究過這個事情。而栗的方法無意更加可操作并且可以明顯取得效果。”

在談到研發(fā)的時候，教授還和栗浩洋分享了他的一項研究，他展示了通過掃描大腦的熱點，發(fā)現(xiàn)大腦看到不同的詞匯和想到不同內(nèi)容的時候，熱點范圍是不一樣的。栗浩洋也談到，松鼠AI也在通過腦電波對學(xué)生進(jìn)行測量，來觀察學(xué)生在學(xué)習(xí)過程中的專注力是集中還是分散。

此前，從來沒有人將人類的行為和思想解構(gòu)得如此細(xì)致且大膽，未來的學(xué)習(xí)和教育，將會以一種全新的形象，出現(xiàn)在我們的面前。