原标题：从数据到AI 教育机构们爱在心头口难开

　　" 智能相对论 " 认为，AI+ 教育概念的混乱，一方面是由于技术门槛过高，许多管理者本身并不懂 "AI"，只是风口到了，便顺着概念而上。例如，目前市面上着眼于 " 自适应 " 的教育企业就非常多，工作原理主要是通过评估学生对知识、课本的掌握程度进行个性化推荐，可以看作 " 教育届的抖音自动推荐 " 理解。这一类公司对外便一直宣称自己是 "AI+ 教育 "，并获得了一定的认可度。

　　另一方面也不能怪机构自封 "AI"。因为概念本身就有重叠，且基于民众认知和媒体宣传的影响，诸如 " 自适应 "" 机器学习 " 等诸多数据处理技术都 " 被 " 和人工智能画上了等号。因此机构在自我宣传造势方面，也颇有些无奈。在采访中就有某中小教育企业创始人自嘲：" 不要说什么人工智能，其实现在都还是人工智障，去人工化就不可能，我们自己都知道。"

　　Stack Overflow 的数据科学家 David Robinson 就曾提出了一个简单差异定义：数据科学产生见解、机器学习产生预测，而人工智能产生行为。

　　数据科学产生见解很容易理解，杰夫 · 李克（Jeff Leek）曾在 Types of Data Science Questions 对数据科学提供的见解类型进行定义，包括描述性（学生做题）、探索性（不同的学生做题有不同正确率）、因果性（课后习题表明学生 A 正确率比学生 B 正确率高），但在这其中人是不可或缺的角色。例如，因为技术团队缺失，一些培训机构的线上做题系统便是停留在这一步，下一步还需要老师根据其数据人工进行分析。这一类应用，" 智能相对论 "Shellie 统一将其归为 " 简单工具 "，还不能迈入 AI 之门。但如果做题阅卷后，还可以针对结果勘错或推荐同考点的题目，那么则向 AI 又迈进一步。

　　因此有技术方面优势的机构就更进一步，走到了数据科学和能产生预测的机器学习相结合的进阶阶段。这里的机器学习可以看作是一个黑盒模型，生长在 " 智能 " 与 " 工具 " 的夹缝中。例如各搜题软件：小猿搜题、作业帮、阿凡题等，搜题后提供答题解析的同时，还可举一反三自动推送相似题目、点评、考点等相关信息，利用技术进一步提高学生学习的互动性、积极性。并可以借此将搜题的用户导流到自己的题库中，增加用户留存。