人工智能话题一直都是热门，尤其是最近。
无论是国内外新闻，国家发布的新政策，还是涌现出来的新技术、新发明、新应用的突破都能和人工智能挂上边。
投资圈最近有个知名的笑话， 问”这两年大家觉得创投圈最大的泡沫是哪个行业？”大家都一致说是人工智能行业；然后又问， “那大家最后悔的事是什么？”大家一致说是对人工智能公司还是投的少了……
人工智能行业为什么这么火爆，现在技术结合具体应用的拐点已经到来了么？要回答这些问题，首先，我们来看几个AI场景应用。
在医疗领域，通过训练AI识图，不仅判断病灶更为精准，速度也更快。
为此IBM还大力投资研发了Watson健康，借助收购的医疗数据公司开始进入医疗领域。尽管因为各种原因最后失败了，但IBM给医疗领域走向AI提供了一个参考方向–即医疗影像领域会更有前途。在我们常逛的论坛里，就有类似的项目，他们小组通过AI实现了乳腺癌判断的97%以上的准确度。
AI另一个令人吃惊的成就，则是腾讯、百度等科技巨头的人脸识别技术帮助找寻丢失的小孩。十几年过去了，孩子的模样和小时候大不相同，孩子自己的亲生父母都不能辨认，仍然可以依靠人工智能的力量，拿着孩子小时候的照片推算出长大以后的模样。让我们更加深信，科技是向善的！
他们历经数千次训练和N次版本更新，开发出了具有上千层结构的深度神经网络模型，人脸识别的精准度从最初的10%左右提升到了目前的96%。
借助这一技术，警方通过数据库远程比对，精准锁定目标对象，最终再通过DNA测试，找到了十多名失踪多年的儿童。传统技术在这样的场景中完全束手无策。
AI在无人驾驶的应用不用我们多说，目前各路神仙汇集，雄安新区也会率先实现L5级别无人驾驶驱动的智慧城市。
根据IT桔子的统计，国内AI领域，从2013到2018年5年间，一共有2240起投资，2370亿的融资额。平均融资额超过1亿，而在智能驾驶领域，平均融资额更高。
AI行业正在经历两种气氛，一种是AI技术找不到很好和产业结合的场景，商业化落地比较慢，资本逐渐对这类公司丧失兴趣，大量公司融资受『冷遇』。
另一种则是AI为细分行业赋能的赛道，比如AI+教育，AI+医疗，AI+新零售，AI+物流，AI+农业等等，只要技术可以为行业客户带来实际价值，带来行业整体效率的提升，成本的下降，资本会纷纷押注，一时火热。
8月25日晚，旷世科技刚刚在港交所递交了IPO招股文件，号称国内AI上市第一人，以深度学习，先进的计算机视觉算法赋能物联网设备，在国家投入的『雪亮工程』中应用广泛。上年年营收为9.49亿人民币，虽然亏损52亿元，但是势头强劲，受资本热捧，发展迅速。
一冷一热，一慢一快，正是AI场景的众生相。然而，最近又把大众的关注点集中到了AI行业的另一个重要赛道–AI+教育上。
AI人才缺乏，给我们打开了观察AI产业的窗口。
教育部统计，我国AI人才缺口达到500万，高校输送人才只占市场所需人才的30%到40%。
同时，AI企业也反映，目前人才培训机制赶不上需求。
行业人士也把AI落地慢归结于缺乏长期、有体系教育背景的AI人才。
于此同时，在AI不同场景的不同的赛道上，受到的待遇也不一样。
而在AI领域还有个很有趣的现象，即华人在这个领域优势明显。
李飞飞和吴恩达是最突出代表。
李飞飞完成了AI史上的标准化影像库ImageNet，从而让整个AI届焕然一新，此后其他数据训练库都按这个模式设计。
吴恩达，号称Google大脑之父，曾入职百度担任首席科学家，并领导百度大脑计划。离开百度后，他还创立了Drive.ai，最近被苹果收购。
还有更多华人在AI研究领域的领先，有文献统计佐证。
根据一个统计显示在2006到2016的十年里，近两万篇最顶级的人工智能文章中，由华人贡献的文章数和被引用数分别占总数的29.2%和31.8%。华人用五分之一左右的作者人数，平均贡献了三成的顶级AI研究文章和被引用数。
即便只统计顶级出版物里的顶级文章，华人正在人工智能领域里发挥举足轻重的作用，而且，从2014年，2015年开始，华人已经处于人工智能研究的领先地位。
我认为这不是偶然，而是华人思维深处传统文化有一生二，二生三，三生万物的概念，也有天人合一的朴素世界观。在处理信息的模糊边界方面，显得超有优势。目前AI教育落后于我们的天赋，AI教育破茧正当时。
即使这样，2018年发布的报告表明，美国仍是占据全世界人工智能人才的半壁江山，我国虽然排名第七位，但不到美国的1/10。
AI教育是为中国大规模培养人工智能人才应运而生的赛道。指把AI当作教育对象，把AI知识和应用降维给中小学的学生认知、感受、理解、应用。简单来说，就是教授AI相关的课程，包含通识课程的教授，计算思维的培养和技能的训练等。在行业内也可以叫做内容驱动型的AI+教育。例如童程童美，编程猫，最近杀入行业的卓世未来公司等归于此类。
即便是同一个教育赛道，也自然产生了AI+教育和AI教育两种完全不同的场景应用。
AI+教育更加宽泛的定义是利用AI技术辅助教学，『教』的效率，为学生降低『学』的难度。这在行业内称之为技术驱动型的AI+教育。代表企业有大家熟悉的科大讯飞、立思辰、松鼠AI，好未来和新东方也在AI赋能方面投入重兵。
按照这样的分类，AI+教育用来优化教育效果，这两年不再仅仅是给学校联网，或把学校“搬”到网上，逐步开始渗透到备课、课上互动、课后测评、对学习成果的数据追综合反馈等教学流程中。
但是即便如此，在教育细节场景融入方面还有很多不足。
目前AI+教育的效果难以衡量，结构化数据对个性化学习模型的建立贡献有限，同时缺乏公认的评价体系，导致落地的效果不如预期。
正如拉里. 库班在书中谈到的，从历史的观点来看，科技植入教育总体来说都是不成功的。科技爱好者过度理想化了科技的功效，最后却『卖的太多，用的太少』，『高科技学校，低科技学习』。
好未来创始人张邦鑫强调引入科技的必要性，但是重点还是教育。在GET2018教育科技大会上，他说：科技一定会和教育相结合，但教育的本质不是科技。
不是科技，那教育的本质是什么呢？教育的本质当然是教书育人。
反之看AI+教育领域，参与者将发力点更多放在了课程的研发，教学教研水平的提升，以及如何将内容的有效传递作为最重要的产品载体上。
我们来看看一次在北京市朝阳区举办的AI教育说课展示上，有两名教师进行“人工智能之语音识别”“初识语音识别”人工智能课程说课。有八名教师进行零距离授课，分学段、分内容展示“我的网店 我做主”、“探秘人脸识别”、“智能小车之遵标行驶”、“密码探微”、“词云与语音的合成”、“认识智能语音技术——复刻我们的声音”、“语音识别”、“创新思维”等8节人工智能观摩课，课程内容涉及语音识别、图像识别、自动驾驶、pythton人工智能模块、创新思维、工程搭建等方面。
他们无一例外把AI教育的教学当作重点，至少在我们观察的样本里，AI教育在争夺老师时间和学生时间方面占了上风。
是的，AI教育的机会来了。
二、AI教育不仅要破局也要破题，抓住内容和体系化是关键
当然有人会怀疑，AI教育为什么要从K12学段就开始？要知道AI教育对于大学生而言都不是容易的事。
而且AI是体系化的学科，需要深入其他学科，还需要其他很多学科作为辅助才能发挥效果。
也即，对AI的理解和把现实切片进入AI视野其实是整个行业的难题，而把这样的难题下放到K12，是不是有点儿早？
比如在AI的理解方面，中国人工智能学会理事长、中国工程院院士李德毅认为，首先需要理解真正的“智能”内涵。人工智能人才培养的基础是人脑认知，覆盖机器人与智能系统、知识工程、机器感知与模式识别、自然语言处理与理解以及脑认知基础。其次，在学科体系上应更注重培养人才的实践操作能力。
南京大学人工智能学院院长周志华认为，人工智能的课程设置必须先考虑到人工智能的核心基础，例如：机器学习、知识表示与处理；再考虑技术层，有模式识别与计算机视觉、自然语言处理、计算智能等，还有很多相关支撑技术，例如数字信号处理、时序数据分析等；到平台层，有机器学习系统平台、机器人、智能系统等；再到应用层，可能还涉及智能应用建模、系统设计、行为分析等。所有的内容，形成了一个庞大的知识体系，如果不经过长期的培养，很难对人工智能有一个全貌性的认识。
如果没有高维度的理解与分层，不厘清AI教育的全部面貌，那我们即便是“日行千里，也不过是邮差”。
AI教育本身也是一门科学，无论对学生还是老师而言，都是新的挑战。但教育家怀特海认为，越是重要、越是难学的东西越是要早学。
而在学习方法方面，比尔
