AI技术赋能学科类教育场景已经发展、沿革了近20年，其应用的探索可大致分为三个阶段：第一极端叫传统自适应，大概是上世纪 80 年代，美国提出了一个概念，老师给一个班级的学生上课，能不能通过技术达到个性化？这个理念并不新颖，但是它发展了 20 多年，一直没有很大的突破，原因是第一代自适应引擎是大数据推荐系统，就是说它只是撮合数据。第一步是学生模型，每一个模型都会搭建一个成熟的学生模型，每一个学生都有了自己独特的标签；第二步是把现有的教学内容，比如视频、题目打上标签，这样就可以对这两个素材进行贴合，每一个学生给他一个评测，生成自己的画像，可以算出他最适合学习什么知识，这样就可以得出最适合他的学习路径。
但是给学生推送的教学内容却只能停留在视频和题目本身，这个时候我们会发现，第一代自适应引擎逻辑上非常正确。但是它只能推送视频和素材这些已有的教学内容，它的交互感非常差。教育是比较反人性的事情，学生学习不是主动的学习。对于教育行业，交互性、趣味性是非常重要的。
第二阶段 AI伪直播。2018 年随着深度学习技术的成熟、语音识别技术的形成，可不可以用交互的方式让学生的学习更加有趣？比如 AI 换脸技术、语音识别技术，能不能通过语音，让 AI 老师和学生进行交互？2018 年产生了AI 直播的概念，或者是 AI 互动课：通过生成一个虚拟形象的老师，可以跟学生进行交互，甚至可以问学生问题、根据学生的回答去跟他进行交互。学生是不是觉得这个 AI 就跟真的老师一样？这样的体验比较好，但这个模式最后没有取得成功，原因在于目前的深度引擎无法替代老师。
引用一个投资人的话：「这样的一个引擎只能哄小孩子」。
例如少儿英语赛道做一个 AI 直播老师，小孩分不出真人外教还是 AI 外教。但针对高考的话，高考题目的变化有上百种，不可能每一道题的讲解都人工地撰写一千种可能性。但是真正的老师却是可以的，他可以根据你的情况给你讲清楚所有问题。所以我们认为 1.0 阶段和 2.0阶段 恰好是一个很好的互补关系，1.0 阶段是一个非常中立的推荐引擎，可以解决每个学生的学习路径的问题，但是他由于缺乏交互性和无法生成教学内容，所以它的体验不好；2.0 阶段的体验很好，非常地生动和交互，甚至可以换成你喜欢的明星的脸或者是声音跟你进行交互。但是由于它背后的教学逻辑过于复杂，无法自动生成只能人工撰写，所以只能停留在非常简单的认知上。
有没有一种引擎，既是个性化的为每个学生进行交互，同时又非常有趣的以 AI 交互的形式出现？我认为它就是 AIED 。
整个 AI 的范式经历了一百多年，主要分为三代。第一代专家系统，它是在 70、80 年代非常火的技术；第二代深度学习，基于专家系统的深度学习出来的 AI 系统是很难具有认知的。
前两代AI解决认知上都不太聪明。原因是什么？因为现在的人工智能不是一个基于认知的东西，什么是认知模型？当我跟一个人对话的时候，我相信他理解了这句话，并且在他的世界里有一个自己的智力模型，他可以进行推理决策——我应该基于这句话吸收什么东西？并且我下一步应该给他说出什么样的话？然后通过一个语言模型呈现出来，这是一个智能过程。
