第三十七章 可汗學院計劃

  「先說說你對在線教育模式對傳統基礎教育的影響吧。或者說，你覺得你現在在視頻網站上推廣的這種模式，還有什麼可以繼續改進、與網際網路新技術結合的地方。我不要看四平八穩的材料，只想聽最切中時弊的問題。」

  顧莫傑隨便掃了幾眼薩爾曼可汗的企劃書，然後把那薄薄的幾頁紙丟在茶几上，敲著指頭詢問。

  本書首發𝗯𝗮𝗻𝘅𝗶𝗮𝗯𝗮.𝗰𝗼𝗺,提供給你無錯章節，無亂序章節的閱讀體驗

  他需要確認可汗有乾貨，值得他每年投資幾百萬去做這個事情。

  可汗也不拿捏，直接就說了：

  「我覺得吧，視頻授課，我算不上首創——我給我表妹用視頻教中學數學的時候，麻省理工本身就有在線的免費視頻數學課。但是結果事實證明麻省理工的課不如我的播放量占優，這說明他們的課程模式設置有問題。

  我不是搞教育專業出身的，知道自己的實力。如果單論教學能力，我肯定不如麻省理工那些教授。在面對面的互動授課情況下，他們的教學質量當然會超過我。而現在在視頻課領域被我反超了，那只能說明他們對視頻技術的應用上，沒有揚長避短。」

  顧莫傑給了一個鼓勵的眼神：「繼續說下去。」

  可汗喝了口櫻桃汁，繼續說：「首先，傳統視頻授課的最大缺陷，就是完全側重於『教』，而非側重於『學』——那東西是站在授課教師的角度上安排的，不是站在學生的角度上安排的。老師說了。就天然覺得學生懂了。哪怕實際上學生沒懂，面對一個錄好的視頻也沒法發問、提出質疑、提出討論，只能照搬接受。

  當然，視頻教學也有比普通教學節省成本的地方。除了可以讓一個老師的教學成果被無數倍地複製、讓更多學生聽到之外，它還可以確保重複聽、選擇性聽。走神了、或者一次沒聽懂的內容，學生可以把進度條往回拉，重複多聽幾遍。多少也能加深一些印象，有助於掌握。

  我摸索的這套視頻課程技術，已經不同於YOUTUBE上曾經的簡單播放了，而是充分結合了您和傑夫辛頓教授聯合發掘的『深度學習算法』——我的視頻內容推送是帶有一定的智能性與學習性的，設置了相對複雜的多個視頻樹狀與網狀交叉推送結構。

  打個比方，一個知識點，如果學生沒學懂，在做視頻最後留的習題時答錯了，那麼我會讓學生點選其錯誤的症狀——比如正確答案是A。而他選擇了B，那麼我就會跳轉到一段『B為什麼是錯的、你之所以會選這個錯誤選項，是因為哪一個知識點掌握得不紮實』的小視頻上。同理如果他錯選的是C，那麼也會另外跳到一段解說視頻上。

  為了實現這些目的，我的公開課視頻都比較短小。我不會和麻省理工或者哈佛商學院的課那樣，非要設置成一個視頻長達45分鐘甚至1小時。作為一堂課。我的一堂課也許只有15分鐘到20分鐘。但是足夠把兩三個小知識點講透徹，最後留習題，全部做對了就沒必要再聽。做錯了那就選擇性跳轉到你之所以錯的那部分。

  我認為這才是真正的因材施教，讓學生把時間和精力都花在他們還不懂的東西上面。而不是無論他掌握到了何種程度，都得浪費時間把45分鐘一堂的課從第一分鐘聽到最後一分鐘——那是在浪費學生的生命。」

  從平鋪直敘的流水帳式視頻，變成根據知識點的掌握情況，具體問題具體分析地推送，這裡面的智能上升程度，可不是外行人所看到的那一星半點。

  對於可汗的推演，顧莫傑立刻感受到了這個技術設想背後的巨大前景。

  或許後世的網友。對於大數據和雲計算應用泛濫時代的「猜你喜歡」、「同好作品推送」之類的功能見得太多了，覺得這些都沒什麼難的。連某點都會推個同，連那些專做盜-版的瀏覽器都會打出「給的再多、不如懂我」的口號。

  加之這些打著同好智能推送口號的推廣，實際上往往被競價排名給污染了，做成了半吊子的注水豬肉，所以國內的網民就更不覺得這些推送算法有什麼牛逼之處了。

  但是事實上，如果可以不被塞錢加塞進來的那些垃圾信息污染，一個成熟的內容篩選推送算法，對於一個內容提供方網站來說，是一種極大的提升用戶黏性助力。

  比如，如果一個站的「基於深度算法的大數據推送」實打實做好，書友是不該喊「怎麼又書荒了」，哪怕再小眾的需求，至少也應該被系統自動篩選出可以看的、喜歡看的作品。而不是直接按照分類和標籤粗暴篩選，結果弄到一堆臭不可聞的標題黨。

  如果一個音樂或者視頻網站在這方面做得好，理論上可以提供更契合用戶口味的書單、雲音樂歌單、視頻推送列表……

  數據爆炸的時代，「得到知識」這個需求已經不再有稀缺性，但是「不受知識垃圾干擾、直擊主題地找到你真心要的數據與服務」，開始變得奢侈起來。

  有效率的檢索，比囤積固態知識重要得多。只有死記硬背的舊時代行將被淘汰者，才會以後一種形態做人。

  想明白了這一切，加上自己本身重生時帶來的那強烈的核心價值觀，顧莫傑感覺到一陣獸血沸騰。

  可汗這個項目，贊助得值。

  顧莫傑目光何等敏銳，欣喜之餘，直切時弊地追問：「可是，你說的這些，靠目前視頻網站的技術應該還沒法完美實現吧，很多設置都需要手動完成。很多推送之間的內部邏輯關係，都是人工設定的。並不是基於深度算法和大數據自動統計、自動歸納的。」

  可汗微微有些不好意思：「這當然還是有問題的。目前每個教學視頻最後留的習題，如果被學生做錯了，具體跳轉到哪一段後續解說視頻，是我手動設置的關聯。一方面，我對深度算法肯定不夠了解，沒法基於這個應用調整出一套行之有效的算法。

  另一方面，畢竟目前為止看我的視頻上課的學生最多也就十萬人級別。這個樣本容量還不夠大，真上了基於深度算法的架構，或許也會因為『可供深度學習的素材不夠多』，而導致其推送效果不如目前的人工設置關聯。」

  對於這個說法，顧莫傑也深以為然。

  鑑別一個基於雲端網絡的人工智慧是否強大，算法固然很重要，但是最重要的還是用戶量和用戶使用頻次。

  如果沒有幾百萬的圍棋棋手的棋局作為樣本容量供阿爾法狗學習，阿爾法狗是打不贏李世石的。

  這也是為什麼後世谷歌成長為龐然巨頭之後，世上再也沒有哪家公司能在人工智慧的野蠻生長上比過谷歌了——就算你投入錢再多。科研上再不擇手段，充其量給你弄出一個數據修正效率比谷歌算法強兩三倍的算法。

  那又如何？谷歌的用戶人數和頻次乘積是你的五倍十倍，你空有三倍效率的算法，照樣被越甩越遠。何況在沒有代差技術的情況下，也不可能有三倍效率的算法。

  

  顧莫傑想了想，問了可汗一個周邊的問題：「你原來做視頻公開課。有接受過別的慈善捐資過麼？」

  可汗想了想說：「有。原來我也做了一年半多，去年拿到的捐資是20多萬美元，我主要花在了程序方面，因為我一個人搞不定視頻的全部推送架構。」

  顧莫傑心裡有底了。

  「那還怕什麼，你只靠二十幾萬美元一年的投入，加上你個人的無償勞動，就做出了現有的底子。今年開始你可以得到五百萬美元一年，什麼事兒辦不成。

  算法工程師不夠的，我從初音集團給你調就是了。嚴磊博士你認識吧？那是當初跟著傑夫辛頓教授帶出來的第一批深度學習算法博士，此前地球上都沒這個專業呢。他就是一直跟著我在初音干。眼下還有十幾個傑夫辛頓和班吉爾教授的弟子，在我那裡，都做得很好。

  用戶樣本數據不夠的，可以投錢打公益GG推廣，讓這些課程得到更多的引流渠道入口，一年上百萬美元的GG費下去，我估計把這個業務的用戶規模擴大幾十倍都很輕鬆。

  而且我估計這些事情都做完的話，也就花掉三百來萬美元一年的經費。剩下將近兩百萬，我還指望你做更多的事情——花在課程翻譯和海外推廣方面，我希望看到可汗學院的課程不只有英語版的，還要有中法德俄日意西葡諸國語言版本。這個不急，可以每年增加三五種語言翻譯，花上幾年時間徹底弄紮實。跑得太快的話，估計那些用西班牙語、葡萄牙語和漢語的落後地區，寬帶網絡都還沒普及呢。」

  可汗聽了倍受鼓舞，但是依然有一絲疑慮，不吐不快地說了出來：

  「顧先生，非常感謝您的慷慨。可是，我不得不提醒您一個問題——把課程翻譯成多國語言的話，這個資金不知道還能不能走聯邦政府許可的公益性事業慈善經費呢？聯邦法律可是規定了，凡是享受減免抵稅的慈善捐資，不僅要將機構設置在美國境內、全部僱傭美籍公民、還得確保『所有用戶都是用在美國境內』的。

  如果是對海外受益的項目，就不能享受這部分經費的抵稅優惠了。我不是學法律的，這些事兒本來不懂，但是去年我就想過翻譯課程的問題，但是碰到了這個釘子，所以印象特別深刻。」

  顧莫傑思忖著說：「還有這事兒？法律的事情你不用管，到時候我找別人諮詢一下，想辦法搞定。翻譯的事情你該做就去做，我說不定也會給你一些降低成本的辦法，實在錢不夠的，我從公司里直接拿錢給你，也不圖抵稅了。」(未 完待續 ~^~)