第37章 可汗學院計劃

第三十七章 可汗學院計劃

【播報】關注「起點讀書」，獲得515紅包第一手消息，過年之後沒搶過紅包的同學們，這回可以一展身手了。

“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，還有什麽可以繼續改進、與互聯網新技術結合的地方。我不要看四平八穩的材料，隻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幾上，敲著指頭詢問。

他需要確認可汗有幹貨，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。在麵對麵的互動授課情況下，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，那隻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，麵對一個錄好的視頻也沒法發問、提出質疑、提出討論，隻能照搬接受。

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，那麽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，那麽我就會跳轉到一段‘b為什麽是錯的、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，那麽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分鍾甚至1小時，作為一堂課。我的一堂課也許隻有15分鍾到20分鍾。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麵。而不是無論他掌握到了何種程度，都得浪費時間把45分鍾一堂的課從第一分鍾聽到最後一分鍾——那是在浪費學生的生命。”

從平鋪直敘的流水賬式視頻，變成根據知識點的掌握情況，具體問題具體分析地推送，這裏麵的智能上升程度，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，覺得這些都沒什麽難的。連某點中文網都會推個同好小說。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汙染了。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麽牛逼之處了。

但是事實上。如果可以不被塞錢加塞進來的那些垃圾信息汙染，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，如果一個小說網站的“基於深度算法的大數據推送”實打實做好，書友是不該喊“怎麽又書荒了”，哪怕再小眾的需求，至少也應該被係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簽粗暴篩選，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麵做得好，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“不受知識垃圾幹擾、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。隻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，讚助得值。

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。一方麵，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。

另一方麵，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。

鑒別一個基於雲端網絡的人工智能是否強大，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。

這也是為什麽後世穀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能的野蠻生長上比過穀歌了——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穀歌算法強兩三倍的算法。

那又如何？穀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麽？”

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麵，因為我一個人搞不定視頻的全部推送架構。”

顧莫傑心裏有底了。

“那還怕什麽，你隻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，什麽事兒辦不成。

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幹，眼下還有十幾個傑夫辛頓和班吉爾教授的弟子。在我那裏，都做得很好。

用戶樣本數據不夠的。可以投錢打公益廣告推廣，讓這些課程得到更多的引流渠道入口。一年上百萬美元的廣告費下去，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麵，我希望看到可汗學院的課程不隻有英語版的，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、全部雇傭美籍公民、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，到時候我找別人谘詢一下，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，我從公司裏直接拿錢給你，也不圖抵稅了。”

ps.追更的童鞋們，免費的讚賞票和起點幣還有沒有啊~515紅包榜倒計時了，我來拉個票，求加碼和讚賞票，最後衝一把！(。)