51Talk技術(shù)副總裁兼AI研究院院長(zhǎng)蔡林

出品｜搜狐科技

作者｜張 瑩

編輯｜楊 錦

教師節(jié)前后，教育企業(yè)爭(zhēng)相向外界秀肌肉?！笆讉€(gè)通過教師資格證考試的AI老師”沖上熱搜。51Talk也在教師節(jié)前夕發(fā)布全球首個(gè)超擬人AI外教“考拉AI”。

據(jù)了解，“考拉AI”能夠?qū)崟r(shí)識(shí)別學(xué)生的專注度與情緒變化、精準(zhǔn)定位知識(shí)薄弱點(diǎn)，并通過強(qiáng)互動(dòng)方式營造輕松敢說的氛圍，激發(fā)主動(dòng)表達(dá)的興趣。

發(fā)布會(huì)后，搜狐科技獨(dú)家對(duì)話51Talk技術(shù)副總裁兼AI研究院院長(zhǎng)蔡林。

“AI+教育”不算新鮮的話題。單在語言教育上，國內(nèi)的AI產(chǎn)品就已經(jīng)層出不窮，比如高途推出吳彥祖AI口語陪練相關(guān)課程、VIPKID也推出了Mastar虛擬人等等。

不過在蔡林看來，真正的AI老師的比拼還沒有開始。

他指出，目前市面上的AI老師用到的技術(shù)仍是“TTS + ASR + LLM”三段式：語音轉(zhuǎn)文字，文本給到大模型，大模型又吐出來文本，文本再轉(zhuǎn)語音。蔡林用5G時(shí)代類比于我們所處的階段，而這一技術(shù)只能算是4G時(shí)代的技術(shù)。

他認(rèn)為，5G時(shí)代應(yīng)該是speech-to-speech（端到端語音）的技術(shù)，一定是“端到端”，中間零轉(zhuǎn)換，就像 OpenAI 的 GPT-realtime、Google 的 Gemini Live。

蔡林表示，只有當(dāng)“realtime”類的技術(shù)大規(guī)模出現(xiàn)，且成本降低，AI語言培訓(xùn)類產(chǎn)品才會(huì)到達(dá)更高的境界。這一時(shí)刻可能最晚在明年第二季度到來。

“我們最早做 AI 老師，是去年在海外跑體驗(yàn)課，用的就是realtime的技術(shù)，一節(jié)課的成本是45美元，很夸張?！辈塘址窒淼溃琌pen AI 的代理商、微軟都說，“不知道你們教育行業(yè)為什么都這么瘋狂？”“這個(gè)東西這么貴，為什么消耗那么多錢去測(cè)？”

他認(rèn)為，這個(gè)問題的背后是大家還沒有意識(shí)到，下一代技術(shù)對(duì)語言類產(chǎn)品影響有多大。蔡林透露，51Talk也準(zhǔn)備了“純 realtime”的考拉AI產(chǎn)品，目前考慮到成本還沒有放開。

在AI教育賽道，教育企業(yè)不僅面臨著教育行業(yè)內(nèi)部的競(jìng)爭(zhēng)，同時(shí)面臨著豆包等AI工具的競(jìng)爭(zhēng)。

蔡林最近經(jīng)常聽到一個(gè)問題——“我有豆包了，為什么還要買你的課？”

在蔡林看來，用豆包堅(jiān)持學(xué)英語是一個(gè)偽命題。而對(duì)于教育產(chǎn)品而言，激發(fā)學(xué)生持續(xù)學(xué)習(xí)的動(dòng)力最為關(guān)鍵，并且需要有人陪伴和提供服務(wù)，才能堅(jiān)持下去。

此外，從用戶的角度來看，學(xué)習(xí)是一件嚴(yán)肅的事情，希望能看到效果。因此科學(xué)地規(guī)劃學(xué)生的學(xué)習(xí)路徑，培養(yǎng)他們的學(xué)習(xí)習(xí)慣非常重要。這跟單純使用豆包去學(xué)習(xí)完全不同。

“現(xiàn)在市面上很多純對(duì)話、沒有教材、沒有老師的語言學(xué)習(xí)課程，完課率都非常低?！?/p>

蔡林表示，“AI+教育”行業(yè)必須回歸教育的本質(zhì)。盡管蔡林是“老程序員”，但他仍認(rèn)為，這一行業(yè)并非純技術(shù)的比拼，而是比拼企業(yè)在行業(yè)里的認(rèn)知和綜合運(yùn)營能力。

關(guān)于多模態(tài)、幻覺、AI和人的關(guān)系：

等成本降到足夠低，多模態(tài)會(huì)成為教育產(chǎn)品必選項(xiàng)

搜狐科技：在做“考拉AI”的過程中，實(shí)時(shí)語音模型、視頻模型的成本是一大問題嗎？

蔡林：說實(shí)話，視頻的成本還是挺高的。但是很多視頻其實(shí)是一次性的，做完之后，就不需要再去做那么多復(fù)雜的東西了，而且視頻是預(yù)生成的。

搜狐科技：51Talk已經(jīng)開始嘗試融合多模態(tài)數(shù)據(jù)，比如課堂表情識(shí)別，去判斷學(xué)生的學(xué)習(xí)狀態(tài)，這方面的成本呢？

蔡林：我覺得還行?，F(xiàn)在的多模態(tài)識(shí)別并不是全程實(shí)時(shí)采集攝像頭，而是取巧地“抽幀”，隔幾秒抓一張圖，扔給模型去解讀。行業(yè)里基本都這么干，OpenAI也是，不斷截屏喂給模型，算下來成本可以接受。

搜狐科技：未來多模態(tài)能力會(huì)是教育企業(yè)的必選項(xiàng)還是加分項(xiàng)？

蔡林：等成本降到足夠低，多模態(tài)一定會(huì)變成必選項(xiàng)。純文本模型“看不見”人，通過抽幀圖像，模型就能“看見”用戶，產(chǎn)品邏輯完全換了一層。

舉個(gè)例子，智能體提前獲取你的位置信息，今天你們?cè)诔枺饷骊柟夂茫拖葐枴翱諝夂馨?，心情怎么樣？”如果?dāng)?shù)叵卵鼤?huì)說“我看到你們那兒下雪了，開心嗎？”AI其實(shí)在模擬人，目的就是拉近孩子與AI的距離。

搜狐科技：大模型仍然存在幻覺問題，語言教育會(huì)不會(huì)也面臨幻覺問題？

蔡林：一定會(huì)。我們也在反復(fù)地去想怎么盡量減少幻覺。我們的課中做了多智能體的架構(gòu)，有一個(gè)智能體來去判斷AI有沒有胡說八道，這是我們微調(diào)出來的小模型。

大模型如果在垂直任務(wù)上經(jīng)過專門訓(xùn)練，其實(shí)可以做得非常精確；但如果只依賴通用模型的基本能力，它的幻覺可能會(huì)非常嚴(yán)重。

搜狐科技：但是幻覺和想象力相輔相成，我們?cè)趺慈プ銎胶猓?/strong>

蔡林：我們現(xiàn)在其實(shí)做了一個(gè)取巧，在不同的場(chǎng)景里面給大家的開放程度不一樣。有些場(chǎng)景極其嚴(yán)謹(jǐn)，你不能亂聊；有的場(chǎng)景可以去開放一點(diǎn)。

搜狐科技：AI技術(shù)是否改變了對(duì)教師的需求數(shù)量和素質(zhì)要求？AI是會(huì)替代部分教師，還是賦能教師，讓他們更專注于情感互動(dòng)、高階思維培養(yǎng)等AI難以替代的領(lǐng)域？

蔡林：我認(rèn)為AI帶來的改變不僅僅限于教師領(lǐng)域，而是關(guān)系到我們每個(gè)人。

前陣子出現(xiàn)了很多編程智能工具，比如Claude Code。一開始很多程序員特別焦慮，擔(dān)心是不是要被替代了。但我們內(nèi)部討論之后，大家反而特別開心。因?yàn)檫@相當(dāng)于把以前我們不愿意做的那些重復(fù)勞動(dòng)，全都交給AI去干。

對(duì)教師來說也是一樣的。AI可以幫助教師擺脫重復(fù)性工作，從而更專注于提供人性中最溫暖的東西。越是在AI強(qiáng)大的時(shí)代，人的價(jià)值反而越凸顯。

搜狐科技：怎么平衡AI和人的參與度？

蔡林：我們現(xiàn)在是設(shè)計(jì)了真人的服務(wù)在里面，可以給學(xué)生提供一些情緒價(jià)值。真人教學(xué)目前還沒有加，考拉現(xiàn)在還是一個(gè)純粹的AI native的產(chǎn)品。

關(guān)于發(fā)展現(xiàn)狀、行業(yè)競(jìng)爭(zhēng)：

最晚明年Q2，AI老師的比拼會(huì)真正開始

搜狐科技：目前教育企業(yè)都在推出AI相結(jié)合的產(chǎn)品，比如高途的吳彥祖AI口語陪練等等，現(xiàn)在英語教育產(chǎn)品是否會(huì)面臨同質(zhì)化競(jìng)爭(zhēng)？

蔡林：大家可能認(rèn)為AI教育產(chǎn)品已經(jīng)百花齊放，或者說大家都卷得差不多了。我反而認(rèn)為真正的AI老師的比拼還沒開始。

因?yàn)楝F(xiàn)在所有的公司用到的技術(shù)仍是“TTS + ASR + LLM”三段式：語音轉(zhuǎn)文字，文本給到大模型，大模型又吐出來文本，文本再轉(zhuǎn)語音。如果說我們現(xiàn)在是5G時(shí)代，這一代技術(shù)可能還是一個(gè)4G時(shí)代的技術(shù)。5G 時(shí)代應(yīng)該是speech-to-speech的技術(shù)，語音進(jìn)、語音出，中間零轉(zhuǎn)換，就像 OpenAI 的 GPT-realtime、Google 的 Gemini Live。

我們現(xiàn)在要感知到這個(gè)學(xué)生的情緒，要去分析他的圖像，把他的聲音轉(zhuǎn)成文字，來判斷他情緒是不是飽滿。下一代的技術(shù)一定是“端到端”，只聽聲音就能判斷你是開心還是悲傷。

現(xiàn)在還沒有達(dá)到（真正的AI老師）臨界點(diǎn)。只有當(dāng)“realtime”類的技術(shù)大規(guī)模出現(xiàn)、成本降低， AI 語言培訓(xùn)類的產(chǎn)品才會(huì)真正到達(dá)更高的境界。現(xiàn)在看到的產(chǎn)品都不是最終形態(tài)。

搜狐科技：您覺得這個(gè)臨界點(diǎn)會(huì)在什么時(shí)候？

蔡林：可能會(huì)很快，我估計(jì)最晚明年Q2。

搜狐科技：到時(shí)候AI教育產(chǎn)品是不是會(huì)卷到另外一個(gè)程度？

蔡林：一定會(huì)。我們最早做 AI 老師，是去年在海外跑體驗(yàn)課，直接跟真人老師做 AB 測(cè)試。當(dāng)時(shí)我們用的就是realtime的技術(shù)，云進(jìn)云出，一節(jié)課的成本是45美元，很夸張。

當(dāng)時(shí)我們跟Open AI 的代理商、微軟去溝通，大家都說，不知道你們教育行業(yè)為什么都這么瘋狂？這個(gè)東西這么貴，為什么每天消耗那么多錢去測(cè)？

因?yàn)榇蠹疫€沒意識(shí)到，下一代技術(shù)對(duì)語言類產(chǎn)品影響有多大。我們所有的努力都是試圖接近 realtime的形態(tài)去提供教學(xué)。我們還有一個(gè)“純 realtime”的版本，考慮到成本沒有放開，只要條件具備，我們隨時(shí)切換。

搜狐科技：不僅是教育企業(yè)，一些通用大模型同樣可以進(jìn)行英語對(duì)話，比如豆包等，那我們的優(yōu)勢(shì)在哪里？

蔡林：我有豆包了，為什么還要買你的課？這個(gè)問題很現(xiàn)實(shí)。但你真的能用豆包堅(jiān)持學(xué)英語嗎？這可能是一個(gè)偽命題。當(dāng)然我不是說豆包的體驗(yàn)不好，我們背后也用了很多豆包的技術(shù)。

我們做過大量的調(diào)研，從用戶的角度來看，學(xué)習(xí)是一件嚴(yán)肅的事情；并且希望能看到效果。所以，如何科學(xué)地規(guī)劃孩子的學(xué)習(xí)路徑，培養(yǎng)他們的學(xué)習(xí)習(xí)慣，這才是關(guān)鍵。

我們現(xiàn)在設(shè)計(jì)的場(chǎng)景是，學(xué)生進(jìn)入我們的平臺(tái)后，我們會(huì)為他們制定學(xué)習(xí)計(jì)劃，并且有真人老師進(jìn)行督導(dǎo)。AI必須與真人的服務(wù)結(jié)合，而不是一個(gè)單純的工具就能學(xué)好。

我認(rèn)為，“AI+教育”這個(gè)行業(yè)必須回歸教育的本質(zhì)。

搜狐科技：在您看來，未來教育的競(jìng)爭(zhēng)是技術(shù)的競(jìng)爭(zhēng)、資源的競(jìng)爭(zhēng)，還是生態(tài)的競(jìng)爭(zhēng)？

蔡林：肯定是生態(tài)的競(jìng)爭(zhēng)。雖然說我是一個(gè)很資深的老程序員，夢(mèng)想說用純技術(shù)來去改變一個(gè)世界，但我認(rèn)為單純的技術(shù)肯定是不夠的，未來的競(jìng)爭(zhēng)一定是一個(gè)綜合的競(jìng)爭(zhēng)。

運(yùn)營編輯 |曹倩審核｜孟莎莎