自适应学习，是“AI+教育”领域的圣杯；自适应学习背后核心理论是知识空间——和物理空间不一样，知识空间的本质，是双曲空间（负曲率，能容纳无穷多的节点）……
知识空间的3个特点：
*1）知识存在层级结构；
*2）子领域会随着距离快速分割（隔行如隔山）；
*3）知识快速膨胀（任何教学方案，都可能会在几年内过时）；
为什么短期内自适应学习的效果不会好呢？因为目前教育系统的本质，感觉还是应试教育，而应试教育的考核标准是知识点的掌握数量和质量，但目前所有学科内知识点还是相对陈旧的，并且更新速度非常慢；——如果学生最终需要掌握的知识点的数量太少，通过传统的“人工”教学方式，已经能有不错的效果了，短期内AI可能是不可能有“超10倍”的优势的，进而不能代替现有的用户习惯/行业解决方案。
类比来说，“大数据”炒作了很多年，直到最近才开始真正有落地的可能性，为什么之前一直不行，我曾经看过一个观点，就是因为所谓“大数据技术落地”，需要有非常大的数量级的数据信息量才有意义，否则都是炒作或根本不懂（比如需要10G/10T级别的数据，而之前很多行业有几万数据就说自己是“大数据”了）。
也就是说，如果没有“自适应学习有效应用”所需要的数据土壤，再加上教育本身是个水非常深的垂直领域，短期内，这个方向可能有非常大的风险。
那什么领域/方案/时机，能够产生足够的数据土壤呢？
1、在新兴行业。比如人工智能，就像一个黑洞，外面的普通人，其实并没有太大触动，还是一样的慢节奏生活，但是，AI行业的从业者会明显感受到，新信息出现的数量和速度越来越大、hold不住了。
2、”知识市场“概念，类似知识空间里的淘宝，用户自动来产生内容。
虽然短期内可能难以成功应用AI带来颠覆性的价值，但是还是有机会的，比如
2、PR+提高付费转化率
1）PR价值，大家都明白，比如AlphaGo让Deepmind和Google路人皆知。
2）提高付费转化率的意思是，通过让家长感知到“这个教育公司（方案）用了人工智能”，不明觉厉，然后更愿意付费。
举个例子，比如曾经听说过某公司，打造了一个“AI+教育”教室，主要卖点是，用计算机视觉来检测是否有学生在课堂上吃东西、睡觉、开小差、打闹等等，然后告诉助教或者老师，辅助维护课堂秩序。
这个系统能带来多大的价值（比如提高多少分或学习效率）？不好说。因为据说“教育行业的产品，很多是既无法被证明，也无法被证伪”……
但不管怎样，家长会觉得用了AI，很高大上，就更愿意付费了。
为什么“PR+提高付费转化率”是现阶段可能更方便落地的思考方向呢？因为现在（AI还不够成熟）用户“使用AI”不是强需求，但“尝鲜AI”反而是强需求。
