名词解释：
在线教育即e-Learning，或称远程教育、在线学习，现行概念中指一种基于网络的学习行为，与网络培训概念相似。
看到上述某度的解释，不禁感慨，10年前的才出现的概念时至今日再一看竟然显得如此单薄，较大环境资本收紧而言，K12教育市场的投融资动作依然频繁，也有幸本小编是此浪潮中的一只产品狗，趁着刚在动物园里跟程序猿们撕完的高涨热情，针对几个场景和问题进行解析：
ONE.未来教师形态的改变：
我们对老师的印象如同上图（出自灵魂画手Mr郎），高大与威严并存，知识与灵魂共舞，相反的是我们躲在桌子后面敬佩的听着前辈们的吨吨教诲。另一方面，“言传身教”一直是教师的基本准则，那么问题来了，教师的基础素质由无数个因素决定，他所处的时代，他的成长经历，他的朋友圈，他的道德品质，他的人生观价值观，更包括他的年龄也会影响他自己对当前世界的理解程度，总之，每一个老师都有自己的道德和认知上限，那么他以“言传身教”的方式怎么能培养出超越自己的学生呢？
随着AI+在线教育场景时代的到来，老师的角色也随之改变，教师应具备旺盛的好奇心与求知欲，悬置已有的感觉和经验，对任何现象和问题都不忙于也不轻易做判断、下结论，时刻要有“清零”状态，放下“身段”、走下“神坛”，时时从学生的角度看待事物、观察周遭世界，从教师，变成玩伴。
以往的教师在课堂上几乎支配一切的教学活动，教学内容的选择、教学方法的运用、课堂教学的进程、学生的课堂反馈、最终的评价体系等完全由教师掌控。
而今，随着学生主体意识的觉醒，教师不再是学生课堂教学活动的权威。教育理念的进步、教学方式的发展变革，学生获取信息的方式和渠道日趋多样化，使得教师的教学方式得到改变。未来的教师，在混合式情境下引导学生行为发生，需要重构教学模式，重塑师生关系，重整教学结构，重组教学环境——————这是时代使然。
TWO.未来学习场景的改变：
我司在做的就是AI+教学，其训练学生的基础原理跟训练AlphaGo相似，通过抓取用户的答题记录，在复杂的知识图谱中搜寻题目做错的原因推荐相关联知识点的课程和题目，进行有针对性的训练。然后接着我们理想化的模型是，学生根据以往的训练在考试过程中选择最优解去解决问题。
自适应学习包含几点:自适应+内容、测评、进度、路径、反馈、目标，为学生提高学习效率和学习效果。 啥也不多说，看图吧：
Three：强大的“搜题功能”只是Version0.0？
去网上搜索全都在告诉你搜题功能的使用场景是什么？应用什么技术？开发原理有多么牛b，那么，它的未来场景又是什么呢？作为产品汪来挖掘（hubian）一下：
以小猿搜题为例，
处理流程是用户上传图片后，通过预处理、切分、Deep Learning识别、NLP纠错等步骤，将题目转化成文字，然后在题库中进行搜索和排序，最终返回题目答案以及解析，整个过程大约花费1秒。
Deep Learning是机器学习其中的一个分支，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，例如图像，声音和文本。在邓澍军看来，DeepLearning的识别能力未来可以超过人眼。
以上是搜题功能简单的技术解释，费这么多金子去搞这个事情仅仅是为了满足用户搜题的需求？显然不是，搜题不是用户需求，本质上是公司需求。获取大量的用户的错题数据，有助于对知识图谱进行分析，以数学为例，500多个知识点之间存在强弱关联，用户的答题行为会不断的使一开始由人为预测的结论得到结论，并随之调整变得更加精准。
那么不难想象，这个市场对于产品来说还有多大。教育的本质上学生能力得到提升，短期的目标也是分数的提升，影响学生成绩的因素又何其繁多，学生的属性、学习习惯、性格爱好、以往重要考试的成绩、机遇、家庭环境、生长时代，朋友圈等等，那么采集更多的用户行为数据，我们对学生未来的发展趋势预测就会越来越精准，年复一年的去验证，最后出现新的学生直接拿出以往案例去对比，最后这个学生在高考中得到的分数跟案例学生得到相同分数的概率
就会极高！！！！！！
扯这么多估计您没听懂！简单说，近期目标就是要获取到学生在学校平时的学习过程中做作业、答卷子、听课的数据，分析出学生“为毛在昨天数学作业中第12题第二行用涂改液修改了内容”“为毛你的答题的时间要低于平均水平”“为毛有5种解决方案的题目，你千年只用这一种”············等等等
未来已来，很快你就会知道AI+在线教育是这个世界产生马太效应的根源之一，这么说来，AI+K12教育是流氓式变革也不为过了吧。
Four：K12 App排行榜：
