1950 年代，关心教育的心理学家 Skinner 去看女儿的小学数学课，发现有人已经做完练习，有人仍然没听懂，老师只能在几十个孩子之间来回检查、纠错。

Skinner 由此想到，如果每个孩子的掌握程度不同，他们此刻得到的反馈和下一步学习任务也应该不同。他后来设计教学机器，希望机器至少能够根据学生的回答提供即时反馈、安排下一道题。这成为教育技术早期将个性化教学规模化的一次尝试。

但个性化教学的实践远比想象中更难。人力有限，高明的老师始终稀缺。即使是经验丰富的老师，也很难及时捕捉每个学生在每一个学习环节出现的细小困惑，更不用说随时为这些需求重新组织一次教学。

在各种尝试之后，以大模型为代表的新一代 AI，又给个性化教学打开了新的空间。

Alpha School 是个激进的例子。它主张学生每天上午依靠自适应学习软件和 AI 系统，用两小时完成数学、科学等核心学科，再用下午四个小时学习创业、编程等现实技能。AI 的一个重要作用，就是实时分析学生的学习状态，进而调整课程。

国内的教育平台同样在跟 AI 深度融合，其中最新的样本来自豆包爱学。它把“一人一解法”的个性化教学贯彻到产品的各种细节功能里，不仅让教学更适配每个学生的学习需求，还让学习过程更有意思。

让每次学习，都得到更有趣的指引

很多行业值得用 AI 重做一遍，很多课程值得用 AI 重学一遍。

5 月底，豆包爱学上线“豆包课堂”，把数学和古诗词的学习融入到了可互动的 AI 课程里。不过更有趣的是，豆包爱学还实现了游戏化课程定制，把自己的想法交给 AI，就能得到一门图文互动的专属课程。

比如把数学融合进商业实践，让用户可以具象化理解数学知识。在一个案例中，用户变身古代点心铺的小掌柜，上演“点心铺闯关记”——他要用上数学课的知识，在三天时间里，把一家快要关门的小店彻底救活。

第一关的谜题是“桂花糕为什么越卖越亏”。这里要搞懂成本和利润的关系，保证卖点心绝对不亏本。

第二关是备货问题。这里要学会比较不同备货数量可能带来的剩余或缺货，理解平均数能怎样帮助作出判断。

第三关是促销关卡。很多老板喜欢做买二送一的促销活动，但促销未必明智。这里要用比例、对比和利润计算，来判断促销活动的可行性。

而在最后，用户将迎来终极挑战。他要将三天学到的知识汇总成一份《小掌柜秘籍》，把定价算账、备货估算、促销判断中的思考和知识来一遍完整的回顾，由此成为一个生意上的小专家。

从成年人视角来看，这种游戏或许略显幼稚。但代入小学生视角，他在闯关互动中获得的心理满足远比传统的学习过程要强。而且这种互动课程不仅可以教会用户数学计算，还能在潜移默化中实现商业启蒙，一举多得。

大量教育研究已经表明，把知识嵌入具体的问题情境，不仅有助于提升学习兴趣，也更有利于训练知识迁移、问题解决和综合应用能力。对豆包爱学来说，AI 互动引导可以广泛定制生成。

除了豆包课堂，豆包爱学的“问答”页面同样可以提供个性化教学。打开其中的“学习模式”，输入各种想学习的主题，AI 就可以调用不同能力给出解答。

我试着在这里重温中学语文课。

首先是鲁迅的《从百草园到三味书屋》。豆包爱学先是给出了两个学习选项：要么从童年视角出发，跟着少年鲁迅的脚步去感受童年的自由与拘束；要么从成年视角出发，去看鲁迅藏在童趣背后的对教育、对自我的复杂回望。

我选了第一个视角。随后“豆老师”先把百草园的美妙之处一条条摘出来，然后抛出一个问题，让我想想自己的童年记忆里，有没有过类似“百草园”的小角落。显然，这是希望学生可以与鲁迅共鸣、共情，来增进对文章的理解。

我还尝试学习《红楼梦》中的诗词。“豆老师”先是指出曹雪芹作诗的特殊之处——并非为了写景而写景，而是做“人物的命运寓言+性格盖章”，之后则是给出三个不同难度的角度，来展开《红楼梦》诗词的教学互动。

整体而言，在“问答”中，豆包爱学会根据学生所掌握的知识水平和兴趣偏好，给出启发性的教学。

事实上，豆包爱学的“问答”是一个超级入口，除了以上针对性的互动引导，里面还整合了多种学习 Skill。在学习过程中，系统会根据具体情况，自动调用不同的 Skill，生成专属的学习工具。

小朋友要学习写字，它可以生成笔顺学习组件，以可视化的方式引导一撇一捺如何下笔。当学习数学时，它可以列出竖式，来清晰呈现除法题目该怎么解答。这些小场景在学习时极其高频，却没有被通用 AI 很好地解决。

更进一步，豆包爱学在问答互动过程中，会根据学习内容和学习进展，推荐相应的测验题目，来巩固学习成果。在随机的学习体验中，天文中的“月相”状态，历史中的长城作用，我也都重学了一遍。

此外值得一提的是，豆包爱学还引入互动网页的能力，强化个性化引导教学的效果。面对函数、几何等知识，AI 可以实时生成带动画和交互的学习页面。

总的来看，豆包爱学实现了对任意主题、任意知识点的个性化和趣味化的教学指引，并给出匹配用户需求的教学内容。

两条路线汇合，拓宽个性化教学边界

过去一年，AI 教育领域的主流产品都在持续推进个性化教学，而其中的探索大致可以分为两条路线。

一条路线侧重于让 AI 学会“教学”。去年 7 月，OpenAI 上线 ChatGPT Study Mode。一个学生拿着题目来求助，AI 会先问学生已经知道什么、卡在了哪里，再通过提示、追问、理解检查，一步一步往下走，避免一次性把答案全部端出来。

前文提到的 Alpha School 也是如此。它的核心能力之一，就是让系统更准确地判断学生现在会什么、不会什么，以及应该用什么节奏推进学习。

另一条路线则是侧重学习内容本身。Google 推出的 Learn Your Way，会根据学生的年级和兴趣重新组织教材内容，并进一步生成思维导图、音频课程和互动测验。同一个知识点，不同学生得到的材料可以有不同的难度、例子和呈现方式。

豆包爱学则把以上两条路线整合起来。它既会把同一个知识点组织成 AI 课程、互动网页、情境任务等不同形式，也会根据学生提出的问题、当前理解程度和学习偏好，来选择不同的切入角度，进而分步引导、即时追问。

而这种整合能够匹配不同学科、不同主题和不同学习环节，让个性化教学进入一种动态的“原子化”阶段：一方面，个性化教学的响应单位缩小到一次具体的学习需求；另一方面，这些教学内容和动作可以在需求出现之后即时生成，并随着学生的反馈继续调整。

当学生需要系统理解一个主题时，豆包爱学可以生成一门课；当学生只卡在对某个概念的理解，豆包爱学可以给出一种可视化解释；当学生想要确认学习效果是否扎实时，豆包爱学能立即推送测试链接。

这些指引不需要学生自己调 skill，也几乎不需要等待。这在以前几乎无法想象。

而以上种种引导几乎都可以由豆包爱学“问答”来提供，学习体验就更为便捷和流畅。

此时再回到开篇故事。

七十多年前，Skinner 设计教学机器，希望机器能够根据一次回答的对错，来决定下一道题应该是什么。今天 AI 能做到的，远比这位学者期待的要多。

而这种 AI 教育的演进在国内有更为现实的意义。一对一的个性化教学曾在国内风行，但它对多数人始终是一个奢侈的愿景。现在借助 AI，这种“一人一解法”的教学，终于有了真正普及的可能。