36氪近日獲悉，人工智慧個性化學習平臺「符號樹」科技宣布獲得數百萬元人民幣天使輪融資，此輪融資由達晨創投投資。本輪融資將用於進一步加強智能系統的技術研發、教研、人才引進和市場推廣。
符號樹科技的產品核心是一個擁有優質教學資源的專家系統，針對不同學生不同的認知水平、學習特點和學習需求等進行深度分析和精確診斷，生成針對不同學生的「個性化學習方案」，讓專家系統為學生匹配最優的AI老師對學生進行一對一的輔導。
這套邏輯對於教育創新前沿的人來說，並不陌生。過去幾年來，市場上層出不窮的「智能化」自適應題庫都是如此宣傳的：每一個學生都不同，自適應題庫可以做到千人千面。但是，這種所謂的」千人千面「大多不過是同一個數據維度的「千人千面」；自適應題庫的底層邏輯是，學生如果經常做錯某一類型的題，那麼就多向他推送同類型的題。這樣，學生就可以花更少的時間重複練習已經掌握的知識點，而更加專注在還不熟練的類型上。
與以往所有學生使用同一套練習冊相比，自適應題庫當然更加高效，而且不少產品在很大程度上服務了老師，減輕老師留作業、批改作業和學情分析的時間。
但是，符號樹要做的不僅僅是減輕老師負擔，而更要讓水平參差不齊的老師們都達到專家老師的水平。符號樹認為，優秀老師之所以優秀，並不體現在改作業改得好方面，而在於他們能夠通過觀察學生的答題思路來判斷他哪方面知識點或者能力有欠缺，並針對他欠缺的部分做針對性講解和練習。還有，不同學生理解新事物的思維方式不一樣、專注能力也不同，優秀老師通過觀察到這些細節，會在知識點教授的順序上、一次性授課時長上做出調整。
符號樹的AI專家系統就是要模仿這種優秀老師的教育方式。不同於大多數自適應題庫只收集和分析「習題知識點」這個單一維度的數據，符號樹會收集多項行為數據並對用戶進行更為宏觀的建模。模型中包括學生的學科素養、思維模式、專注能力等；系統會根據用戶與這個能力模型的偏移程度推薦相應的輔導材料和習題。
舉個例子，如果有個學生總是做錯立體幾何知識點相關的問題，那麼傳統的自適應題庫就會著重推送立體幾何問題；而符號樹的系統可以察覺出這個學生做不出來立體幾何問題的具體原因到底是什麼。
如果是因為學生的空間想像能力不強，那麼系統就會通過文字、視頻或者語音講解以及練習題，來教授學生空間向量的做法，把立體幾何的空間想像問題，轉化成代數的坐標運算，學生只要掌握幾個公式，就可以解決絕大多數的立體幾何問題。
而空間想像力強的學生就可以根據立體幾何中的定理定義，直接完成題目的解答，訓練的重點則要放在定理定義使用的精準性上面。
因此，符號樹的智能系統和傳統自適應題庫相比，更加關注習題背後學生能力的發展；而且可以通過有針對性的講解和練習來實現模擬優秀老師的能力——深刻理解學生和深刻理解知識和能力模型的能力。
但是符號樹並不是要取代真人老師，真人老師的監督、輔導和育人的作用依然難以被系統取代。符號樹希望系統能夠幫助年輕老師快速獲得和經驗豐富的老師同等的分析能力，讓年輕老師的學生得到更公平的教育。因此，基於近期上線app和pc端產品，符號樹已經與多家教育機構和學校達成了合作意向。
符號樹科技創始人&CEO，研究生畢業於美國加州歐文大學，從事大數據、人工智慧行業多年，曾任Apple美國矽谷總部產品經理、研發組長。團隊成員還有來自Google、微軟、華為、清華北大、UC Berkeley等知名公司和高校