【播报】关注起点读书，获得515红包第一手消息，过年之后没抢过红包的同学们，这回可以一展身手了。

“先说说你对在线教育模式对传统基础教育的影响吧。或者说，你觉得你现在在视频网站上推广的这种模式，还有什么可以继续改进、与互联网新技术结合的地方。我不要看四平八稳的材料，只想听最切中时弊的问题。”

顾莫杰随便扫了几眼萨尔曼可汗的企划书，然后把那薄薄的几页纸丢在茶几上，敲着指头询问。

他需要确认可汗有干货，值得他每年投资几百万去做这个事情。

可汗也不拿捏，直接就说了：

“我觉得吧，视频授课，我算不上首创——我给我表妹用视频教中学数学的时候，麻省理工本身就有在线的免费视频数学课。但是结果事实证明麻省理工的课不如我的播放量占优，这说明他们的课程模式设置有问题。

我不是搞教育专业出身的，知道自己的实力。如果单论教学能力，我肯定不如麻省理工那些教授。在面对面的互动授课情况下，他们的教学质量当然会超过我。而现在在视频课领域被我反超了，那只能说明他们对视频技术的应用上，没有扬长避短。”

顾莫杰给了一个鼓励的眼神：“继续说下去。”

可汗喝了口樱桃汁，继续说：“首先，传统视频授课的最大缺陷，就是完全侧重于‘教’，而非侧重于‘学’——那东西是站在授课教师的角度上安排的，不是站在学生的角度上安排的。老师说了，就天然觉得学生懂了。哪怕实际上学生没懂，面对一个录好的视频也没法发问、提出质疑、提出讨论，只能照搬接受。

当然，视频教学也有比普通教学节省成本的地方。除了可以让一个老师的教学成果被无数倍地复制、让更多学生听到之外，它还可以确保重复听、选择性听。走神了、或者一次没听懂的内容，学生可以把进度条往回拉。重复多听几遍，多少也能加深一些印象，有助于掌握。

我摸索的这套视频课程技术，已经不同于youtube上曾经的简单播放了，而是充分结合了您和杰夫辛顿教授联合发掘的‘深度学习算法’——我的视频内容推送是带有一定的智能性与学习性的，设置了相对复杂的多个视频树状与网状交叉推送结构。

打个比方，一个知识点，如果学生没学懂，在做视频最后留的习题时答错了。那么我会让学生点选其错误的症状——比如正确答案是a，而他选择了b，那么我就会跳转到一段‘b为什么是错的、你之所以会选这个错误选项，是因为哪一个知识点掌握得不扎实’的小视频上。同理如果他错选的是c，那么也会另外跳到一段解说视频上。

为了实现这些目的，我的公开课视频都比较短小。我不会和麻省理工或者哈佛商学院的课那样，非要设置成一个视频长达45分钟甚至1小时，作为一堂课。我的一堂课也许只有15分钟到20分钟。但是足够把两三个小知识点讲透彻，最后留习题。全部做对了就没必要再听。做错了那就选择性跳转到你之所以错的那部分。

我认为这才是真正的因材施教，让学生把时间和精力都花在他们还不懂的东西上面。而不是无论他掌握到了何种程度，都得浪费时间把45分钟一堂的课从第一分钟听到最后一分钟——那是在浪费学生的生命。”

从平铺直叙的流水账式视频，变成根据知识点的掌握情况，具体问题具体分析地推送，这里面的智能上升程度。可不是外行人所看到的那一星半点。

对于可汗的推演，顾莫杰立刻感受到了这个技术设想背后的巨大前景。

或许后世的网友，对于大数据和云计算应用泛滥时代的“猜你喜欢”、“同好作品推送”之类的功能见得太多了，觉得这些都没什么难的。连某点都会推个同，连那些专做盗-版的浏览器都会打出“给的再多、不如懂我”的口号。

加之这些打着同好智能推送口号的推广。实际上往往被竞价排名给污染了，做成了半吊子的注水猪肉，所以国内的网民就更不觉得这些推送算法有什么牛逼之处了。

但是事实上，如果可以不被塞钱加塞进来的那些垃圾信息污染，一个成熟的内容筛选推送算法，对于一个内容提供方网站来说，是一种极大的提升用户黏性助力。

比如，如果一个站的“基于深度算法的大数据推送”实打实做好，书友是不该喊“怎么又书荒了”，哪怕再小众的需求，至少也应该被系统自动筛选出可以看的、喜欢看的作品。而不是直接按照分类和标签粗暴筛选，结果弄到一堆臭不可闻的标题党。

如果一个音乐或者视频网站在这方面做得好，理论上可以提供更契合用户口味的书单、云音乐歌单、视频推送列表……

数据爆炸的时代，“得到知识”这个需求已经不再有稀缺性，但是“不受知识垃圾干扰、直击主题地找到你真心要的数据与服务”，开始变得奢侈起来。

有效率的检索，比囤积固态知识重要得多。只有死记硬背的旧时代行将被淘汰者，才会以后一种形态做人。

想明白了这一切，加上自己本身重生时带来的那强烈的核心价值观，顾莫杰感觉到一阵兽血沸腾。

可汗这个项目，赞助得值。

顾莫杰目光何等敏锐，欣喜之余，直切时弊地追问：“可是，你说的这些，靠目前视频网站的技术应该还没法完美实现吧，很多设置都需要手动完成。很多推送之间的内部逻辑关系。都是人工设定的，并不是基于深度算法和大数据自动统计、自动归纳的。”

可汗微微有些不好意思：“这当然还是有问题的，目前每个教学视频最后留的习题，如果被学生做错了，具体跳转到哪一段后续解说视频，是我手动设置的关联。一方面。我对深度算法肯定不够了解，没法基于这个应用调整出一套行之有效的算法。

另一方面，毕竟目前为止看我的视频上课的学生最多也就十万人级别，这个样本容量还不够大，真上了基于深度算法的架构，或许也会因为‘可供深度学习的素材不够多’，而导致其推送效果不如目前的人工设置关联。”

对于这个说法，顾莫杰也深以为然。

鉴别一个基于云端网络的人工智能是否强大，算法固然很重要。但是最重要的还是用户量和用户使用频次。

这也是为什么后世谷歌成长为庞然巨头之后，世上再也没有哪家公司能在人工智能的野蛮生长上比过谷歌了——就算你投入钱再多，科研上再不择手段，充其量给你弄出一个数据修正效率比谷歌算法强两三倍的算法。

那又如何？谷歌的用户人数和频次乘积是你的五倍十倍，你空有三倍效率的算法，照样被越甩越远。何况在没有代差技术的情况下，也不可能有三倍效率的算法。

顾莫杰想了想，问了可汗一个周边的问题：“你原来做视频公开课。有接受过别的慈善捐资过么？”

可汗想了想说：“有，原来我也做了一年半多。去年拿到的捐资是20多万美元，我主要花在了程序方面，因为我一个人搞不定视频的全部推送架构。”

顾莫杰心里有底了。

“那还怕什么，你只靠二十几万美元一年的投入，加上你个人的无偿劳动，就做出了现有的底子。今年开始你可以得到五百万美元一年。什么事儿办不成。

算法工程师不够的，我从初音集团给你调就是了。严磊博士你认识吧？那是当初跟着杰夫辛顿教授带出来的第一批深度学习算法博士，此前地球上都没这个专业呢。他就是一直跟着我在初音干，眼下还有十几个杰夫辛顿和班吉尔教授的弟子，在我那里。都做得很好。

用户样本数据不够的，可以投钱打公益广告推广，让这些课程得到更多的引流渠道入口，一年上百万美元的广告费下去，我估计把这个业务的用户规模扩大几十倍都很轻松。

而且我估计这些事情都做完的话，也就花掉三百来万美元一年的经费。剩下将近两百万，我还指望你做更多的事情——花在课程翻译和海外推广方面，我希望看到可汗学院的课程不只有英语版的，还要有中法德俄日意西葡诸国语言版本。这个不急，可以每年增加三五种语言翻译，花上几年时间彻底弄扎实。跑得太快的话，估计那些用西班牙语、葡萄牙语和汉语的落后地区，宽带网络都还没普及呢。”

可汗听了倍受鼓舞，但是依然有一丝疑虑，不吐不快地说了出来：

“顾先生，非常感谢您的慷慨。可是，我不得不提醒您一个问题——把课程翻译成多国语言的话，这个资金不知道还能不能走联邦政府许可的公益**业慈善经费呢？联邦法律可是规定了，凡是享受减免抵税的慈善捐资，不仅要将机构设置在美国境内、全部雇佣美籍公民、还得确保‘所有用户都是用在美国境内’的。

如果是对海外受益的项目，就不能享受这部分经费的抵税优惠了。我不是学法律的，这些事儿本来不懂，但是去年我就想过翻译课程的问题，但是碰到了这个钉子，所以印象特别深刻。”

顾莫杰思忖着说：“还有这事儿？法律的事情你不用管，到时候我找别人咨询一下，想办法搞定。翻译的事情你该做就去做，我说不定也会给你一些降低成本的办法，实在钱不够的，我从公司里直接拿钱给你，也不图抵税了。”

ps.追更的童鞋们，免费的赞赏票和起点币还有没有啊~515红包榜倒计时了，我来拉个票，求加码和赞赏票，最后冲一把！(未完待续。)

...