传统教育模式严重依赖老师。论答的创始人兼CEO王枫博士认为，传统模式下的优秀教育机构，有一个好老师开一个班，从经营的角度来讲非常值得尊重。但优质的教育资源总是稀缺的，好老师不是一蹴而就能培育出来的。这种供需之间的强烈反差，使得在线教育领域在2013年、2014年时成为资本眼里的宠儿，一批创业公司获得资本青睐。
到2016年时，教育科技市场的创投整体趋冷，全球在线教育投资明显放缓，资本的流向也更为谨慎和理性，在中国少有继续保持高热度的领域是在线英语口语学习。王枫认为，这个垂直领域正好踩在在线教育的三大优势的交集上——可获得性、灵活性、价格优势，并且将其发挥到极致。
即便是这种持续“高能”的在线教育领域，王枫认为，短板依然明显，没有好的互动和反馈。而这正是传统概念上的“好老师”最宝贵的地方——尽可能快的找到不同学生的学习问题，针对性地进行教学。
在回国创业之前，王枫已经在美国从事在线教育研究与管理工作12年有余。2016年，归国后的王枫和搭档马镇筠博士一起创立“论答”，他们希望找到一种方式，能从根本上解决教育领域“依赖老师”的难题，他们相信，论答这套自适应学习系统能够在未来创造成百上千万个好老师。
高下之分
王枫喜欢从“论答”的名字说起，“Learnta”，Learn是学习、t是Technology技术、a是Analytics数据分析。公司的名字很好地传递了他们创业的使命和目标，专注于学习技术与大数据，让每一个孩子学习得更有效。
自适应学习是人工智能在教育领域的垂直应用。自适应学习系统的概念，在中国在线教育领域不算新鲜。教育行业有很多人都在说做自适应学习，“但其实这里面也是分层级的。”王枫认为，如果是预先制定的规则的话，这其实是非常初期的自适应。
他介绍，论答的自适应系统与其他自适应系统最大的差别是，系统做出判断是基于非常强大的数据运算，而不是按照预先制定的规则，“论答的自适应学习系统后台是基于复杂的人工智能算法。”有点儿像AlphaGo下围棋，它不断在推算在哪个格子里落子最终能够赢棋的概率最高。论答的学习推荐系统不断分析下一步学习什么知识点和内容，可以让每位学生能最高效地掌握所有相关知识。王枫论答希望找到一种方式，能从根本上解决教育领域“依赖老师”的难题以论答已经完成产品化的初中数学为例，在初中数学应试教育的应用场景上，论答团队把整个初中数学的知识图谱总共分拆为181个大的知识点和超过1000个细分知识点。每个知识点有2种可能的情况，掌握、没掌握；对于181个知识点来讲，所有掌握与没掌握的可能状态是2的181次方种。这是什么概念？世界上不可能有任何机器在没有算法的情况下把这所有的可能都算出来。
论答的自适应学习引擎要精准地定位每位学生在初中数学的每一个知识点上到底掌握得好或不好，不能靠预先设定几个规则来解决，这后面一定要通过算法进行优化，包括知识空间理论、贝叶斯理论等。论答的自适应学习系统已经可以做到在24分钟内精准判断每一位学生在中考代数所有知识点的掌握程度，而如果是通过传统在线系统学习的话，要达到同样的判断精准度，则至少需要11个小时。
王枫进一步举例，初中数学里“一元一次方程”和“二元一次方程”这两个知识点是强关系型的，但初中英语里“不定冠词”和“名词的单复数”这两个知识点就不是强关系型，在算法上数学学习系统和英语学习系统是有差别的。
王枫一直强调一个观点，对于人工智能学习引擎来说，光有引擎是不够的，还要有应用。“算法要跟系统结合起来，要跟内容（包括知识图谱、题目、视频等）匹配”，引擎两端“输入和输出之间有很多的变量在影响。”
这也是为什么王枫他们认为，将美国已经成熟的大数据人工智能应用于教育领域的ALEKS测评系统直接照搬到中国来，非常不适宜。它没有对中国市场优化的内容；国外的一些系统在中国能不能运用起来，还需要实践检验，更需要在应用的过程中不断优化。
“以数学为例，我们的系统里用了大量的知识图谱，由我们的内容专家名师团队花很长时间跟着数据科学团队一起做出来，中间不断调试，一般要花两到三月才能做出一个学科的知识图谱。”王枫介绍，论答的做法是由联合创始人、首席数据科学家马镇筠带领数学科学团队，和论答的内容专家一起花很长时间打磨知识图谱和相关的算法，这里面有大量复杂的幕后工作。
马镇筠介绍，直接把国外自适应算法或产品搬到中国十分不妥，不只是中美教育的差异，仅在中国，各个学科之间的差异性也很大，比如数学和英语所适用的算法差异比较大，再比如英语阅读、词汇和语法所用的算法又不一样。
机器老师的“教感”
最好的算法其实没有开发出来的。这是王枫他们所信奉的。他们认为：对系统算法来说，大的数据量确实有可能带来价值，但初期系统算法的数据量不够大的时候，可以把名师经验整合进去，这样对系统、对用户同样很有价值。就像AlphaGo学习名师棋谱获得“棋感”一样，论答的自适应学习系统通过学习名师的知识图谱，获得“教感”。更专业的解释是：通过算法做到系统的“运算量可控，同时把信息的损失降到最低”。
美国孟菲斯大学心理系、计算机科学系、计算机工程系终身教授，华中师范大学心理学院院长胡祥恩曾经分享过一个观点：到目前为止我们想象的大数据是以计算机的形式存储处理的，中国的教育历史悠久，这样的数据其实存在于民间，中国有多少名师，看看那些奥数比赛的辅导书，里面就隐含了非常多的经验，它事实上就是某种数据，只是存在形式不一样而已。
“激活”这些隐藏于民间的“名师经验”，变成能够被系统算法理解的语言；让内容专家深刻地理解算法；让数据工程师实现“所有的知识点都可以被算法理解”，这是王枫他们正在做的人和机器的有机整合。
在大数据、人工智能应用到产业这样的交集领域，王枫认为最终较量的是谁能真正拥有一支强大的，包括学习技术专家、数据科学家、数据工程师、课程内容专家在内的研发团队一起协作，有效地、有目的地去收集、处理、维护和应用海量的学习数据，这才是教育大数据的根本。
他自信的是，论答团队的核心成员均是各个领域的专家型人才。王枫也庆幸，现在回国在大数据、人工智能领域创业，正遇上了好时机，“资本和人才已经开始进入这个行业。”
2016年7月，王枫博士和弗吉尼亚大学校友马镇筠，在上海和纽约共同创办论答(Learnta)，专注于“人工智能+教育”，为中小学生提供优质高效的在线辅导服务。同年9月获得青松基金等数百万元的天使轮投资，同年12月获得东方富海领投的千万级Pre-A轮融资，目前正在准备新一轮融资。
目前，论答已经完成了初期的产品化，正在产品开始大规模商用之前。接下来，算法、内容和系统之间将不断的迭代、反馈和优化。论答今年4月已经推出两大产品：“论答课堂”人工智能学习网站，为中小学生免费提供优质教学视频、精准测评和学习数据分析报告，以及高度互动的在线学习社区；论答辅导，主要针对中小学生初中数学、英语进行个性化在线辅导，依托论答公司人工智能学习系统，通过极速精准测评、学习内容推荐和老师互动教学，达到快速提分的目的。
按照王枫的介绍，现在论答的自适应学习系统能够完成优秀老师30%～50%的工作。他同时也强调，如果我们相信机器不能替代人，老师也不会被系统替代，比如监督学生学习、有针对性的教学，组织分组学习和讨论等工作，目前老师会做得更好。
“人工智能能够做到什么？解决效率问题，对于论答这样的自适应学习系统来说，它能够在短时间内精准地定位学生的问题出在哪儿，对症下药，比如通过学习路径推荐算法，有针对性地引导学生怎么学，怎么解决问题。”王枫认为，人工智能算法、大数据针对“有明确的学习目标”的领域最为有效，“但如果是想学成马友友那样的音乐家，这个比较困难，技术有它的局限性，尤其在创新和创造层面。”
他一直坚信：让机器去做它擅长的事情，即它的运算能力、储存能力和信息采集能力，针对有明确目标的任务；人的大脑不是硬件，人应该去做相对来说更模糊的，对学习来说是更高级的事情，像创造力、更高层次的思维能力、交流能力、领导能力，这些更应该让人，而不是机器去做。