“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