自適應學習是人工智慧在教育領域的垂直應用。自適應學習系統的概念，在中國線上教育領域不算新鮮。教育行業有很多人都在說做自適應學習，“但其實這裡面也是分層級的。”王楓認為，如果是預先制定的規則的話，這其實是非常初期的自適應。

他介紹，論答的自適應系統與其他自適應系統最大的差別是，系統做出判斷是基於非常強大的資料運算，而不是按照預先制定的規則，“論答的自適應學習系統後臺是基於複雜的人工智慧演算法。”有點兒像AlphaGo下圍棋，它不斷在推算在哪個格子裡落子最終能夠贏棋的概率最高。論答的學習推薦系統不斷分析下一步學習什麼知識點和內容，可以讓每位學生能最高效地掌握所有相關知識。

以論答已經完成產品化的初中數學為例，在初中數學應試教育的應用場景上，論答團隊把整個初中數學的知識圖譜總共分拆為181個大的知識點和超過1000個細分知識點。每個知識點有2種可能的情況，掌握、沒掌握；對於181個知識點來講，所有掌握與沒掌握的可能狀態是2的181次方種。這是什麼概念？世界上不可能有任何機器在沒有演算法的情況下把這所有的可能都算出來。

論答的自適應學習引擎要精準地定位每位學生在初中數學的每一個知識點上到底掌握得好或不好，不能靠預先設定幾個規則來解決，這後面一定要通過演算法進行優化，包括知識空間理論、貝葉斯理論等。論答的自適應學習系統已經可以做到在24分鐘內精準判斷每一位學生在中考代數所有知識點的掌握程度，而如果是通過傳統線上系統學習的話，要達到同樣的判斷精準度，則至少需要11個小時。

王楓進一步舉例，初中數學裡“一元一次方程”和“二元一次方程”這兩個知識點是強關係型的，但初中英語裡“不定冠詞”和“名詞的單複數”這兩個知識點就不是強關係型，在演算法上數學學習系統和英語學習系統是有差別的。

王楓一直強調一個觀點，對於人工智慧學習引擎來說，光有引擎是不夠的，還要有應用。“演算法要跟系統結合起來，要跟內容（包括知識圖譜、題目、視訊等）匹配”，引擎兩端“輸入和輸出之間有很多的變數在影響。”

讓機器去做它擅長的事情，即它的運算能力、儲存能力和資訊採集能力，針對有明確目標的任務；人的大腦不是硬體，人應該去做相對來說更模糊的，對學習來說是更高階的事情，像創造力、更高層次的思維能力、交流能力、領導能力，這些更應該讓人，而不是機器去做。