Sebastian Thrun是Udacity公司的共同创始人兼CEO，同时在科技界也颇有作为，是斯坦福的教授，谷歌X实验室创立者，自动驾驶汽车和谷歌眼镜的研发负责人，还是MOOC(massive open on-line courses，大型网络开放课程)的积极倡导者。
Udacity在2012年创立，公司的目标是为每个人提供教育。所有课程在网上免费发布，有些课程只要支付150美金的学费，还能获得大学有效学分。目前提供类似服务的创业公司数量增长迅速，这一趋势正符合市场发展：要获得学士学位，平均花费在10万美金，但同等网络提供的“远程教育”不仅时间安排更为紧凑，价格也更有吸引力。MOOC被很多人认为是未来教育的发展方向，但这类课程服务还在发展早期，需要漫长的完善和磨合。比如作为Udacity的合伙人之一的San Jose州立大学，本周表示将暂停提供网络课程，直到来年春季恢复。
Thrun日前在Udacity位于加州山景市的办公室，接受了来自麻省理工《技术评论》杂志IT编辑Rachel Metz的采访。下面是访谈的部分问答：
San Jose州立大学最近中止了原本通过Udacity发布的课程，包括高中生和San Jose州立大学学生在内都受到影响。这一决定是在考虑到网络课程与传统授课相比合格率低而做出的，课程计划将在明年春天继续。您对此有何看法?
在我看来，参加网络课程的学生都非常认真，他们坚持参加课程，但至于通过率低，可能是还需要提高训练技巧。我们也征求过他们的意见，学生都表示需要更多的(适应)时间。网络授课确实是双方磨合共同决定的。我完全赞成中止授课的决定，因为这也是为给学生提供高质量教育的宗旨而做出的选择。
自从您创立了Udacity后，在线教育有了怎样的变化?
我们认为，MOOC应当帮助学习者完成课程。据最近的调查显示，我们提供的课程的平均进程为85%，远高于平均水平。而对MOOC课程来说，5%或4%的进程并不少见。
完成进度方面确实有相当的优势。Udacity是如何做到这一点的呢?
主要有两点：一是“学有所得”。注意提高完成课程获得证书的价值，而我们选择的“价值”就是核心大学课程绩点或学位——这些都是只有全部完成课程学习才能取得的。我们已经有San Jose州立大学作为合作教育机构，并且正在与乔治亚理工大学商讨有关提供全部学位课程的计划(将在明年一月上线)。由这些教育机构授予学位，而由我们提供所有基础设施，并督促学生完成课程学习。
二是为学生提供多样服务，提供专人与学生互动学习。对比结果显示，如果有人与学生进行线上交流，能大大改善完成课程的进度。同时设立在线帮助，供导师提供及时监督，辅导作业完成等。
您是否认为MOOCS完成率普遍偏低与用户对这一系统的期待过高有关?用户把这个系统想象得太好了，以至于真正使用时感到很失望?
即使是最顶级的教育机构，学生学习的课程其实用性也差强人意。有人就表示，上学只是为获得文凭，但却因为要在教室中坐着而浪费大量的时间。许多MOOC课程长度也和学期相当，还是很没有效率。但如果换成看视频，就剩下很多时间，用推特交流也比邮件更加便捷。大家都需要适应这种学习方式的改变。
据说使用Udacity的不仅有学生，还有一些公司用它来训练员工和发掘雇员的潜力，是这样么?
我们与一批公司建立和合作，为Udacity提供课程和资金支持，或与我们共同设置课程。员工如需要获得某方面的知识，那么使用Udacity这样的平台比传统学校授课来的快的多。
公司选择培训的通常都与自己的产品相关，比如谷歌培训的内容是HTML5网络语言，在培训的同时让更多的人熟悉HTML5。公司会从这些课程中发现表现最突出学生，这些学生通常并不比一流学府的优秀生逊色，他们没有去成的一流学校的原因各种各样，如地理、人口的限制，甚至文化不符等。
这些课程能帮助公司挖掘最有潜力的学生。教会他们适当的技能和技巧，就有胜任公司工作的能力。我们已经帮助几十个学生直接找到工作，通过我们的课程获得技术认证而找到工作的人更达到上百人。而这只是我们影响力的开始。
要想让在线课程更有吸引力，提高课程互动性，需要引进怎样的技术或需要开发怎样的技术?
我觉得应该在计算机化上下功夫。我们应当充分开发和理解人工智能，比如如何将学生能力和课程匹配起来。目前我们还需要手动筛选，分析学生资料，基于学生资料来预测参加课程的成功率——这些靠计算机都还无法实现。最终这些都将交给电脑系统处理，如检查学生学习情况，帮助选择适合学生的课程或任务，让在线学习更有效率，更有乐趣。
这一过程您预计要花多久完成呢?
至少一年。
这种互动技术将在Udacity怎样表现出呢?
比如给学生出题，在学生开始输入答案的时候，就能识别出学生是否将正确回答这条题目。如果学生水平尚且不够，则会换一条简单些的，如此调节，让学生得到人性化的辅导。
说到人工智能，你对电脑自动评分或自动反馈有何看法?与人类教师相比，这种电子系统是否更精确?
计算机评分系统成为“compiler”，按照程序设计，只能给出正确或错误的判断。如果是论断题，就很难出综合分析。比如哲学的判定语句和论述，其中的逻辑是难以用对错来判断的，语言的细微差别就能影响错误的判断。
此外答题判断不仅有评分，还有评语部分。比如评判论文，只有给出有意义的评语，作者才能学习进步。虽然论文评定系统有了很大的进步，但如何给出高质量的评价，目前还没有系统程序能够胜任。但实际上要解决这一问题很简单——让人来进行点评。在我看来，并不一定要把所有任务都勉强交给机器完成。人工点评还能提供额外的点评职位。
预计Udacity在五年后将会有怎样的发展呢?
Udacity将成为一所新型的大学。