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。
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。”
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。