New Oriental AI Research Institute Dekanı Qu Wei: AI, eğitim sahnesine girmek için 20 zorluğun üstesinden gelmelidir Global AI + Smart Adaptation Education Summit
15 Kasım'da, "Küresel AI + Akıllı Uyarlanabilir Eğitim Zirvesi", Pekin'deki Kerry Center Hotel'de görkemli bir şekilde açıldı. Zirve, Lei Feng.com ve Yixue Education Squirrel AI ve IEEE (Elektrik ve Elektronik Mühendisleri Enstitüsü) eğitim mühendisliği ve uyarlanabilir eğitim standartları tarafından düzenlendi. Çalışma grubu birlikte organize edilir ve en iyi ekibi yurtiçi ve yurtdışında bir araya getirir.
AI akıllı uyarlanabilir öğrenme şu anda üç endüstri, üniversite ve araştırma alanında en çok ilgilenilen konulardan biridir. Bu zirve için organizatörler, Amerikan Bilimler Akademisi'nin bir üyesi ve bir makine öğrenimi lideri olan Michael Jordan'ı, makine öğreniminin dünya çapında tanınan babası Tom Mitchell'i, Stanford Uluslararası Araştırma Enstitüsü (SRI) başkan yardımcısı Robert Pearlstein'ı ve ACT Öğrenme Program Grubunda bir kıdemliyi davet etti Araştırmacı bilim adamı Michael Yudelson gibi en iyi akademisyenler.
Resim: Dr.Qu Wei, New Oriental AI Research Institute Dekanı
Konferansın öğleden sonraki ana forumunda, New Oriental AI Araştırma Enstitüsü Dekanı Dr. Wei Qu harika bir konuşma yaptı. Yaklaşık 20 yıldır yapay zeka alanında zengin bir araştırma deneyimine sahip olan Dr. Wei Qu, daha önce Siemens'te çalışmıştır. Çin'in Amerika Birleşik Devletleri'nde listelenen ilk eğitim şirketi olan New Oriental, platformlarını kullanan dünya çapında 20 milyondan fazla öğrenciye sahip. Dr. Zhai Wei'nin olay yerindeki konuşması, New Oriental'ın AI dönemindeki son düşüncesi.
Dr. Zhai Wei, genel yapay zekanın bir darboğaza ulaştığına ve sahne yapay zekasının yeni güçlü bir gelişmeye yol açacağına inanıyor. AI + eğitimine gelince, büyük potansiyele sahip bir pazar olmasına rağmen, ses tanıma, yüz tanıma, metin tanıma, video analizi gibi birçok zorlukla karşı karşıyadır. Yeni Doğu AI Araştırma Enstitüsü yeni kurulmuş olmasına rağmen, genel stratejide "açık" olacak ve veriler, senaryolar ve kaynaklar açısından endüstri ve akademi ile daha fazla işbirliği yapmak için temel olarak N-Brain ittifakını kullanacak.
Aşağıdakilerin çoğu Zhai Wei'nin konuşmasının orijinal metinleridir.Leifeng.com orijinal amacı düzenledi ve organize etti.
Yaklaşık 20 yıldır AI ile temas halinde olan bir kıdemli olarak, AI'nın bir endüstri haline gelmesini beklemiyordum. 2016 civarında bile, AlphaGo halka tanıdıkça, AI neredeyse katlanarak bir endüstri haline geldi. İnternet şirketleri AI'yı benimsiyor ve tüm endüstriler giderek daha fazla AI'ya dokunuyor.
Ama New Oriental çok sakin. Öğretmen Yu (Lei Feng.com'un notu: Yu Minhong) çok sakin ve endişeli değil.Herkese New Oriental'ın yaptığı hissini veriyor mu? Aslında, AI yapıyorduk ve çeşitli BU'lar AI uyguluyorlar, ancak sakince, eğitim + AI'nın ne yapması gerektiğini düşünüyoruz? Yapay zekayı kucaklamak için en uygun zaman nedir?
AI'nın kışı burada, ancak bahar uzakta değil
Aslında, yapay zekaya yönelik iki yıllık coşkunun ardından, Pekin'deki kış gibi kış geldi.
Konuşma tanıma aslında çok olgun, ancak makine öğrenimi, NLP ve bilgisayar görüşü (YZ'nin en önemli bölümünü oluşturan dallar) gerçekte zirveyi geçti. Örnek olarak derin öğrenmeyi ele alın.Birkaç yıl süren büyük ölçekli uygulamalardan sonra, gittikçe daha fazla sayıda araştırmacı, bunun bir darboğaza ulaştığını keşfetti. Yapay zekanın düşündüğümüz gibi insanların yerini alamayacağını gördük.
"Kış geldi, bahar çok geride kaldı" diye bir Çin atasözü var mı? AI'nın kışı geldi, bir sonraki baharı ne olacak? Aslında, AI endüstrisindeki birçok kişi de bunun senaryo tabanlı AI olduğunu fark etti.
Geçtiğimiz iki yılda, genelleştirilmiş yapay zeka büyük ölçüde popüler hale geldi ve halk tarafından kabul edildi. Birçok yeni şirket, yağmurdan sonra mantar gibi ortaya çıktı ve çok fazla yatırım aldı. Son iki yılda herkes bunu hissetti ve hatta finansman hızı bile aşıldı İnternetin önceki yıllarda hızı.
Ancak kış mevsimi geldi, çünkü birçok yapay zeka şirketi ticarileştirmeyi gerçekleştiremedi, karaya indiklerinde farkına varmanın çok zor olduğunu gördüler. Özellikle ToC alanında. Bu neden?
Aslında, yapay zeka ve endüstrinin birleşimi çok çok zordur, o kadar kolay değil. Bu nedenle, genel amaçlı AI'nın geliştirilmesinin böyle bir trend haline geleceğini görüyoruz, ancak sahne tabanlı AI, AI ve endüstriyi birleştirme alanında sonsuz fırsatlar yaratacak.
AI + eğitim, tüm eğitim teknolojisinin yeniden inşası olacak
AI + araba dikey bir platform oluşturdu. Baidu'nun Apollo ve Google'ın Waymo'su bu tür platformlar üretti. AI + yaşam Facebook'un ortaya çıkışını doğurdu. AI + eğitimin ne getirecek? Çok sabırsızlıkla bekliyoruz. Bu aynı zamanda New Oriental'ın AI + eğitim üzerine derinlemesine düşünmesidir.
AI + eğitiminin, genel AI teknolojisinin doğrudan eğitim alanına aşılanması anlamına gelmediğine inanıyoruz.Çoğu ürün düzeyindeki uygulamada olduğu gibi, daha fazla AI + eğitimi, tüm eğitim teknolojisinin yeniden yapılandırılması olacaktır. Büyük veri, bulut bilişim gibi pek çok veri hazırlandı, ancak AI + eğitim alanında yeni bir beyin ortaya çıkacak. Buna eğitimsel beyin diyelim ve yeni bir işletim sistemi de ortaya çıkacak. Bulutta veya sonunda olabilir, çünkü tüm AI sistemleri yazılım ve donanımın bir kombinasyonu olmalıdır.
Kişiselleştirilmiş öğrenim platformları ortaya çıkacak
Kişiselleştirilmiş öğrenim platformları ortaya çıkacak. Açık olması gerektiğini düşünüyoruz, neden? Kişiselleştirilmiş öğrenme çok zor olduğundan, bir şirketin bunu uygulaması zordur. Çünkü pek çok ülke, o kadar çok insan, farklı yaş grupları ve farklı disiplinler, araştırma topluluğu için bu soruna neredeyse benzersiz bir çözüm bulunmadığından tek bir şirket tarafından çözülmesi imkansızdır.
Yeni Doğu Yapay Zeka Araştırma Enstitüsü'nün "Yeni Doğulu Yapay Zeka + Eğitim Stratejisi" ndeki temel adımları, herkes eğitim beyninin özel uygulamasına dikkat edebilir.
Burada bulunan arkadaşların çoğu bu resmi defalarca görmüş olabilir, bu sadece eğitim alanında değil. Aslında birçok alan bu resim ile temsil edilebilir.Ama en çok önemsediğimiz 8 alan onlar hakkında endişeleniyor. Bu eğitimdeki farklar nelerdir, sadece bu 8 kelime değil. Bu nedenle, odaklandığımız 20 zorluğu tanıtmak için bu fırsatı değerlendiriyorum.
"AI + Eğitim" in 20 Zorluğu
Konuşma tanımanın zorlukları: Çince ve İngilizce karışık, özel isimleri tanımak zor, güçlü gürültü
Genel konuşma motoru eğitim sahnesine gerçekten uygulandığında, genel haberler gibi birçok senaryodaki kadar etkili değildir.Aslında, Google, Xunfei veya Baidu olsun, bulut motorlarımızın çoğu bunu yapabilir. İnsanlara yakın veya ötesinde bir seviyeye kadar,% 97'den fazlası problemsiz ve% 99'a belirli senaryolarda ulaşılabilir. Ancak eğitim sahnesine girdiklerinde çalışmadıklarını gördüler. Örneğin, Çince-İngilizce karışık tanıma problemine başvurduk.Yeni Doğu'nun pek çok kursu Çince olarak İngilizce öğretiyor, bu yüzden bu dalga biçimine baktığınızda, Çince ve İngilizce arasındaki geçiş neredeyse karışık, bu da konuşma tanıma için bir zorluk. Sorun.
Eğitim alanına girmenin yanı sıra, aslında sahnesi çok, çok parçalı. Farklı konularda öğretmeye gittiğinizde matematikte, fizikte ve kimyada pek çok formül ve isim olduğunu göreceksiniz.Mevcut Çince ve İngilizce motorları ile mevcut sahnede orijinal tanıma oranının% 70'e düşeceğini görüyoruz. hakkında. Pek çok arkadaşın yüzleşmek üzere olduğu başka bir şey daha var: Çinliler İngilizce öğrenirken bizim telaffuzumuz (özellikle çocukların telaffuzları), biz buna "çingilizce" diyoruz, Çince motor ve İngilizce motor tanıma için etkili değildir. Bu yüzden üçüncü motor olduğunu düşünüyoruz.
Ek olarak, çevrimdışı sınıflarımızda çözülmesi çok zor olan güçlü gürültü ve güçlü yankılanma ile konuşma sorunları var. Amazon'un Yankısının büyük ölçekte uygulanabilmesinin nedeni aslında bir mühendislik problemini, yani konuşma tanıma problemini çözmektir.Konuşma tanıma eğitim senaryolarına uygulandığında, konuşma geliştirme ile ilgili böyle bir mühendislik problemi ele alınmalıdır. Evet, aksi takdirde çevrimdışı senaryolarda gerçek ses tanıma elde etmek bizim için temelde zordur.
Birden fazla kişinin karışık durumunda ses ve metin tanıma sorunları da vardır.İster çevrimiçi olsun ister çevrimdışı olsun, özellikle birden çoğa durumlarda, birden çok çocuk genellikle bir soruyu aynı anda yanıtlar ve aynı anda birden çok çocuk bir soruyu tartışır. Bu durumda konuşma tanıma yapabilmek için sesi nasıl ayıracağımız sorunuyla yüzleşmek zorundayız Bu sorunlar çok zorlu.
Yüz tanıma zorlukları: ultra düşük çözünürlük, güçlü distorsiyon açısı, tıkanma
Yüz tanıma söz konusu olduğunda, bu AI dalgasındaki en sıcak olanıdır, ancak eğitim sahnesine girdiğinde birçok yüz tanıma şirketi ortadan kayboldu. Yurtiçi ve yurtdışında herkesin görebileceği neredeyse tüm en iyi yüz şirketleriyle işbirliği yapıyoruz. Bu üçü sıraladığımız çok pratik sorular.
İlki, ultra düşük çözünürlük altında yüz tanıma problemidir Sağdaki resim gerçek bir çevrimdışı sınıf sahnesi. Tüm sınıfı kapsamak için basit bir gözetleme kamerası kullanın.Sorunun ortaya çıktığını göreceksiniz. İlk sıradaki öğrencileri net bir şekilde görebildiğinizde en uzak sıradaki öğrencileri göremezsiniz.Çocukları iki taraftan da görmeye çalıştığınızda geniş açılı lens kullanmanız çok fazla distorsiyona neden olur. , Yani eğitim bağlamında çok çok gerçekçi.Normal bir yüz tanıma problemi gibi size bir fotoğrafınızı vermek zor. Bozuk açı altında yüz tanıma sorunu ortaya çıkıyor.
Çocuklar çok aktifler, bu aynı zamanda eğitimin özüdür. Bu, yüz tanımanın statik olmayıp, dürüstçe onu tanımanızı beklemesine neden olur.Dinamik bir durumda ve büyük bir tıkanma altında nasıl olabilirsiniz? Kısmi tıkanma altında yüz tanımayı gerçekleştirmek mümkün değil mi? Bu çözülmesi gereken bir sorundur, yüz ifadelerini nasıl tanıyacağını ve çocuğun her zaman ne yaptığını nasıl bileceğini çözmez, bu yüzden ideallerin güzel olduğunu ve gerçekliğin aslında çok zayıf olduğunu söylemek kolaydır.
Karakter tanıma zorluğu: matematiksel formüller ve el yazısının tanınması zordur
Metin tanıma alanına girerken karşılaştığımız sorunlar matematiksel formüllerin, grafiklerin ve görüntülerin tanınması ve el yazısının tanınmasıdır. Çözmemiz gereken tek şey bunlar.
NLP zorlukları: birden fazla diyalog turuna ulaşmak zordur ve akıllı düzeltmeler sınırlıdır
NLP'nin (Doğal Dil İşleme) zorluğu da vardır. En klasik olanı çok yönlü diyalogdur.Bu çok yönlü diyalog sıradan anlamda bir müşteri hizmetleri robotu değildir. Soruları yanıtlamanın ve hatta öğretmenleri değiştirmenin içeriğe dayalı olmasını umuyoruz. İçerik alanına dayandığında, bu çok yönlü diyalog daha zordur. 27 tur diyaloğu başarmak çok ama çok zordur. Böyle bir olayın önümüzdeki bir iki yıl içinde olacağını düşünmüyorum, ama belki yapabiliriz Üç tur, beş tur ve yedi tur çözün.
Çevrimiçi ve çevrimdışı sınıfların otomatik olarak çıkarılması sorunu olan New Oriental, birçok eğitim şirketi için olası katı bir taleptir. Çok fazla sınıfımız ve çok sayıda öğretmenimiz var. Sınıf içeriğini otomatik olarak iyileştirmek için AI'yı nasıl kullanabiliriz, öğretim entegrasyonunu çözmek için çok önemlidir s yöntemi.
Aslında, Çince ve İngilizce kompozisyonlarının akıllıca markalanması ve markalanması için halihazırda olgunlaşmış ürünler var, ancak bizim pratiğimiz, gerçek anlamda düzeltmeler yapmak için, çok ama çok zorlu olan anlamsal seviyeye girmemiz gerektiğini buldu.
Video analizi zorluğu: çevrimdışı durum çok karmaşık
Aslında birçok firma da bu yönde çalışıyor. Tam öğretim sürecimiz sadece öğretmenin analizini değil, aynı zamanda öğrencinin analizini de içerir. Öğretmenler için tüm öğretim sürecini değerlendirmeyi ve öğrenciler için mikro ifadelerini analiz etmeyi umuyoruz. Bununla birlikte, mevcut sahnede, çevrimiçi öğretim, özellikle İngilizce öğretiminde daha basit, çünkü onunla neredeyse yüzleşebilir ve bir vesikalık çekebiliriz; ancak çevrimdışı durum çok karmaşık.
Haritaların zorluğu: yüksek hassasiyetli bilgi haritalarının eksikliği
Disiplinlere dayalı yüksek hassasiyetli bir bilgi haritasını neredeyse hiç görmedik. AI, insansız sürüş alanına girdiğinde, yüksek hassasiyetli haritalar kaçınılmaz bir seçenek haline geldi, ancak uzun süredir AI + eğitimden bahsediyoruz, ancak disiplinlere dayalı bir bilgi haritası görmek zor, bu yüzden bu çok, çok temel bir iş. .
AR · VR'nin zorlukları: AI sentezi öğretmenlerinin etkileşime girmesi gerekiyor
Geçen haftanın en sıcak yanı, Xinhua Haber Ajansı ve Sogou'nun birlikte bir AI sentez çapası yapmış olması. Çapa teknolojisi basittir, çünkü tek yönlüdür, ancak eğitim alanında bundan bahsettiğimizde, bu bir meydan okumadır, çünkü AI sentez öğretmeni sadece tek yönlü bir konuşma değil, aynı zamanda bir etkileşimdir.
Makine öğreniminin zorlukları: otomatik olarak etiketlemesi zor, parçalanmış sahneler, kişiselleştirmesi zor
Otomatik olarak işaretlenen sorular. Tüm yapay zeka etiketlemeyi içerir, çünkü maruz kaldığımız şeylerin çoğu denetlenir. Yapay zekanın otomatik etiketlemeyi nasıl yaptığı az miktarda veriyle ilgili bir sorun değildir, ancak New Oriental gibi büyük miktarda veriye sahip bir şirket böyle bir şey yaptığında, otomatik etiketlemenin yüzleşmemiz gereken bir sorun olduğunu görürüz.
Eğitim sahnesi çok parçalı ve karmaşık. Aslında, her küçük sahneye özel olduğunda, küçük örneklem seviyesindeki eğitim probleminin çok belirgin olduğunu gördük. Bu konferansın bir uyarlamalı öğrenme teması var. Her çocuğa odaklandığınızda, aslında Özellikle soğuk çalıştırma aşamasında çok fazla örnek veri yoktur.
Kişiselleştirilmiş öğrenme sorunları. Bu, önleyemeyeceğimiz bir sorun olabilir, çünkü başlangıçta tüm çocukların akıl yürütmesi için bir modele sahip olmak imkansızdır.Bir modeli bir çocuk için nasıl kişiselleştirmek zor bir sorundur.
New Oriental'ın açık stratejisi: N-Brain ittifakına dayalı olarak, tüm veriler, senaryolar ve kaynaklar açıktır
Yukarıdaki 20 sorunun her biri çok zordur, yapılırsa harika bir şirket haline gelebilir veya en azından sektöre büyük bir etkisi olabilir. Bu 20, belki 20'den fazla ile karşı karşıyayız, peki ya New Oriental? Düşüncemiz aslında çok basit, yani açıklık.
New Oriental, verileri, sahneleri ve kaynakları çıkarmaya isteklidir, çünkü çok geç başladığımızı biliyoruz, yukarıdaki tüm alanlarda bunu tekrar yapamayız ve New Oriental AI araştırmacıları bunu tek başına takip edemez. Pek çok şirket PK, bu yüzden yapabileceğimiz şey "açık".
N-Brain Alliance'ı iki hafta önce kurduk. "N", her şeyden önce, N çeşit eğitim sahnesini temsil eder, ayrıca N çeşit olasılığı temsil eder ve N modeli temsil eder. Doğal sayı kümesinde, N aslında sonsuzluk kavramını temsil eder, aynı zamanda gücü temsil eder ve aynı zamanda atmosferdeki nitrojen elementinin% 78'ini temsil eder.Bu formda, burada sizlerle birlikte AI + eğitimi yapmak için işbirliği yapabileceğimizi umuyoruz. bu konu.
Şu anda, Amerika Birleşik Devletleri'ndeki Illinois Üniversitesi ve Çin Otomasyon Bilimi Enstitüsü gibi en iyi AI araştırma kurumlarıyla işbirliği yaptık. Ayrıca, Pekin Normal Üniversitesi ve Stanford Üniversitesi gibi en iyi eğitim alanlarıyla psikoloji, bilişsel bilim ve beyin bilimi alanlarında işbirliği yaptık. GSV (Lei Feng Net Note: Global Silicon Valley Investment Company) vb. Araştırma kurumlarıyla işbirliği yaparak, sermayenin gücünü, Tencent ve NetEase gibi internet şirketlerini ve hatta birçok startup'ı birleştiriyoruz. İşbirliği, giderek daha fazla şirket ittifakımıza katılıyor. New Oriental, verilere katkıda bulunabilir, biz de tüm senaryolara katkıda bulunmaya hazırız ve ayrıca kaynaklara katkıda bulunmaya hazırız.
New Oriental AI Research Institute sadece bir araştırma kurumu değil (Lei Feng.com'un notu: Temmuz 2018'de kuruldu), aynı zamanda dahili kaynakları tüm dış kaynaklarla birleştirmek için bir köprü kurmaya ve "AI + eğitimi" desteklemek için birlikte çalışmaya hazırız. Bunu iyi yapın, amacımız New Oriental'ın kendi kullanımı için değil, onu tüm kurumlara ve tüm devlet okullarına açmaktır.
