Haoyang Li, Squirrel AI'nın Kurucusu: Bilgi Haritası, "Nerede öğrenilmeyeceğinin" anahtarıdır
24-25 Mayıs 2019'da üçüncü AIAED Küresel Yapay Zeka Akıllı Adaptasyon Eğitim Zirvesi düzenlendi. Yapay zeka ve eğitimin doğal birleşiminden dolayı hızlı entegrasyon ve gelişim sağladığı son iki yılda "Yapay Zeka +" hızla yükseldi. Yapay zeka eğitim endüstrisinin gelişimini daha iyi teşvik etmek, endüstri bilgi akışı kanallarını açmak ve dünyadaki bilimsel araştırma kurumları, yatırım kurumları ve eğitim kurumları arasında ortak güçlerin oluşumunu teşvik etmek için, 36 Yixue Education-Squirrel AI ve diğer endüstri zinciri lider kurumları ile işbirliği yaparak üçüncü AIAED Küresel Yapay Zeka Akıllı Adaptasyon Eğitim Zirvesi, "yapay zeka eğitiminin küreselleşmesini teşvik etmeyi, eğitimde yapay zeka teknolojisinin değişimini ve gelişimini teşvik etmeyi ve insanlık için daha iyi eğitim adaleti ve eğitim başarılarına katkıda bulunmayı" amaçlamaktadır.
Geleneksel eğitim yöntemlerinde öğretmenin öğretme yöntemi kara kutu gibidir ve öğrenciler öğretmenin öğretim mantığının onlar için geçerli olup olmadığını anlamazlar. Bununla birlikte, yapay zeka çağında, AI tarafından desteklenen eğitim endüstrisi, öğrencilere teknik araçlarla uyan eğitim yöntemlerini belirleyebilir. Dahası, Yixue Education Squirrel AI'nın kurucusu Li Haoyang, şu anda AI'nın yalnızca öğrencilerin kişiselleştirilmiş eğitim yöntemlerini bulmalarına yardımcı olamayacağına, aynı zamanda öğrencilerin gerçek yük azaltma elde etmelerini sağlayabileceğine inanıyor. AI + eğitiminin kombinasyonunun gelecekteki eğitimin yönü olduğundan emin.
Aşağıdakiler, harmanlanmış konuşmanın tam metnidir:
Burada aslında yapay zeka eğitiminin gelişiminden ve sincap yapay zekamızın yapay zeka eğitimini nasıl yaptığından bahsetmek istiyorum. Arkadaşlarım da dahil olmak üzere pek çok kişi gerçekten gelmeden önce, böyle bir konferansa geldiklerinde çoğu kez anlamıyorlardı. Önemli değil, yetiştirmek de bir tür büyümedir. Daha önce yapay zeka çalışmadım, sanırım Ma Yun interneti daha önce anlamadı ve yapay zekayı anlamadı Şimdi Dharma Akademisi yapmaya başladı.
Amerika Birleşik Devletleri'nde halihazırda 40'tan fazla yapay zeka veya dijital öğrenmeye uyarlanabilir eğitim şirketi var.Aslında, Japonya, Güney Kore, Avustralya veya İrlanda olsun dünyanın her ülkesinde yapay zeka eğitim şirketleri patlama yaşıyor. Geçen hafta Dubai'ye gittim. BAE'de 4 yıllık geçmişe sahip bir yapay zeka eğitim şirketi var ve orada halihazırda 25.000 öğrenci var, bu da yerel BAE öğrencilerine kıyasla çok büyük bir sayı. Hindistan'da 5 milyar ABD doları değerlemesi olan bir şirket var, on yıldır akıllı adaptasyon yapıyor. Ancak Çin'de yapay zekanın akıllıca uyarlanması eğitimi yeni başladı, bu yüzden bu konferansın amacı bu.
Aslında, ülkenin politikalarının son iki yılda bu sektörün gelişimini sürekli ve hızlı bir şekilde teşvik ettiğini gördük.Eğitim Bilgilendirme 2.0 eylemi, Milli Eğitim Bakanlığı tarafından yayınlanan bir eylemdir ve aynı zamanda akıllı eğitim, özellikle öğrenci merkezli akıllı uyarlanabilir eğitim ile ilgilidir. Artık geçmişin öğretmen merkezli eğitimini değiştirmek değil, böylece öğrenciler ağa bağlı, dijital, akıllı ve kişiselleştirilmiş bir eğitim sistemi oluşturabilirler. Geçmişte eğitimimiz daha çok Çin tıbbına benziyordu. Öğretmen ona baktı ve sordu ve ders bitmişti. Tüm süreç bir kara kutuydu ve herhangi bir veri bilmiyorduk. Ancak, yapay zeka akıllı adaptasyon eğitimi yoluyla, her öğrencinin öğrendiği yaşam boyu verileri zamanında anlıyoruz ve bu veriler, daha fazla öğrenciye yardımcı olmamız ve her öğrencinin kendini anlamasına yardımcı olmamız için çok değerlidir. Yardım.
Ürün lansmanları sayesinde, Yixue Education Squirrel AI'nın 20'den fazla ilde, belediyede ve özerk bölgede ve Çin'de 200'den fazla şehirde 1.900'den fazla okulu bulunmaktadır. Bu sayı her ay 100'den fazla artmaktadır. Halihazırda 2 milyon kayıtlı öğrencimiz var ama daha da önemlisi yıllık 1-2 bin dolar ödeyen maaşlı öğrencilerimiz geçen yılın aynı dönemine göre bu yılın ilk çeyreğinde 14 kat arttı. Bu daha memnun hissettiğimiz bir şey.
Bu sabah, Profesör Tom Mitchell ve ben hala öğrencilerin öğrenim bilgileri hakkında nasıl daha fazla bilgi edinileceğini ve öğrencilerin bilgileri hakkında daha fazla boyutta nasıl daha fazla bilgi edinileceğini tartışıyorduk. Yakın gelecekte Profesör Tom Mitchell liderliğindeki yapay zeka eğitimi üzerine bir beyaz kağıt da yayınlayacağız. İlk makine öğrenimi bölümünün başındaydı. Ayrıca o sırada makine öğrenimi üzerine bir beyaz kağıt yaptı. Yapay zeka eğitiminin bir teknoloji olacağını umuyoruz. Beyaz kitap, bu endüstri ve teknolojinin gelişmesine öncülük edebilir ve yardımcı olabilir. Ken Koedinger'ın katılmasıyla bu alanda daha da iyi olacağımıza inanıyorum. Stanford Araştırma Enstitüsü ile işbirliği yapıyoruz. Bugün Stanford Araştırma Enstitüsü'nden Marie Bienkowski de bu mekana geldi. Geçtiğimiz birkaç yıl içinde, birçok büyük uluslararası akademik konferanslarda ortaklaşa birçok makale yayınladılar ve ödüller kazandılar. Ayrıca birçok sistemimiz var ve birçok üst düzey iş gücü kazandık Akıllı destek, bu da bizim sonucumuz.
Squirrel AI'nın yapay zeka öğretmeni nedir?
Bugün bahsetmek istediğim, üç seviyeye bölünmüş motor mimarisi: Ontoloji katmanı, öğrenme haritaları ve bilgi haritalarını da içeren daha fazla içerik. İkinci seviye, bir öneri motoru, öğrenci kullanıcı portreleri için bir motor ve bir hedef yönetimi motoru olan algoritma seviyesi olarak adlandırılır. Üçüncü seviye, sistemin insanlarla nasıl etkileşime girdiğini gösteren etkileşimli bir sistemdir. Bu yıldan önce, sistemimiz ile insanlar arasındaki etkileşim daha çok videolar, konular ve bazı basit etkileşim ve öneri sistemleri aracılığıyla gerçekleşiyordu. Gelecekte, öğrenciler ve makineler arasındaki etkileşimi daha fazla hale getirmek için daha fazla insan-bilgisayar etkileşimi geliştirmeyi umuyoruz Pürüzsüz.
İlk ontoloji katmanı. Gençken zaten en iyi öğrencilerden biriydim ve Tsinghua Üniversitesi, Peking Üniversitesi ve Jiaotong Üniversitesi'nden teklifler aldım. O sırada Henan'daydım ve bir noktayı daha fazla alabilirsem, 10.000 kişiden daha iyisini yapabilirdim, bu yüzden her ay 10.000 soru yapmak zorunda kaldım. Şimdiye kadar onlarca yıl geçti, çocuklar hala ilkokul çocukları da dahil olmak üzere birçok soru sormak zorunda Öyleyse, öğrencilerin üzerindeki yükü nasıl azaltabiliriz? Teknolojinin ve yapay zekanın gücü olmadan çözülmesi imkansız. Ve şimdi matris katmanındaki bilgi haritası aracılığıyla sorunu çözmeye çalışıyoruz.
Bilgi haritası nedir?
Çocuğu gülümseyen bir yüz olarak görüyoruz. Aslında çocuğun beyninde bilgi noktaları var. Çocuğun sadece durumunu görmüyoruz, o bir okul zorbası ya da bir okul pisliği. Çocuk, beyindeki her bilgi noktasını, gerçekten anlasa da, genel bir kavrayışa sahip olup olmadığına dair tam bir anlayışa sahiptir.
Böylesine net bir yargıya sahip olduğumuzda, Squirrel AI'nın ne söylediğini anlayabiliriz, ki bu da öğrenemediğimiz yerde, sadece öğrenemeyeceğimiz bilgiye ihtiyacımız var. 95 puanım var. 10.000 soru yerine sadece% 5 bilgi puanı öğrenmem gerekiyor 40 puan alan bir çocuğun sadece 40-60 puanlık bilgi puanı öğrenmesi gerekiyor. Bilgi haritası ile, yükü gerçekten azaltmak için çocuğa doğru ilacı teşhis edebileceğiz.
Yixue Education, dünyada süper nano düzeyde bilgi noktaları bölüşümü gerçekleştirdi. Neden bu kadar detaylı bir ayrım yapalım? Kamerayı 4 milyon pikselden 40 milyon piksele çektik. Ne kadar hassas olursak, öğrencinin bilgi noktalarına ilişkin teşhisimiz o kadar doğru olacaktır.
Toplama ve çıkarma gibi sıradan bilgiler için, eğitim kurumları sadece beş bilgi noktasına sahiptir ve biz bunu 100 bilgi noktasına, süper nanometre seviyesine ayırdık. Birçok insan çılgın olduklarını söylüyor ve bu kadar ayrıntılı olmanın bir değeri var mı?
Bu kadar ayrıntılı olduğumuzda, her öğrencinin yükünü gerçekten azaltabilir ve daha kolay ve daha az öğrenebiliriz.
Geçen yıldan bu yıla kadarki son araştırma sonucumuz, hatanın nedeninin analizidir. Bu aynı zamanda ekibimizin 4 veya 5 yıl boyunca yapması için de, ancak o zaman bunu yapmak için yeterli paramız ve finansal kaynağımız yoktu, çünkü yanlış sebep çok büyük, bilgi noktalarını onbinlere böldüğümüzde sorun olabilir Milyonlarca soru gerektirir, çünkü bir bilgi noktası bu bilgi noktasında on binlerce soruyu öğrenebilir.
Hatanın nedeni söz konusu olduğunda, her sorunun 30 hata nedeni olabilir. 5 milyon sorumuz var.Belki yüz milyonlarca nedenimiz var. Bu, tamamlanması neredeyse imkansız olan çok büyük miktarda veridir. Şimdi daha iyi ve daha iyi yapıyoruz.
İlk olarak, dikkatsizlik gibi bazı yaygın hataların nedenlerini bulduk Bu yanlış nedenlerle, yavaş yavaş çocukların sizin bilginiz değil, diğer yanlış nedenleriniz olduğunu anlamalarına izin verebiliriz. Bilgi noktaları problemini çözdükten sonra, tüm bilgi noktalarında ustalaşılsa bile öğrencilerin yine de çok fazla hata yapacağını gördük.Bu bahsettiğimiz hatanın sebebidir.Genel hata nedenlerini özetleyerek problemlerin% 30 ila 40'ını kaplayabiliriz. , Yüz milyonlarca yanlış nedene ihtiyaç duymadan. Hata analizi yoksa eğitim çok kişiselleştirilmemiştir. Bu yetenekler, fikirler ve yöntemler sürekli olarak eğitilirken, aslında yaptığımız bir şey, bu çocuğun hayal gücünün ve yaratıcılığının gelecekte geliştirileceğini ummaktır.
İkinci seviye algoritma seviyesi. Aslında yapacak çok işimiz var. Bugün sadece Toutiao gibi değiliz, her öğrencinin kullanıcı portresini analiz etmemiz ve her çocuğun durumunu bilmek için Toutiao gibi olmalıyız. Çıkarım yapmak, ona ne tür bir tavsiyede bulunmaktır. Algoritmamız bugünün manşetinden daha zordur. Bugünün manşetleri size doğru içeriği sağladıkları sürece başarılı olabilir ve öğrencilerin bu içeriği iyice öğrenmelerini sağlamalıyız ki bu daha da zor. Bizim için, öğrenciler öğrenmede başarısız olursa, bu bir başarı değildir, bu yüzden tahmine dayalı bir motorumuz da var. Profesör Tom Mitchell, veri toplamayı uygulamaya devam ettiğimizi söyledi.Gelecekte çocuğun ifadesi ve hareketlerini içeren verilerin toplanması algoritmalarımızı daha hızlı optimize edecek.
Son olarak, üçüncü seviyede, makinelerin öğrencilerle etkileşime girmesini sağlamak için Stanford Araştırma Enstitüsü ile işbirliği yapıyoruz. Ayrıca bazı makaleler de aldık. MIBA sistemimiz Dünya Yapay Zeka Konferansı'nda büyük ödül kazandı. Bunlar bilim adamlarının çabaları. Algoritmalarımızı geliştirmek için öğrenciler hakkında daha fazla bilgi edinmek için veri toplama. Bu sorunları çözmek için derin öğrenme sistemlerini kullanırlar.
Süper bir öğretmen yaratmayı umuyoruz Geçen yıl fakir ailelerin çocuklarının öğrenmesine yardımcı olmak için 1 milyon hesap bağışladık. Dağlık bir bölgeye gittik Dağlık alanda öğretmen yokken onlara öğretmek ve eğitimi daha sürdürülebilir hale getirmek için Squirrel AI'yı kullandık. Umarım dünyadaki her çocuğa yardım etmek için AI + eğitimini kullanabiliriz.
