Yixue Education'da Sincap Yapay Zeka Baş Bilimcisi Wei Cui: Kişiselleştirilmiş öğrenimi ölçeklendirmek için yapay zekayı kullanın
Leifeng.com'un notu: 2018 Küresel Yapay Zeka ve Robotik Zirvesi (CCF-GAIR) Shenzhen'de düzenlendi. Zirveye Leifeng.com ve Hong Kong Çin Üniversitesi (Shenzhen) ev sahipliğinde Çin Bilgisayar Topluluğu (CCF) ev sahipliği yaptı ve Baoan Bölge Hükümeti'nden güçlü rehberlik aldı. Yerli yapay zeka ve robotik, akademi, endüstri ve yatırım olmak üzere üç ana alanda üst düzey bir değişim etkinliği olup, yerli yapay zeka alanında en güçlü sınır ötesi değişim ve işbirliği platformunu oluşturmayı amaçlamaktadır.
CCF-GAIR 2018, 1 ana mekan ve 11 özel oturum (biyonik robotlar, robotik endüstrisi uygulamaları, bilgisayarla görme, akıllı güvenlik, finansal teknoloji, akıllı sürüş, NLP, AI +, AI çipleri, Zengin IoT platformu (yatırımcılar), endüstri, eğitim ve araştırmanın çeşitli boyutlarından üç sektörden katılımcılara daha ileriye dönük ve pratik bir konferans içeriği ve yerinde deneyim kombinasyonu sunmayı amaçlamaktadır.
Konferansın üçüncü gününde, Yixue Education Squirrel AI'da AI baş bilimcisi Dr. Cui Wei, üçüncü konuk konuşmacı olarak "Her çocuğun bir AI süper öğretmeni olsun" başlıklı harika bir konuşma yaptı ve bizi tasvir etti. Gelecekteki eğitimin güzel bir resmi.
Dr. Cui Wei, her öğrencinin öğrenme yeteneği ve bilgi ustalığının aynı olmadığını ve sınıftaki geleneksel birleşik öğretimin öğrencilerin bireyselleştirilmiş öğrenme ihtiyaçlarını karşılayamadığını söyledi.
Farklı öğrencilerin öğretim stillerini farklı derecelerde tercihleri vardır. İyi notlar, işe yarayabilecek daha yaşlı öğretmenleri sevebilir. Düşük notları olanlar, rahat ve canlı bir stile sahip genç öğretmenleri sevebilir.
Geçmişte, öğrenciler bilgi boşluklarını kapatmak için çoğunlukla "soru sorma" taktiklerine güveniyorlardı.Aslında, sorunların% 80'inde ustalaştığı için bunların% 80'i geçersiz işçiydi.
Bunlar, öğrencilerin öğrenmesinin verimliliğini ve etkililiğini ciddi şekilde etkilemiştir.
Bu amaçla, Yixue Education, 2014 yılında yapay zeka uyarlamalı öğrenme sistemi "Squirrel AI" 'yı geliştirmeye başladı. Squirrel AI akıllı uyarlanabilir öğrenme motoru dört modül içerir: öğrenci portresi, içerik modeli, öğretim modeli ve tahmin modeli. Sistem, öğrenci portrelerine göre öğretim içeriğini doğru bir şekilde eşleştirebilen farklı türlerde öğretim kaynakları içerir. Öğrenme süreci boyunca, sistem öğrencilerin öğrenme etkilerini gerçek zamanlı olarak izleyip değerlendirecek ve bilginin zayıf noktalarını teşhis edecektir. Aynı zamanda sistem, öğrencilerin belirli bir bilgi noktasını öğrenmesinin etkisini ve optimum stratejik öğrenme yolunu formüle etmek için gereken zamanı da tahmin edebilir.
Squirrel AI, 2017'den beri birden fazla şehirde "insan-makine savaşları" düzenlemektedir. Uyarlanabilir öğrenme sistemi ve deneyimli devlet okulu öğretmenlerinin adil ve adil bir düello yapmasına izin verin ve sonuçlar, yapay zeka uyarlamalı öğrenme sisteminin öğretme etkisinin insan öğretmenlerinkinden daha iyi olduğunu gösteriyor.
Dr. Cui Wei, Yixue Education Squirrel AI'nın, yapay zeka öğretmenlerinin öğrenme verimliliği sorununu çözebileceğini, insan öğretmenleri ders hazırlamaktan, ders vermekten ve ödev düzeltmekten kurtarabileceklerini ve "eğitim" çalışmalarına daha fazla katılabileceklerini ve öğrencilerin hayal gücünü ve hayal gücünü geliştirebileceklerini umduğunu söyledi. yaratıcılık. Eğitimin geleceğinin "insan-makine eğitimi" olduğuna ve yapay zeka süper öğretmenin Sokrates, Leonardo da Vinci ve Einstein'ın bir kombinasyonu olacağına inanıyor.
Aşağıda, Dr. Cui Wei'nin konuşmasının içeriği yer almaktadır. Leifeng.com, sıralama ve düzenlemeyi orijinal niyetini değiştirmeden gerçekleştirmiştir:
Herkese iyi günler, benim adım Cui Wei ve Shanghai Yixue Education'dan geliyorum. Eğitim şirketlerinin bir temsilcisi olarak son üç veya dört yılda yapay zeka + eğitim dikey endüstrisindeki uygulama ve pratik deneyimimizi paylaşma fırsatı sağladığı için Leifeng.com'a çok minnettarım. Bugün paylaştığım tema "Her çocuğun bir yapay zeka süper öğretmeni olmasına izin ver".
Yapay zeka her yerde ve hayatımızın her yönünü içeriyor. Gördüğümüz uygulamalar temel olarak bilgisayar görüşü (görüntü tanıma, güvenlik ve güvenlik dahil), doğal dil işleme ve metin anlama alanlarında yoğunlaşmıştır. Eğitim endüstrisinde, ödevleri düzeltmek için bazı araçlar gibi görüntü tanıma ve doğal dil işleme de kullanılmaktadır.
Yaptığımız AI eğitim uygulamaları bunlardan farklı. Yaklaşımımız AlphaGo ve IBM Watson'a benzer ve yapay zekanın mükemmel bir öğretmenin bilgi ve öğretme deneyimini simüle edeceğini umuyor. Misyonumuz, öğrencilere yeteneklerine göre öğretmek ve her çocuğun kendi özelliklerine göre öğrenebilmesi için kişiselleştirilmiş öğrenmeyi ölçeklendirmek için yapay zeka ve büyük veri teknolojisini kullanmaktır. Geçmişte bu yönde çok çalıştık.
Geleneksel eğitim modelinin dezavantajları
Bunu neden yapıyoruz? Çünkü geleneksel sınıf eğitimi tüm öğrencilerin ihtiyaçlarını karşılayamaz. Bu model yeni derslerin öğretilmesi için daha uygundur, çünkü tüm öğrenciler yeni derslerin içeriğini bilmiyor ve aynı başlangıç noktasındalar. Ancak her öğrencinin öğrenme, kabul etme yeteneği ve zeka düzeyi aynı değildir.Bir dersten sonra farklı öğrencilerin öğrenme etkisi büyük ölçüde değişir. Dersten sonra gözden geçirme de öğrenme etkisini etkileyecektir.Zaman geçtikçe öğrenciler kendilerini bilgilerinden yavaş yavaş uzaklaştıracaklardır.
İyi bir öğretmen genellikle iki şey yapabilir: Biri öğrencilerin sorunlarını doğru bir şekilde teşhis etmek, diğeri ise öğrenciler için kişiselleştirilmiş öğrenme planları geliştirmektir. Böylesine mükemmel bir öğretmen, onlarca yıllık birikmiş öğretim deneyimi gerektirir Bu deneyimler ancak anlaşılabilir ve kopyalanamaz ve aktarılamaz. Yeni öğretmenlere öğretilse bile, tıpkı eski Çin tıbbı uygulayıcıları gibi, öğretmenlerin sürekli olarak cilalanması ve öğretim uygulamalarında biriktirilmesi gerekir.
Daha da önemlisi, öğrenci sayısının çok fazla olmasına karşın öğretim kadrosunun nispeten küçük olmasıdır. Öğretmenlerin sınırlı zamanı ve enerjisi vardır ve her öğrenciye bakmak ve onlara kişiselleştirilmiş öğrenim sağlamak imkansızdır.
Yapay zeka, son yıllarda büyük atılımlar yaptı, yapay zekanın insan zekasının bir uzantısı olduğuna inanıyoruz. Örnek olarak AlphaGo'yu ele alalım: Altı veya yedi yıl önce herkes Go oynamanın yapay zeka ile simüle edilemeyecek bir insan perspektifi gerektirdiğine inanıyordu, bu yüzden insanların yerini alamaz. Ancak AlphaGo bu kavramı tersine çevirdi: İnsanlık tarihinde sadece birkaç yıl içinde yüz binlerce hareket öğrendi ve aynı zamanda yüz binlerce hareket geliştirdi. Yapay zekanın gerçekten de bazı yönlerden insanları geçebileceğini ve insanların yapamayacağı şeyleri yapabileceğini kanıtlıyor. Diğer bir örnek ise, teşhis koymak ve tedavi planları vermek için mükemmel doktorları taklit edebilen Watson of IBM'dir ve verilen tedavi planları sıradan doktorlardan daha iyidir. Tıpkı tıbbi bakım, Go, Texas poker alanlarında olduğu gibi eğitim alanında da yapay zekanın insanları geride bırakıp geleneksel eğitim modeli altında ölçeklenemeyen kişiselleştirilmiş öğrenmeyi yaygınlaştırabileceğine inanıyoruz.
Doktora görünmek için hastaneye gittiğimizde hapşırma soğuk algınlığına bağlı olabileceği gibi ateş ve alerjik rinite bağlı da olabilir. Polen alerjisi veya toza karşı alerji olabilen alerjik rinitin birkaç nedeni vardır. Ancak nedeni doğru bir şekilde belirleyerek daha iyi tedavi sağlanabilir. Aynısı öğrenme için de geçerlidir, ancak her öğrencinin özelliklerini ve zayıf bağlantılarını doğru bir şekilde teşhis ederek daha verimli öğrenebiliriz.
Uyarlanabilir öğrenme
Burada uyarlanabilir öğrenmeden bahsedeceğiz. Uyarlanabilir öğrenme yabancı ülkelere yabancı değildir.En erken düzenlenmiş uyarlamadan yapay zekaya dayalı mevcut uyarlamaya kadar 20 yılı aşkın bir geçmişe sahiptir. Uyarlanabilir öğrenme, her öğrencinin özelliklerini daha doğru bir şekilde belirleyebilir ve onlara verimli ve kişiselleştirilmiş öğrenme programları sağlayabilir.
Geçmişte, öğrencilerin bilgiye hakimiyetini değerlendirmek için esas olarak puanları kullandık. Geleneksel sınavlar, öğrencilerin bilgi düzeyinin yalnızca kaba bir değerlendirmesidir ve sınavın kapsamından (sınav tüm bilgi noktalarını kapsayamaz) ve öğrencilerin sınav zihniyetinden etkilenir. Yapay zeka algoritmalarının kullanımıyla, öğrencilerin her bir kelimedeki yeterliliğini daha doğru bir şekilde belirleyebilir, öğrencilerin tüm bilgi noktalarında ustalıklarını çok yönlü bir şekilde ele alabilir ve zayıf noktalar için hızlı ve etkili bir şekilde kişiselleştirilmiş öğrenim yapmalarına izin verebiliriz. Nereden öğrenilir. Öğrencilere en uygun öğrenme içeriğini doğru bir şekilde tavsiye edeceğiz.Öğrencinin öğrenme seviyesi düşükse, kolay içerik öneriyoruz ve seviye kabul edilebilirse daha zor içerik öneriyoruz. Geçmişte öğrenciler bilgi boşluklarını doldurmak için genellikle "soru sorma taktikleri" kullanıyorlardı.Aslında, sorunların% 80'inde ustalaştığı için bunların% 80'i geçersiz işçiydi. Dahası, farklı öğrencilerin sahip olmadıkları farklı şeyler olacaktır.Geleneksel modda, tüm öğrencilerin öğrenme içeriği ve ödevleri tamamen aynıdır ve yeteneklerine göre öğretilemez.
Uyarlanabilir öğrenme, farklı ülkelerde ve farklı yaş gruplarında ilkokul, ortaokul, liseden mesleki eğitime kadar yüzlerce konuyu kapsayan yurtdışında uygulanmıştır. Etkisi, ilkokul öğrencileri veya ortaokul öğrencileri, liberal sanat öğrencileri veya fen öğrencileri için olsun, performans artışı sağlayabilir.
Yixue Education, 2014 yılında bir yapay zeka uyarlamalı öğrenme sistemi geliştirmeye başladı ve 2015'in sonunda ve 2016'nın başlarında K12 öğrencileri için ilk yerli yapay zeka uyarlanabilir öğrenme ürünü "Squirrel AI" 'yı resmi olarak piyasaya sürdü. Ürünlerimiz tüm öğrenme süreçlerini tamamen kapsar. Öğrencilerin sisteme giriş yapmak için yalnızca bir bilgisayara, bir hesaba ve bir ağa ihtiyacı vardır. Yapay zeka, öğrencilere bir öğretmen gibi kişiselleştirilmiş öğrenim getirecektir.
Sistem aracılığıyla öğrenen öğrencilerin etkisini gösteren bazı örnekler. Örneğin, daha önce makale yazmaktan hiç hoşlanmayan bir öğrenci var ve kendisine nasıl sorulursa sorulsun ya da motive edilirse yazmak istemiyordu. Burada bir hafta okuduktan sonra 500 kelimelik bir kompozisyon yazabilirim.
Ortaokul 3. sınıfta lise giriş sınavı için sprint yaparken sistemimizi kullanan bir ortaokul öğrencisi de var ve toplam puanı yaklaşık 100 puan arttı. Ürünlerimiz özellikle lise giriş sınavı için gözden geçirme ve sprint için etkilidir.Öğrencilerin tüm bilgi boşluklarını teşhis edebilir ve zayıf bilgi problemini hedefli bir şekilde çözmelerine yardımcı olabilir.
Daha önce birçok özel derse katılan ve çeşitli ürünler kullanan başka bir sınıf arkadaşı var, ancak İngilizce performansı gelişmedi. Ürünümüzü öğretmen müdahalesi olmadan kullandıktan sonra kendi kendine öğrenme puanı 63'ten 120'ye çıktı. Sonunda tüm okulun müdür yardımcısı tarafından övgüyle karşılandı, o sırada okul sadece iki öğrenciye övgüde bulundu, biri öğrenciydi, diğeri oydu.
Yapay zeka öğretmenlerinin öğrenme verimliliğini artırma gizemi
Bunu nasıl yapabiliriz? Öğrencileri öğrenme süreçleri boyunca gerçek zamanlı olarak izleyip değerlendireceğiz, veri analizi yoluyla öğrenci portreleri oluşturacağız ve her bilgi noktasındaki yeterliliğinde ustalaşacağız. Ardından, buna dayanarak, en iyi öğrenme yolunu ve bunun için öğrenme çözümünü planlayın.
Mükemmel bir öğretmen gibi olabiliriz, sadece öğrenciler için teşhis ve planlama yapmakla kalmaz, aynı zamanda onlar için stratejik öğrenme stratejileri geliştirebiliriz. Örneğin, lise giriş sınavı sprintiyle karşılaşan bir öğrencinin iki ayda 100 bilgi puanı öğrenmesi gerekir. Geçmişteki öğrenme durumuna dayanarak, iki ay içinde bu 100 bilgi noktasına tam olarak hakim olamayacağına karar verdik. Daha sonra sınavda daha sık görülen, daha yüksek puana sahip ve öğrenmesi daha kolay olan bilgi noktalarını öğrenmesi için ona öncelik vereceğiz. Çünkü 100 bilgi noktasının hepsini öğrenirseniz, ancak iyi bir iş yapabilirsiniz.Sonunda, her bilgi noktasında ustalaşamazsınız. Zamanınızı ve enerjinizi önemli bilgi noktalarına odaklarsanız ve üzerinde iyice çalışırsanız, sınavda istikrarlı bir şekilde puan alabilirsiniz. Bu, öğrenmenin en etkili yoludur.
Yapay zeka öğretmenlerimiz de ileriye dönük kararlar verebilir. Bir öğrenci belirli bir öğrenme hedefini tamamlamak istiyorsa, önce şu anda bu hedefi gerçekleştirip gerçekleştiremeyeceğini değerlendireceğiz. Örneğin, bir öğrenci bir elementte ikinci dereceden bir denklem öğrenirse, ayrıştırmayı ve ilk denklemi iyi öğrenip öğrenmediğini göreceğiz. İyi öğrenemiyorsanız, önce bu zayıf temel bilgi noktalarını öğrenin. Yalnızca bu önkoşul bilgi noktalarında ustaca ustalaşarak öğrenme hedeflerini tamamlayabilir.
Sistemimiz öğrencilere en uygun öğrenme içeriğini önerecektir. Farklı öğrencilerin farklı öğrenme stilleri ve ilgi alanları vardır. Öğrenmede özellikle iyi olan yaşlı öğretmenlerden hoşlanabilirler çünkü noktaya ulaşabilirler ve öğrencilerin öğrenme verimliliği nispeten yüksektir. Diğer öğrenciler hafif ve canlı kursları sevebilir. Sistemimizde öğrencilerin özelliklerine göre önerilecek birçok farklı öğrenme içeriği türü bulunmaktadır.
Öğrenme etkisini değerlendirmek için Ekim 2017'den bu yana adil ve tarafsız bir şekilde ondan fazla karşılaştırmalı deney gerçekleştirdik. Yerel eğitim bürosu veya devlet okulunun bazı öğrencileri bulduğu ve iki grubun sonuçlarının tutarlı olmasını sağlamak için onları rastgele iki gruba ayırdığı bir sistem sunuyoruz. Sistemimizi öğretmen müdahalesi olmadan bağımsız olarak öğrenmek için kullanan bir grup deney grubu olarak, diğer grup on yıldan fazla öğretim tecrübesine sahip devlet okulu öğretmenleri tarafından geleneksel şekilde öğretilen kontrol grubuydu ve bir öğretmen 15-20 öğrenciye liderlik etti. Öğretmenden kağıtları verilen öğrenme aralığına göre yazmasını istiyoruz ve öğrenciler öğrenmeden önce bir seti test edecek ve daha sonra aynı zorluğu sağlamak için öğrendikten sonra bir seti test edecek.
2017'den beri Zhengzhou, Nanchang, Wuhan, Jiaxing ve diğer yerlerde ondan fazla karşılaştırmalı deney gerçekleştirdik ve sonuçlar ürünlerimizin deneyimli öğretmenler tarafından öğretilen derslerden daha etkili olduğunu kanıtladı. En son deney Dongying, Shandong'da yapıldı 120'den fazla öğrenci bir araya getirildi. Bu karşılaştırmalı deney daha da zor. Bir öğretmen sadece üç öğrenci aldı. Sonuç, ürünümüzün üç öğrenci alan bir öğretmen kadar etkili olduğunu kanıtladı.
Dört işlev ve dört modül
Sistemimiz dört ana işlevi içerir: öğrenmeden önce teşhis, öğrenme sürecinde teşhis, kişiselleştirilmiş öğrenme planı ve kişiselleştirilmiş öğrenme içeriği önerisi ve kişiselleştirilmiş öğrenme yolu planlaması.
Öğrenmeden önce tanıdan bahsedeyim. Bize gelen her öğrenci önce akıllı bir teşhis testinden geçmelidir. Her bilgi noktasındaki ustalığını birkaç soru ve kısa bir süre ile hızlı ve doğru bir şekilde teşhis edebiliriz. Tanı konulduktan sonra öğrencilere hangi bilgi noktalarında ustalaştığını ve hangilerine hakim olamadığını anlatan bir rapor var. Daha sonra, öğrencilerin yalnızca hakim olmadıkları bilgi noktalarını öğrenmeleri gerekir.
Ayrıca, mükemmel öğretmenler gibi, öğrencilerin öğrenme sürecindeki bilgi uzmanlığını sürekli olarak değerlendirebiliriz. Tıpkı bir hastanın hastaneye yatırılması gibi, hemşirenin de hastanın kan basıncını ve sıcaklığını düzenli olarak ölçmesi ve tedavi planını ayarlaması gerekir. Sistem, öğrencilerin tek boyutlu ikinci dereceden denklemi tamamladıktan sonra becerilerini geliştirip geliştirmediklerini zamanında bilebilir.Al motoru aşağıdaki öğrenme içeriğini otomatik olarak önerecek, öğrenme yolunu ve öğrenme içeriğini zamanında ayarlayacak ve mevcut öğrenme içeriğinin öğrenciye en çok yardımcı olmasını sağlayacaktır.
Yapay zeka uyarlamalı öğrenme motorumuz dört modülden oluşur:
1. Öğrenci portresi. Öğrenci verilerini toplayarak öğrenci portrelerinin oluşturulması, doğru ve kişiselleştirilmiş tavsiyelerin temelini oluşturur.
2. İçerik modeli. Sistemimiz, her bilgi noktasını açıklayan videolar da dahil olmak üzere çok sayıda öğrenme kaynağı içerir ve her bilgi noktası, farklı zorluk ve farklı seviyelerdeki test sorularıyla eşleşir. Yalnızca öğrenci portresi ve içerik modeli ile öğrenci ve içerik arasında bir köprü kurabilir ve doğru ve kişiselleştirilmiş öneriler elde edebiliriz.
3. Öğretim modeli. Öğrenci portresine göre, öğrencilere zamanında kişiselleştirilmiş çözümler sağlayın. Örneğin, öğrenciler çalışmadan önce, bu bilgi noktalarında ustalaşıp ustalaşamayacaklarını ve hangi bilgi noktalarının ona en çok yardımcı olacağını tahmin edin. Bu, AlphaGonun dinamik programlaması gibidir. AlphaGonun bir sonraki hareketi, hangi hareketin en yüksek kazanma olasılığına sahip olduğunu bilmeden önce on, yüz ve on bin hareketi geri çekecektir. Aynısı öğrenciler için çalışma planımız için de geçerlidir. Örneğin, bir öğrencinin ustalaşmamış yüz bilgi puanı varsa, öğrenciye en çok hangi bilgi noktalarının yardımcı olduğunu belirlemek için yüz adım geriye gidecek ve sonra bunları önce ona tavsiye edeceğiz.
4. Tahmin modülü. Ayrıca öğrencilerin henüz öğrenmedikleri bilgi noktalarında hangi seviyeye ulaşabileceklerini ve çalışmanın ne kadar süreceğini tahmin edebiliriz, böylece AI öğretmeni öğrenciler için genel bir öğrenme planı yapabilir.
Geleneksel öğrenmeye karşı yapay zeka uyarlamalı öğrenme
Aşağıdaki şekil geleneksel öğrenme yolunu gösterir, tüm öğrenciler birleşik bir yol izler.
Bir yapay zeka öğretmenine sahip olduktan sonra, bunu yapmaya gerek yoktur.Örneğin, bir öğrencinin öğrenmesi gereken beş bilgi noktası olduğunu teşhis edersek, sistem en iyi öğrenme yolunu planlar.
Başka bir öğrencinin zayıf bilgi noktaları biraz daha fazladır ve başka bir en iyi öğrenme yolları seti sistem teşhisinin ardından verilecektir.
Aşağıdaki resim, üçüncü öğrenci için AI öğretmeni tarafından teşhis edilen bilgi boşluklarını ve ilgili planlanmış öğrenme yolunu göstermektedir.
Sistemimizde her öğrenci kendi öğrenme yoluna göre öğrenir. Yapay zeka öğretmeni, her öğrencinin bilgi boşluklarını teşhis eder ve ona farklı öğrenme zamanı, öğrenme içeriği ve test soruları atar, böylece öğrenciler kişiselleştirilmiş ve verimli bir şekilde öğrenebilirler.
Aşağıdaki şekil, on öğrenci tarafından farklı bilgi noktalarında harcanan zamanın dağılımını göstermektedir.
Aşağıdaki şekil, dokuz öğrencinin on bir bilgi noktasındaki farklı öğrenme yollarını göstermektedir. Öndeki öğrencilerin yedisi ortada ve onu arkada olmak üzere yalnızca üç zayıf bilgi noktası var.
Öğrenme yolları farklıdır ve aynı bilgi noktasını öğrenmek için harcanan zaman ve soruları yapmanın zorluğu farklı öğrenciler için farklıdır.
İnsan-bilgisayar öğretimi
Ürünlerimiz öğrenci merkezlidir, öğrenciler sistemde bağımsız olarak öğrenirler ve öğretmenler yalnızca soruları cevaplama rolünü oynarlar. Yapay zeka öğretmenlerinin öğrencilerin öğrenme verimliliklerini artırmalarına ve öğretmenleri özgürleştirmelerine yardımcı olabileceğini umuyoruz. Geçmişte öğretmenler ders hazırlamaktan, ders vermekten ve ödevlerini düzeltmekten bıkmıştı ve insanları eğitmek için zamanları yoktu. Yapay zeka öğretmenleri öğrenme verimliliği sorununu çözmek için, insan öğretmenler öğrencilerle duygusal iletişim ve değişim gibi daha anlamlı ve değerli şeylerle meşgul olabilir, öğrencilerin öğrenme motivasyon sorunlarını çözmelerine yardımcı olabilir ve yaratıcılıklarını ve hayal güçlerini geliştirebilirler. Yapay zeka, yalnızca basit ve tekrarlayan iş türlerinin değil, aynı zamanda finansal yüksek frekanslı tüccarlar ve avukatlar da dahil olmak üzere birçok entelektüel ile ilgili işin yerini aldığından, yaratıcılığın ve hayal gücünün geliştirilmesi daha önemlidir.
Yeteneği geliştirmek, öğretmek için geleneksel öğretmenlere güvenmek kesinlikle yeterli değildir.Gelecek "insan-bilgisayar birlikte öğretim" çağıdır. Öğrenme sistem aracılığıyla yapılır ve yaratıcılık ve hayal gücü öğretmen tarafından geliştirilir. Gelecekte AI öğretmenlerinin Socrates, Leonardo da Vinci ve Einstein'ın bir kombinasyonu olacağını umuyoruz.
