AI eğitimi nasıl değiştirir? Makine öğreniminin vaftiz babası, iyi bir gelecek, sincap yapay zekası ve diğer büyük adamların söyleyecek bir şeyleri var
Leifeng.com'a göre, 24 Mayıs'ta üçüncü AIAED Küresel Yapay Zeka Akıllı Adaptasyon Eğitim Zirvesi Pekin'de düzenlendi. Toplantıda 3. AIAED Başkanı Tom Mitchell, CMU Bilgisayar Okulu Dekanı, Yixue Education-Squirrel AI kurucusu Li Haoyang ve Future Group CTO Huang Yan, AI'nın eğitimde farklı açılardan nasıl bir rol oynayabileceğinden bahsetti.
Tom Mitchell, önümüzdeki on yıl içinde yapay zekanın eğitimi etkilemeye devam edeceğine ve insan verilerine bağımlılıktan uygun bir şekilde kurtulmak için makine öğreniminin, insanların öğrenme durumunu makinelerle simüle ederek veri elde etmek gibi uyarlanabilir eğitim üzerinde önemli bir etkiye sahip olacağına inanıyor; Squirrel AI Kurucu Li Haoyang, Squirrel AI öğretmeninin yapısını üç seviyeden tanıttı ve eğitim yükünün azaltılmasında bilgi haritası ve hata analizinin uygulanmasına dikkat çekti; İyi Gelecek CTO Huang Yan, AI + eğitiminin 2.0 çağına girdiğine ve AI'nın da eğitim eğitimini teşvik edeceğine inanıyor Hedef, kaderi değiştirmekten mutluluğu iyileştirmeye doğru değişir.
AIAED zirvesindeki üç konuğun konuşmalarının içeriği aşağıdadır: Leifeng.com konuşma içeriğini uygun şekilde sildi.
"Makine Öğreniminin Vaftiz Babası" Tom Mitchell: Önümüzdeki on yıl, AI'nın eğitimi etkileyeceği on yıl olacak
Tom Mitchell, 3. AIAED Başkanı ve CMU Bilgisayar Bilimleri Fakültesi Dekanı
"Makine öğreniminin vaftiz babası" Tom Mitchell ilk olarak bir konuşma yaptı ve konuşmanın içeriği esas olarak AI gelişiminin eğitimi nasıl etkilediğiyle ilgiliydi.
"Önümüzdeki on yıl, AI'nın eğitimi etkilediği on yıl olacak."
Tom Mitchell, bunun kişisel bir görüş olduğunu, çünkü onlarca yıldır AI alanında çalıştığını ve makinelerdeki uygulamalar, tıbbi tedavi ve veri toplayıcılar dahil olmak üzere birçok AI ile ilgili uygulama yaptığını söyledi. Ancak ona göre, AI teknolojisinin önümüzdeki on yıl içinde eğitime uygulanması onu en çok heyecanlandıran şey, bu nedenle araştırmasının çoğunu AI eğitim uygulamaları üzerine yapıyor. Sebeplerle ilgili olarak üç noktayı özetledi.
İlk neden, kişiselleştirilmiş öğretimin önemli faydalar sağlamasıdır. Genel öğretim senaryosunda, kişiselleştirilmiş rehberlik alan öğrenciler kontrol grubuna kıyasla, öğrencilerin puanlarının% 90 artacağını ve bu da kişiselleştirilmiş rehberliğin çok önemli bir faydası olduğunu bulmuşlardır.
İkinci en yüksek neden, bilgisayar tabanlı öğretimin değerini kanıtlamıştır. Günümüzde birçok şirket, matematik, kimya ve fizik gibi çeşitli bilgisayar destekli öğretim hizmetleri ve kurslarının yanı sıra bazı liberal sanat kursları sağlayabilir.Bilgisayarlar, öğretim kalitesini artırmamıza yardımcı olabilir.
Tom Mitchell örnek olarak Carnegie Mellon Üniversitesi sistemini aldı Cebir öğretmenleri sistemdeki mavi eğrinin cebir öğrenimine rehberlik etmek için bilgisayar kullanan öğrencileri temsil ettiğini ve yeşil neslin genel olarak cebiri öğrenen öğrenciler için olduğunu sistem üzerinden görebilirler. Ardından mavi öğrenciler daha yüksek puan alır. Bu nedenle, sadece insanların kişiselleştirilmiş eğitimi değil, öğrenmeye rehberlik etmek için bilgisayarları kullanarak öğrencilere büyük gelişme sağlayabilir, aynı zamanda konudaki puanı büyük ölçüde artırabilir.
Tom Mitchell, eğitimde iyileştirme için hala çok yer olduğunu, bu nedenle insanlar için bilgisayar tabanlı öğretim rehberliğini daha da geliştirmek için yapay zeka kullanımını incelemeye motive olduklarını söyledi.
Üçüncü neden, AI teknolojisinin son on yılda hızla gelişmesidir. Bilgisayarlar, görüntüleri ve yüzleri daha iyi tanımamıza, dili kelimelere dönüştürmemize, vb. Yardımcı olabilir. Bu teknolojilerin tümü kolayca elde edilebilir. Bu gelişme eğiliminin önümüzdeki on yıl içinde de devam edeceğine inanıyor.
Bu üç nedene dayanarak Tom Mitchell, yapay zekanın öğrencilerin puanlarını iki düzeyde artırabileceğine ve öğretmenlerin öğrencilere ilerlemelerinde daha fazla yardımcı olabileceğine inanıyor. Bu üç nedene dayanarak, AI teknolojisinin hızlı gelişmesiyle birlikte, Tom Mitchell sonunda kendini AI + eğitim araştırmalarına adamaya karar verdi.
Yeni teknolojinin uyarlanabilir öğretimi nasıl geliştirebileceği ile ilgili olarak, diyalog sisteminin uyarlanabilir eğitim için çok uygun olduğuna inanıyor.Mevcut diyalog sistemi nispeten basit olsa da, öğretmenlerin ve öğrencilerin daha açık olmalarına yardımcı olacak teknolojinin gelişmesiyle birlikte hala çok fazla gelişme var. tartışma. Beyin bilimi aynı zamanda entelektüel uyumu etkileyebilen çok önemli bir teknolojidir.Örneğin beyin görüntüleme teknolojisi, beyin aktivitesini göstermek için beyin dalgalarını tespit edebilir.Öğrencilerin duygusal durumlarını çok hassas bir şekilde izleyip öğrencilerin bu bilgiyi gerçekten anlayıp anlamadıklarını belirleyebilmesi beklenmektedir. Ek olarak, makine öğrenimi ve sanal gerçeklik de çok önemli teknolojilerdir ve akıllı uyarlamalı öğretimin geleceği için de çok önemlidir.
Öyleyse entelektüel uyum üzerinde öğretimi nasıl etkileyebiliriz?
Tom Mitchell, ilkinin makine öğrenimi olduğuna inanıyor. İster makro ister mikro düzeyde olsun, öğrenciler öğretim sistemine dayalı olarak farklı görevleri tamamlayabilir ve farklı yanıtlar alabilir. Sistem, öğrencilerin hatalarını görüntüleyip düzeltebilir, öğrencinin öğrenme yörüngesini bilir ve öğrencinin duygusal durumunu kavrayabilir. Biz buyuz. Sözde uyarlanabilir eğitimin önemi, öğrencilerin mevcut durumunu anlayabilmektir.
Akıllı uyarlanabilir eğitimde, makine öğreniminin öğrencilerin durumunu anlamak için her konu alanında bir işlevi olmalıdır. Makine öğrenimi, bu işlevin ne olduğunu kendi başına keşfedebilir, böylece sonsuz bir modele yerleştirilmesi gerekmez. Makineleri kullanabiliriz Makine öğreniminin temel rolü olan onu sürekli değiştirmeyi öğrenin.
Diğer bir nokta da şu anda pek çok insanın pekiştirmeli öğrenmeyi araştırmasıdır; bu, makinelerin farklı görevleri yerine getirmek için insan öğrenmesini simüle etmesine izin vermek ve daha sonra pekiştirmeli öğrenme algoritmaları geliştirmek için makine öğrenimi verilerini kullanmak, böylece insan verilerine çok fazla güvenmeyeceklerdir.
Gelecekteki akıllı uyarlanabilir eğitimin önündeki en büyük engel nedir? Tom Mitchell cevabın ne olduğunu bilmediğini söyledi, ancak en büyük sorunun çok fazla gözlem yeteneğimizin olmaması olduğunu düşünüyor. Öğrencileri özellikle iyi gözlemlemiyoruz. Öğrencilerin öğrenme durumlarını çok iyi açıklamak imkansız. Ne tür, bu gelecekte çok önemli, bu yüzden bu sorunu çözmek için görüntüleri, yüz ifadesini tanıma izleme analizini kullanmayı öğreniyoruz.
Diğer bir sorun da, sistemin en iyi koçluk stratejisini seçmesine yardımcı olacak yeterli veri olmamasıdır. Öğrencileri nasıl etkili bir şekilde motive edeceğimizi bilmiyoruz ve insan-bilgisayar etkileşimi, özellikle insan-insan etkileşimiyle karşılaştırıldığında nispeten verimsizdir, bu nedenle makine rehberliği Öğrenmenin bir üst sınırı olup olmayacağı, bunlar aynı zamanda sizinle tartışmak için ortaya attığımız sorulardır.
Gelecekle ilgili olarak Tom Mitchell, biri daha geniş, diğeri daha koordineli iki çok önemli yön olduğuna inanıyor. Daha geniş anlamda, uyarlanabilir eğitimin gerçekleştirilmesine yardımcı olmak için katılabilecek ve önemli bir rol oynayabilecek daha fazla konu alanı olduğu gerçeğini ifade eder (sadece AI konuları değil) Bu, tüm alanlardan uzmanları içeri davet etmemiz gerektiği anlamına gelir. Daha fazla koordinasyon, sadece tek bir araştırma yapmamamız gerektiği, aynı zamanda daha fazla bilgi ve veriyi paylaşmamız gerektiği anlamına gelir.Örneğin, açık kaynaklı yazılımların paylaşımında, akıllı uyarlanabilir öğretim sağlayabilecek standart veri formatları ve diğer AI standartları oluşturmamız gerekir. Önemli kaynaklar ve yardım.
Son olarak Tom Mitchell, eğitimde küresel işbirliğinin çok önemli olduğunu ve tek mantıklı çözüm olduğunu söyledi, ne kadar hızlı gelişir ve birlikte çalışırsak hedeflerimize o kadar çabuk ulaşılır.
Squirrel AI Kurucusu Haoyang Li: AI Smart Adaptation Technology, Eğitim Sektörünü Nasıl Yükseltiyor?
Squirrel AI kurucusu Li Haoyang
Ardından Squirrel AI'nın kurucusu Li Haoyang bir konuşma yapmak için sahneye çıktı. Son birkaç yüz yılda bilim ve teknolojinin çeşitli alanlarda büyük değişiklikler yaptığına inanıyor.Teknoloji ulaşım ve iletişimi büyük ölçüde değiştirdi, ancak eğitimde çok az gerçek değişiklik yaptı. Yapay zeka alanında, insanlar görsel tanıma ve NLP'ye çok fazla insan ve finansal kaynak yatırdılar ve çok sayıda makale yayınladılar, ancak eğitimde yapay zekanın gerçek uygulaması çok az.
Li Haoyang, dünyada AI eğitiminin çok hızlı geliştiğini ancak Çin'de çok az insanın bunu bildiğini ve buna dikkat ettiğini söyledi. Örneğin, Amerika Birleşik Devletleri'nde zaten 40'tan fazla AI akıllı uyarlanabilir eğitim şirketi olduğunu söyledi.Örneğin, Knewton toplam 180 milyon ABD doları topladı ve 15 milyondan fazla kullanıcıya sahip; BAE'de bir AI eğitim şirketi var, Alef Education, 4 yıldır faaliyet gösteriyor ve yerel bölgede 25.000'i var. BAE'deki öğrenci sayısıyla karşılaştırıldığında, bu çok büyük bir sayıdır; Hindistan'da, 10 yıldır uyarlanabilir eğitim veren, 5,4 milyar ABD Doları değerinde bir Byjus adlı eğitim şirketi var, ancak Çin'in yapay zeka uyarlamalı eğitimi henüz yeni Başlat.
Geleneksel eğitimin Çin tıbbı gibi olduğunu söyledi. Öğretmen "her şeyi görür, duyar ve sorar" ve konuşmayı bitirdiğinde biter. Tüm süreç bir kara kutu gibidir ve herkesin verisi yoktur. Bununla birlikte, AI akıllı adaptasyon eğitimi sayesinde, her öğrencinin yaşam boyu verilerini zamanında anlayabilirsiniz.Bu veriler, kurumların öğrencilerin öğrenmesine yardımcı olması ve öğrencilerin kendilerini anlamaları için çok değerlidir.
Squirrel AI ile ilgili bazı güncel verilerden alıntı yaptı. Squirrel AI şu anda Çin'de 20'den fazla ilde ve 200 şehirde 1.900'den fazla okula sahip. Bu sayı 2 milyondan fazla kayıtlı kullanıcıyla ayda 100'den fazla artmaya devam ediyor. Bunlar arasında, bu yılın ilk çeyreğinde, ödeme yapan kullanıcılar (yılda 1-2 bin dolar) geçen yılın aynı dönemine göre 14 kat arttı. Aynı zamanda Li Haoyang, Squirrel AI ve Carnegie Mellon Üniversitesi'nin ortaklaşa bir laboratuvar kurduğunu ve Stanford Uluslararası Araştırma Enstitüsü'nün ortaklaşa bir yapay zeka uyarlamalı öğrenme ortak laboratuvarı kurduğunu açıkladı.
Li Haoyang, Squirrel AI öğretmeninin motor mimarisini tanıttı. Squirrel AI öğretmen motoru mimarisi toplamda üç katmana bölünmüştür. İlk katman, temel olarak öğrenme haritaları, bilgi haritaları vb. İçeren içeriği içeren ontoloji katmanıdır; ikinci katman, bir öneri motoruna ve bir öğrencinin kullanıcı portre motoruna sahip olan algoritma katmanıdır. Hedef yönetim motoru vb.; Üçüncü katman etkileşimli bir sistemdir, bu sistem makinenin insanlarla nasıl etkileşime girdiğiyle ilgilidir. 2019'dan önce, Squirrel AI'nın etkileşimli sistemi videolar, konular ve bazı basit etkileşimler ve insan etkileşimleri yoluyla daha fazladır. Gelecekte, Squirrel AI, öğrenciler ve makineler arasındaki etkileşimi daha sorunsuz hale getirmek için daha fazla insan-bilgisayar etkileşim yöntemi geliştirmeyi umuyor.
Li Haoyang, öğrencilere sadece bilgi haritası ile doğru ilacın reçete edilebileceğini ve devletin savunduğu öğrencilerin yükünün gerçekleştirilebileceğini söyledi. Test odaklı eğitim altında, öğrenciler bilgi puanlarındaki ustalıklarını geliştirmek için çok sayıda soru kullanırlar.Teknolojinin ve yapay zekanın gücü olmadan bu tür soru taktikleri çözülemez. Bu nedenle bilgi haritası bu sorunu çözmeye çalışıyor. Bilgi haritası testi yoluyla, sadece bir çocuğun öğrenme ustası mı yoksa pislik mi olduğunu ayırt edebilmemiz değil, aynı zamanda çocuğun beynindeki her bilgi noktasının, gerçekten anladığına, hakim olup olmadığına veya hiç anlamadığına bakmamız gerekiyor.
Yalnızca akıllı uyarlanabilir sistem öğrencilerin bilgi noktalarının durumunu yargılayabildiğinde, öğrencilerin "nerede öğrenemeyeceklerini" anlamalarına yardımcı olabilir. Öğrencilerin sadece öğrenemedikleri bilgi noktalarını öğrenmeleri gerekir Testte 95 puan alabilen çocuklar, denizi körü körüne çalışmak yerine, bilgi puanlarının sadece kalan% 5'ini öğreneceklerdir.
Ontoloji katmanında, Squirrel AI, bilgi haritası için süper nano bilgi noktası ayrımı yaptı. Bilgi noktalarının tüm bölünmesinin Knewton ve Aleks'den 5-10 kez daha hassas olduğunu söyledi. Böylesine detaylı bir ayrımın nedenine gelince, bunun kamera piksellerini 4 milyondan 40 milyon piksele çekmeye benzediğini, bilgi noktaları ne kadar hassas olursa öğrencilerin bilgi noktalarının teşhisinin o kadar doğru olacağını açıkladı.
Aynı zamanda Li Haoyang, Squirrel AI tarafından geçen yıl yapılan en son araştırma sonuçlarını bu yılki hata analizine tanıttı. Bu teknolojiyi geliştirmenin nedeninin, öğrencilerin tüm bilgi noktalarına hakim olsalar bile soruları yaparken yine de birçok hata yaptıklarını keşfetmelerinden kaynaklandığını söyledi.Bu hataların sebebi dikkatsizlik, eylemsizlik, belirsiz sorular vb. Bu nedenle, Sistemin yardımıyla çocuklara sorunun üstesinden gelenin bilgi noktası olmadığını, doğru ve yanlış nedenleri bulamama olduğunu söyleyebilirler, doğru ve yanlış nedenleri bulurlarsa çok fazla gereksiz iş yapmalarına gerek kalmaz.
Hataların yaygın nedenlerini özetlediklerinde, sorunların% 30-% 40'ını kapsayabilirler. Hata analizi yoksa kişiye özel eğitim yapmak zordur.Çeşitli öğrencilerin hata türleri bulunduğunda farklı öğrenme ve hata analizi videoları önerilebilir.
Çocuğun kullanıcı portresini ve öğrenme durumunu anladıktan sonra Li Haoyang, Squirrel AI'nın öğrencilere bugünün manşetlerini önerebilmesi gerektiğini söyledi. Squirrel AI algoritmasının bugün Toutiao'nun algoritmasından daha zor olduğuna inanıyor. Toutiao'nun yalnızca başarılı olmanız için size uygun içeriği önermesi gerektiğinden, Squirrel AI, öğrencilerin bu içeriğe hakim olmalarını sağlamalıdır. Öğrenciler için, eğer öğrenci öğrenmede uzmanlaşmazsa, bu öneri bir başarısızlıktır. Bu yüzden bir tahmin motoru geliştirmeleri gerekiyor.Tom Mitchell, sincap AI algoritmasının daha hızlı optimize edilebilmesi için çocukların ifadeleri, hareketleri ve diğer yönleri de dahil olmak üzere sürekli olarak daha fazla veri toplanması gerektiğini önerdi.
İyi Gelecek CTO'su Huang Yan: AI + eğitim, 2.0 çözümleri çağına girdi
İyi Gelecek CTO'su Huang Yan
Ayrıca, Good Future CTO'su Huang Yan sahneye çıktı ve yapay zeka ile eğitimin birleşimi hakkında bazı düşünceler paylaştı.
Huang Yan'a göre, Good Future her yıl teknolojiye 1 milyardan fazla yatırım yapıyor ve şu anda 4000 Ar-Ge personeli ve 4 okul-işletme işbirliği laboratuvarına sahip. Çin'de yapay zeka eğitiminin mevcut gelişimi ile ilgili olarak, son beş yılda Çin'de yapay zeka ve eğitim sıkıntısı olmadığına, ancak yapay zeka ile eğitimi birbirine bağlayan "+" işaretlerinin bulunmadığına inanıyor.
AI + eğitimi ile ilgili olarak Huang Yan, görüşlerinden dört açıdan bahsetti.
1. AI + eğitim, 2.0 çözümleri çağına girdi. 1.0 dönemi, işlevsel bileşenlerin aşamasıdır. AI + eğitimi, esas olarak fotoğraf değerlendirme, ses değerlendirme ve yüz oturum açma gibi uygulamalar içindir. 2.0 dönemi çözüm aşamasına girmiştir ve AI + eğitimi esas olarak akıllı sınıflar ve AI çevrimiçi eğitim gibi uygulamalar için kullanılmaktadır.
2. Çin'in AI + eğitiminin küresel lider fırsatları vardır. O zamanlar, Devlet ve Eğitim Bakanlığı'nın politikaları, 2035 yılına kadar Çin'in eğitiminin modernizasyonunu aktif olarak teşvik ediyor; ülkenin coğrafi konumu, büyük bir eğitim talebine ve çok büyük öğretim verilerine sahip; insanlar ve çok sayıda bilgisayar yeteneği, gelecekteki yetenek tabanı geniş.
3. AI, eğitimin dördüncü kutbu olacaktır. Son yıllarda yapay zekanın öğretmenlerin yerini alıp almayacağı konusunda kaçınılmaz olarak bir tartışma konusuna gireceğini söyledi. Bu konunun bu kadar basit ve kaba bir cevabın yerini almayacağına ve onun yerini almayacağına inanıyor.İnsanların mevcut ve gelecekteki eğitim sürecinde yapay zekanın hangi rolü oynayacağı hakkında derinlemesine düşünmesi gerekiyor. Gelecekte, yapay zeka, öğrenciler ve öğretmenler birbirine bağlı bir ilişkiye sahip olabilir.Ebeveynlerin kendilerine yardım etmek için yapay zekaya ihtiyaçları vardır, öğrenciler entelektüel olarak uyarlanabilir problemler çözebilirler ve öğretmenlerin öğretime yardımcı olacak yapay zeka asistanları olacaktır ve yapay zeka birbirinden ayrılamaz.
4. AI, eğitimin kaderini değiştirmekten mutluluk kazanmaya kadar eğitim hedeflerinde değişiklikler getirecektir. Geçmişte, insanların öğrenmesinin ilk hedefi "kaderlerini değiştirecek şekilde eğitmek" idi, ancak şu anda 2019'da bu hedef herkes için değil. Günümüz öğrenimi, insanların mutluluk kazanması veya dünyayı değiştirmesi için daha önemli bir yoldur. AI, çocukların ilgi alanlarını ve güçlü yönlerini keşfetmelerine yardımcı olabilir, puanlar için değil. Çocuklar teknolojinin kendilerini tanımaya devam etmelerine yardımcı olabileceğini keşfettiklerinde, öğrenme ve bilgi arama sevinci eskisinden çok daha büyük. (Lei Feng Ağı Lei Feng Ağı Lei Feng Ağı)
