互联网

邮箱:admin@yaboyule291.icu
电话:0350-31360304
传真:
手机:17310970827
地址:广东省汕尾市东阿县预均大楼68号
当前位置:主页 > 互联网 >

互联网

‘网页版’松鼠AI首席架构师RichardTong:每个学生都应该得到一对一的智适应导师|全球AI+智适应教育峰会

作者:yabo官方网站 时间:2021-01-10 00:03
本文摘要:据介绍:11月15日至16日,“全球AI智能适应环境教育峰会”在北京嘉里中心酒店隆重揭幕。峰会由领先的教育松鼠AI和IEEE(美国电气电子工程师协会)教育工程和适应性教育标准工作组联合举办,汇聚了国内外顶尖团队。人工智能适应环境的自主学习是生产、教育和研究三个领域中关注度最低的课题之一。

yabo官方网站

据介绍:11月15日至16日,“全球AI智能适应环境教育峰会”在北京嘉里中心酒店隆重揭幕。峰会由领先的教育松鼠AI和IEEE(美国电气电子工程师协会)教育工程和适应性教育标准工作组联合举办,汇聚了国内外顶尖团队。人工智能适应环境的自主学习是生产、教育和研究三个领域中关注度最低的课题之一。在这次峰会上,主办方邀请了美国三大科学院院士、机器学习大师迈克尔乔丹(Michael Jordan)、被公认为世界机器学习之父的汤姆米切尔(Tom Mitchell)、斯坦福国际研究院(SRI)副院长罗伯特皮尔斯斯坦(Robert Pearlstein)、美国大学入学考试机构ACT自学计划组高级研究科学家迈克尔尤德尔松(Michael Yudelson)等顶尖学者。

16日下午,松鼠AI总设计师Richard Tong以“AI适应性教育的架构与策略”为主题做了精彩的演讲。童(Richard Tong)解释了松鼠AI智能适应环境教育的结构和策略,详细阐述了平台架构的四个层次,并谈到自适应平台架构的愿景是为每个学生创建一个超级AI导师,使自学显得有效、高效和更人性化。以下是演讲国的历史(不改变初衷的编辑整理):松鼠AI的自适应架构感谢大家参加AIAED大会。

你刚才听到的都是商业和投资。我将回到技术,谈谈我们的自适应架构。当我们谈论建筑时,我们应该理解为什么建筑是第一位的。在适应性教育领域,如果我们想了解架构,我们在创造整体视觉的时候,不会得到一个基础去告诉他如何设计这个架构。

我们的愿景是什么?这些天你可能听说了很多。要有一对一的导师,让自己适应环境,让每个学生的自学更高效、更有效、更个性化、更适合他。

我们想谈谈我们是如何来到这里的。我们的愿景是基于美国一些先驱的实践。我们的企业从很多公司学到了很多东西,包括梦盒子。

这和我们自己怎么造这个东西有关。还有几个比较重要的,把我们的长远眼光变成了实践中的一个环节。为什么我刚才提到了一些先驱者,因为我们站在巨人的肩膀上。

我们在做AI教育的时候,需要看到AI教育的本质是什么,做好的核心因素在哪里,以及因为我们之前从这些公司学到的东西对我们有什么帮助。只有AI教育是AI更好的应用,有别于传统技术。有四个关键环节和关键因素:商业模式。AI能不能顺利进行,不是技术要求的问题,而是生产出来的产品能不能落地的问题。

被AI排斥的能力和做AI技师的能力都包括在内。数据,尤其是在高级装备AI中,比如深度自学,即使传统机器学习拒绝大量数据,对抗的拒绝量还是相当大的,AI要考虑数据的问题。

AI拒绝强大的计算能力。本质上这四个方面缺一不可。只要一个地方有短板,就不能顺利进行。我们自己从先驱者身上学到了什么?一些在美国不切实际或者还可以的传统东西在中国是比较大胆的,不然在中国也不会有太大的阻碍。

我曾经在肯顿辩论过很多中国企业之间的适应性合作,但大问题是这些东西在中国是不可能的。为什么?因为B2B拒绝专业分工,专业分工的前提是什么?拒绝更稳定,模块应该更稳定。

但是你不会发现AI,尤其是现阶段,对所有链接的拒绝度都很高。要集成到一个产品中,首先需要很大的递归性,其次模块的变化很大。所以,当我们开始理智地适应环境,登陆中国的时候,Kenwton就结束了。当时我们做了很多项目,前景很好,结果很差。

很不好。在哪里?不是技术差,而是落地国内时周期太宽。

当一个产品获得了良好的智能并适应了中国的环境技术,它就拒绝了获取产品的内容、教学方法和途径。在这些东西还不成熟的情况下,一个周期过去了,试错还没做完,时间早就过去了。而且教育行业对整个学期的排斥,有很多对整个在线的不可控的排斥。

比如每年春秋开学的时候,如果产品没准备好,没有上线,就会错过递归的机会。本来9月1号就要上线了。如果你9月16号还没上线,下次想上线的话,那就是春节之后了。

AI拒绝递归非常慢,集成度非常强。这样的公司在国内基本没有机会实现B2B。

在中国,我们也教过一些东西。在AI的情况下,一定要有很强的能力,也就是说要做好AI项目,不仅要了解教育的整个场景,还要有很强的AI本身的能力。

很多情况下,一定要有很强的工程能力,有很多能力整合。与美国相比,中国的机器学习和AI自学还有很大差距。

当中国开始这样做的时候,当李总是以松鼠人工智能的身份这样做的时候,他不得不寻找将这四种需求结合在一起的东西。一个好的商业模式,AI人才,获取数据和整合强大的计算能力,这些都需要整合在一起才有顺利的可能。所以如果我们自己设计的话,从头到尾都是适应原AI的倒数的,从数据的角度来看,我们是一个全面的,原始的,快速增长的数据模型。我们为什么要做这样的事?这也和什么是智力适应环境和解决问题的痛点有关,在一开始仅次于教育。

自我适应的痛点来自于传统教育的过时或违宪。只要有一对多的老师,就一定违宪或者过时。

也就是说,学生在传统课堂上所花的时间和一对一的时间有相当大的效率差距。为什么课后不接受双师班或者人工智能作业?这是在一定辅助下的逐步改善,但并没有解决最明显的效率低下问题。

效率低最明显的问题是,即使一个老师给三个学生或者十五个学生或者四十个学生,在教学的时候,因为每个学生在学习过程中拒绝的方式不一样,对一个人好的不一定对另一个人好。人工智能就是在自学过程中临床他的问题,按照他的自学路径。

如果没有这样的原创机会,这个AI是建不起来的。那天崔医生讲我们的产品的时候,大家都告诉我们AI就是要解决这七个问题,这七个问题需要临床学生准确的自学状态,获得有效的自学路径,制定合理的自学目标,并且在课堂上有导师给他弄一架合适的预警飞机。未来可以通过对主观因素的了解,帮助孩子获得自信、态度和习惯,帮助家长为孩子获得更好的学习环境,这是整个AI适应平台所排斥的。

我们怎么做清楚?为了给大家一个框架,我们来谈谈一些产品和系统。这是什么东西?这个是关于主系统的模块。我想问几个从设计角度我们指出对我们来说最重要的事情。

因为AI最重要的是数据,数据来自两个方向,一是可以大量积累,二是数据要有深度关联。这张图片中有两个与数据相关的区块,最右边的是LRS,中间是MDS。这两样东西给我们获取了自学的不道德数据,这些数据与我们的科学知识图谱、题库、内容数据库、教学内容联系在一起,从而有效利用多年的数据。

以前我们在实施过程中发现了一个很大的问题。很多企业的数据都是一维的,可能有所有学生提问的记录,所有学生考试的记录,所有学生英语阅读和发音的数据。

然而,如果我们单独看它们,数据的有效性是有限的。如果要从中寻找数据,如果只有一个维度的数据,你能做的就非常有限了,需要大量的手工标注或者系统的手工对齐。如果你的数据是多维的、相关的,如果一个学生不仅有做题的数据,还有做题后看视频的数据,做题时表情的数据,做题时脑电波的数据,那么我们就可以把这些数据综合到各个方面,做的事情比以前少的可怜,所以能得到的可能性就小很多。就算不谈脑电波或者面部表情数据,就算你明白了自学的目标,也是学生做题的时候了。

当时自学的目标是什么,想学什么知识点,做这道题之前有哪些知识点已经懂了,哪些知识点没懂。如果你把这个信息说出来,你的问题数据也包含了以后其他同学的不道德数据,对你的机器学习和整个老师的临床都会起到很大的作用。我们通过计量数据系统将数据融合在一起,并通过LRS系统将数据累积在一起。另外,我想说说自适应引擎。

无论是他们刚才提到的,还是领导一对一提到的,都提到了类似的东西。我们的自适应环境引擎获得了两个基本功能。它自己的大脑里一定有什么东西。

yabo官方网站

第一个是了解当时自学的状态,了解他对知识点的理解程度,了解所有知识点之间的联系,以及它们之间有什么相关性。第二是引荐路径。我来告诉你以后怎么给你好的推荐,这是我们引擎最重要的核心部分。这台机器必须说明什么?一方面,必须告诉学生长期数据,时间越长越好。

还有一件事,他必须自己理解和学习。像GPS导航系统,学生要去哪里?这两个地方有什么联系?还有一件事,学生可以做,可以看到什么,和我们的导航系统有什么联系,可以介绍给他。第三是学生自身的状态,包括他的自学目标是什么。

有了这些,自适应引擎就可以一起转了,以后还会涉及到很多其他的东西,因为时间关系,就不一一解释了。为未来打造一个超级AI教官。我想说一下我们未来需要做什么,我们未来需要创造一个AI教室。刚才由于所谓的三级模型信息,顶层是DKT和丹开发的新模型,可以很好的了解学生的状态。

当然还有其他的模式,可以根据记忆的淡化,给学生未来自学的机会。第二层是多输出,或者说通过不同的信号输出,来了解学生的情绪和注意力状态,所以它的主要目的是为了给老师更好的警示,老师什么时候应该介入学生,得到学生,得到这样的发挥水平。第三层是我们比较新的研发,帮助学生做错误分析,通过对话做一些确定的“临床”。在研发过程中,我们正在与CMU一起做一些新的事情。

我们为未来打造了一个超级AI导师,在国际上有很多合作。现在我们已经与斯坦福国际研究所、加州大学伯克利分校、中国社会科学院、联合技术公司澳大利亚分部进行了合作,现在我们将与CMU大学、孟菲斯大学、IIA大学和麻省理工学院建立合作关系,我们都在进行谈判。

我们希望通过与顶级机构建立合作关系,利用我们的标准和数据共享及开放平台,获得更强的AI功能,为每个孩子获得超级AI老师。谢谢你。

(发言结束)(微信官方账号:)2018年,AI投票选出最佳掘金案例。人工智能已经风暴了60年。

还不如说现在的人工智能最接近商业。去年第一届“AI最佳掘金案例年度投票”在未来发布,随后引起了AI方案出口商和AI技术需求者的极大关注。

投票来自商业维度,寻找用户/客户解决问题能力强的产品和解决方案。现在,我们再次站在AI浪潮的顶端,在3月份推出第二届“AI最佳掘金案例投票”。

在AI教育领域,我们一共设立了六个奖项,青睐热心报名。选定地址:https://www.leiphone.com/special/custom/AITopTen2018.html涉及文章:一对一领导张毅:AI教育赋权是学生关闭科学知识宝库的“钥匙”|全球AI智能适应环境教育峰会天图首都冯卫东:中小学教育面临AI革命在哪里?|全球AI智能适应教育峰会圆满落幕!“全球AI智能适应环境教育峰会”集锦和干货集锦松鼠AI李昊阳:AI将给教育带来颠覆性的变革|全球AI智能适应环境教育峰会原创文章将经许可发表。

以下是发布通知。


本文关键词:‘,网页,yabo官方网站,版,’,松鼠,首席,架构,师,RichardTong

本文来源:yabo官方网站-www.yaboyule291.icu