Yohan Lee, director d'estratègia de Riiid Labs - Sèrie d'entrevistes

Yohan Lee és el director d'estratègia de Riiid Labs, un proveïdor líder de solucions de tecnologia d'IA totalment verificada i basada en dades. S'associen amb líders mundials en educació, formació d'habilitats i tecnologia per crear millors experiències d'aprenentatge. Utilitzen la IA per ajudar els estudiants a assolir els seus objectius de la manera més ràpida i eficient.

Què et va atraure inicialment de la IA?

El focus de Riiid. Riiid havia fet els moviments correctes que faria una empresa seriosa amb un gran potencial. Cada pas era raonable i inspirador. Per a la seva intel·ligència artificial, l'empresa va començar raonablement amb mètodes de filtratge col·laboratiu, després va millorar regularment els seus algorismes fins als models Transformer d'última generació amb les seves pròpies evolucions úniques. La companyia va continuar publicant articles reflexius que mostraven enfocament, exploració i imaginació. L'aplicació de l'empresa estava convertint usuaris i monetitzant amb èxit, cosa que indicava una forta adopció del mercat. El negoci s'estava expandint d'una dimensió B2C a una dimensió B2B amb eines addicionals de preparació de proves i una aplicació d'agent immobiliari. A continuació, va publicar el conjunt de dades d'educació més gran per iniciar una major innovació per crear una comunitat AIEd (EdNet). Tots aquests són moviments d'una empresa centrada que estava fent els moviments correctes que sol fer una gran empresa. Finalment, les seves rondes de finançament visibles públicament van ser un fort reflex del potencial d'inversió de la rapidesa amb la qual aquesta empresa podria convertir-se en un unicorn.

En el teu càrrec anterior vas ser líder d'Intel·ligència Màquina i Ciència de Dades de Salut a Google Brain, quins van ser alguns dels projectes en què vas treballar?

Vaig dirigir el desplegament de productes: que és com dissenyar, construir, mesurar, bancs de proves de sistemes per a estudis d'evidència del món real. Una combinació de construcció avançada de bancs de proves, estratègia de recerca i disseny i implementació de sistemes avançats. No sóc enginyer, però fa uns quants anys que sóc un arquitecte de núvol professional certificat en diversos núvols. Per tant, va ser un encaix natural, especialment amb els molts requisits de seguretat i privadesa de la informació per a la PHI i les poblacions vulnerables (és a dir, els nens).

Moltes vegades, hi ha un desajust de preparació tècnica entre els socis i els gegants tecnològics per arribar a escala. Aquí és on condueixo l'escala. Fer una infraestructura tecnològica d'autoassemblatge dissenyada per a motors ML per costar 1/10 del preu i assolir un càlcul paral·lel massiu amb latència i cost.

Posar algorismes de predicció a disposició dels nostres socis com AIAaS ha estat emocionant.

Des de l'agost de 2020 sou vicepresident d'Estratègia a Riiid Labs, podríeu explicar què és precisament Riiid Labs?

Riiid Labs és líder mundial en solucions d'IA per a l'educació. Riiid Labs és el braç global de la seva empresa matriu Riiid i s'ha establert a Silicon Valley per aprofitar l'èxit de Riiid a Àsia i expandir el seu negoci als EUA, Amèrica del Sud, Orient Mitjà i més enllà. Estem formats per investigadors d'IA, científics de dades, enginyers i desenvolupament de negocis i treballem amb socis de diferents verticals per repensar les formes tradicionals d'aprenentatge mitjançant l'ampliació de la competència d'IA de Riiid. Tant si es tracta d'una aplicació mòbil personalitzada de preparació de proves per a l'examen d'accés a la universitat a Amèrica del Sud o d'un mòdul de tutor d'IA per formar agents d'assegurances en un conglomerat important de Corea, oferim als clients B2C/B2B/B2G la nostra tecnologia pròpia en IA que analitza els usuaris. dades de comportament d'aprenentatge, prediu les properes opcions de resposta i recomana un camí d'aprenentatge personalitzat que, finalment, maximitzi el potencial d'aprenentatge. Ja hem llançat diversos productes, inclòs Santa, una aplicació mòbil de preparació de proves per al popular examen de competència en anglès, Test of English for International Communication (TOEIC), que ha estat utilitzat per més de dos milions d'estudiants a coreà i Japó. També hem llançat una aplicació de preparació GMAT a Corea basada en l'associació amb Kaplan i una aplicació de preparació ACT a Egipte, Turquia, Emirats Àrabs Units, Jordània i Aràbia Saudita en col·laboració amb ConnecME. Riiid està en converses amb una àmplia gamma de clients del sector públic i privat per implementar la nostra solució d'IA per a avaluacions educatives, aprenentatge i formació.

Com són les eines d'IA un pas endavant en la democratització de l'educació?

D'acord amb el UN, fins i tot abans de la crisi del coronavirus, les projeccions mostraven que més de 200 milions de nens estarien fora de l'escola, i només el 60% dels joves estarien completant l'educació secundària superior el 2030. La meitat dels nens del món en desenvolupament van deixar l'educació sense cap qualificació aplicable el lloc de treball. Els enfocaments "uniformes" de l'educació i les avaluacions estandarditzades basades en proves d'alt nivell no han aconseguit satisfer el paper esperat de l'educació per fer créixer els ciutadans amb talent de la societat.

A les economies desenvolupades com Corea i els EUA, les comunitats riques tenen pressupostos escolars molt més grans que les comunitats més pobres. Posteriorment, els pares més rics fan inversions addicionals en tutoria privada, assessorament universitari privat, preparació de proves, entrenament atlètic privat i experiències d'aprenentatge fora de l'escola en les arts i la cultura, que eixamplen la bretxa entre els seus fills i tots els altres. Això vol dir que els estudiants de comunitats menys riques sovint tenen professors menys experimentats, menys accés a la tecnologia, accés reduït a Internet a l'escola i a casa, i és possible que no rebin cap consell per sol·licitar la universitat. Als Estats Units, un nen nascut en una família adinerada té 10 vegades més probabilitats de completar un títol universitari que un nen nascut en una família pobra. I fins i tot quan manteniu la capacitat acadèmica constant, el nen més ric té moltes més probabilitats d'anar a la universitat i de completar un títol. Això també té implicacions per al creixement econòmic. Quan el talent i el potencial estan àmpliament distribuïts en una societat, però les oportunitats no, el mercat laboral i l'economia no poden emparellar de manera eficient el talent amb l'ocupació, i això frena la innovació i compromet la productivitat nacional i el creixement econòmic.

A partir de dades significatives, la IA pot avaluar i entendre el nivell de coneixement de cada estudiant i els comportaments d'aprenentatge únics i proporcionar contingut personalitzat programat per ajudar els estudiants a assolir tots els objectius d'aprenentatge. La IA és eternament pacient i pot donar a tothom una atenció igual però individualitzada a una fracció del cost dels tutors personals. És possible que qualsevol estudiant amb connexió a Internet i telèfon intel·ligent pugui participar en una experiència d'aprenentatge atractiva i personalitzada, independentment del lloc on visqui. La IA també pot ajudar els professors a personalitzar les experiències d'aprenentatge dels seus alumnes, reduint el temps que els professors han de dedicar a tasques repetitives i reutilitzar aquest temps per oferir atenció individual i recursos d'aprenentatge personalitzats disponibles per a cada estudiant les 24 hores del dia, els 7 dies del dia, independentment de si l'escola està oberta o no.

Podries parlar de la visió que hi ha darrere del primer repte global d'educació en intel·ligència artificial (AIEd)?

El món necessita un nou paradigma en educació per superar l'actual crisi educativa. Les solucions d'aprenentatge basades en IA amb les quals els estudiants interactuen en línia poden oferir a tothom una atenció igual però individualitzada a una fracció del cost dels tutors personals, tant si s'utilitzen per a l'aprenentatge independent com si s'incorporen a les experiències d'aprenentatge dirigides pel professor. Creiem realment en la nostra visió de l'educació en IA i estem segurs que podem transformar l'educació i millorar la vida dels estudiants. Però sabem que no podem aconseguir aquesta visió sols. Necessitem que la comunitat d'IA més gran i les indústries educatives adquireixin les nostres idees i també participin. L'any passat, Riiid va llançar públicament EdNet, un conjunt de dades jeràrquiques a gran escala de diverses activitats d'estudiants recollides del sistema de tutoria d'IA de Riiid. Conté dades de més de 131 milions d'interaccions amb més de 780 estudiants del món real. És el més gran entre els conjunts de dades d'educació d'IA publicats fins ara al públic. Volem que les millors ments del camp utilitzin aquestes dades per trobar solucions innovadores que ajudin a afrontar els reptes globals de l'educació. Per tant, Riiid va llançar el seu repte inaugural AIEd, un repte global per crear i avaluar algorismes per al seguiment del coneixement mitjançant EdNet. Creiem que unint forces podem tenir un impacte més gran i accelerar encara més la tendència cap a l'educació habilitada per IA. Liderar amb l'exemple és necessari per al lideratge i la inspiració per als altres.

Quins van ser alguns dels resultats de l'AIED?

El repte es va desenvolupar del 6 d'octubre de 2020 al 8 de gener de 2021 a través de la plataforma Kaggle de Google, una comunitat en línia de científics de dades i professionals de l'aprenentatge automàtic.

• Amb un premi total de 100,000 dòlars, 3,395 equips de 90 països van participar al repte, aprofitant al màxim qualsevol competició d'algoritmes Kaggle del 2020 organitzada per una entitat empresarial.
• Van participar 52 dels 270 grans mestres de Kaggle, la proporció més alta de competidors de Kaggle segons el rendiment anterior. En comparació, les competicions del 2020 només van participar de 25 grans mestres de mitjana.
• Mitjançant aquest repte, es van presentar 64,678 models de Traçament de coneixement diferents i creatius.
• Els equips de Corea, Japó i Espanya van guanyar els tres primers llocs, rebent 50,000 $, 30,000 $ i 10,000 $, respectivament. Els tres primers equips van presentar els seus models al Taller AAAI-2021 sobre AI Education: Imagining Post-COVID Education with AI, allotjat i organitzat per investigadors de Riiid.
• Totes les solucions guanyadores van utilitzar Transformers, un model basat en l'atenció introduït per primera vegada amb usos en traducció automàtica [AAYN] (Vaswani et al) i adoptat pels investigadors de Riiid. Això demostra que el valor de Transformers és bastant clar, les maneres innovadores en què els Kaggler els utilitzaven eren interessants tant acadèmicament com pràcticament. Aquestes eren aplicacions creatives de Transformers inesperades pels nostres investigadors. Ens va animar tant que oferir aquest tipus de plataforma pogués promoure enfocaments experimentals tan diversos en l'educació en IA. Creiem que això conduirà a l'avenç de la tecnologia aplicable com a extensió d'aquesta base sòlida per a la investigació.

Com pot la IA accelerar millor l'aprenentatge personalitzat?

En resum, la tecnologia d'IA, basada en algorismes d'aprenentatge profund, analitza les dades i el contingut dels usuaris i prediu puntuacions i comportament. A partir d'aquestes estadístiques, AI recomana plans d'estudi personalitzats en temps real.

I les tecnologies d'IA bàsiques de Riiid fan exactament això: 1) Seguiment del coneixement, 2) Predicció de puntuació, 3) Recomanacions personalitzades.

1. Rastreig del coneixement: El seguiment del coneixement és una de les tasques fonamentals en l'àmbit de l'IA-Educació. Discernir el que els estudiants saben i no saben en un moment determinat proporciona la línia de base per construir el camí d'aprenentatge òptim. I el model és capaç de predir la correcció d'un aprenent per a totes les preguntes no resoltes. El nostre model de seguiment del coneixement basat en l'aprenentatge profund inspirat en Google Transformer prediu si un estudiant respondrà correctament o no a una pregunta amb la màxima precisió.
2. Model de predicció de puntuació: El model de predicció de puntuació prediu el nivell d'assoliment d'un estudiant durant el procés d'aprenentatge. El nostre model prediu la puntuació d'un estudiant amb un error de predicció mitjà de ± 5%, que es podria expressar a grans trets com una precisió del 95%. L'avaluació proporciona retroalimentació sobre l'estat del coneixement de l'estudiant, que permet ajustar l'aprenentatge en temps real. I permet als estudiants reconèixer el seu progrés i assoliments que afavoreixen l'autoavaluació i la pràctica.
3. Sistema de recomanació: Basant-nos en models de seguiment de coneixements i predicció de puntuacions, oferim als alumnes els elements necessaris per a la millora màxima. Dissenyar un sistema de recomanacions no sempre és senzill i requereix molta consideració i recerca per entendre què és millor per a l'alumne. Riiid es va desenvolupar Recomanació per a una preparació eficaç d'exàmens estandarditzats (RCES), un model d'IA que recomana preguntes que no només maximitzen les puntuacions esperades, sinó que garanteixen que l'aprenentatge es produeixi. Evita l'objectiu d'intentar només augmentar les puntuacions de les proves en absència d'un aprenentatge veritable, reflectint l'impacte de l'adquisició de nous coneixements a partir de les solucions de preguntes contestades incorrectament.

Podríeu parlar de les aplicacions de Riiid Santa i de què haurien d'esperar els usuaris?

Riiid ofereix Santa, una aplicació mòbil de preparació de proves per al popular examen de competència en anglès, Test of English for International Communication (TOEIC). L'aplicació inclou la tecnologia d'IA pròpia de Riiid que analitza les dades i el contingut dels usuaris, prediu puntuacions i comportaments i recomana plans d'estudi personalitzats en temps real per ajudar els usuaris a optimitzar el seu potencial d'aprenentatge. L'aplicació ha estat utilitzada per més de dos milions d'estudiants (2.5 milions) a Corea i Japó i va arribar al número 1 en vendes entre les aplicacions educatives al Japó i Corea. A partir de les dades dels usuaris durant un any, la puntuació mitjana va augmentar en 165 punts d'uns 990 punts possibles després de només 20 hores d'estudi.

Hi ha alguna cosa més que t'agradaria compartir sobre Riiid o Riiid Labs?

Amb només sis anys al nostre cinturó, només hem esborrat la superfície de les perspectives il·limitades en AI Education. Hem vist com podem canviar la manera com les persones adopten els anomenats enfocaments d'aprenentatge tradicionals per a les proves estandarditzades. Però també vam veure la possibilitat d'una mesura més significativa de les capacitats d'un estudiant. I realment creiem que estem millor equipats per liderar aquesta revolució.

La nostra creença és que només entenent el comportament i el camí d'aprenentatge diari de l'estudiant podem avaluar el veritable potencial d'un estudiant i optimitzar la seva experiència d'aprenentatge en conseqüència. Això abans no era possible. Però amb la IA, podem analitzar el nivell actual dels aprenents i personalitzar instantàniament la instrucció que s'ajusti a les necessitats d'un individu. Podem motivar-los constantment i fer un seguiment del seu progrés. Podem permetre que cada alumne creixi a la seva manera, al seu ritme, cosa que el sistema actual no suporta. Amb aquest enfocament, podem desbloquejar realment el potencial d'aprenentatge.

La nostra visió només s'està realitzant amb serveis de preparació de proves, però estem al començament d'alguna cosa fantàstica. L'avaluació sumativa, que avalua els estudiants mitjançant proves puntuals, no és la millor eina per a l'avaluació i l'aprenentatge eficaç. I, a més, ara no és vàlid físicament a causa de la Covid19, i vam veure les enormes necessitats del mercat en eines d'avaluació formativa efectives i pràctiques. És per això que Riiid està treballant ara en un "model de mesura de capacitat" basat en l'aprenentatge profund i independent del domini anomenat "Riiid-Score". Estem segurs que transformarem el nucli de l'educació donant suport a l'aprenentatge formatiu, que fa referència al procés d'optimització constant de l'experiència d'ensenyament-aprenentatge. Creiem que aquest és un pas bàsic cap a l'educació que pot alliberar el potencial de cada individu.

Gràcies per la gran entrevista, els lectors que vulguin aprendre més haurien de visitar Riiid Labs.