Rens ter Weijde, spoluzakladatel a CEO KIMO – rozhovorová série

KIMO je nizozemský startup založený dvěma absolventy Harvardské univerzity: Krishnou Deepakem Nallamillim (Indie) a Rensem ter Weijdem (Nizozemsko). Tým se zaměřuje na vývoj umělé inteligence potřebné pro generování individuálních učebních cest prostřednictvím digitálního učebního obsahu.

Zatímco online vzdělávání zaznamenalo velký růst, má také velmi vysoké odvykací sazby, až 95 %. Proč je úspěšnost tak nízká?

Když jsme začali s KIMO, provedli jsme průzkum několika stovek uživatelů, abychom lépe pochopili situaci. Nejprve poskytují většina online poskytovatelů MOOC (online kurzy), ale uživatelé je vnímají jako významné časové závazky. Často používali různé “kratší” způsoby, jako je čtení článků, poslech podcastů, zadávání otázek na Google (GOOGL ) apod., které lépe vyhovovaly jejich dennímu rozvrhu. Učení je tedy v praxi vícekanálové než dovolují tito poskytovatelé. Kromě toho mnoho uživatelů uvedlo, že jim chybí vedení v jejich online cestě. Výsledkem je, že tráví mnoho času hledáním, rozhodováním, co studovat apod. Třetím důvodem je otázka relevance skutečného obsahu. Online materiály jsou často statické, předem nahrávané a nejsou plně relevantní pro ně. Můžeme říci, že obsah není dostatečně osobní/relevantní pro ně – nebo alespoň ne dostatečně relevantní, aby ospravedlňoval strávený čas.

Mnozí uživatelé uvádějí, že se nudí a často zmiňují nedostatek zapojení jako problém. Proč si myslíte, že uživatelé pociťují frustraci z online vzdělávání?

Domnívám se, že existuje prostor pro zlepšení učebních platforem alespoň ve dvou hlavních směrech. Zaprvé je zapotřebí lepší inteligence pro vedení uživatelů na lepší cesty a poskytování lepšího obsahu. Můžeme říci, že se jedná o požadovaný výzkum a vývoj pro vzdělávací sektor, který je úzce spojen s algoritmy umělé inteligence. Druhým prvkem je druhá strana hodnotového řetězce: uživatelské rozhraní a konečná zkušenost pro uživatele. Většina systémů pro správu učebních materiálů (LMS) je uživatelům vnímána jako nudná a zastaralá. Jsou daleko od těch vysoce kvalitních, reálných, sociálních a personalizovaných softwarů, které uživatelé očekávají dnes.

Můžete sdílet příběh o vzniku KIMO a co vás přimělo řešit problém online vzdělávání?

Ano! KIMO začalo, když se můj spoluzakladatel Krishna a já sešli na Harvardské obchodní škole. Milovali jsme prostředí, ale zároveň jsme si uvědomili, že dobré části zkušenosti nejsou škálovatelné pro lidi po celém světě. Rozhodli jsme se v hotelu, že můžeme zkusit vytvořit “digitálního kariérního kouče”. Ten kouč byl první verzí KIMO.

Můžete diskutovat o tom, jak je umělá inteligence potřebná pro generování individuálních učebních cest prostřednictvím digitálního učebního obsahu?

Skutečně, KIMO spoléhá na řadu modelů umělé inteligence v řetězci. Některé modely jsou inherentně jednoduché, jiné jsou složitější. Společným jmenovatelem je, že většina modelů spoléhá na přirozený jazyk jako vstupní data (NLP, např. transformační modely). Tyto modely jsou za doporučeními obsahu, které obdržíte, seskupením obsahu do konkrétních témat nebo rozpoznáním kritických dovedností požadovaných pro pracovní místa. Máme také některé experimentální “generativní” modely umělé inteligence, jako je model, který odpovídá na otázky související s obsahem uvnitř aplikace KIMO. Pokud tato funkce dostatečně funguje, je to krok blíž k automatizaci profesorů, jakou jsme si představovali.

Můžete vysvětlit, jak může systém umělé inteligence naučit rozumět pracovním místům ve velkém detailu (například tvrdé dovednosti nebo měkké dovednosti)?

Jednoduše řečeno: rozhodli jsme se ignorovat existující databáze (O*Net, ESCO) pro tuto práci, protože nebyly dostatečně podrobné a zastaralé. Místo toho jsme vytvořili systém, který může rozpoznat asi 40 000 dovedností v pracovních místech na trhu v téměř reálném čase. Můžeme říci, že náš systém “čte” všechny tyto pracovní profily, aby předpovídal, jaké dovednosti jsou aktuálně požadovány pro pracovní místa. Tyto rozpoznané dovednosti jsou později seskupeny do měkkých a tvrdých dovedností.

Můžete diskutovat o tom, jak funguje personalizované učení na platformě, například jak systém zjistí, jaký typ obsahu funguje nejlépe pro každého uživatele, jako jsou články, videa, podcasty, články apod.?

Jednoduchá odpověď je, že jsme uživatelům a obsahu přiřadili vektory, což je běžná praxe v doporučovacích modelech. Obtížnější část spočívá v rozhodování, jak tyto vektory sestavit, tj. které prvky jsou váhy. Prozatím je systém relativně jednoduchý a funguje s uživatelskými preferencemi učení a popularity skóre pro online materiály. Budoucnost bude zajímavější, protože se snažíme zohlednit aktuální stav uživatele (například jeho pracovní místo) a požadovaný konečný stav.

Jaké jsou některé současné metodologie strojového učení, které se používají v systému KIMO?

Používáme mnoho různých modelů, v závislosti na úkolu. Ale mohu říci, že máme hlubokou lásku k modelům NLP, které používají pozornost, tj. transformační modely.

Kde vidíte budoucnost online vzdělávání za 5 let?

Stručně řečeno, vidím online vzdělávání, jak se mění z “nudného, osamělého a univerzálního” na “vysoce zapojeného, sociálního a personalizovaného”. Společnosti pro online vzdělávání potřebují uniknout z myšlenky, že existují v tradičním, pomalu se pohybujícím odvětví. Místo toho by si měly uvědomit, že soutěží v éře informačního kurátorství, přímo uprostřed mnoha důležitých trendů dneška.

Je něco jiného, co byste rádi sdíleli o KIMO?

Ano. KIMO je stále dítě, nebo “beta”, jak tomu říkáme. Stáhněte si aplikaci, vyzkoušejte ji a pošlete nám svůj feedback!

Děkuji za skvělý rozhovor, čtenáři, kteří si chtějí dozvědět více, by měli navštívit KIMO.