Rens ter Weijde, Συνιδρυτής & CEO της KIMO – Σειρά Συνεντεύξεων

Η KIMO είναι μια ολλανδική εταιρεία που ιδρύθηκε από δύο απόφοιτους του Χάρβαρντ: Krishna Deepak Nallamilli (Ινδία) και Rens ter Weijde (Ολλανδία). Η ομάδα εστιάζει στην ανάπτυξη της τεχνητής νοημοσύνης που απαιτείται για τη δημιουργία ατομικών μαθησιακών διαδρομών μέσω ψηφιακού εκπαιδευτικού περιεχομένου.

Ενώ η ऑनलाइन μάθηση έχει αναπτυχθεί, παρουσιάζει ποσοστά εγκατάλειψης έως και 95%. Γιατί ο δείκτης επιτυχίας είναι τόσο χαμηλός;

Όταν ξεκινήσαμε την KIMO, συνεισέγαγε μια εκατοντάδα χρηστών για να κατανοήσουμε καλύτερα την κατάσταση. Πρώτα απ ‘όλα, οι περισσότεροι online παρόχοι παρέχουν MOOCs (διαδικτυακά μαθήματα), αλλά οι χρήστες αντιλαμβάνονται τα MOOCs ως μια σημαντική δέσμευση χρόνου. Συχνά χρησιμοποιούσαν πολλές ‘σύντομες’ λύσεις, όπως το διάβασμα άρθρων, την ακρόαση podcast, την υποβολή ερωτημάτων στο Google κ.λπ., που ταιριάζουν καλύτερα στο ημερήσιο πρόγραμμα τους. Έτσι, η μάθηση είναι πιο πολυκαναλική στην πράξη από ό,τι επιτρέπουν αυτοί οι παρόχοι. Επιπλέον, πολλοί χρήστες εξέφρασαν ότι έλλειψαν καθοδήγηση στο διαδικτυακό τους ταξίδι. Το αποτέλεσμα είναι ότι περνούν πολύ χρόνο ψάχνοντας, προσπαθώντας να αποφασίσουν τι να μελετήσουν κ.λπ. Ένας τρίτος λόγος αφορά τη σχετικότητα του πραγματικού περιεχομένου. Τα διαδικτυακά υλικά είναι συχνά στατικά, προηχογραφημένα και όχι πλήρως σχετικά με αυτούς. Θα μπορούσατε να πείτε ότι το περιεχόμενο δεν είναι προσωπικό/σχετικό για αυτούς – ή τουλάχιστον όχι αρκετά σχετικό για να δικαιολογήσει τον χρόνο που διαθέτουν.

Πολλοί χρήστες ισχυρίζονται ότι είναι βαρετοί και συχνά αναφέρουν την έλλειψη συμμετοχής ως ζήτημα, γιατί πιστεύετε ότι οι χρήστες αισθάνονται απομακρυσμένοι από την ऑनलाइन μάθηση;

Πιστεύω ότι υπάρχει χώρος για να κάνουμε τις πλατφόρμες μάθησης καλύτερες σε τουλάχιστον δύο основные διαστάσεις. Πρώτα απ ‘όλα, απαιτείται καλύτερη νοημοσύνη για να οδηγήσει τους χρήστες σε καλύτερες διαδρομές και να παρέχει καλύτερες συστάσεις περιεχομένου. Θα μπορούσατε να πείτε ότι αυτό είναι η απαιτούμενη έρευνα και ανάπτυξη για τον εκπαιδευτικό τομέα, στενά συνδεδεμένη με αλγορίθμους τεχνητής νοημοσύνης. Το δεύτερο στοιχείο είναι η άλλη πλευρά της αλυσίδας αξίας: το UI/UX και η τελική εμπειρία για τους χρήστες. Τα περισσότερα συστήματα LMS θεωρούνται βαρετά και ξεπερασμένα από τους χρήστες. Είναι μακριά από το λείανο, πραγματικό χρόνο, κοινωνικό και προσωποποιημένο λογισμικό που περιμένουν οι χρήστες σήμερα.

Μπορείτε να μοιραστείτε την ιστορία γένεσης πίσω από την KIMO και τι σας έκανε να λύσετε το πρόβλημα της ऑनलाइन μάθησης;

Βέβαια! Η KIMO ξεκίνησε όταν ο Krishna, ο συνιδρυτής μου, και εγώ συναντηθήκαμε στο Χάρβαρντ Μπίζνες Σκουλ. Αγαπήσαμε το περιβάλλον, αλλά συνειδητοποιήσαμε την ίδια στιγμή ότι τα καλά μέρη της εμπειρίας δεν ήταν εφικτά για ανθρώπους σε όλο τον κόσμο. Αποφασίσαμε πάνω σε ένα ουίσκι σε ένα λόμπι ξενοδοχείου ότι θα μπορούσαμε να δημιουργήσουμε einen ‘ψηφιακό καριερίστα’. Αυτός ο καριερίστας ήταν η πρώτη έκδοση της KIMO.

Μπορείτε να συζητήσετε πώς η τεχνητή νοημοσύνη απαιτείται για τη δημιουργία ατομικών μαθησιακών διαδρομών μέσω ψηφιακού εκπαιδευτικού περιεχομένου;

Στην πραγματικότητα, η KIMO βασίζεται σε πολλά μοντέλα τεχνητής νοημοσύνης στη διαδικασία. Κάποια μοντέλα είναι εγγενώς απλά, άλλα είναι πιο σύνθετα. Το κοινό νήμα είναι ότι τα περισσότερα μοντέλα βασίζονται στη φυσική γλώσσα ως δεδομένα εισόδου (NLP, π.χ. μοντέλα μετασχηματισμού). Αυτά τα μοντέλα είναι πίσω από τις συστάσεις περιεχομένου που λαμβάνετε, την ομαδοποίηση του περιεχομένου σε συγκεκριμένα θέματα ή την αναγνώριση των κρίσιμων δεξιοτήτων που απαιτούνται για τις δουλειές. Έχουμε επίσης κάποια πιο πειραματικά ‘γενετικά’ μοντέλα τεχνητής νοημοσύνης, όπως το μοντέλο που απαντάει στις ερωτήσεις που σχετίζονται με το περιεχόμενο μέσα στην εφαρμογή KIMO. Αν αυτό δουλέψει επαρκώς, είναι ένα βήμα πιο κοντά στην αυτοματοποίηση των καθηγητών που οραματίζουμε.

Μπορείτε να εξηγήσετε πώς ένα σύστημα τεχνητής νοημοσύνης μπορεί να μάθει να κατανοήσει τις δουλειές με μεγάλη λεπτομέρεια (π.χ. σκληρές δεξιότητες, ή μαλακές δεξιότητες);

Με απλά λόγια: αποφασίσαμε να αγνοήσουμε τις υπάρχουσες βάσεις δεδομένων (O*Net, ESCO) για αυτή τη δουλειά, καθώς δεν ήταν αρκετά λεπτομερείς και ξεπερασμένες. Αντίθετα, κατασκευάσαμε ένα σύστημα που μπορεί να αναγνωρίσει ~40.000 δεξιότητες μέσα στις δουλειές στην αγορά σε近 real-time. Θα μπορούσατε να πείτε ότι το σύστημά μας ‘διαβάζει’ όλα αυτά τα προφίλ δουλειών για να προβλέψει ποια είδη δεξιοτήτων απαιτούνται τώρα για τις δουλειές. Αυτές οι αναγνωρισμένες δεξιότητες στη συνέχεια ομαδοποιούνται σε σκληρές και μαλακές δεξιότητες.

Μπορείτε να συζητήσετε πώς λειτουργεί η προσωποποιημένη μάθηση στην πλατφόρμα, όπως πώς το σύστημα θα γνωρίζει ποια είδη περιεχομένου λειτουργούν καλύτερα για κάθε χρήστη, chẳng hạn όπως άρθρα, βίντεο, podcast, έγγραφα κ.λπ.;

Η απλή απάντηση είναι ότι ταιριάζουμε τους χρήστες και το περιεχόμενο μέσω της αντιστοίχισης διανυσμάτων, η οποία είναι μια κοινή πρακτική στα μοντέλα συστάσεων. Το πιο δύσκολο μέρος είναι να αποφασίσετε πώς αυτά τα διανύσματα κατασκευάζονται, με άλλα λόγια, ποια στοιχεία ζυγίζονται. Για τώρα, το σύστημα είναι tương đối απλό και λειτουργεί με τις προτιμήσεις μάθησης του χρήστη και τους βαθμούς δημοτικότητας για τα διαδικτυακά υλικά. Το μέλλον θα είναι πιο ενδιαφέρον, καθώς προσπαθούμε να ζυγίσουμε την τρέχουσα κατάσταση του χρήστη (π.χ. την δουλειά του) και την επιθυμητή τελική κατάσταση.

Ποια είναι κάποια από τα τρέχοντα μεθοδολογικά μοντέλα μηχανικής μάθησης που χρησιμοποιούνται στο σύστημα KIMO;

Χρησιμοποιούμε πολλά διαφορετικά μοντέλα, ανάλογα με την εργασία. Αλλά μπορώ να πω ότι έχουμε μια βαθιά αγάπη για τα μοντέλα NLP που χρησιμοποιούν προσοχή, έτσι τα μοντέλα μετασχηματισμού.

Πού βλέπετε το μέλλον της ऑनलाइन εκπαίδευσης σε 5 χρόνια;

Σύντομα, βλέπω την ऑनलाइन εκπαίδευση να κινείται από ‘βαρετή, μοναχική και ένα-μεγέθους-για-όλους’ σε ‘πολύ ελκυστική, κοινωνική και προσωποποιημένη’. Οι εταιρείες ऑनलाइन εκπαίδευσης πρέπει να ξεφύγουν από την ιδέα ότι υπάρχουν σε một παραδοσιακή, αργή κίνηση βιομηχανία. Αντίθετα, πρέπει να συνειδητοποιήσουν ότι ανταγωνίζονται στην εποχή της επιμέλειας πληροφοριών, ακριβώς στο κέντρο πολλών σημαντικών τάσεων σήμερα.

Υπάρχει κάτι άλλο που θα ήθελες να μοιραστείς σχετικά με την KIMO;

Ναι. Η KIMO είναι ακόμα ένα μωρό, ή ‘βήτα’ όπως το λέμε. Κατεβάστε την εφαρμογή, δοκιμάστε την και στείλτε μας τις σχολίες σας!

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την KIMO.