Yohan Lee, Chief Strategy Officer chez Riiid Labs – Série d’entretiens

Yohan Lee est le directeur de la stratégie chez Riiid Labs, un fournisseur de solutions leader de technologie d’IA entièrement vérifiée et basée sur les données. Ils s’associent à des leaders mondiaux dans l’éducation, la formation professionnelle et la technologie pour créer de meilleures expériences d’apprentissage. Ils utilisent l’IA pour aider les apprenants à réaliser leurs objectifs de la manière la plus rapide et la plus efficace.

Qu’est-ce qui vous a initialement attiré vers l’IA ?

L’orientation de Riiid. Riiid a fait les bons mouvements qu’une entreprise sérieuse avec un grand potentiel ferait. Chaque étape était raisonnable et inspirante. Pour son IA, l’entreprise a commencé de manière raisonnable avec des méthodes de filtrage collaboratif, puis a amélioré régulièrement ses algorithmes jusqu’aux modèles Transformer à l’état de l’art avec leurs propres évolutions uniques. L’entreprise a continué à publier des articles réfléchis qui montraient une orientation, une exploration et une imagination. L’application de l’entreprise convertissait les utilisateurs et générait des revenus avec succès, ce qui indiquait une forte adoption sur le marché. L’entreprise élargissait son activité d’une dimension B2C à une dimension B2B avec des outils de préparation aux tests supplémentaires et une application Realtor. Ensuite, elle a publié le plus grand ensemble de données éducatives pour initier une plus grande innovation et créer une communauté AIEd (EdNet). Ce sont tous les mouvements d’une entreprise axée qui faisait les bons mouvements que seule une grande entreprise ferait généralement. Enfin, leurs tours de financement visibles publiquement étaient un reflet fort du potentiel d’investissement de la rapidité avec laquelle cette entreprise pouvait devenir une licorne.

Dans votre rôle précédent, vous étiez un leader en intelligence de la machine et en science des données de santé chez Google Brain, quels étaient certains des projets sur lesquels vous avez travaillé ?

J’ai dirigé le déploiement de produits : qui consiste à concevoir, construire, mesurer, tester les lits de test pour les études de preuve du monde réel. Une combinaison de construction de lit de test avancée, de stratégie de recherche et de conception et de mise en œuvre de systèmes avancés. Je ne suis pas un ingénieur, mais j’ai été un architecte cloud certifié sur plusieurs clouds pendant de nombreuses années maintenant. C’était donc un choix naturel, surtout avec les nombreuses exigences de sécurité de l’information et de confidentialité pour les informations sur la santé protégées (PHI) et les populations vulnérables (notamment les enfants).

Souvent, il y a un décalage entre la préparation technique des partenaires et des géants de la technologie pour atteindre une échelle. C’est là que je pousse à l’échelle. En créant une infrastructure technologique auto-assemblante conçue pour les moteurs d’apprentissage automatique qui coûte 1/10 du prix et atteint un parallélisme massif en termes de latence et de coût.

Rendre les algorithmes de prédiction disponibles à nos partenaires en tant que service d’IA (AIaaS) a été passionnant.

Depuis août 2020, vous êtes vice-président de la stratégie chez Riiid Labs, pourriez-vous expliquer ce qu’est précisément Riiid Labs ?

Riiid Labs est un leader mondial dans les solutions d’IA pour l’éducation. Riiid Labs est le bras mondial de sa société mère Riiid et a été établi dans la Silicon Valley pour s’appuyer sur le succès de Riiid en Asie et pour étendre son activité aux États-Unis, en Amérique du Sud, au Moyen-Orient et au-delà. Nous sommes composés de chercheurs en IA, de scientifiques des données, d’ingénieurs et de développeurs d’affaires et nous travaillons avec des partenaires dans divers domaines pour repenser les méthodes traditionnelles d’apprentissage via l’extension de la compétence en IA de Riiid. Que ce soit une application mobile de préparation aux tests personnalisée pour l’examen d’entrée à l’université en Amérique du Sud ou un module de tuteur IA pour la formation des agents d’assurance d’un grand conglomérat en Corée, nous offrons à nos clients B2C/B2B/B2G notre technologie propriétaire en IA qui analyse les données de comportement d’apprentissage de l’utilisateur, prédit les choix de réponses suivants et recommande un chemin d’apprentissage personnalisé qui maximise en fin de compte le potentiel d’apprentissage de chacun. Nous avons lancé plusieurs produits, notamment Santa, une application mobile de préparation aux tests pour l’examen de compétence en anglais TOEIC, qui a été utilisée par plus de deux millions d’étudiants en Corée et au Japon. Nous avons également publié une application de préparation au GMAT en Corée en partenariat avec Kaplan et une application de préparation au test ACT en Égypte, en Turquie, aux Émirats arabes unis, en Jordanie et en Arabie saoudite en partenariat avec ConnecME. Riiid est maintenant en pourparlers avec une large gamme de clients issus des secteurs public et privé pour mettre en œuvre notre solution d’IA pour les évaluations éducatives, l’apprentissage et la formation.

Comment les outils d’IA constituent-ils un pas en avant dans la démocratisation de l’éducation ?

Selon les Nations Unies, même avant la crise du coronavirus, les projections montraient que plus de 200 millions d’enfants seraient hors de l’école, et que seulement 60 % des jeunes acheveraient l’enseignement secondaire supérieur d’ici 2030. La moitié des enfants du monde en développement quittaient l’école sans aucune qualification applicable au monde du travail.

Dans les économies développées comme la Corée et les États-Unis, les communautés aisées ont des budgets scolaires beaucoup plus importants que les communautés plus pauvres. Par conséquent, les parents plus aisés font des investissements supplémentaires dans les cours particuliers, les conseils d’orientation universitaire, la préparation aux tests, les entraîneurs sportifs privés et les expériences d’apprentissage hors de l’école dans les arts et la culture, qui élargissent l’écart entre leurs enfants et tous les autres. Cela signifie que les étudiants des communautés moins aisées ont souvent des enseignants moins expérimentés, un accès limité à la technologie, une connexion Internet réduite à l’école et à la maison, et ne reçoivent peut-être pas de conseils pour postuler à l’université. Aux États-Unis, un enfant né dans une famille riche a 10 fois plus de chances de terminer un diplôme universitaire qu’un enfant né dans une famille pauvre. Et même lorsque vous tenez compte de la capacité académique constante, l’enfant plus riche est beaucoup plus susceptible d’aller à l’université et de terminer un diplôme. Cela a également des implications pour la croissance économique. Lorsque le talent et le potentiel sont largement répartis dans une société, mais que les opportunités ne le sont pas, le marché du travail et l’économie ne peuvent pas efficacement faire correspondre le talent avec l’emploi, et cela ralentit l’innovation et compromet la productivité et la croissance économiques nationales.

Sur la base de données significatives, l’IA peut évaluer et comprendre le niveau de connaissance de chaque étudiant et ses comportements d’apprentissage uniques, et fournir du contenu personnalisé pour aider les étudiants à atteindre chaque objectif d’apprentissage. L’IA est éternellement patiente et peut offrir à tous une attention individualisée à un coût fractionnaire par rapport à celui des tuteurs personnels. Il est possible qu’un étudiant avec une connexion Internet et un smartphone puisse participer à une expérience d’apprentissage engageante et personnalisée, quel que soit son lieu de résidence. L’IA peut également aider les enseignants à personnaliser les expériences d’apprentissage de leurs étudiants, en réduisant le temps que les enseignants doivent consacrer aux tâches répétitives, et en réaffectant ce temps pour fournir une attention et des ressources d’apprentissage personnalisées disponibles à chaque étudiant 24 heures sur 24, 7 jours sur 7, quels que soient les heures d’ouverture de l’école.

Pouvez-vous discuter de la vision derrière le premier défi mondial d’éducation artificielle (AIEd) ?

Le monde a besoin d’un nouveau paradigme dans l’éducation pour surmonter la crise actuelle dans l’éducation. Les solutions d’apprentissage basées sur l’IA que les étudiants interagissent en ligne peuvent offrir à tous une attention individualisée à un coût fractionnaire par rapport à celui des tuteurs personnels, que ce soit pour un apprentissage indépendant ou intégré dans des expériences d’apprentissage dirigées par des enseignants. Nous croyons vraiment en notre vision de l’éducation basée sur l’IA et sommes certains que nous pouvons transformer l’éducation et améliorer la vie des étudiants. Mais nous savons que nous ne pouvons pas réaliser cette vision seuls. Nous avons besoin de la plus grande communauté d’IA et des industries de l’éducation pour adhérer à nos idées et y participer. L’année dernière, Riiid a publié publiquement EdNet, un ensemble de données à grande échelle et hiérarchique d’activités étudiantes diverses collectées à partir du système de tutorat IA de Riiid. Il contient des données de plus de 131 millions d’interactions avec plus de 780 000 étudiants réels. Il s’agit du plus grand ensemble de données d’éducation basée sur l’IA publié jusqu’à présent. Nous voulons que les meilleures têtes dans le domaine utilisent ces données pour trouver des solutions innovantes qui pourraient aider à relever les défis mondiaux dans l’éducation. C’est pourquoi Riiid a lancé son premier défi AIEd, un défi mondial pour créer et évaluer des algorithmes de traçage des connaissances à l’aide d’EdNet. Nous croyons que, en unissant nos forces, nous pouvons avoir un impact plus important et accélérer encore la tendance vers l’éducation basée sur l’IA. Donner l’exemple est nécessaire pour le leadership et l’inspiration des autres.

Quels étaient certains des résultats du défi AIEd ?

Le défi s’est déroulé du 6 octobre 2020 au 8 janvier 2021 via la plateforme Kaggle de Google, une communauté en ligne de scientifiques des données et de praticiens de l’apprentissage automatique.

• Pour le prix total de 100 000 dollars, 3 395 équipes de 90 pays ont participé au défi, ce qui en fait le plus grand nombre de participants à un concours d’algorithmes Kaggle de 2020 organisé par une entité commerciale.
• 52 des 270 Grands Maîtres de Kaggle ont participé, la proportion la plus élevée pour les concurrents de Kaggle en fonction de leurs performances passées. En comparaison, les concours de 2020 comptaient en moyenne seulement 25 Grands Maîtres participants.
• Au travers de ce défi, 64 678 modèles de traçage des connaissances différents et créatifs ont été soumis.
• Les équipes de Corée, du Japon et d’Espagne ont remporté les trois premières places, recevant respectivement 50 000 dollars, 30 000 dollars et 10 000 dollars. Les trois premières équipes ont présenté leurs modèles au workshop AAAI-2021 sur l’IA dans l’éducation : Imaginer l’éducation post-COVID avec l’IA, organisé et animé par des chercheurs de Riiid.
• Toutes les solutions gagnantes ont utilisé des Transformers, un modèle basé sur l’attention introduit à l’origine pour les utilisations dans la traduction automatique [AAYN] (Vaswani et al) et adopté par les chercheurs de Riiid. Cela montre que la valeur des Transformers est tout à fait claire, les moyens innovants dont les participants à Kaggle les ont utilisés étaient à la fois intéressants sur le plan académique et pratique. Ce sont des applications créatives de Transformers qui n’ont pas été attendues par nos chercheurs. Nous avons été tellement encouragés que la fourniture de ce type de plateforme pourrait promouvoir de telles approches expérimentales diverses dans l’éducation basée sur l’IA. Nous croyons que cela conduira à l’avancement de la technologie applicable en tant qu’extension de cette base solide pour la recherche.

Comment l’IA peut-elle le mieux accélérer l’apprentissage personnalisé ?

En résumé, la technologie d’IA, basée sur les algorithmes d’apprentissage profond, analyse les données utilisateur et de contenu, et prédit les scores et les comportements. Sur la base de ces informations, l’IA recommande des plans d’étude personnalisés en temps réel.

Et les technologies d’IA de base de Riiid font exactement cela : 1) Traçage des connaissances, 2) Prédiction des scores, 3) Recommandation personnalisée.

1. Traçage des connaissances : Le traçage des connaissances est l’une des tâches fondamentales dans le domaine de l’IA-Éducation. Discerner ce que les étudiants savent et ne savent pas à un moment donné fournit la base pour construire le chemin d’apprentissage optimal. Et le modèle est capable de prédire la correction d’un apprenant pour toute question non résolue. Notre modèle de traçage des connaissances basé sur l’apprentissage profond, inspiré du Transformer de Google, prédit si un étudiant répondra correctement ou non à une question avec la plus grande précision.
2. Modèle de prédiction des scores : Le modèle de prédiction des scores prédit le niveau de réalisation d’un étudiant pendant le processus d’apprentissage. Notre modèle prédit le score d’un étudiant avec une erreur de prédiction moyenne de ± 5 %, ce qui peut être largement exprimé comme une précision de 95 %. L’évaluation fournit des commentaires sur l’état des connaissances de l’étudiant, ce qui permet des ajustements d’apprentissage en temps réel. Et cela permet aux étudiants de reconnaître leur progrès et leur réalisation, ce qui favorise l’auto-évaluation et la pratique.
3. Système de recommandation : Sur la base des modèles de traçage des connaissances et de prédiction des scores, nous proposons aux apprenants les éléments nécessaires pour la plus grande amélioration. Concevoir un système de recommandation n’est pas toujours simple, et cela nécessite beaucoup de considération et de recherche pour comprendre ce qui est le mieux pour l’apprenant. Riiid a développé Recommandation pour une préparation aux examens standardisés efficace (RCES), un modèle d’IA qui recommande des questions qui ne visent pas seulement à maximiser les scores attendus mais assurent également que l’apprentissage se produit. Il évite l’objectif de simplement augmenter les scores aux tests en l’absence d’un véritable apprentissage en reflétant l’impact de l’acquisition de nouvelles connaissances à partir des solutions des questions répondues incorrectement.

Pouvez-vous discuter des applications Riiid Santa et de ce que les utilisateurs devraient en attendre ?

Riiid propose Santa, une application mobile de préparation aux tests pour l’examen de compétence en anglais TOEIC. L’application présente la technologie d’IA propriétaire de Riiid qui analyse les données utilisateur et de contenu, prédit les scores et les comportements, et recommande des plans d’étude personnalisés en temps réel pour aider les utilisateurs à optimiser leur potentiel d’apprentissage. L’application a été utilisée par plus de deux millions d’étudiants (2,5 millions) en Corée et au Japon et a atteint le numéro un en ventes parmi les applications éducatives au Japon et en Corée. Sur la base des données utilisateur sur un an, le score moyen a augmenté de 165 points sur un total de 990 points après seulement 20 heures d’étude.

Y a-t-il autre chose que vous aimeriez partager sur Riiid ou Riiid Labs ?

Avec seulement six ans d’existence, nous n’avons scratché que la surface des perspectives illimitées dans l’éducation basée sur l’IA. Nous avons vu comment nous pouvons changer la façon dont les gens abordent les approches d’apprentissage traditionnelles pour les tests standardisés. Mais nous avons également vu la possibilité d’une mesure plus significative des capacités d’un étudiant. Et nous croyons vraiment que nous sommes les mieux équipés pour mener cette révolution.

Notre croyance est que seule la compréhension du comportement d’apprentissage quotidien et du chemin d’un étudiant peut évaluer son véritable potentiel et optimiser son expérience d’apprentissage en conséquence. Cela n’était pas possible auparavant. Mais avec l’IA, nous pouvons analyser le niveau actuel des apprenants et personnaliser instantanément l’enseignement pour répondre aux besoins individuels. Nous pouvons les motiver constamment et suivre leur progrès. Nous pouvons permettre à chaque apprenant de grandir à sa manière, à son rythme, ce que le système actuel ne défend pas. Avec cette approche, nous pouvons vraiment débloquer le potentiel d’apprentissage de chacun.

Notre vision ne se réalise que partiellement avec les services de préparation aux tests, mais nous sommes au début de quelque chose de grand. L’évaluation sommative, qui évalue les apprenants à travers des tests uniques, n’est pas l’outil d’évaluation et d’apprentissage le plus efficace. Et de plus, elle est maintenant physiquement invalide en raison du Covid-19, et nous avons vu un grand besoin de marché en termes d’outils d’évaluation formatifs efficaces et pratiques. C’est pourquoi Riiid travaille actuellement sur un modèle de mesure de capacité basé sur l’apprentissage profond et indépendant du domaine, appelé « Riiid-Score ». Nous sommes convaincus que nous allons transformer le cœur de l’éducation en soutenant l’apprentissage formatif, qui fait référence au processus de constant optimisation de l’expérience d’enseignement et d’apprentissage. Nous croyons que c’est une étape de base vers une éducation qui peut débloquer le potentiel de chaque individu.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Riiid Labs.