レンス・テル・ウェイデ、KIMOの共同創設者兼CEO – インタビュー・シリーズ

KIMOは、ハーバード大学の卒業生2人、Krishna Deepak Nallamilli（インド）とRens ter Weijde（オランダ）によって設立されたオランダのスタートアップです。チームは、デジタル学習コンテンツを通じて個別の学習パスを生成するための人工知能の構築に焦点を当てています。

オンライン学習は普及していますが、ドロップアウト率は95％と高いです。成功率が低い理由は何ですか?

KIMOを開始したとき、数百人のユーザーを調査して状況をよりよく理解しようとしました。まず、ほとんどのオンラインプロバイダーはMOOC（オンラインコース）を提供していますが、ユーザーはMOOCを大きな時間的負担とみなしています。彼らは、日々のスケジュールに合うように、記事を読んだり、ポッドキャストを聞いたり、Googleで質問をしたりするなどの「より短い」ワークアラウンドを使用することがよくあります。したがって、学習はこれらのプロバイダーが許可するよりも多チャンネルです。さらに、多くのユーザーはオンラインでの旅程でガイダンスが不足していることを示しました。結果として、彼らは学習することに多くの時間を費やし、決定するために時間を費やします。第三の理由は、実際のコンテンツの関連性にあります。オンライン資料は souvent 静的で、事前に録音されており、完全に相關性が不足しています。コンテンツは彼らにとって個別的で関連性が不足している、または時間の浪費であると言えるでしょう。

多くのユーザーは退屈していることを主張し、関与の欠如を問題として頻繁に引用しています。オンライン学習でユーザーが不満を感じる理由についてはどう考えていますか?

私は、少なくとも2つの主要な次元で、学習プラットフォームを改善する余地があると考えています。まず、ユーザーに лучしい旅程を案内し、より良いコンテンツの推奨を行うためのより良い知能が必要です。これは、教育セクターのための必要な研究開発であり、人工知能アルゴリズムと密接に関係しています。第二の要素は、価値チェーンの反対側にあります。ユーザーインターフェイスと最終的なユーザーエクスペリエンスです。ほとんどのLMSシステムは、ユーザーによって退屈で古いと見なされています。彼らは、今日期待されるようなポリッシュされた、リアルタイムの、ソーシャルでパーソナライズされたソフトウェアから遠いものです。

KIMOの創設ストーリーと、オンライン学習の問題を解決することに惹かれた理由についてはどうですか?

はい！KIMOは、Krishna、私の共同創設者と私はハーバード・ビジネス・スクールで出会ったときに始まりました。私たちは環境を愛しましたが、同時に良い部分は世界中の人々にとってスケーラブルではないと実感しました。私たちは、ホテルのロビーでウイスキーを飲みながら、「デジタル・キャリア・コーチ」を作成しようと決めました。那コーチは、KIMOの最初のバージョンでした。

デジタル学習コンテンツを通じて個別の学習パスを生成するために、人工知能が必要な理由についてはどうですか?

実際、KIMOはパイプラインの中に多数の人工知能モデルを使用しています。いくつかのモデルは本質的に単純ですが、他のモデルはより複雑です。共通するのは、ほとんどのモデルが自然言語を入力データとして使用していることです（NLP、例えばトランスフォーマーモデル）。これらのモデルは、受け取るコンテンツの推奨、特定のトピックへのコンテンツのクラスタリング、またはジョブに必要な重要なスキルの認識の背後にあるものです。さらに、KIMOアプリ内でコンテンツ関連の質問に答える「生成」人工知能モデルなどのより実験的なモデルもあります。もしもこれが十分に機能するなら、それは私たちが構想する教授の自動化への一歩になります。

人工知能システムが、ジョブを詳細に理解する方法（例：ハードスキル、ソフトスキル）についてはどうですか?

簡単に言うと、我々は既存のデータベース（O*Net、ESCO）を無視し、代わりに約40,000のスキルを認識できるシステムを構築しました。システムは、ジョブのプロファイルを「読む」ことで、現在どのようなスキルが必要かを予測します。認識されたスキルは後にソフトスキルとハードスキルにクラスタリングされます。

プラットフォームでのパーソナライズド・ラーニングについてはどうですか? たとえば、システムはどのようにしてユーザーにとって最適なコンテンツ（記事、ビデオ、ポッドキャスト、ペーパーなど）を判断しますか?

簡単な答えは、ベクトル・マッチングを通じてユーザーとコンテンツをマッチングすることです。これは、レコメンダー・モデルで一般的な実践です。より難しい部分は、これらのベクトルをどのように構築するか、つまりどのような要素を重視するかです。現在、システムは比較的単純で、ユーザーの学習嗜好とオンライン資料の人気スコアで動作しています。将来的には、ユーザーの現在の状態（例：彼らの仕事）と望ましい最終状態を考慮しようとしています。

KIMOシステムで使用されている現在の機械学習手法についてはどうですか?

私たちは、タスクによって異なる多数のモデルを使用しています。しかし、注意を使用するトランスフォーマーモデルなどのNLPモデルが大好きです。

5年後のオンライン教育の未来についてはどうですか?

簡単に言うと、オンライン教育は「退屈で、孤独で、一刀両断」のものから、「非常にエンゲージメントが高い、ソーシャルで、パーソナライズされた」ものへと移行するでしょう。オンライン教育企業は、伝統的な、遅い業界に存在するという考えから脱却する必要があります。代わりに、彼らは情報キュレーションの時代、多くの重要なトレンドの中心にあることを認識する必要があります。

KIMOについてさらに共有したいことはありますか?

はい。KIMOはまだ赤ちゃん、または「ベータ」と呼ばれるものです。アプリをダウンロードし、試してみて、フィードバックを送ってください!

素晴らしいインタビュー、詳しく知りたい読者はKIMOを訪問してください。