リイド ラボスのヨハン リー氏 – インタビュー シリーズ

ヨハン リー氏は、リイド ラボスのチーフ ストラテジー オフィサーです。リイド ラボスは、完全に検証されたデータ ドリブンの AI テクノロジーの先駆的なソリューション プロバイダーです。教育、スキル トレーニング、テクノロジーの分野で世界のリーダーと提携し、より良い学習体験を作り出しています。AI を使用して、学習者が最も迅速に、最も効率的に目標を達成できるように支援しています。

あなたが AI に惹かれたきっかけは何ですか?

リイドの焦点に惹かれました。リイドは、真剣に取り組み、大きな潜在性を持つ会社が行うべき正しい動きをしていました。各ステップは妥当で、感銘を受けるものでした。AI に関して、会社は協調フィルタリング方法から始めて、次にTransformer モデルまでアルゴリズムを改良しました。独自の進化を経て、州-of-the-art のモデルに至りました。会社は、焦点、探索、想像力が示された、思慮深い論文を公開し続けました。会社のアプリはユーザーを獲得し、収益化に成功し、市場での強い受け入れを示しました。ビジネスは、B2C から B2B の次元に拡大し、追加のテスト準備ツールや不動産アプリを提供しました。次に、教育 AI コミュニティ (EdNet) を創設するために、最大の教育データセットを公開しました。これらはすべて、焦点のある会社が行うべき動きです。最後に、公開されている資金調達ラウンドは、会社の投資潜在性と、ユニコーンになるまでのスピードを強く反映していました。

以前の役職では、Google (GOOGL ) Brain でマシン インテリジェンスとヘルス データ サイエンスのリーダーでした。そこでのプロジェクトについて教えてください。

製品デプロイのリーダーでした。つまり、現実世界の証拠研究のためのテスト ベッドの設計、構築、測定、システム テスト ベッドの構築方法でした。高度なテスト ベッドの構築、研究戦略、システム設計と実装の組み合わせでした。私はエンジニアではありませんが、数年間、複数のクラウドで認定プロクラウドアーキテクトでした。したがって、特に情報セキュリティとプライバシーの要件、特に機密情報 (具体的には子供) に対して、自然な適合でした。

多くの場合、パートナーとテクノロジー巨大企業の間には、技術的準備の不一致があり、スケールに達することができません。那は私がスケールを推進するところです。自己組織化テクノロジー インフラストラクチャを設計し、ML エンジンのコストを 1/10 に抑え、待ち時間とコストで大量の並列コンピューティングを実現します。

パートナーに AIaaS (AI as a Service) として予測アルゴリズムを提供することは、興奮することです。

2020 年 8 月以降、リイド ラボスの戦略担当副社長を務めています。リイド ラボスについて詳しく教えてください。

リイド ラボスは、教育分野の AI ソリューションの世界的リーダーです。リイド ラボスは、リイドの世界的なアームで、シリコン バレーに設立され、リイドのアジアでの成功を基にして、米国、南米、中東、その他の地域へのビジネスを拡大するために設立されました。AI 研究者、データ サイエンティスト、エンジニア、ビジネス開発担当者で構成されており、さまざまな 垂直市場のパートナーと協力して、リイドの AI コンピテンシーを拡張して、従来の学習方法を再考しています。南米の大学入学試験のためのパーソナライズド テスト プレップ モバイル アプリである場合、または韓国の大手企業での保険エージェント トレーニングのための AI チューター モジュールである場合、B2C、B2B、B2G の顧客に、ユーザーの学習行動データを分析し、次の回答の選択肢を予測し、最終的に学習の潜在能力を最大化するパーソナライズド ラーニング パスを推奨する独自の AI テクノロジーを提供しています。サンタ、英語試験 (TOEIC) のモバイル テスト プレップ アプリケーションを含むいくつかの製品をすでに立ち上げました。韓国と日本で 200 万人以上の学生によって使用されています。韓国では Kaplan と提携した GMAT プレップ アプリと、エジプト、トルコ、UAE、ヨルダン、サウジアラビアでは ConnecME と提携した ACT プレップ アプリもリリースしました。リイドは現在、教育評価、学習、トレーニングのための AI ソリューションを実装するために、民間および公共のセクターの幅広い顧客と話し合っています。

AI ツールが教育を民主化する上でどのように一歩進んだものになるかについて議論してください。

国連によると、コロナウイルス危機以前から、2 億人以上の子供たちが学校に通っていないことが予測されていました。また、2030 年までに、60 パーセントの若者が上級中等教育を修了することになっていました。発展途上国の子供の半分は、職場で適用できる資格なしに教育を終えました。『ワン サイズ フィット オール』の教育アプローチや、ハイ ステーク スタンダード テスト ベースの評価は、教育の役割を果たさず、社会の才能ある市民を育てることに失敗しています。

韓国や米国などの先進国では、豊かな地域の学校予算は貧しい地域よりもはるかに大きいです。その結果、豊かな親は、プライベート チューター、プライベート カレッジ アドバイス、テスト プレップ、プライベート アスリート コーチング、学校外の学習体験などに追加の投資を行います。これにより、豊かな地域の子供と他のすべての子供との間のギャップが拡大します。貧しい地域の学生は、経験の少ない教師、技術へのアクセスが限られている、学校や自宅でのインターネット アクセスが制限されている、大学への進学に関するアドバイスを受けないことが多くなります。米国では、豊かな家庭に生まれた子供は、貧しい家庭に生まれた子供よりも、10 倍も大学を卒業する可能性が高くなります。学術的な能力を一定に保った場合でも、豊かな子供は大学に通う可能性が高く、卒業する可能性も高くなります。これは経済成長にも影響を及ぼします。社会で才能や潜在能力が広く分布している場合でも、機会が均等に分布しない場合、労働市場と経済は才能と雇用のマッチングを効率的に行うことができず、イノベーションが遅れ、国家の生産性と経済成長が損なわれます。

大量のデータに基づいて、AI は各生徒の知識レベルとユニークな学習行動を評価して理解し、学習目標を達成するためにタイムリーにカスタマイズされたコンテンツを提供できます。AI は不変の忍耐強く、個別の注意を与えることができ、個別のチューターに比べてコストを大幅に削減できます。インターネット接続とスマートフォンがあれば、どの地域に住む生徒でも、関与度の高いパーソナライズされた学習体験に参加できます。AI はまた、教師が生徒の学習体験をパーソナライズするのを支援できます。繰り返しのタスクに費やす時間を削減し、その時間を個別の注意とパーソナライズされた学習リソースに充てることができます。これらのリソースは、学校が開いているかどうかに関係なく、24 時間 365 日、すべての生徒に利用可能です。

最初のグローバル AI 教育 (AIEd) チャレンジの背後にあるビジョンについて議論してください。

教育界は新しいパラダイムを必要としています。AI パワード ラーニング ソリューションは、オンラインで学生とやり取りすることで、個別の注意を与えることができます。私たちは、AI 教育のビジョンを真正に信じており、教育を変え、学生の生活を改善できることを確信しています。しかし、私たち一人ではこのビジョンを達成できないことを理解しています。より大きな AI コミュニティと教育産業が私たちの考えに参加し、共に取り組んでくれる必要があります。昨年、リイドは EdNet と呼ばれる、リイドの AI チューター システムから収集された多様な学生活動の階層的な大規模データセットを公開しました。これには、780,000 人を超える実際の学生との 1 億 3,100 万回以上のやり取りが含まれています。これは、公開された AI 教育データセットの中で最大のものです。私たちは、最も優れた頭脳がこのデータを使用して、教育におけるグローバルな課題に対処するための革新的なソリューションを見つけることを望んでいます。協力することで、より大きな影響を与え、AI を活用した教育へのトレンドをさらに加速させることができます。リーダーシップは、他者にインスピレーションを与えるために、リーダーが模範を見せる必要があります。

AIEd の結果はどうでしたか?

チャレンジは、2020 年 10 月 6 日から 2021 年 1 月 8 日まで、Google の Kaggle プラットフォームを通じて行われました。

• 10 万ドルの総賞金に対して、90 か国から 3,395 チームが参加し、2020 年の Kaggle アルゴリズム コンペティションの中で最も多くのチームが参加しました。
• 52 人の Kaggle グランドマスターが参加し、過去の成績に基づく Kaggle コンペティターの割合としては最高でした。2020 年のコンペティションでは、平均 25 人のグランドマスターが参加していました。
• このチャレンジを通じて、64,678 個の異なる創造的なナレッジ トレーシング モデルが提出されました。
• 韓国、日本、スペインのチームが上位 3 位を占め、50,000 ドル、30,000 ドル、10,000 ドルの賞金を獲得しました。上位 3 チームは、リイドの研究者によって主催および組織された AAAI-2021 ワークショップ「AI 教育: AI で新しい教育の姿を」でモデルを発表しました。
• 優勝ソリューションはすべて、機械翻訳で初めて使用された注意ベース モデルである Transformer を使用しました (Vaswani et al)。これは、Transformer の価値が明らかであり、Kagglers がそれらを使用した創造的な方法は、学術的にも実用的にも興味深いものでした。これらは私たちの研究者によって予想外の Transformer の創造的な応用でした。私たちは、こうしたプラットフォームの提供が、AI 教育における多様な実験アプローチを促進できることを強く感じており、これが適用可能なテクノロジーの進歩につながることを信じています。

AI がパーソナライズド ラーニングをどのように加速できるかについて議論してください。

要約すると、AI テクノロジーは、ディープ ラーニング アルゴリズムに基づいて、ユーザー データとコンテンツを分析し、スコアと行動を予測し、リアルタイムでパーソナライズドな学習計画を推奨します。

そして、リイドのコア AI テクノロジーは、次のとおりです: 1) ナレッジ トレーシング、2) スコア予測、3) パーソナライズド レコメンデーション。

1. ナレッジ トレーシング: ナレッジ トレーシングは、AI 教育分野の基本的なタスクです。学生が何を知って何を知らないかを特定することで、最適な学習パスを構築するための基準を提供します。また、未解決の質問に対する学習者の正解を予測することもできます。私たちのディープ ラーニング ベースのナレッジ トレーシング モデルは、Google の Transformer にインスパイアされており、質問に対する学生の正解を最高の精度で予測します。
2. スコア予測モデル: スコア予測モデルは、学習プロセス中に学生の成績レベルを予測します。私たちのモデルは、±5% の平均予測誤差で、95% の精度で学生のスコアを予測します。評価は、学生の知識状態に関するフィードバックを提供し、リアルタイムの学習調整を可能にします。また、学生は自分の進歩と成績を認識できるため、自己評価と練習を促進します。
3. レコメンデーション システム: ナレッジ トレーシング モデルとスコア予測モデルに基づいて、学習者に最も改善が必要なアイテムを提供します。レコメンデーション システムの設計は、単純なものではなく、学習者のニーズを理解するための多くの考慮と研究が必要です。リイドは、RCES (Recommendation for Effective Standardized Exam Preparation) と呼ばれる AI モデルを開発しました。これは、単にスコアを向上させるのではなく、学習が行われることを保証するために、正しく回答しなかった質問の解決から新しい知識を習得する影響を反映することで、質問を推奨します。

リイド サンタ アプリについて教えてください。

リイドは、サンタと呼ばれる、英語試験 (TOEIC) 用のモバイル テスト プレップ アプリケーションを提供しています。このアプリは、リイドの独自の AI テクノロジーを特徴とし、ユーザー データとコンテンツを分析し、スコアと行動を予測し、リアルタイムでパーソナライズドな学習計画を推奨して、ユーザーが学習の潜在能力を最大化できるようにします。このアプリは、韓国と日本で 250 万人を超える学生によって使用されており、日本と韓国での教育アプリの売上で 1 位を獲得しています。1 年間のユーザー データによると、20 時間の学習後に平均スコアが 165 点 (990 点満点中) 上昇しました。

リイドまたはリイド ラボスについてさらに何か共有したいことはありますか?

6 年という短い期間の中で、AI 教育の無限の可能性の表面にしか触れていません。しかし、従来の学習アプローチを変える可能性を見てきました。より意味のある学生の能力の尺度を見てきました。私たちは真正にこの革命をリードするために最も適切に準備されていると信じています。

私たちの信念は、学生の日常の学習行動とパスを理解することで、学生の真の潜在能力を評価し、学習体験を最適化できるということです。これは以前は不可能でした。しかし、AI によって、現在の学習者のレベルを分析し、個別のニーズに合った指示を即座にパーソナライズできるようになりました。学生を不断に動機づけ、進歩を追跡できます。学生は自分のペースで、自分のやり方で成長できるようになります。これは現在のシステムでは実現できません。私たちの目標は、テスト プレップ サービスで実現されているのですが、素晴らしいものの始まりに過ぎません。総合的な評価は、1 回限りのテストで学生を評価するもので、効果的な学習と評価のための最良のツールではありません。さらに、コロナウイルスにより、物理的に無効になりました。したがって、実用的で実用的である形式の評価ツールへの需要が市場で高まっています。リイドは、ドメインに依存しない「能力測定モデル」である Riiid-Score を開発中です。教育の核を変えることを目指しています。フォーミュレーション ラーニングをサポートすることで、個人の潜在能力を解き放つための基本的なステップです。私たちはこれを信じています。

素晴らしいインタビュー、ご興味がある読者はリイド ラボスを訪れてください。