Forskere utvikler ny AI for å hjelpe med å lage tutor-systemer

Forskere fra Carnegie Mellon University har demonstrert hvordan de kan bygge intelligente tutor-systemer. Disse systemene er effektive til å undervise i ulike fag, inkludert algebra og grammatikk. 

Forskerne brukte en ny metode som avhenger av kunstig intelligens for å tillate en lærer å undervise en datamaskin. Formuleringen gjør denne metoden litt forvirrende, men tenk på det som en datamaskin som lærer å undervise av en menneskelig lærer. Datamaskinen kan bli undervist av den menneskelige læreren ved å vise den hvordan den løser bestemte problemer, som for eksempel addisjon med flere kolonner. Hvis datamaskinen får problemet feil, kan læreren korrigere den. 

Løse problemer på egen hånd

En av de interessante delene av denne metoden er at datamaskinsystemet ikke bare kan undervise og løse problemene som det ble lært, men det kan også løse alle andre problemer i emnet ved å generalisere. Dette betyr at datamaskinen kan ende opp med å løse et problem utenfor måtene læreren lærte den å gjøre det. 

Daniel Weitekamp III er en Ph.D-student ved CMU’s Human-Computer Interaction Institute (HCII). 

“En student kan lære en måte å gjøre et problem og det ville være tilstrekkelig,” sa Weitekamp. “Men et tutor-system må lære alle måter å løse et problem på. Det må lære å undervise i løsning av problemer, ikke bare hvordan man løser problemer.”

Ufordringen som Weitekamp forklarer er en av de største i utviklingen av AI-baserte tutor-systemer. Nyutviklede intelligente tutor-systemer kan spore studentens fremgang, hjelpe med å bestemme hva som skal gjøres neste, og hjelpe studenter med å utvikle nye ferdigheter ved å velge effektive øvingsproblemer. 

Utviklingen av AI-baserte tutor-systemer

Ken Koedinger er en professor i menneske-datamaskin-interaksjon og psykologi. Koedinger var en av de tidlige utviklerne av intelligente tutorer, og sammen med andre, ble produksjonsregler programmert for hånd. Ifølge Koedinger, tok hver time med tutor-instruksjon 200 timer med utvikling. Til slutt utviklet gruppen en mer effektiv metode, som viste alle mulige måter å løse et problem på. Dette reduserte de 200 timene til 40 eller 50, men det er ekstremt vanskelig å vise alle mulige løsninger for noen mønster. 

Koedinger har sagt at den nye metoden kan ende opp med å tillate en lærer å utvikle en 30-minutters lekse i samme tidsrom. 

“Den eneste måten å komme til fullt ut intelligente tutorer på nå har vært å skrive disse AI-reglene,” sa Koedinger. “Men nå skriver systemet disse reglene.”

I den nye metoden, brukes et maskinlæringsprogram til å simulere måtene studenter lærer på. En undervisningsgrensesnitt ble laget av Weitekamp, og det bruker en “vis-og-korrigér”-prosess for programmering.

Mens metoden ble demonstrert med addisjon med flere kolonner, kan maskinlæringsmotoren som brukes, bli brukt til andre fag, som for eksempel ligningsløsning, brøksaddisjon, kjemi, engelsk grammatikk og vitenskapelige eksperimenter. 

En av hovedmålene er at denne metoden skal tillate lærere å konstruere sine egne datamaskin-baserte leksjoner, uten å trenge en AI-programmerer. Dette tillater lærere å bruke sine egne personlige syn på hvordan å undervise eller hvilke metoder å bruke. 

Weitekamp, Koedinger og HCII System Scientist Erik Harpstead skrev artikkelen som beskriver metoden. Den ble akseptert av Conference of Human Factors in Computing Systems (CHI 2020). Konferansen var opprinnelig planlagt for denne måneden, men COVID-19-pandemien tvang den til å bli avlyst. Artikkelen kan nå finnes i konferansens prosedyre, som ligger i Association for Computing Machinery’s Digital Library.

Instituttet for utdanningsvitenskap og Google hjalp til å støtte forskningen.