Rens ter Weijde, współzałożyciel i CEO KIMO – seria wywiadów

KIMO to holenderski startup założony przez dwóch absolwentów Harvardu: Krishnę Deepaka Nallamilliego (Indie) i Rensa ter Weijde (Holandia). Zespół skupia się na tworzeniu sztucznej inteligencji niezbędnej do generowania indywidualnych ścieżek uczenia się za pomocą cyfrowych treści edukacyjnych.

Pomimo że nauka online zyskała na popularności, charakteryzuje się wysokim wskaźnikiem porzucania nauki, sięgającym nawet 95%. Dlaczego wskaźnik sukcesu jest tak niski?

Gdy założyliśmy KIMO, przeprowadziliśmy ankiety wśród kilkuset użytkowników, aby lepiej zrozumieć sytuację. Po pierwsze, większość dostawców usług online oferuje MOOC (kursy online), ale użytkownicy postrzegają MOOC jako znaczne zobowiązanie czasowe. Często używali krótszych rozwiązań, takich jak czytanie artykułów, słuchanie podcastów, zadawanie pytań na Google (GOOGL ) itp., które lepiej pasowały do ich codziennego harmonogramu. Tak więc nauka jest bardziej wielokanałowa w praktyce niż to, na co pozwalają dostawcy. Ponadto wielu użytkowników wyraziło, że brakuje im wskazówek w ich podróży online. W efekcie spędzają dużo czasu na wyszukiwaniu, próbach podjęcia decyzji, co studiować itp. Trzecią przyczyną jest kwestia istotności samej treści. Materiały online są często statyczne, nagrane wcześniej i nie w pełni istotne dla użytkowników. Można powiedzieć, że treść nie jest wystarczająco personalna/istotna dla nich – lub przynajmniej nie na tyle istotna, aby uzasadnić poświęcony czas.

Wielu użytkowników twierdzi, że nudzi się i często wymienia brak zaangażowania jako problem. Dlaczego uważasz, że użytkownicy czują się wykluczeni z nauki online?

Uważam, że istnieje możliwość udoskonalenia platform edukacyjnych w co najmniej dwóch głównych wymiarach. Po pierwsze, wymagana jest lepsza inteligencja, aby prowadzić użytkowników przez lepsze podróże i zapewnić lepsze rekomendacje treści. Można powiedzieć, że jest to wymagane badanie i rozwój dla sektora edukacji, ściśle związane z algorytmami sztucznej inteligencji. Drugim elementem jest druga strona łańcucha wartości: UI/UX i ostateczne doświadczenie użytkownika. Większość systemów zarządzania nauką (LMS) jest postrzegana przez użytkowników jako nudna i przestarzała. Są one daleko od wyrafinowanego, czasu rzeczywistego, społecznego i spersonalizowanego oprogramowania, którego oczekują użytkownicy dzisiaj.

Czy mógłbyś podzielić się historią powstania KIMO i tym, co skłoniło cię do rozwiązania problemu nauki online?

Oczywiście! KIMO powstało, gdy Krishna, mój współzałożyciel, i ja spotkaliśmy się w Harvard Business School. Kochaliśmy to środowisko, ale jednocześnie zdaliśmy sobie sprawę, że dobre strony tego doświadczenia nie są skalowalne dla ludzi na całym świecie. Postanowiliśmy, że możemy spróbować stworzyć “cyfrowego trenera kariery”. Ten trener był pierwszą wersją KIMO.

Czy możesz omówić, jak sztuczna inteligencja jest potrzebna do generowania indywidualnych ścieżek uczenia się za pomocą cyfrowych treści edukacyjnych?

W rzeczywistości KIMO opiera się na wielu modelach sztucznej inteligencji w potoku. Niektóre modele są proste, inne bardziej złożone. Wspólnym wątkiem jest to, że większość modeli opiera się na języku naturalnym jako danych wejściowych (NLP, np. modele transformatorowe). Modele te są odpowiedzialne za rekomendacje treści, grupowanie treści w określone tematy lub rozpoznawanie kluczowych umiejętności wymaganych do pracy. Mamy również niektóre bardziej eksperymentalne “generatywne” modele sztucznej inteligencji, takie jak model, który odpowiada na pytania związane z treścią w aplikacji KIMO. Jeśli to zadziała wystarczająco dobrze, jest to krok bliżej automatyzacji profesorów, którą się wyobrażamy.

Czy możesz wyjaśnić, jak system sztucznej inteligencji może nauczyć się rozumieć pracy w wielkim szczególe (np. umiejętności twarde, czy umiejętności miękkie)?

W prostych słowach: postanowiliśmy zignorować istniejące bazy danych (O*Net, ESCO) do tej pracy, ponieważ nie były one wystarczająco szczegółowe i przestarzałe. Zamiast tego zbudowaliśmy system, który może rozpoznać około 40 000 umiejętności w pracy na rynku w sposób niemal w czasie rzeczywistym. Można powiedzieć, że nasz system “czyta” wszystkie te profile pracy, aby przewidzieć, jakie umiejętności są obecnie wymagane do pracy. Te rozpoznane umiejętności są później grupowane w umiejętności twarde i miękkie.

Czy możesz omówić, jak działa personalizowana nauka na platformie, tak aby system wiedział, jaki rodzaj treści najlepiej sprawdza się dla każdego użytkownika, np. artykuły, filmy, podcasty, artykuły itp.?

Prosta odpowiedź brzmi: dopasowujemy użytkowników i treści za pomocą dopasowania wektorowego, co jest powszechną praktyką w modelach rekomendacji. Trudniejsza część polega na tym, jak te wektory są budowane, innymi słowy, jakie elementy są ważone. Na razie system jest dość prosty i działa z preferencjami uczenia się użytkownika i ocenami popularności dla materiałów online. Przyszłość będzie bardziej interesująca, ponieważ będziemy starać się wziąć pod uwagę bieżący stan użytkownika (np. jego pracę) i pożądany stan końcowy.

Jakie są niektóre z obecnych metodologii uczenia maszynowego używanych w systemie KIMO?

Używamy wielu różnych modeli, w zależności od zadania. Ale mogę powiedzieć, że mamy głęboką miłość do modeli NLP, które używają uwagi, a więc modeli transformatorowych.

Gdzie widzisz przyszłość edukacji online za 5 lat?

W skrócie, widzę edukację online przechodzącą od “nudnej, samotnej i jednej dla wszystkich” do “bardzo angażującej, społecznej i spersonalizowanej”. Firmy edukacji online muszą wyjść poza ideę, że istnieją w tradycyjnym, wolno poruszającym się przemyśle. Zamiast tego powinny zrozumieć, że konkurują w erze kuracji informacji, właśnie w sercu wielu ważnych trendów dzisiaj.

Czy jest coś jeszcze, co chciałbyś podzielić się o KIMO?

Tak. KIMO jest jeszcze dzieckiem, czy “beta”, jak to nazywamy. Pobierz aplikację, wypróbuj ją i wyślij nam swoją opinię!

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić KIMO.