Ренс тер Вейде, сооснователь и генеральный директор KIMO – Интервью

KIMO – голландский стартап, основанный двумя выпускниками Гарварда: Кришной Дипаком Налламилли (Индия) и Ренсом тер Вейде (Нидерланды). Команда сосредоточена на создании искусственного интеллекта, необходимого для генерации индивидуальных образовательных путей через цифровой образовательный контент.

Хотя онлайн-обучение набирает популярность, оно имеет очень высокие показатели бросков – до 95%. Почему показатель успеха так низок?

Когда мы начали KIMO, мы провели опрос среди нескольких сотен пользователей, чтобы лучше понять ситуацию. Во-первых, большинство онлайн-провайдеров предлагают MOOC (онлайн-курсы), но пользователи воспринимают MOOC как значительное время commitment. Они часто используют более короткие обходные пути, такие как чтение статей, прослушивание подкастов, задавание вопросов в Google (GOOGL ) и т. д., которые лучше подходят их ежедневному расписанию. Таким образом, обучение более многоканальное на практике, чем это разрешают провайдеры. Кроме того, многие пользователи выразили, что им не хватает руководства в их онлайн-путешествии. В результате они тратят много времени на поиск, попытки решить, что изучать и т. д. Третья причина связана с актуальностью самого контента. Онлайн-материалы часто статичны, предзаписаны и не полностью актуальны для них. Можно сказать, что контент не достаточно личный/актуальный для них – или, по крайней мере, не достаточно актуальный, чтобы оправдать потраченное время.

Многие пользователи утверждают, что они скучают и часто цитируют отсутствие вовлеченности как проблему, почему, по вашему мнению, пользователи чувствуют себя отстраненными от онлайн-обучения?

Я считаю, что есть место для улучшения платформ обучения как минимум в двух основных направлениях. Во-первых, необходим более развитый интеллект для руководства пользователями на лучших путях и предоставления лучших рекомендаций контента. Можно сказать, что это необходимое НИОКР для образовательного сектора, тесно связанное с алгоритмами ИИ. Второй элемент – другая сторона цепочки создания ценности: UI/UX и окончательный опыт для пользователей. Большинство систем управления обучением (LMS) воспринимаются пользователями как скучные и устаревшие. Они далеки от отполированного, реального, социального и персонализированного программного обеспечения, которое пользователи ожидают сегодня.

Не могли бы вы рассказать историю создания KIMO и что привлекло вас к решению проблемы онлайн-обучения?

Конечно! KIMO началось, когда Кришна, мой сооснователь, и я встретились в Гарвардской бизнес-школе. Мы любили эту среду, но осознали, что хорошие части этого опыта не масштабируются для людей по всему миру. Мы решили за виски в отельном лобби, что мы можем попытаться создать “цифрового карьерного тренера”. Этот тренер был первой версией KIMO.

Не могли бы вы обсудить, как ИИ необходим для генерации индивидуальных образовательных путей через цифровой образовательный контент?

Фактически, KIMO полагается на множество моделей ИИ в трубопроводе. Некоторые модели по своей сути просты, другие более сложны. Общая нить заключается в том, что большинство моделей полагаются на естественный язык в качестве входных данных (NLP, например, модели трансформеров). Эти модели стоят за рекомендациями контента, которые вы получаете, кластеризацией контента по конкретным темам или распознаванием критических навыков, необходимых для работы. У нас также есть некоторые более экспериментальные “генеративные” модели ИИ, такие как модель, которая отвечает на вопросы, связанные с контентом, внутри приложения KIMO. Если это работает достаточно хорошо, это шаг ближе к автоматизации профессоров, которую мы представляем.

Не могли бы вы подробнее рассказать, как система ИИ может научиться понимать работу в деталях (например, hard skills или soft skills)?

В простых терминах: мы решили проигнорировать существующие базы данных (O*Net, ESCO) для этой работы, поскольку они не были достаточно подробными и устаревшими. Вместо этого мы построили систему, которая может распознавать ~40 000 навыков внутри работы на рынке в режиме реального времени. Можно сказать, что наша система “читает” все эти профили работы, чтобы предсказать, какие навыки в настоящее время необходимы для работы. Эти распознанные навыки затем кластеризуются в soft- и hard skills.

Не могли бы вы обсудить, как персонализированное обучение работает на платформе, например, как система будет знать, какой тип контента работает лучше всего для каждого пользователя, такие как статьи, видео, подкасты, документы и т. д.?

Простой ответ заключается в том, что мы сопоставляем пользователей и контент через векторное сопоставление, что является обычной практикой в моделях рекомендаций. Более сложная часть – решить, как эти векторы строятся, то есть, какие элементы взвешиваются. На данный момент система относительно проста и работает с предпочтениями обучения пользователя и рейтингами популярности для онлайн-материалов. Будущее будет более интересным, поскольку мы пытаемся включить в учет текущее состояние пользователя (например, его работу) и желаемое конечное состояние.

Какие некоторые из текущих методологий машинного обучения, используемых в системе KIMO?

Мы используем многие разные модели, в зависимости от задачи. Но я могу сказать, что у нас есть глубокая любовь к моделям NLP, которые используют внимание, поэтому модели трансформеров.

Где вы видите будущее онлайн-образования через 5 лет?

Вкратце, я вижу онлайн-образование, переходящее от “скучного, одинокого и одинакового для всех” к “высоко увлекательному, социальному и персонализированному”. Компании онлайн-образования должны вырваться из идеи, что они существуют в традиционной, медленно движущейся отрасли. Вместо этого они должны осознать, что они конкурируют в эпоху информационной кюрации, прямо в сердце многих важных тенденций сегодня.

Есть ли что-то еще, что вы хотели бы поделиться о KIMO?

Да. KIMO все еще является младенцем, или “бета”, как мы его называем. Загрузите приложение, попробуйте его и отправьте нам свою обратную связь!

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить KIMO.