Йохан Ли, главный стратегический директор Riiid Labs – Интервью

Йохан Ли является главным стратегическим директором Riiid Labs, ведущим поставщиком полностью проверенных и данных, управляемых технологией искусственного интеллекта. Они сотрудничают с мировыми лидерами в области образования, профессиональной подготовки и технологий для создания лучших условий обучения. Они используют ИИ, чтобы помочь учащимся достичь своих целей в кратчайшие сроки и наиболее эффективным способом.

Что изначально привлекло вас к ИИ?

Фокус Riiid. Riiid сделал правильные шаги, которые серьезная компания с большим потенциалом должна была сделать. Каждый шаг был разумным и вдохновляющим. Для своего ИИ компания начала с методов совместной фильтрации, затем регулярно улучшала свои алгоритмы до моделей Transformer с уникальными эволюциями. Компания публиковала вдумчивые статьи, демонстрирующие фокус, исследование и воображение. Приложение компании конвертировало пользователей и монетизировалось успешно, что указывало на сильное принятие рынка. Бизнес расширялся от B2C до B2B с дополнительными инструментами для подготовки к тестам и приложением для риэлторов. Затем компания опубликовала крупнейший образовательный набор данных, чтобы инициировать большее инновации и создать сообщество ИИ-образования (EdNet). Все это шаги фокусированной компании, которая делает правильные шаги, которые обычно делает большая компания. Наконец, их публично доступные раунды финансирования были сильным отражением инвестиционного потенциала того, как быстро эта компания может стать единорогом.

В вашей предыдущей роли вы были лидером машинного интеллекта и науки о здоровье в Google (GOOGL ) Brain, над какими проектами вы работали?

Я возглавлял развертывание продукта: это то, как проектировать, строить, измерять, тестировать системные тестовые кровати для реальных исследований доказательств. Это сочетание продвинутой конструкции тестовой кровати, исследовательской стратегии и продвинутого системного проектирования и реализации. Я не инженер, но я был сертифицированным профессиональным облачным архитектором на нескольких облаках уже несколько лет. Поэтому это было естественным образом, особенно с учетом многих требований информационной безопасности и конфиденциальности для PHI и уязвимых групп населения (а именно детей).

Многократно существует техническая несоответствие готовности между партнерами и технологическими гигантами, чтобы достичь масштаба. Вот где я стимулирую масштаб. Создание самоорганизующихся технологических инфраструктур, предназначенных для двигателей машинного обучения, которые стоят 1/10 цены и достигают массового параллельного вычисления при задержке и стоимости.

Сделать алгоритмы прогнозирования доступными нашим партнерам в качестве AIaaS было интересно.

С августа 2020 года вы являетесь вице-президентом по стратегии в Riiid Labs, можете ли вы объяснить, что такое Riiid Labs?

Riiid Labs является мировым лидером в решениях ИИ для образования. Riiid Labs является глобальным отделением своей материнской компании Riiid и было создано в Кремниевой долине, чтобы построить на успехе Riiid в Азии и расширить свой бизнес на США, Южную Америку, Ближний Восток и другие регионы. Мы состоять из исследователей ИИ, ученых-данных, инженеров и специалистов по бизнес-развитию и работаем с партнерами в различных вертикалях, чтобы переосмыслить традиционные способы обучения, расширяя компетенцию Riiid в ИИ. Будь то персонализированное мобильное приложение для подготовки к колледжу для вступительных экзаменов в Южной Америке или модуль ИИ-тренера для обучения страховых агентов в крупном конгломерате в Корее, мы предлагаем клиентам B2C, B2B и B2G нашу проприетарную технологию ИИ, которая анализирует данные о поведении пользователей и предлагает персонализированные пути обучения, которые в конечном итоге максимизируют потенциал обучения. Мы уже запустили несколько продуктов, включая Santa, мобильное приложение для подготовки к популярному экзамену на английское профессиональное общение (TOEIC), которое использовалось более чем двумя миллионами студентов в Корее и Японии. Мы также выпустили приложение для подготовки к GMAT в Корее в партнерстве с Kaplan и приложение для подготовки к ACT в Египте, Турции, ОАЭ, Иордании и Саудовской Аравии в партнерстве с ConnecME. Riiid сейчас ведет переговоры с широким кругом клиентов из частного и государственного секторов, чтобы реализовать наше решение ИИ для образовательных оценок, обучения и тренинга.

Как инструменты ИИ являются шагом вперед в демократизации образования?

Согласно ООН, даже до коронавирусного кризиса, прогнозы показывали, что более 200 миллионов детей будут вне школы, и только 60 процентов молодых людей завершат среднее образование к 2030 году. Половина детей в развивающемся мире покинула образование без каких-либо пригодных для работы квалификаций. Подходы “один размер подходит всем” к образованию и высокие ставки стандартизированных тестов не оправдали ожидаемой роли образования в развитии талантливых граждан общества.

В развитых экономиках, таких как Корея и США, богатые сообщества имеют гораздо большие школьные бюджеты, чем бедные сообщества. Следовательно, богатые родители делают дополнительные инвестиции в частные репетиторские услуги, частные колледж-советники, подготовку к тестам, частные спортивные тренеры и внеклассные опытные занятия в области искусства и культуры, что увеличивает разрыв между их детьми и всеми остальными. Это означает, что студенты в менее богатых сообществах часто имеют менее опытных учителей, меньше доступа к технологиям, снижение доступа к интернету в школе и дома, и могут не получить никаких советов о поступлении в колледж. В США ребенок, родившийся в богатой семье, в 10 раз более вероятно завершит колледж, чем ребенок, родившийся в бедной семье. И даже когда вы сохраняете академическую способность постоянной, ребенок из более богатой семьи гораздо более вероятно поступит в колледж и завершит степень. Это также имеет последствия для экономического роста. Когда талант и потенциал широко распространены в обществе, но возможности нет, рынок труда и экономика не могут эффективно сопоставить талант с занятостью, и это замедляет инновации и компрометирует национальную производительность и экономический рост.

На основе значительных данных ИИ может оценить и понять уровень знаний и уникальное поведение при обучении каждого студента и предоставить персонализированный контент, чтобы помочь студентам достичь каждой цели обучения. ИИ вечно терпелив и может дать каждому равное, но индивидуализированное внимание за долю стоимости личных репетиторов. Возможно, что любой студент с подключением к интернету и смартфоном сможет участвовать в увлекательном, персонализированном опыте обучения, независимо от того, где он живет. ИИ также может помочь учителям персонализировать опыт обучения своих студентов, снижая время, которое учителя должны тратить на повторяющиеся задачи, и перенаправляя это время на предоставление индивидуального внимания и персонализированных ресурсов обучения, доступных каждому студенту 24/7, независимо от того, открыта ли школа или нет.

Можете ли вы обсудить видение первого в мире глобального вызова ИИ-образования (AIEd)?

Мир нуждается в новой парадигме образования, чтобы преодолеть текущий кризис в образовании. ИИ-решения для обучения, с которыми студенты взаимодействуют в Интернете, могут дать каждому равное, но индивидуализированное внимание за долю стоимости личных репетиторов, будь то для самостоятельного обучения или включения в опыт обучения, возглавляемый учителями. Мы действительно верим в наше видение ИИ-образования и уверены, что можем преобразовать образование и улучшить жизнь студентов. Но мы знаем, что не можем достичь этой цели в одиночку. Нам нуждается в более широком сообществе ИИ и образовательных отраслях, чтобы принять наши идеи и участвовать. В прошлом году Riiid публично выпустил EdNet, крупномасштабный иерархический набор данных различных деятельности студентов, собранных из системы ИИ-репетиторства Riiid. Он содержит данные из более чем 131 миллиона взаимодействий с более чем 780 тысячами реальных студентов. Это крупнейший среди наборов данных ИИ-образования, выпущенных для общественности. Мы хотим, чтобы лучшие умы в этой области использовали эти данные, чтобы найти инновационные решения, которые помогут решить глобальные проблемы в образовании. Поэтому Riiid запустил свой первый вызов AIEd, глобальный вызов по созданию и оценке алгоритмов для отслеживания знаний с помощью EdNet. Мы считаем, что, объединившись, мы можем сделать больший вклад и еще больше ускорить тенденцию к образованию, управляемому ИИ.

Какие были некоторые результаты AIED?

Вызов проходил с 6 октября 2020 года по 8 января 2021 года на платформе Google Kaggle, онлайн-сообществе ученых-данных и практиков машинного обучения.

• За общую премию в размере 100 000 долларов США в вызове приняли участие 3 395 команд из 90 стран, что сделало его самым большим из любого конкурса алгоритмов 2020 года, организованного бизнес-юнитом на Kaggle.
• 52 из 270 гранд-мастеров Kaggle приняли участие, что является самой высокой долей для конкурентов Kaggle на основе прошлых результатов. Для сравнения, конкурсы 2020 года в среднем имели только 25 гранд-мастеров.
• В рамках этого вызова было представлено 64 678 различных и творческих моделей отслеживания знаний.
• Команды из Кореи, Японии и Испании заняли первые три места, получив 50 000 долларов США, 30 000 долларов США и 10 000 долларов США соответственно. Три лучшие команды представили свои модели на семинаре AAAI-2021 по ИИ-образованию: представление пост-ковидного образования с ИИ, организованном и проведенным исследователями Riiid.
• Все победившие решения использовали трансформеры, модель на основе внимания, впервые представленную в машинном переводе [AAYN] (Vaswani et al) и принятую исследователями Riiid. Это показывает, что ценность трансформеров довольно ясна, и инновационные способы, которыми кагглеры использовали их, были как академически, так и практически интересны. Это были творческие применения трансформеров, которые были неожиданными для наших исследователей. Нас так вдохновило, что предоставление такой платформы может способствовать таким разнообразным экспериментальным подходам в ИИ-образовании. Мы считаем, что это приведет к развитию применимой технологии как расширение этого прочного фундамента для исследований.

Как ИИ может лучше всего ускорить персонализированное обучение?

Вкратце, технология ИИ, основанная на алгоритмах глубокого обучения, анализирует данные пользователей и контента и прогнозирует оценки и поведение. На основе этих выводов ИИ рекомендует персонализированные планы обучения в режиме реального времени.

И ядро ИИ Riiid делает именно это: 1) отслеживание знаний, 2) прогнозирование оценок и 3) персонализированные рекомендации.

1. Отслеживание знаний: отслеживание знаний является одним из фундаментальных задач в области ИИ-образования. Выявление того, что знают студенты и чего не знают в определенный момент времени, обеспечивает базу для построения оптимального пути обучения. И модель может прогнозировать правильность ответа студента на любой и все нерешенные вопросы. Наша модель отслеживания знаний на основе глубокого обучения, вдохновленная трансформером Google, прогнозирует, ответит ли студент правильно или нет на вопрос с наивысшей точностью.
2. Прогнозирование оценок: модель прогнозирования оценок прогнозирует уровень достижений студента в процессе обучения. Наша модель прогнозирует оценку студента с средней ошибкой прогнозирования ± 5%, что можно выразить как 95% точности. Оценка дает обратную связь о состоянии знаний студента, что позволяет вносить изменения в обучение в режиме реального времени. И это позволяет студентам осознавать свой прогресс и достижения, что способствует самооценке и практике.
3. Система рекомендаций: на основе моделей отслеживания знаний и прогнозирования оценок мы предоставляем учащимся предметы, необходимые для наиболее значительного улучшения. Разработка системы рекомендаций не всегда проста и требует тщательного рассмотрения и исследований для понимания того, что лучше всего для учащегося. Riiid разработал Рекомендации для эффективной подготовки к стандартизированным экзаменам (RCES), модель ИИ, которая рекомендует вопросы, которые не только максимизируют ожидаемые оценки, но и обеспечивают обучение, отражая влияние приобретения новых знаний из решений неправильно ответленных вопросов.

Можете ли вы обсудить приложения Riiid Santa и что пользователи могут ожидать?

Riiid предлагает Santa, мобильное приложение для подготовки к популярному экзамену на английское профессиональное общение (TOEIC). Приложение включает в себя проприетарную технологию ИИ Riiid, которая анализирует данные пользователей и контента, прогнозирует оценки и поведение и рекомендует персонализированные планы обучения в режиме реального времени, чтобы помочь пользователям оптимизировать свой потенциал обучения. Приложение использовалось более чем двумя миллионами студентов (2,5 миллиона) в Корее и Японии и заняло первое место по продажам среди образовательных приложений в Японии и Корее. На основе данных пользователей за год средний балл увеличился на 165 пунктов из возможных 990 после всего 20 часов обучения.

Есть ли что-то еще, что вы хотели бы поделиться о Riiid или Riiid Labs?

За всего лишь шесть лет мы только поцарапали поверхность бесконечных перспектив в ИИ-образовании. Мы увидели, как мы можем изменить традиционные подходы к обучению для стандартизированных тестов. Но мы также увидели возможность более осмысленной оценки способностей студента. И мы действительно верим, что мы лучше всего оборудованы, чтобы возглавить эту революцию.

Наша убежденность заключается в том, что только понимая ежедневное поведение при обучении и путь студента, мы можем оценить истинный потенциал и оптимизировать опыт обучения соответственно. Это было невозможно раньше. Но с ИИ мы можем анализировать текущий уровень учащихся и мгновенно персонализировать инструкции, которые подходят индивидуальным потребностям. Мы можем постоянно мотивировать их и отслеживать их прогресс. Мы можем позволить каждому учащемуся расти в своем собственном темпе, что текущая система не поддерживает. С этим подходом мы можем действительно раскрыть потенциал каждого.

Наше видение только начинается с услуг подготовки к тестам, но мы находимся на пороге чего-то великого. Суммативная оценка, которая оценивает учащихся через единовременные тесты, не является лучшим инструментом для оценки и эффективного обучения. И, кроме того, она сейчас физически недействительна из-за Covid19, и мы увидели огромный рыночный спрос на эффективные и практические инструменты формативной оценки. Поэтому Riiid сейчас работает над моделью измерения способностей на основе глубокого обучения, независимой от области, под названием “Riiid-Score”. Мы уверены, что мы преобразуем ядро образования, поддерживая формативное обучение, которое относится к процессу постоянной оптимизации опыта обучения. Мы считаем, что это является базовым шагом к образованию, которое может раскрыть потенциал каждого человека.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Riiid Labs.