Ренс тер Вейде, співзасновник та CEO KIMO – Інтерв’ю Серія

KIMO – голландський стартап, заснований двома випускниками Гарварду: Крішна Діпак Налламіллі (Індія) та Ренс тер Вейде (Нідерланди). Команда зосереджена на створенні штучного інтелекту, необхідного для генерації індивідуальних навчальних шляхів через цифровий навчальний контент.

Хоча онлайн-навчання стало популярним, воно має високий рівень輟學 – до 95%. Чому показник успішності такий низький?

Коли ми заснували KIMO, ми провели опитування серед кількох сотень користувачів, щоб краще зрозуміти ситуацію. По-перше, більшість онлайн-постачальників надають MOOC (онлайн-курси), але користувачі сприймають MOOC як значну витрату часу. Вони часто використовують різні “коротші” способи, наприклад, читання статей, прослуховування подкастів, запитів у Google (GOOGL ) тощо, які краще пасують до їхнього щоденного графіку. Тому навчання є більш мультиканальним на практиці, ніж це дозволяють постачальники. Крім того, багато користувачів зазначили, що їм бракує керівництва у їхньому онлайн-подорожі. Результатом є те, що вони витрачають багато часу на пошуки, спроби вирішити, що вивчати тощо. Третій důvod стосується актуальності самого контенту. Онлайн-матеріали часто статичні, попередньо записані та не повністю актуальні для них. Можна сказати, що контент не достатньо персоналізований/актуальний для них – або хоча б не достатньо актуальний, щоб виправдати витрачений час.

Багато користувачів заявляють, що вони нудяться і часто цитують відсутність залучення як проблему, чому ви вважаєте, що користувачі відчувають себе розчарованими в онлайн-навчанні?

Я вважаю, що є можливість поліпшити навчальні платформи принаймні в двох основних напрямках. По-перше, необхідний кращий інтелект для керівництва користувачами на кращих шляхах та надання кращих рекомендацій контенту. Можно сказати, що це необхідні дослідження та розробки для освіти, тісно пов’язані з алгоритмами штучного інтелекту. Другим елементом є інша сторона ланцюга цінності: UI/UX та кінцевий досвід для користувачів. Більшість систем управління навчанням (LMS) виглядають нудними та застарілими для користувачів. Вони далекі від відполірованого, реального, соціального та персоналізованого програмного забезпечення, яке користувачі очікують сьогодні.

Чи можете ви поділитися історією створення KIMO та тим, що спонукало вас до вирішення проблеми онлайн-навчання?

Так! KIMO розпочався, коли Крішна, мій співзасновник, та я зустрілися в Гарвардській бізнес-школі. Ми полюбили середовище, але одночасно зрозуміли, що хороші частини досвіду не масштабуються для людей по всьому світу. Ми вирішили над склянкою віскі в готельному лобі, що ми можемо спробувати створити “цифрового кар’єрного тренера”. Цей тренер був першою версією KIMO.

Чи можете ви обговорити, як штучний інтелект необхідний для генерації індивідуальних навчальних шляхів через цифровий навчальний контент?

Фактично, KIMO використовує багато моделей штучного інтелекту в трубопроводі. Деякі моделі є відносно простими, інші – більш складними. Загальним є те, що більшість моделей використовують природну мову як вхідні дані (NLP, наприклад, трансформерні моделі). Ці моделі стоять за рекомендаціями контенту, які ви отримуєте, групуванням контенту в конкретні теми чи визначенням критичних навичок, необхідних для роботи. У нас також є деякі більш експериментальні “генеративні” моделі штучного інтелекту, наприклад, модель, яка відповідає на питання, пов’язані з контентом, всередині додатку KIMO. Якщо це працює достатньо добре, це крок ближче до автоматизації професорів, яку ми бачимо.

Чи можете ви роз’яснити, як система штучного інтелекту може вивчити роботу в деталях (наприклад, твердих навичок чи м’яких навичок)?

У простих словах: ми вирішили проігнорувати існуючі бази даних (O*Net, ESCO) для цієї роботи, оскільки вони не були достатньо деталізовані та застарілі. Замість цього ми створили систему, яка може визнати близько 40 000 навичок у роботах на ринку в майже реальному часі. Можно сказати, що наша система “читає” всі ці профільні роботи, щоб передбачити, які навички зараз необхідні для роботи. Ці визнані навички потім групуються у м’які та тверді навички.

Чи можете ви обговорити, як персоналізоване навчання працює на платформі, наприклад, як система знає, який тип контенту працює найкраще для кожного користувача, наприклад, статті, відео, подкасти, статті тощо?

Проста відповідь полягає в тому, що ми підлаштовуємо користувачів та контент через векторне підлаштування, яке є звичайною практикою у моделях рекомендацій. Більш складна частина полягає в тому, щоб вирішити, які елементи повинні бути вагомими. Наразі система відносно проста та працює з навчальними перевагами користувача та популярними оцінками для онлайн-матеріалів. Майбутнє буде більш цікавим, оскільки ми намагаємось зважувати поточний стан користувача (наприклад, його роботу) та бажаний кінцевий стан.

Які деякі з поточних методологій машинного навчання, які використовуються в системі KIMO?

Ми використовуємо багато різних моделей, залежно від завдання. Але я можу сказати, що у нас є глибока любов до моделей NLP, які використовують увагу, тобто трансформерні моделі.

Де ви бачите майбутнє онлайн-освіти за 5 років?

У короткому, я бачу онлайн-освіту, яка переходить від “нудної, самотньої та однорозмірної” до “високо залученої, соціальної та персоналізованої”. Компанії онлайн-освіти повинні вийти з ідеї, що вони існують у традиційній, повільній галузі. Замість цього вони повинні зрозуміти, що вони конкурують у епоху інформаційної курації, прямо в центрі багатьох важливих тенденцій сьогодні.

Чи є щось інше, що ви хотіли б поділитися про KIMO?

Так. KIMO ще є дитиною, або “бета-версією”, як ми її називаємо. Завантажте додаток, спробуйте його та надішліть нам свій відгук! Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати KIMO.