آیا هوش مصنوعی آینده آمادگی آزمون است؟

این مقاله بخشی از تازه به دوران رسیده، مجموعه ای در مورد شرکت هایی که از علم و فناوری جدید برای حل چالش های موجود در صنایع خود استفاده می کنند.

از زمانی که سقراط به افلاطون و افلاطون به ارسطو تعلیم داد، بشریت می دانست که بهترین آموزش توسط یک مربی باتجربه ارائه می شود. اما گران، کار فشرده و دشوار است. نتیجه آموزش ناقص مبتنی بر کلاس درس است که ما امروز با آن زندگی می کنیم: حجم کلاس های بزرگ، معلمان بیش از حد کار و بارگذاری بیش از حد، کمبود منابع. مربیان زمان اندکی را که برای توجه شخصی دارند، روی بهترین ها و باهوش ترین ها یا پایین کلاس متمرکز می کنند. وسط گسترده اغلب به حال خود رها می شود.

ممکن است مربیان ابزار جدیدی به نام هوش مصنوعی برای رسیدگی به این مسائل داشته باشند. اشکال نوآورانه این فناوری، مبتنی بر کد رایانه‌ای که شبکه‌های نورون‌های مغز انسان را تقلید می‌کند، می‌تواند الگوهایی را در نحوه عملکرد دانش‌آموزان آشکار کند و به معلمان کمک کند تا استراتژی‌های خود را مطابق با آن تنظیم کنند. «آموزگاران هوش مصنوعی» – سیستم‌های نرم‌افزاری که دانش‌آموزان با آن‌ها به صورت آنلاین در تعامل هستند – قول می‌دهند که به هر دانش‌آموز توجه ویژه‌ای معطوف کنند و به طور بالقوه آموزش را همانطور که می‌شناسیم بازسازی کنند.

در میان تعداد انگشت شماری از شرکت‌هایی که منجر به این تحول می‌شوند، Riiid (تلفظ “رید”)، استارت‌آپی است که توسط YJ Jang، فارغ‌التحصیل دانشکده بازرگانی هاس در دانشگاه کالیفرنیا، برکلی، در کره تاسیس شد. Riiid در حال حاضر حضوری قوی در بازار برنامه‌های آماده‌سازی آزمون آسیایی برای آزمون زبان انگلیسی برای ارتباطات بین‌المللی یا TOEIC دارد که مهارت زبان انگلیسی را برای تجارت اندازه‌گیری می‌کند. اکنون Riiid در آستانه ورود به بازار آماده سازی SAT و ACT در ایالات متحده است.

آقای جانگ در ایمیلی نوشت: “آموزش و پرورش یک زمینه پیچیده است که عمیقاً با شناخت، انگیزه، تعامل با همسالان و غیره مرتبط است.” ما بینش هایی را از یادگیری علم، زیست شناسی شناختی، علم داده و سایر زمینه های تحقیقاتی مرتبط برای یک فرآیند آزمایشی تکراری که چالش برانگیز و وقت گیر است به دست می آوریم – به همین دلیل است که تعداد کمی از بازیگران در بازار وجود دارند.

اولین سیستم های تدریس خصوصی کامپیوتر در دهه 1960 ظاهر شدند که مطالب را در بخش های کوتاه ارائه می کردند، از دانش آموزان سؤال می پرسیدند و بازخورد فوری در مورد پاسخ ها ارائه می دادند. از آنجایی که این سیستم‌ها گران بودند و رایانه‌ها در همه جا وجود نداشتند، مؤسسات تحقیقاتی ذینفع اصلی بودند.

در دهه 1970 و 1980، سیستم ها شروع به استفاده از هوش مصنوعی مبتنی بر قانون و نظریه شناختی کردند. این رویکردها دانش‌آموزان را در هر مرحله از یک مشکل راهنمایی می‌کردند و نکاتی را از پایگاه‌های دانش متخصص ارائه می‌دادند. اما سیستم‌های مبتنی بر قانون شکست خوردند زیرا مقیاس‌پذیر نبودند – و برنامه‌نویسی تخصص گسترده دامنه گران و خسته‌کننده بود.

آقای جانگ در حال ارزیابی چنین سیستم‌هایی در برکلی بود که یکی از دوستانش به نام کانگ ووک لی، که اکنون استاد دانشگاه ویسکانسین مدیسون است، او را با یادگیری عمیق آشنا کرد، شکلی بسیار قوی‌تر از هوش مصنوعی که در آن الگوریتم‌ها به تنهایی یاد می‌گیرند. کوه های داده آقای جانگ دید که یادگیری عمیق می‌تواند در آموزش کاربرد داشته باشد، با سیستم‌هایی که محتوا و رفتار دانش‌آموز را در طول زمان یاد می‌گیرند.

او به کره بازگشت و Riiid را در سال 2014 تأسیس کرد و با تیمی از دانشمندان داده کار کرد تا مجموعه‌ای از الگوریتم‌های هوش مصنوعی را توسعه دهد که عملکرد دانش‌آموزان را ردیابی می‌کند، نمرات را پیش‌بینی می‌کند و زمانی را پیش‌بینی می‌کند که دانش‌آموزان علاقه خود را از دست می‌دهند و در شرف ترک تحصیل هستند. این شرکت مقالاتی در مورد این کار در برخی از کنفرانس های پیشرو در زمینه یادگیری ماشینی در جهان منتشر کرده است.

برای اعتبارسنجی فناوری خود و جمع‌آوری داده‌های لازم برای اصلاح الگوریتم‌های خود، Riiid یک برنامه آماده‌سازی آزمون TOEIC به نام سانتا راه‌اندازی کرد (البته بابانوئل داده‌های کودکان را در سراسر جهان جمع‌آوری می‌کند). به سرعت به یکی از پرفروش ترین برنامه های آموزشی در ژاپن و کره تبدیل شد.

از طریق این برنامه، Riiid داده‌های مربوط به تعاملات دانش‌آموزی را جمع‌آوری کرد و چیزی را ساخت که امروزه یکی از بزرگترین مجموعه داده‌های آموزش عمومی در جهان به نام EdNet است. اما Riiid برای جمع‌آوری داده‌های کافی برای تعمیم سیستم هوش مصنوعی خود برای حوزه گسترده‌تر آموزش تلاش کرده است.

آقای جانگ می‌نویسد: «جمع‌آوری داده‌های چندوجهی قابل آموزش با هوش مصنوعی در محیط‌های آموزشی متنوع، دشوار است.

در حال حاضر، این شرکت بر روی بازار آمادگی آزمون 300 میلیارد دلاری متمرکز شده است، جایی که داده ها در آن راحت تر جمع آوری می شود، و با شرکت های آموزشی در نقاط مختلف جهان برای توسعه برنامه های آمادگی آزمون همکاری کرده است. در اوایل سال جاری، Riiid با Casa Grande برای راه‌اندازی اپلیکیشنی به نام OE Saber همکاری کرد که به دانش‌آموزان در کلمبیا کمک می‌کند برای امتحان ورودی کالج Saber 11 این کشور آماده شوند.

موفقیت Riiid باعث جذب 175 میلیون دلار سرمایه گذاری از سوی غول سرمایه گذاری خطرپذیر SoftBank’s Vision Fund II شد و سرمایه این شرکت را به حدود 250 میلیون دلار رساند.

اکنون Riiid در حال معرفی یک پلتفرم آمادگی مبتنی بر هوش مصنوعی برای امتحانات ورودی کالج SAT و ACT است. محصول R.test که در ماه ژانویه منتشر می شود (هنوز قیمت گذاری اعلام نشده است)، نمرات امتحانات استاندارد شده را در یک چهارم زمانی که برای تکمیل یک آزمون آزمایشی کامل نیاز دارد، پیش بینی می کند. با پاسخ دادن به 30 سوال، دانش‌آموزان تجزیه و تحلیلی از نقاط ضعف خود دریافت می‌کنند و راهنمایی‌هایی در مورد چگونگی بهبود، از جمله مجموعه‌ای از سوالات تمرینی مرتبط با انتخاب هوش مصنوعی دریافت می‌کنند. Riiid می‌گوید هدف این است که دانش‌آموزان با این برنامه تمرین کنند و با اطمینان از اینکه نمرات نهایی آنها چقدر خواهد بود، در امتحان واقعی شرکت کنند.

استر یی، یکی از والدین در جورجیا که نسخه اولیه این پلتفرم را امتحان کرده است، می‌گوید: «من واقعاً این را دوست داشتم زیرا می‌توانیم به جای استخدام معلم، از آن در خانه استفاده کنیم. او تجزیه و تحلیل R.test را بسیار قدرتمند یافت. او گفت: “دانش آموز کلاس دهم من قطعاً از این کار سود خواهد برد.”

اسکار تورس، معلم ریاضی دبیرستانی در شیکاگو که سیستم Riiid را امتحان کرده است، گفت که او R.test را دوست دارد زیرا دانش دانش‌آموز را در زمان واقعی و بدون وابستگی به نمرات آزمون گذشته ارزیابی می‌کند. او گفت: «همانطور که هوش مصنوعی توسعه می‌یابد، می‌بینم که به منبع بهتر و قوی‌تری برای ما تبدیل می‌شود. ما به عنوان معلم باید در زمان واقعی عیب‌یابی کنیم و هوش مصنوعی می‌تواند به ما کمک زیادی کند.»

اما هدف این شرکت گسترده تر از آمادگی برای آزمایش است. آقای جانگ گفت R.test بخشی از تلاش برای جمع آوری داده ها و اثبات کارایی الگوریتم های آن در حوزه های دیگر است. محققان Riiid به توسعه معماری‌های جدید و مدل‌های هوش مصنوعی با عملکرد بالاتر ادامه می‌دهند که می‌تواند رفتار دانش‌آموز را ردیابی کند، دانش دانش‌آموز را ردیابی کند و بهترین محتوا را برای مطالعه در هر زمان مشخص انتخاب کند.

او گفت: «الگوریتم‌های ما می‌توانند با دقت خیره‌کننده نمرات آزمون دانش‌آموزان را پیش‌بینی کنند، عددی متحرک که به‌عنوان نوعی هویج عمل می‌کند. “هر چه دانش آموزان بیشتر از توصیه های الگوریتمی پیروی کنند، امتیاز پیش بینی شده آنها بالاتر خواهد رفت.”

آقای جانگ معتقد است که به زودی تدریس دیگر بر اساس حدس و گمان یا شهود نیست، بلکه بر اساس داده ها خواهد بود. و این ممکن است بزرگترین چالش شرکت باشد: او اضافه کرد که جمع آوری این داده ها یک گلوگاه است زیرا نگرانی های حفظ حریم خصوصی جمع آوری داده ها در مدارس را به موضوعی پیچیده تبدیل می کند. (Riiid می گوید که برنامه های آن هیچ گونه اطلاعات شناسایی شخصی از کاربران جمع آوری نمی کنند.)

برای رفع این نگرانی‌ها، Riiid به ایجاد اتحاد EdSAFE AI کمک کرده است، یک اتحاد بین‌بخشی جهانی از شرکت‌ها، سازمان‌های غیرانتفاعی و انجمن‌های فناوری آموزشی برای ایجاد معیارها و استانداردهایی برای اطمینان از استفاده ایمن و مسئولانه از هوش مصنوعی در آموزش.

آقای جانگ گفت: “رویا این است که این الگوریتم ها را در یک سیستم جامع ادغام کنیم که بتواند هر موضوعی را به هر کسی و در هر کجا آموزش دهد.”