[Vivo] grande café AI III, cientista-chefe Ron semeadura educação especial adaptativa Jia Yanming trouxe sobre o tema "aprendizagem de línguas prática pouso AI + Big Data e pensar," para compartilhar, com transmissão em AI + detalhes experiência de educação Lang. No presente, o áudio de parte atual e texto completo da Record tem sido na linha, "AI estados de pesquisa de investimento" Os membros podem entrar na página "AI investimento estatal de pesquisa" para visualização gratuita.
Este artigo resume os principais pontos foram compartilhados e PPT acabamento, a fim de ajudar todos para avançar uma compreensão clara do foco do campo compartilhado.
aplicação AI no setor de educação, bem como vista lang transmissão;
sistema de IA em Long idioma de transmissão aprender andar como concreto;
A nova educação de varejo, bem como na nova educação varejo, AI assistente é aprender a ser mais eficaz em ajudá-los a aprender;
AI Olhando para a cena a educação do futuro.
O seguinte é memoir parte, Long transmitindo a remoção do cientista-chefe Jia Yanming, Lei Feng pesquisa investimento líquido [AI] não muda a intenção do Estado em função de fazer e de fino acabamento.
Olá a todos! Sou do Chief Scientist Lang transmissão Jia Yanming, transmitido principalmente em inteligência artificial e trabalho de dados grande Lang, também completou um motor de pontuação orais proprietários e marcar ensaio, e completou o desenvolvimento da AI aprender assistente este ano, fez um monte de relevante os papéis, apresentou uma série de patentes.
Obrigado rede Lei Feng "estados de pesquisa de investimento AI," dada a oportunidade de compartilhar com todos. Longa semeadura foi estabelecido em junho de 2007, é um aprendizado inteligente de base tecnológica e comportamental análise de dados grande para a indústria formação linguística saída padrão como o núcleo de Inglês empresas de tecnologia da educação. Os produtos já cobertos exames para estudar no exterior, e domésticos produtos CET e de aprendizagem comum e cursos de formação pode fornecer one-stop avaliação do serviço Q & A comunidade.
Jia Yanming mencionado, que tipo de educação é? Essencialmente, a educação, o conhecimento é um processo de pensar como uma ferramenta, a Igreja dos outros. É dividido em duas partes, uma com base no conhecimento como uma ferramenta, se referem ao processo de transferência de conhecimento. A segunda igreja está pensando nos outros, o que significa que depois de aprender o conhecimento, capaz de absorvê-lo em suas capacidades internas, de modo que você poderia pensar, iria usar o que aprendeu para resolver o problema.
Na verdade AI + educação que é realmente importante? Ele acredita que o ensino ea pesquisa são importantes, o outro é de dados e tecnologia.
primeiro Ensino e pesquisa é fundamental Se houver um bom ensino e pesquisa, pode produzir uma grande empresa de educação. Mas se não houver um bom ensino e pesquisa, e só alta tecnologia, é certamente impossível fazer uma boa empresa de educação, porque o ensino ea pesquisa é fundamental.
A segunda é Dados e tecnologia Na verdade, os dados são mais importante, porque o equivalente de dados de matérias-primas. Agora você pode ver que é equivalente a petróleo e carvão, enquanto a tecnologia é apenas uma ferramenta de processamento de matérias-primas. E com o desenvolvimento de ferramentas de código aberto, a tecnologia é muito menos do que a importância dos dados tão importantes. Portanto, concluir, se uma empresa não tem ensino e pesquisa e os dados é problemático, então eu sempre digo, não há dados para falar sobre educação e AI + educação é o assédio moral.
Para concluir, a relação entre educação tecnologia AI + AI é a educação secundária, ajuda-nos a melhorar a aprendizagem, melhorar a eficiência de aprendizagem. Juntamente com uma palavra, que ele pode melhorar a experiência de aprendizagem para todos, de modo que aprendemos a ser mais confortável, mais relaxado.
Dois, transmissão AI na prática Longo
O que é longa transmissão fornecidas? Lang é uma experiência de transmissão para fornecer a capacidade de adicionar mapas baseados em produtos padronizados. Explique por que a capacidade de mapear muito importante, porque antes de nós pode ouvir mais Mapeamento de conhecimento Por que o foco na capacidade? Porque se é prático ou exame, a capacidade é a coisa mais fundamental. Portanto, estamos com base na capacidade de romper, e também para aumentar a capacidade de direcionar a linguagem real, não apenas o candidato. A segunda é estandardização meios de normalização que esta coisa pode ser quantificado, pode ser controlada.
transmissão longa é fornecido pelos produtos padronizados, com base nisso, teremos plataforma de aprendizagem baseada em AI e personalizado para big data . Brevemente sobre equivalente a I vêm aqui para aprender, antes de tudo é a capacidade de quantificar, avaliação de capacidade, você sabe onde há problemas e avaliação do mesmo, então ele vai dar-lhe a capacidade de plano de formação em deficiências título pessoal, então você fazer exercícios, avaliação novamente, e este ciclo é repetido até que o alvo.
O meio haverá técnicas de avaliação inteligentes e dados comportamentais para auxiliar na aprendizagem personalizada, tornar o processo mais suave, como quando nós terminamos a praticar, eu não sabia que eu estava indo bem, mas a adição de avaliação inteligente, então eu vou saber que estou no fim como fazer, para que o sistema irá inteligentemente guia-me para continuar a fazê-lo novamente para baixo.
Depois de ter os dados, podemos deixar claro que a relação entre a peça e a peça é que tipo de vocabulário não é boa ou má gramática, ele pode ser visto pelos dados. Através desta plataforma, podemos fornecer um plano de aprendizagem personalizado de sua própria para todos.
Especificamente, primeiro primeiro cenário AI é baseado na tecnologia de avaliação inteligente, é mais objetivo e mais oportuna. Por exemplo, avaliação oral com base na tecnologia de reconhecimento de voz, isto é principalmente para analisar a qualidade da pronúncia, que é a avaliação técnica equivalente de haver ou não a pronúncia padrão.
Nós também temos espaço acústico com base avaliação pronúncia. A esquerda é um estudante no momento da leitura pronúncia chinesa de caracteres chineses, podemos ver seu cabelo U quando estes sons são mantidos perto, e mostra que o cabelo é relativamente padrão, porque cada vez que ele veio o som pode sempre concentrou-se em uma área. Por isso, em relação ao padrão de comparação. Olhe para a direita, também com um aluno, quando leu Inglês pode não ser o mesmo. Neste caso, o equivalente a pronúncia não é muito bom controle. Podemos também distância agregando o tamanho de cada tom, e um encontro central entre cada som, o som no final determinar o aluno mais fácil de enviar para o que parece ser, então ele apontou o problema, para ajudá-lo corrigir.
Além da avaliação oral, nós temos algum bloco de perguntas comentário subjetivo é usado principalmente em métodos de processamento de linguagem natural. Enfatizamos habilidades sistema de formação, muitos problemas de nossa própria. Um bom professor ensina e pesquisa, é realmente focar a capacidade de exercê-los, e não apenas como um exames regulares, é realmente a capacidade de atingir o papel da formação, mas apenas em um título escova simples.
Na verdade, estamos mais utilizado na pontuação ensaio será linguagem natural. Por exemplo, podemos marcar os alunos a escrever uma estrutura de ensaio, por exemplo, o seu argumento claro se, como, como sobre as razões discutidas na seção, se houver período de concessão, a conclusão não é muito clara, a estrutura não está completa.
Vamos perguntar ao professor para fazer alguns de ensino e profissionais rótulos, treinados pelo aprendizado de máquina modelo de pontuação estrutura do modelo. Conteúdo, também adotou o modelo temático, que é os alunos equivalentes aos papéis de escrita não é irrelevante para o assunto, a capacidade de suportar o argumento. o professor ensina e pesquisa nos ajudará a fazer alguns dos rótulos, e depois fomos para o modelo de formação.
Finalmente é a língua, que inclui uma verificação de verificação ortográfica e gramatical. verificação algoritmo usado soletrar é winnow modelo de linguagem add. Nós usamos um modelo abrangente de verificação de gramática, incluindo um modelo baseado em regras, o modelo de classificação, modelo de rede neural para tradução, foi examinado sintaxe.
A fim para que possamos ver mais claramente o processo de aprendizagem adaptativa é o processo de medição prática de aprendizagem. Sua capacidade de não sei que lugar para fornecer algum modelo de avaliação precisa rápido e no processo de medição. Após o término do teste de aprender, na tradição usual de aprendizagem, ele deve ser chamado ensino, o equivalente a um professor para ajudá-lo a desenvolver um plano de estudo, e então você aprender por este plano, chamado plano de caminho de aprendizagem.
Depois de ir planejada para esse curso de formação, que é a formação de capacidade de processo. Entre nós ter conhecimento modelo de rastreamento, conte-nos como praticar o progresso e resultados. Podemos olhar para esses modelos.
Primeiro, nós primeiro introduzir modelo de avaliação rápida, porque na verdade temos um modelo mais preciso, é um longo tempo, você precisa de mais de duas horas, e avaliação mais precisa.
Mas, por vezes, porque nós realmente precisa de algum modelo de avaliação rápida, mas também relativamente precisas. Então, desta vez usamos um modelo de avaliação rápida baseada no ganho de informação, basicamente, fazer algumas perguntas que você pode obter o escopo básico de seus pontos de habilidade. Na verdade, seu princípio não é tão complicado, mas precisamos de uma grande quantidade de dados. Nós podemos fazer o equivalente a um grande número de perguntas por estudantes em linha para ver uma parte do problema é com a capacidade de avaliar ponto há uma correlação forte, do ponto de vista da informação, contribuem mais, eo resto para fornecer menos informação desta vez nós vamos reduzir a quantidade de informações on-line para fornecer o mais eleito estas perguntas, e nós colocamos estas perguntas para fazer um intervalo entre relacionamento errado com pontos de habilidade são gravadas.
Quando chegamos à linha, quando o maior problema é equivalente a apenas aqueles alunos fazer exatamente a quantidade de informações gravadas. Depois de feito, porque um monte de estudantes ajudaram-nos as estatísticas desses problemas no final é como a relação entre a capacidade correspondente, que é uma combinação de duas coisas, sobre a adoção de um pequeno número de perguntas será capaz de saber o que a capacidade vai cair dentro do intervalo.
O segundo nível é baseado na capacidade de prever a abordagem Bayesiana, somos capazes de testar o nível de sua capacidade de ajudar os alunos a com muito pouco problema em um período muito curto de tempo, eo resto vai ser recomendado com base na capacidade.
Há muitas maneiras de acordo com a capacidade recomendada, tais como métodos Bayesiana, aprendizagem por reforço, KNN e outros métodos, cada cenários aplicáveis. Aqui eu dou-lhe falar sobre os princípios básicos de redes Bayesianas aprendizagem planejamento de trajetória. redes Bayesian simplesmente, o equivalente a um certo grau de correlação entre cada nó, a correlação entre os nós é refletida pela probabilidade condicional, o equivalente a quando o ponto alto de um de minha capacidade, dizendo sob o relevante a probabilidade de um nível ponto de nó de habilidade é.
Os nós da rede inteiras e a estrutura da rede é determinada pelo baixo conhecimento, deixando a probabilidade condicional calculado os dados como um modelo base. Quando um aluno chegou, entramos na situação atual de seu relacionamento futuro, pontos de habilidade por meio de avaliação que podem ser obtidos e as pontuações correspondentes, seremos capazes de lançar, sob tais condições, alguns de seus outros nós no final o que acontece? Sua capacidade de detectar baixa equivalente probabilidade do quanto, o quanto probabilidade alta. Nós vamos ser capazes de escolher o adequado para os alunos a aprender o caminho ideal.
Quando ele do caminho de aprendizagem planejado, ele começou a prática. tempo de prática, haverá um modelo de rastreamento de conhecimento, é na verdade baseada na sequência resposta do estudante, a probabilidade de conhecimento para dominar o conhecimento obtido por modelo, que é o conceito de conhecimento rastreado rastreamento. Assim, o conhecimento tradicional para rastrear, como mostrado, a esquerda é o modelo Bayesian, está por trás do conhecimento profundo rasto de aprendizagem. Deixou-o apenas para o modelo equivalente, então o conhecimento de que é muito fina, o modelo de conhecimento para acompanhar a aprendizagem volta profunda exige uma grande quantidade de dados.
Propomos um modelo Bayesian para controlar a profundidade de aprendizagem, o estudo aprofundado anterior de cada parâmetro foi superior ao ponto de, em uma distribuição de probabilidade. Neste caso, o modelo será mais preciso, é equivalente a usar todos os alunos para inferir o próximo aluno no final está indo bem, e não apenas um ponto fixo do modelo atual para inferir.
No geral, Lang idioma de transmissão aprender sistema de inteligência artificial é provavelmente uma estrutura deste tipo. Primeiro, o processo de transferência de conhecimento será realizada pelo método de aulas, então o sistema de aprendizagem adaptativa terá a capacidade de se tornar processo de absorção do conhecimento internalizado. AI e big data irá desempenhar um papel em todos os aspectos, de modo que o modelo mais preciso de aprender, tornando a aprendizagem mais eficiente, de modo que a experiência de aprendizagem melhor.
Como é que vamos resolver o problema da dupla divisão. A nova educação de varejo é realmente baseado em uma nova experiência de varejo para o uso de serviços on-line e linha Ma apresentadas em 16 anos, um novo modelo de varejo. Para a educação está em causa, fornece on-line conteúdos difundidos Lang está no centro da cozinha tipo de linha de abastecimento do produto padronizado é os serviços de processos de localização padrão, treinando principalmente feedback e companheirismo, através do centro de dados vai passar.
Se não houver AI, é o aluno on-line, aprendizagem on-line é de primeira classe e método de sistemas de aprendizagem adaptativa. O próximo passo está em linha tutor para ajudá-lo fazer alguma análise de atribuição, oferecer soluções, e há alguns que podem acompanhá-lo, ele supervisionou a aprendizagem. Por os dados intermediários pode ser aberto. Depois de ter AI, com base em dados dos alunos com base na tecnologia AI para melhorar a situação por uma avaliação mais precisa do processo de aprendizagem e a habilidade dos alunos, dando-lhe uma atribuição e soluções mais objetiva e precisa. tutor linha pode usar simples AI assistente de aprendizagem superintendente, mais de uma empresa, a interface pessoa-máquina de forma mais clara, cada jogo para os seus pontos fortes, para ajudar os alunos a aprender de forma mais eficaz.
O primeiro é aprender o conteúdo e o processo deve ser padronizado, mas cada pessoa tem individualizada, padronizado para quantificar, porque, afinal, somos capazes de fornecer as coisas personalizadas para todos. A segunda é a nova educação de varejo, o uso de grandes dados e inteligência artificial para atravessar as barreiras do online e offline, é uma maneira mais eficaz de aprender. Ele vai resolver o problema do modelo de dois divisão, e inteligência artificial e big data irá fornecer um serviço online e offline consistentes para o próximo aluno.
O último ponto é que a inteligência artificial não pode substituir os professores, porque a educação é uma temperatura profissional, não pode substituir os professores, mas o papel dos professores vai mudar, com um alto nível de conhecimento da capacidade de transmitir parte alta, algum nível de um pouco pior ou apenas para obter um pouco pode fazer aconselhamento simples. Em seguida, o resto é como Lang transmitido produtos como aprendizagem, os professores precisam para se tornar um gerente de produto do projeto do sistema. Basicamente, eu acho que o relacionamento é tal futuro AI com a educação.
conteúdo completo e visualização de vídeo pode entrar na rede de Lei Feng "Estado de pesquisa de investimento AI" vista.
