关键字: [出海日城市巡展, DeepRacer, 生成式人工智能, 教育场景应用, 个性化教育, 教学辅助工具, 教育生态构建]

本文字数: 1500, 阅读完需: 8 分钟

导读

在这场演讲中,刘卫平先生探讨了生成式人工智能(AI)在教育行业的应用场景和潜力。他阐述了生成式AI的基本原理和特点,即根据输入生成概率最大化的输出。他列举了个性化教育、升学咨询、出题和阅卷、教辅材料生成等多个场景,展示了生成式AI如何提高教育的效率和质量。他还分享了亚马逊如何通过提供模型、工具、应用、原型和专业服务等多方面资源,与合作伙伴共同构建教育生态系统。总的来说,生成式AI为教育行业带来了新的机遇和挑战,亚马逊期待与各方合作伙伴一起探索和实践。

演讲精华

以下是小编为您整理的本次演讲的精华，共1200字，阅读时间大约是6分钟。

在过去的几十年里,人工智能(AI)的发展经历了几个重要阶段。最初,人们希望机器能够替代人类完成一些任务,例如图像识别中的光学字符识别(OCR)技术。这属于单输入单输出的范畴,机器会根据明确的输入给出对应的输出结果。

1997年,IBM的深蓝战胜了当时的国际象棋世界冠军卡斯帕罗夫,这标志着人类第一次在下棋这一领域输给了机器。不过,当时人们认为国际象棋的规则相对简单,机器在这种环境下获胜并不足为奇。直到2014/2015年,谷歌的AlphaGo分别战胜了李世石和柯洁,展现出在更加复杂的规则下,机器依然能够超越人类。这种多输入单输出的模式下,机器不再被告知哪个输出是正确的,而是根据奖惩机制来学习获胜的策略,属于强化学习的范畴。

随着技术的不断进步,人们对AI的期望也在不断提高,期望它能够实现多输入多输出,即根据不同的输入条件给出相应的输出结果。生成式AI的出现正是为了满足这一需求。生成式AI的基本原理是基于概率预测下一个输出单词或内容,通过不断迭代来生成最终的输出结果。在这个过程中,注意力机制发挥了重要作用,它会关注输入内容的不同部分,并据此做出相应的预测。

生成式AI在教育领域有着广阔的应用前景。首先,它能够实现个性化教育,根据不同学生的特点提供量身定制的教学方式,这是教育工作者和家长长期以来的期望。其次,生成式AI可以应用于升学咨询领域。过去,咨询师会根据学生的分数、排名等固定条件,给出相应的升学建议。但现实情况是,每个学生的条件都不尽相同,生成式AI能够基于不同的输入条件,生成个性化的咨询结果,提高咨询的质量和效率。例如,演讲者提到,过去有位老师曾自豪地对家长说,在给学生选择专业时,要考虑该专业未来的就业门槛,并认为自己这份工作是有专业门槛的,AI无法取代。但事实上,生成式AI正是基于不同的输入条件给出不同的输出,完全可以提供个性化的升学咨询服务。

在教学环节,生成式AI可以应用于出题和阅卷两个方面。出题方面,传统做法是横向共享试卷资源,例如演讲者当年就做过湖北黄冈的试卷。而生成式AI能够根据要求直接生成考题,甚至可以从书本中提取知识点,为不同年龄段的学生生成适合的题目,如为3岁至二年级低年级学生生成20以内加减法题,包括多项式加减法,并能一次生成50道题目。阅卷方面,生成式AI可以对学生的作业、测试等进行自动评分,包括语音发音的评估等。演讲者提到,现场可能有从事英语训练的同行,他们已经实现了上传语音后自动打分、评估发音是否标准的功能,可能是利用了亚马逊的一些AI服务。未来,生成式AI甚至可以提供像母语一样的英语对话陪练服务,不再需要寻找外教进行一对一培训。

除了教学,生成式AI还可以应用于教辅材料的生成,包括插图、原理图等,从而节省大量的版权费用和人力成本。演讲者提到,之前有位校长的工作就需要组建上百人的团队进行图片处理和素材生成的工作,未来可以利用生成式AI的图像生成能力来完成这些工作。在科研领域,生成式AI能够在海量数据中快速发现结论,优化实验流程,提高工作效率。演讲者提到,亚马逊推出了DeepRacer产品,让学生们体验强化学习,可能就是利用了亚马逊的一些AI和机器学习相关的服务。

在利用生成式AI时,需要考虑以下几个方面:首先是明确应用场景,评估对用户和自身的价值;其次是选择合适的模型,可以自行训练定制化模型,也可以调用托管的大型模型,如亚马逊的SageMaker或BedRock等服务;再次是编写高质量的Prompt(提示词),确保模型输出符合预期;最后是工程化考虑,如模型调用次数、数据隐私、用户权限等。

生成式AI相关的合作伙伴可分为五类:模型提供商、工具提供商(如向量数据库、智能体等)、企业应用提供商、开箱即用应用提供商(如生成图像)、面向特定行业的新兴应用提供商。

亚马逊作为生态系统的构建者,为合作伙伴提供了全方位的支持:

解决方案架构师提供一线技术支持,可以与合作伙伴的技术人员一起探讨商业场景、编写代码、搭建原型。产品专家则提供深入的产品支持,解决特定功能或使用场景下的问题。AI/Data Lab由来自顶尖高校的科学家组成,可以在算法、调优、数据处理等方面给予专业支持。

快速原型团队能够将合作伙伴的商业概念转化为可行的原型,验证想法的可行性。专业服务团队则负责将原型转化为生产环境,考虑冗余、可用性、备份等问题,确保应用的稳定运行。

此外,亚马逊还提供员工培训,提升合作伙伴员工的软技能和知识技能。同时,亚马逊拥有完整的合作伙伴生态系统,能够将不同领域的合作伙伴聚集在一起,共同为客户提供完整的解决方案。

总的来说,生成式AI为教育领域带来了诸多创新机遇,但也需要合作伙伴们共同努力,充分利用好这一技术。亚马逊作为生态系统的构建者,将全力支持合作伙伴,通过提供AI/ML相关的服务、原型搭建支持、员工培训等,共同推动教育事业的发展。

总结

这位演讲者是亚马逊的一位解决方案架构师,主要负责为合作伙伴提供技术支持。他首先介绍了人工智能(AI)的发展历程,从早期的单输入单输出,到多输入单输出的强化学习,再到现在的生成式AI能够根据不同输入生成不同输出。接着他重点阐述了生成式AI在教育行业的应用场景,包括个性化教育、升学咨询、出题和阅卷、教辅材料生成等,并强调了生成式AI带来的效率和创新可能性。

演讲者还分享了如何利用生成式AI的几个关键步骤:明确场景需求、选择合适的模型、编写提示词(Prompt)、工程化集成等。他介绍了与生成式AI相关的五类合作伙伴:模型提供商、工具提供商、企业应用提供商、开箱即用应用提供商和新兴应用提供商。最后,他阐述了亚马逊如何通过提供技术支持、算法支持、原型支持等多方面资源,帮助合作伙伴共同构建教育生态系统。

总的来说,这位演讲者从生成式AI的发展历程出发,重点分析了其在教育领域的应用前景,并呼吁与合作伙伴携手共建教育新生态,创造教育新价值。