Cointime

扫码下载App
iOS & Android

每个孩子一个AI导师:个性化学习终于来了!

个人专家

本文作者:Sai Gaddam  编译:CoinTime Candice

我和妻子在印度孟买经营着一所小型学校。最近刚庆祝了学校成立一周年纪念日。学校里只有我们的孩子和其他15个孩子。正如我们喜欢开玩笑的那样,我们正在进行“小批量、来自当地的,手把手的”教育。我同时还经营着一家科技初创公司,正在研发学习领域的产品。这两种情况都是因疫情而产生的,当时学校停课,我们近距离的看到了关于教育的问题。

传送带教育;由Dall.e想象出来的

让孩子们牺牲自己的童年,被动地坐在教室里,而一位又一位英雄般的老师却试图向他们灌输知识,这很离谱。我们很早就意识到这一点。从John Holt到John Taylor Gatto,许多充满激情的教育工作者都对此发表了清晰而愤怒的文章。

我们现在已经亲身体验了不同的教育会是什么样子。我们每天都会看到,当允许孩子们积极探索和参与世界时,他们是如何学习和茁壮成长的。工作表和教科书很难替代丰富的、亲身的体验,而在这些体验中,学习是自然而然发生的。

Comini的一次实地考察

在你认为我们是无政府主义嬉皮士,完全拒绝所有的制度和机构之前,我想补充一点,我们都是“受过良好教育的”,也是我所说的传送带教育模式的产物。我拥有印度理工学院的本科学位和神经科学博士学位,并与人合著了两本非虚构的神经科学书籍。我们的做法是经过深思熟虑的,拒绝了许多家长认为的痛苦但必要的“跑步机”。

这是事实。我们不需要这种跑步机来学习和接受教育。我们不需要通过这个传送带来包装和运送孩子们在成人世界中取得成功。

“影响学习的最重要的单一因素是学生已经知道的东西。确定这一点并相应地教他”——David Ausubel

来源:Bloom分类法

大多数教师都会认识到Bloom分类法的这种表现。在我们的教育学习目标中,最重要的是创造能力。但在底层,我们需要死记硬背的学习。

目前,由于系统性原因:标准化的课程和严格的评估,教学和学习在很大程度上都处于底层。

我们正在创造地图记忆者,而这个世界需要的是探索者。

这并不是最近才意识到的。我们显然希望所有的学生都能在峰会上相互击掌。但将这些理想转化为日常实践是很困难的。优秀的老师就是擅长这类事情。他们可以评估一个特定学生的兴趣和知识差距在哪里,并巧妙地构建桥梁,引导他们去理解。不幸的是,优秀的教师并不多。

更重要的是,这种主动学习的模式在师生比例大的情况下是很难进行。那么这就需要小规模的教学,让有能力的教师能够在小组环境中一对一地积极参与。相反,如果没有足够的成本,就很难实施下去。

但现在一切都变了。

最新一代的人工智能模型在这一方面具有变革性。可以把它们当作学生的极具创造力的导师和教师助理,并帮助增强教师和学生之间的互动循环,这对主动、生成性学习至关重要。事实上,我们已经在线下和线上使用这些人工智能模型。

在辅助教师方面,我们已经用它来探索适合发展的课程,并将它转化为日常教学法。这是一种很好的说法,可以说是我们可以从现在能学到什么,到如何轻松地学好。

考虑一下这个例子:我们如何教孩子们学习进位法?我们把人类花了4万多年才发明的东西,决定让一个一年级学生在一个月内学会这个高度抽象的概念!

试图在没有任何背景的情况下教授这一抽象概念,这将必然导致金字塔式死记硬背的基础。

那么如果我们能让它变得更有趣呢?

或者,想出一个让孩子们可以表演的有趣故事呢?

(上面的例子是使用最新的GPT-4版本的ChatGPT创建的。这显然是最知名的一个,但我认为在未来12到18个月内,我们将看到其他同样强大的大型语言模型(LLM)。此外,这些是答案的初稿;我把人工智能最有可能吐出的答案称之为2分答案。通过对答案的一些探索和提炼,对解决方案空间进行更好的搜索,以获得明显更好的答案。我们很快就会在LLM的基础上构建一些工具,来帮助我们更高效、更具创造性地搜索解决方案。)

这些例子表明,即使是原始技术也已经有望在师生循环中提供离线帮助。

人工智能导师还可以用于大规模扩大个性化、交互式的在线学习。在我们的初创公司,我们正在使用人工智能和LLM为从对话文本到讲故事和图像等一系列内容提供动力。

Giffie:利用法学硕士和人工智能创建一个互动式的导师

这些都是深刻的例子:我们可以将任何教学风格与任何教学内容相结合。无论是使用棋盘游戏和推理的数学,还是使用说唱歌词中案例研究的高级医学文献。这反过来意味着,特定教师的教学风格不再是与喜欢不同风格的学生建立共鸣学习循环的障碍。

共振学习循环

这听起来有些夸张,但我们上一次有改变游戏规则的东西,是在我们偶然发现了允许我们向他人学习的认知装置时。我们人类擅长所谓的模仿学习。我们因此发明了语言。有人可能会说,我们在过去5万年中取得的所有进步都是这一单一认知/神经进步的结果。

共同的注意力循环使符号和语言得以发明。改编自我们的书“Journey of the Mind: How Thinking Emerged from Chaos”。

这种将两个人配对的学习循环,是为什么一对一学习和辅导在历史上超过了其他所有学习模式,并将继续这样做的原因。这种循环的限制因素是两个人必须在语言和教学上说相同的语言。

现在,有了生成型人工智能,我们今天有能力通过在其中插入一名人工智能导师/助理,同时兼任教学翻译,大规模地促进这种人与人的循环。

计算机是机器的Proteus。它的本质是它的普遍性,它的模拟能力。因为它可以有一千种形式,可以提供一千种功能,所以它可以吸引一千种口味。——Seymour Papert

Seymour Papert是LOGO的发明者、先驱教育家,也是“每个孩子一台笔记本电脑”倡议的最初灵感来源。早在90年代初,他对关于计算机所说的话,现在对人工智能来说更是如此。

我们现在离给每个孩子一个属于他们自己的亚里士多德只有咫尺之遥。

*本文来自CoinTime,转载请注明来源。

评论

所有评论

推荐阅读

  • 美FDIC拟为寻求发行支付稳定币的受监管机构建立申请程序

    美国联邦存款保险公司(FDIC)宣布批准一项拟议规则,为寻求发行支付稳定币、并且受联邦存款保险公司监管的机构建立申请程序,目前已开启为期 60 天的公众评论期,据悉这是《GENIUS 法案》 “美国稳定币创新法案 ”通过后首个正式的规则制定提案。

  • BTC突破88000美元

    行情显示,BTC突破88000美元,现报88002.21美元,24小时涨幅达到1.34%,行情波动较大,请做好风险控制。

  • Bitwise认为2026年处于加密货币牛市并发布十大预测

    Bitwise认为2026年将是加密货币牛市的一年。从机构采用到监管进步,加密货币目前积极的趋势过于强劲,难以长期被压制。以下是Bitwise对未来一年的十大预测。 预测 1:比特币将打破四年周期,创下历史新高。 预测 2:比特币的波动性将低于英伟达。 预测 3:随着机构需求加速,ETF将购入超过100%的新增比特币、以太坊和Solana供应量。 预测 4:加密货币股票的表现将优于科技股。 预测 5:Polymarket 的未平仓合约量将创下历史新高,超过 2024 年大选时的水平。 预测 6:稳定币将被指责破坏新兴市场货币的稳定。 预测 7:链上金库(又称“ETF 2.0”)的资产管理规模将翻一番。 预测 8:以太坊和 Solana 将创下历史新高(如果 CLARITY 法案获得通过)。 预测9:常春藤盟校一半的捐赠基金将投资加密货币。 预测10:美国将推出超过100只加密货币挂钩ETF。 额外预测:比特币与股票的相关性将会下降。

  • 中国置业投资计划购买并持有BNB作为战略储备资产

    中国置业投资(00736)发布公告,为推进公司资产配置多元化及把握数字经济发展机遇的战略,已决议公司计划使用自有资金,在遵守相关法律法规及风险管控的前提下,于公开市场购买并持有BNB (Binance Coin)及其他合适的数字资产,作为公司的战略储备资产。公司长期看好数字资产行业的发展前景,并对BNB所依托的运营主体及其技术研发、生态布局与行业竞争力抱有充分信心,认可其在区块链领域的长期发展潜力与价值成长空间。 该计划拟动用的资金全部来源于公司现有的自有资金,资金调配符合公司财务管理规範及整体经营规划,不会影响公司日常业务的正常开展。董事会将根据市场情况,在授权额度内分批实施购买。

  • 美国白宫国家经济委员会主任哈塞特:在供应方面出现积极冲击的情况下,降息仍存在许多空间。

    美国白宫国家经济委员会主任哈塞特:在供应方面出现积极冲击的情况下,降息仍存在许多空间。

  • 稳定币支付公司 RedotPay 完成 1.07 亿美元 B 轮融资

    专注于稳定币支付的香港金融科技公司 RedotPay 宣布完成 1.07 亿美元 B 轮融资,Goodwater Capital 领投,Pantera Capital、Blockchain Capital 和 Circle Ventures,以及现有投资者 HSG(前身为红杉资本中国)参投。

  • 币安 Alpha 将于 22:00 上线 Theoriq(THQ)

    币安 Alpha 上线 Theoriq(THQ),Alpha 交易将于 2025 年 12 月 16 日 22:00(UTC+8)开始。持有至少 220 个币安 Alpha 积分的用户可申领代币空投。在 Alpha 活动页面申领 400 个 THQ 代币空投。 本次活动采用“扣分递减”模式,活动开始的第一分钟,申领空投将消耗 30 个币安 Alpha 积分。若活动未结束,此后每过一分钟,领取所需消耗的积分将减少 1 分,最低可降至 10 个积分。

  • 美国10月政府部门就业人口大减15.7万人

    美国劳工统计局公布11月非农报告和10月部分非农数据,数据显示,美国11月非农就业人数增加6.4万人,各行业中,增幅最大的是医疗保健和社会援助行业,为6.4万人,减幅最大的是运输和仓储行业,为减少1.77万人。10月份非农就业人数大减10.5万人,其中减幅最大的是政府部门,大减15.7万人,为连续两个月录得就业岗位减少;增幅最大的是医疗保健和社会援助行业,为增加6.46万人。

  • 美国10月就业人数出现2020年底以来的最大降幅

    美国劳工统计局周二公布的数据显示,11月份非农就业人数增加了6.4万人,而10月份减少了10.5万人。上个月的失业率为4.6%,高于9月份的4.4%,为2021年以来的最高水平。美国劳工统计局不得不放弃公布10月份的失业率,因为它无法在政府关门后追溯收集该数据。而10月份就业人数的下降是自2020年底以来的最大降幅,原因是参加特朗普政府的买断辞职计划的工人正式退出就业名单,联邦政府就业人数减少了16.2万人。

  • 美国11月失业率意外上升或引发美联储关注 劳动参与率回升料缓解部分担忧

    分析师Anstey速评美国非农报告指出,11月非农就业数据小幅高于预期,录得6.4万个。11月失业率意外升至4.6%,这可能引起美联储的关注。不过劳动参与率有所上升,因此失业率的上升未必完全是坏消息,我们还需细看具体数据。美国股指期货走高,两年期美债收益率下跌——基于过去数月非农就业数据的疲软表现,市场对美联储进一步放宽货币政策的预期有所升温。需注意的是,8月和9月的数据也被合计下修了3.3万。