Panoramabericht der AIGC-Bildungsbranche: KI-Lehrassistenten und Tutoren werden Wirklichkeit, und Lernmaschinen eröffnen neue Möglichkeiten

Nach einem Jahr der schnellen Iteration hat die Branche bereits die Antwort darauf, in welchen Branchen generative KI zuerst implementiert wird.

Der Bildungsbereich wird von OpenAI nicht nur als eine der Schlüsselanwendungen aufgeführt, sondern hat sich auch zu einer Schlüsselrichtung für das Layout großer inländischer Modellhersteller entwickelt.

Fortschritte in der generativen KI-Technologie zeigen die kontinuierliche Verbesserung der menschlichen Interaktion mit großen Modellen. Das große Vorbild erlernt durch Training kontinuierlich die menschliche Denkweise und auch der Mensch gewinnt im Dialog mit dem großen Vorbild neue Inspirationen und Erkenntnisse.

Dieser Prozess stellt den Idealzustand dar, den die Bildung anstrebt, und ist auch die Verkörperung von „Lehren und gegenseitigem Lernen“. Generative KI ist in hohem Maße mit Bildung kompatibel, was Bildung zu einem hervorragenden Anwendungsfeld macht.

Nach der Festlegung des Landeplatzes ist es wichtiger, wie Technologie und Bildung kombiniert werden können, um letztere zu stärken.

Welche Erfolge hat die AIGC-gestützte Bildung im vergangenen Jahr erzielt? Wie wird AIGC die Bildung stören? Welche neuen Trends werden sich in Zukunft durch die Entwicklung generativer KI im Bildungswesen ergeben?

Im „AIGC Education Industry Panoramic Report“ gab der Qubit Think Tank einen systematischen Überblick über den Austausch innerhalb und außerhalb der Branche.

Zu den Kernmeinungen gehören:

• Das große Bildungsmodell ist zur Grundlage der Branche geworden, und „KI-native“ Ideen sind in alle Aspekte der Branche eingedrungen.
• KI-Intelligenz trägt dazu bei, dass „personalisiertes Lernen“ inklusiv ist Jeder Schüler hat seinen eigenen KI-Tutor.
• KI-Agenten verwandeln sich in Lehrerassistenten, um Lehrern dabei zu helfen, ihre Fähigkeiten zu verbessern Große Modelle entwickeln sich in Richtung Multimodalität und Landeprodukte sind im Trend. In den nächsten 3-5 Jahren wird AI PC das Mainstream-Hardwareprodukt GenAI+ sein …
Schauen wir uns die spezifischen Details einzeln an.
• Der Bereich der Bildungstechnologie umfasst voll und ganz die generative KI.
• Generative KI führt uns in die Ära der KI 2.0. Durch das Erlernen riesiger Datenmengen hat die KI erstaunliche generative Fähigkeiten bewiesen. Die von ihr generierten Antworten entsprechen eher der menschlichen Sprachkommunikation und können das Denkbewusstsein der Menschen bis zu einem gewissen Grad anregen.
• Im Bereich der Bildungstechnologie ist die intuitivste Änderung das Produkt „AGI“. Von Lernmaschinen über APPs bis hin zu intelligentem Lehren hat der Bereich der Bildungstechnologie in gewissem Umfang Zugriff auf GPT-Produkte.
• Von Mai bis Juni 2023 stieg der GMV der KI-Lernmaschine, die mit dem kognitiven Großmodell Spark von iFlytek ausgestattet ist, im Jahresvergleich um 136 % bzw. 217 %. Die KI-Lernmaschine wurde auch zur dualen Plattform von JD.com und Tmall beim letztjährigen Double Eleven Sales Champion.

Das große Bildungsmodell ist zur Grundlage der Branche geworden, und „KI-native“-Ideen sind in alle Aspekte der Branche eingedrungen

KI-Lernmaschinen für K-12-Gruppen wurden vollständig eingeführt Der Markt

Lernmaschinen sind einzigartig auf dem heimischen Markt. Technologieprodukte. Mit der Unterstützung großer Modelle konnte die lernende Maschine einen Umsatzanstieg erzielen, indem sie den Benutzern einen Mehrwert bot.

Aus Produktsicht entscheiden sich die meisten großen Unternehmen bei der AIGC-Ausbildung in China dafür, Lernmaschinen mit großen Modellen auszustatten, um den Produktabsatz zu steigern, indem sie den Benutzern einen Mehrwert bieten.

Der Wettbewerb im Bereich der lernenden Maschinen ist derzeit hart und das Aufkommen der generativen KI wird voraussichtlich neue Wettbewerbshürden für lernende Maschinen schaffen.

Aus Benutzersicht richten sich Lernmaschinen an K-12-Personen. Die Zahlungsbereitschaft für diesen Personenkreis kommt von den Eltern.

In der Grundschule legen Eltern Wert auf die Entwicklung der Interessen ihrer Kinder, während Eltern in der Mittelschule Wert darauf legen, ob Produkte die schulischen Leistungen ihrer Kinder verbessern können.

Das Produkterlebnis der Sprachlern-APP wurde verbessert und das Marktfeedback ist besser als erwartet.

Die Sprachlern-APP hat sich in Überseemärkten hervorragend entwickelt und ihr führendes Produkt wurde mit GPT4 verbunden. Inländische Sprach-APPs haben auch Zugriff auf große Modelle, und die interaktive Frage- und Antwortfunktion mit generativer KI-Technologie wurde im Vergleich zu Produkten der vorherigen Generation erheblich verbessert.

Aus Produktsicht greifen Unternehmen, die über Software in den AIGC-Bildungspfad einsteigen, auf allgemeine große Modelle zu und nutzen ihre eigenen gesammelten Bildungsdaten für die Feinabstimmung der Schulung, wobei der Schwerpunkt auf APP-Produkten liegt.

Dieser Produkttyp ist aufgrund seines verbesserten Gesprächserlebnisses derzeit die Kategorie mit dem positivsten Marktfeedback unter den im Bildungsbereich eingesetzten Großmodellprodukten.

Aus Sicht der Zuschauernachfrage sind es derzeit hauptsächlich Studenten und Büroangestellte. In dieser Personengruppe haben auch Studenten das Bedürfnis, ihre Noten zu verbessern, während Büroangestellte nicht das Bedürfnis haben, ihre Noten zu verbessern. Das Erlernen von Sprachen erfolgt eher aus beruflichen Gründen oder aus Interesse. Für diese beiden Personengruppen ist die Benutzerbindungsrate der Schlüssel. Auf dieser Grundlage wird das Produktdesign dem Benutzererlebnis und den Marketingstrategien mehr Aufmerksamkeit schenken.

Generative KI ist zu einer neuen treibenden Kraft für Bildungsreformen geworden

Die Kombination von Bildung und Technologie hat eine lange Geschichte. Mit dem Aufkommen des Internets in den 1990er Jahren begann die Ära der Online-Bildung. Zu Beginn des 21. Jahrhunderts ist adaptives Lernen durch die Einführung intelligenter Systeme zu einem heißen Thema in der ausländischen Bildung geworden. Nach 2010, mit der Entwicklung der Technologie der künstlichen Intelligenz, wurden Technologien wie Wissensgraphen im Bildungsbereich eingesetzt.

In jeder Phase wird Bildung mit aktueller Technologie kombiniert, um die Probleme im Bildungsbereich zu lösen.

Im Zeitalter der generativen KI hatte die Integration von Technologie und Bildung eine subversive Wirkung auf Lehrer und Schüler, die beiden Kernrollen der Bildung. KI wurde in einer neuen Form – als Agent – ​​in das tägliche Leben von Lehrern und Schülern integriert und verändert ihren Lern- und Arbeitsstatus auf der Grundlage der Bereitstellung von Lehr- und Lernunterstützung.

Die Kombination von KI und Bildung hat auch dazu geführt, dass Technologieunternehmen einen immer größeren Anteil am Bildungsmarkt ausmachen, und generative KI-Fähigkeiten sind zu einem neuen Wettbewerbsfaktor geworden.

KI-Intelligenz trägt dazu bei, dass „personalisiertes Lernen“ inklusiv ist. Jeder Schüler hat seinen eigenen exklusiven KI-Lehrer.

KI-Intelligenz bietet den Schülern personalisierten Unterricht: Dies spiegelt sich hauptsächlich in der außerschulischen Phase wider, wodurch effektiv ein Ein-Personen-Lehrer erreicht werden kann. Einzelunterrichtscoaching.

Im Zeitalter der generativen KI liegt die größte Chance für Pädagogen im universellen Nutzen der adaptiven Bildung.

Vor der generativen KI war der Einsatz personalisierten Lernens im Bildungsbereich eine äußerst kostspielige Angelegenheit. Er stellte hohe Anforderungen an Schulen und Familien und erforderte eine fortschrittliche Hardwareausrüstung, mehr Lehrer und Unterrichtsorte.

Nach dem Aufkommen der generativen KI ist die Entwicklung von KI-Agenten in greifbare Nähe gerückt. KI-Agenten können als persönlicher Lehrassistent für jeden Schüler dienen und die Schüler jederzeit und überall zum Lernen begleiten.

Der KI-Agent verwandelt sich in einen Lehrerassistenten, um Lehrern dabei zu helfen, ihre Fähigkeiten zu verbessern.

In Bezug auf die Werkzeugnutzung reduzieren KI-Agenten die Lernkosten der Lehrer und ermöglichen ihnen eine nahezu schwellenfreie Nutzung. Im Arbeitsprozess helfen KI-Agenten Lehrern dabei, Kursmaterialien effizienter zu erstellen und Ideen für die Unterrichtsgestaltung usw. bereitzustellen.

KI-Agenten setzen die Produktivität der Lehrer bis zu einem gewissen Grad frei. Die Verantwortung der Lehrer verlagert sich allmählich vom Unterrichten und Lösen von Zweifeln auf die Aufklärung von Menschen, und der Fokus wird von der Fokussierung auf die Leistung der Schüler erweitert Berücksichtigung des psychologischen Zustands der Schüler.

Änderungen und Herausforderungen existieren gleichzeitig

Große Bildungsmodelle stehen während des Implementierungsprozesses hauptsächlich vor drei Arten von Herausforderungen:
1) Datenqualität; 3) Werteausrichtung;

Herausforderung 1: Mangel an qualitativ hochwertigen Daten führt zu unzureichender Modellverallgemeinerung

Textdaten von geringer Qualität, einschließlich zu viel wiederholtem Inhalt, Artikeln von geringer Qualität usw., wirken sich nicht nur auf den Modelltrainingseffekt aus, sondern verursachen auch eine gewisse Verschwendung von Rechenleistung.

Der begrenzte Zugang zu Bildungsdaten, insbesondere Daten zum Unterrichtsverhalten, und das Fehlen hochwertiger Bildungsannotationsdaten führen zu begrenzt trainierbaren Modellen der künstlichen Intelligenz im Bildungsbereich. Daher wird die Datenqualität zum Schlüsselfaktor für die Entwicklung großer Bildungsmodelle.

Herausforderung 2: Die groß angelegte Anwendung großer Modelle im Bildungsbereich muss das Problem der Illusion lösen.

Bei großen Modellen im Bildungsbereich ist es am wichtigsten, die Genauigkeit und Wertorientierung des Modells sicherzustellen Antworten.

Die Genauigkeit spiegelt sich in mathematischen Problemen wider. Die aktuelle Genauigkeit großer Bildungsmodelle für mathematische Probleme ist gering und kann noch nicht ein Niveau erreichen, das in großem Maßstab angewendet werden kann. Bei der Beantwortung einiger anspruchsvoller Mathematikfragen liegt die Genauigkeitsrate im Allgemeinen unter 50 %.

Im Bildungsbereich kann das Halluzinationsproblem durch Frage-und-Antwort-Argumentation auf Basis von Search-Augmented Generation (RAG) und Frage-und-Antwort-Argumentation auf Basis von Prompt Word Engineering gelöst werden.

Herausforderung 3: Werteausrichtung ist die einzige Möglichkeit, groß angelegte Bildungsmodelle umzusetzen.

Bei der Werteorientierung geht es hauptsächlich darum, ob die Antworten der Großen extreme, nicht mit den Tatsachen übereinstimmende oder sogar falsche Angaben enthalten -maßstabgetreues Modell.

In Bezug auf die Werteausrichtung ist die häufig verwendete Methode RLHF (Reinforcement Learning with Human Feedback), die es ermöglicht, ein auf einem allgemeinen Textdatenkorpus trainiertes Sprachmodell an komplexen menschlichen Werten auszurichten.

Da die Zielgruppe außerdem Studierende sind, wird die Überprüfung großer Bildungsmodelle strenger ausfallen. KI-generierte Inhalte werden auch manuell überprüft, um minderwertige Inhalte weiter herauszufiltern und sicherzustellen, dass die generierten Inhalte keine Fehlleitungen enthalten.

Branchenveränderungen bringen neue Trends mit sich

Interdisziplinäres Verständnis und die Fähigkeit, große Bildungsmodelle auf hohem Niveau zu bauen, werden zur zentralen Wettbewerbsfähigkeit der Modellschichtakteure werden

Auf dem heimischen Markt sind selbstgebaute große Modelle zu einer wesentlichen Fähigkeit geworden für Branchenakteure.

Im Bildungsbereich entscheiden sich alle Unternehmen, die AIGC betreten, dafür, ihre eigenen großen Modelle zu bauen. Der Unterschied liegt in den Fähigkeiten der Modelle. Einige Unternehmen entscheiden sich dafür, umfassenden Nachhilfeunterricht anzubieten, während andere sich dafür entscheiden, zunächst in einem einzelnen Fach Durchbrüche zu erzielen. Derzeit ist das vom Unternehmen selbst entwickelte groß angelegte Bildungsmodell in der Lage, interdisziplinäres Wissen zu integrieren. Interdisziplinäres Verständnis wird in Zukunft zur Verkörperung hochrangiger Fähigkeiten in selbstgebauten Großmodellen.

Interdisziplinäre Großmodelle sind eine technische Brücke zwischen der Verknüpfung von Wissen und der Lösung praktischer Probleme.

Interdisziplinäre große Modelle haben einen höheren Wert für Studentengruppen, die ein umfangreiches Wissenssystem beherrschen müssen, wie z. B. Mittelschüler und Studenten. Für Mittelschüler gibt es viele Fächer zu lernen. Die übliche Lernmethode der Schüler besteht darin, eine große Anzahl von Fragen zu überprüfen und sie sich wiederholt zu merken, es gibt jedoch keine „Verbindung-Übertragung“ zwischen Wissenspunkten. Daher vergisst man es nach der Prüfung leicht und kann nicht mit praktischen Anwendungen kombiniert werden. Dies ist auch ein Problem, das der Bildungsbereich schon immer lösen wollte.

Das interdisziplinäre Großmodell löst das Problem, den Schülern dabei zu helfen, Wissenspunkte wirklich zu integrieren und Wissen zur Lösung realer Probleme zu nutzen.

Pädagogische Großmodelle entwickeln sich in Richtung Multimodalität, und implementierte Produkte sind in der Regel reichhaltig.

Multimodale Großmodelle integrieren Informationen aus verschiedenen Modalitäten, was ein genaueres und umfassenderes Verständnis und Denken fördern kann.

Im Bildungsbereich können Agenten durch die Analyse von Schreiben, Malen, Sprachausdruck und anderen Daten der Schüler den Lernstatus und die Bedürfnisse der Schüler besser verstehen und personalisierte Anleitungen und Vorschläge geben. Durch die Analyse der Unterrichtsdaten und Unterrichtsbedingungen von Lehrern kann es Lehrern dabei helfen, ihre Schüler in Echtzeit zu verwalten und die Unterrichtsarbeit effizient abzuschließen.

Die Entwicklung großer multimodaler Modelle wird mit einer kontinuierlichen Aufrüstung der Hardware einhergehen und auch die Produktform von KI-Agenten wird entsprechend iteriert. Mit zunehmender Datendimension werden KI-Agenten nach und nach zu „exklusiven“ Partnern der Nutzer.

In den nächsten 3-5 Jahren wird KI-PC das Mainstream-Hardwareprodukt sein, GenAI + Fusion

KI-Agenten werden sich in Richtung Konkretheit entwickeln und von Internet-KI zu verkörperter KI übergehen.

Derzeit sind KI-Agenten die gängige Form groß angelegter Modellanwendungen, die Aufgaben durch „Mensch-Maschine-Zusammenarbeit“ erledigen, wobei KI-Agenten den Großteil der Arbeit übernehmen.

KI-Intelligenz ist mittlerweile in Form von Software in verschiedenen intelligenten Geräten vorhanden, und einige Produkte verfügen bereits über digitale menschliche Bilder, um die Interaktionen realistischer zu gestalten.

In Zukunft wird sich Agent A von der virtuellen Welt in die reale Welt weiterentwickeln und ein physisches Abbild haben. Verkörperte Intelligenz, die „weich und hart“ kombiniert, wird das Leistungsspektrum des Agenten weiter erweitern. In dieser Phase ermöglicht der KI-Agent in Form eines Roboters pädagogische Übungsszenarien und verfügt über stärkere Kameradschaftseigenschaften.

Im Gehirn-Computer-Zeitalter wird die Interaktion zwischen KI-Agenten und Menschen tiefergehend sein, wenn es darum geht, menschliche Absichten zu verstehen und den Status zu analysieren, und sie werden in der Lage sein, bei Menschen mit Lernbehinderungen zu integrieren Mensch und Maschine werden neue Höhen erreichen.

Spezifische Berichtsdetails und Fallsammlungen repräsentativer Spieler finden Sie im Kommentarbereich unten.

Das obige ist der detaillierte Inhalt vonPanoramabericht der AIGC-Bildungsbranche: KI-Lehrassistenten und Tutoren werden Wirklichkeit, und Lernmaschinen eröffnen neue Möglichkeiten. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!