Rapport panoramique de l'AIGC sur l'industrie de l'éducation : les assistants pédagogiques et les tuteurs IA deviennent réalité, et les machines d'apprentissage ouvrent la voie à de nouvelles opportunités

Après un an d'itérations rapides, l'industrie a déjà la réponse quant aux industries dans lesquelles l'IA générative sera mise en œuvre en premier.

Le domaine de l'éducation est non seulement répertorié comme l'une des applications clés d'OpenAI, mais est également devenu une direction clé pour l'aménagement des grands fabricants de modèles nationaux.

Les progrès de la technologie de l'IA générative démontrent l'amélioration continue de l'interaction humaine avec les grands modèles. Le grand modèle apprend continuellement la façon de penser humaine grâce à la formation, et les humains acquièrent également de nouvelles inspirations et connaissances dans le dialogue avec le grand modèle.

Ce processus est l'état idéal poursuivi par l'éducation et est aussi l'incarnation de « l'enseignement et l'apprentissage ». L’IA générative est hautement compatible avec l’éducation, ce qui fait de l’éducation un excellent domaine d’application.

Après avoir déterminé le lieu d'atterrissage, le plus important est de savoir comment combiner la technologie et l'éducation pour remplir le rôle d'autonomisation de cette dernière.

Quelles réalisations l’éducation habilitée par l’AIGC a-t-elle réalisées au cours de l’année écoulée ? Comment l’AIGC va-t-il perturber l’éducation ? À l’avenir, quelles nouvelles tendances émergeront dans l’éducation grâce au développement de l’IA générative ?

Dans le "AIGC Education Industry Panoramic Report", le Qubit Think Tank a donné une revue systématique des échanges à l'intérieur et à l'extérieur de l'industrie.

Les points de vue principaux incluent :

• Le grand modèle d'éducation est devenu le fondement de l'industrie, et les idées « natives de l'IA » ont pénétré dans tous les aspects de l'industrie
• L'intelligence de l'IA aide « l'apprentissage personnalisé » à être inclusif, et chaque élève a son propre tuteur IA
• Les agents IA se transforment en assistants enseignants pour aider les enseignants à améliorer leurs capacités
• La compréhension interdisciplinaire développe des capacités de haut niveau dans les grands modèles éducatifs, qui deviendront le cœur de la compétitivité des acteurs de la couche modèle
• Éducation les grands modèles évoluent vers la multimodalité, et la tendance des produits d'atterrissage est Dans les riches
• Dans les 3 à 5 prochaines années, AI PC sera le produit matériel grand public GenAI+…
Regardons les détails spécifiques un par un.
• Le domaine des technologies éducatives embrasse pleinement l'IA générative

L'IA générative nous conduit dans l'ère de l'IA2.0. En apprenant d'énormes quantités de données, l'IA a démontré d'étonnantes capacités génératives. Les réponses qu'elle génère sont plus conformes à la communication linguistique humaine et peuvent stimuler dans une certaine mesure la conscience pensante des gens.

Dans le domaine de la technologie éducative, le changement le plus intuitif est le produit « AGI ». Des machines d'apprentissage aux applications en passant par l'enseignement intelligent, le domaine des technologies éducatives a accès dans une certaine mesure aux produits GPT.

Entre mai et juin 2023, le GMV de la machine d'apprentissage IA équipée du grand modèle cognitif Spark d'iFlytek a augmenté respectivement de 136 % et 217 % d'une année sur l'autre. La machine d'apprentissage IA est également devenue la double plate-forme de. JD.com et Tmall lors du champion des ventes Double Eleven de l'année dernière.

Le grand modèle d'éducation est devenu le fondement de l'industrie, et les idées « natives de l'IA » ont pénétré tous les aspects de l'industrie

Les machines d'apprentissage de l'IA pour les groupes de la maternelle à la 12e année ont été entièrement introduites dans le marché

Les machines d'apprentissage sont uniques aux produits technologiques du marché intérieur. Avec le soutien de grands modèles, le machine learning a réussi à rebondir ses ventes en offrant une valeur supplémentaire aux utilisateurs. Du point de vue des produits, lorsqu'il s'agit de formation AIGC en Chine, la plupart des grandes entreprises choisissent d'équiper les machines d'apprentissage de grands modèles pour augmenter les ventes de produits en offrant une valeur supplémentaire aux utilisateurs.

La concurrence dans le domaine de l'apprentissage automatique est actuellement féroce, et l'émergence de l'IA générative devrait créer de nouvelles barrières de concurrence pour l'apprentissage automatique.

Du point de vue de l'utilisateur, les machines d'apprentissage sont destinées aux élèves de la maternelle à la 12e année. La volonté de payer pour ce groupe de personnes vient de leurs parents.

À l’école primaire, les parents accordent de l’importance au développement des intérêts de leurs enfants ; tandis qu’au collège, les parents apprécient si les produits peuvent améliorer les performances scolaires de leurs enfants.

L'expérience du produit APP d'apprentissage des langues a été améliorée et les retours du marché sont meilleurs que prévu

L'APP d'apprentissage des langues a réalisé des performances exceptionnelles sur les marchés étrangers et son produit phare a été connecté à GPT4. Les applications en langue nationale ont également accès à de grands modèles, et les questions et réponses interactives avec la technologie d'IA générative ont été considérablement améliorées par rapport aux produits de la génération précédente.

Du point de vue des produits, les entreprises qui entrent dans la filière de formation AIGC via un logiciel accèdent à de grands modèles généraux et utilisent leurs propres données de formation accumulées pour organiser une formation de mise au point, en se concentrant sur les produits APP.

Ce type de produit est actuellement la catégorie avec les retours du marché les plus positifs parmi les produits grand modèle utilisés dans l'éducation en raison de son expérience de conversation améliorée.

Du point de vue de la demande du public, il s'agit actuellement principalement d'étudiants et d'employés de bureau. Parmi ce groupe de personnes, les étudiants ont également besoin d'améliorer leurs notes, tandis que les employés de bureau n'ont pas besoin d'améliorer leurs notes. L'apprentissage des langues relève davantage des besoins ou de l'intérêt du travail. Pour ces deux groupes de personnes, le taux de rétention des utilisateurs est la clé. Sur cette base, la conception des produits accordera davantage d’attention à l’expérience utilisateur et aux stratégies marketing.

L'IA générative est devenue un nouveau moteur de la réforme de l'éducation

La combinaison de l'éducation et de la technologie a une longue histoire. Avec l’essor d’Internet dans les années 1990, l’ère de l’éducation en ligne a commencé. À l’aube du 21e siècle, l’apprentissage adaptatif est devenu un sujet brûlant dans l’éducation à l’étranger grâce à l’introduction de systèmes intelligents. Après 2010, avec le développement de la technologie de l’intelligence artificielle, des technologies telles que les graphes de connaissances ont été utilisées dans le domaine de l’éducation.

À chaque étape, l'éducation sera combinée avec la technologie actuelle pour résoudre les problèmes rencontrés dans le domaine de l'éducation.

À l'ère de l'IA générative, l'intégration de la technologie et de l'éducation a eu un effet subversif sur les enseignants et les étudiants, les deux rôles fondamentaux de l'éducation. L'IA a été intégrée dans la vie quotidienne des enseignants et des étudiants sous une nouvelle forme : un agent, modifiant leur statut d'apprentissage et de travail sur la base de la fourniture d'une aide à l'enseignement et à l'apprentissage.

La combinaison de l'IA et de l'éducation a également permis aux entreprises technologiques de représenter une part croissante du marché de l'éducation, et les capacités d'IA générative sont devenues un nouveau point concurrentiel.

L'intelligence IA aide « l'apprentissage personnalisé » à être inclusif. Chaque élève a son propre tuteur IA exclusif.

L'intelligence IA offre aux étudiants un enseignement personnalisé : principalement reflété dans la phase extrascolaire, qui peut efficacement atteindre un One-. coaching d'étude en tête-à-tête.

À l’ère de l’IA générative, la plus grande opportunité pour les éducateurs est le bénéfice universel de l’éducation adaptative.

Avant l'IA générative, l'utilisation de l'apprentissage personnalisé dans le domaine de l'éducation était une question extrêmement coûteuse. Elle imposait des exigences élevées aux écoles et aux familles, nécessitant un équipement matériel avancé, davantage d'enseignants et de lieux d'enseignement.

Après l'émergence de l'IA générative, le développement d'agents d'IA est à portée de main. Les agents d'IA peuvent servir d'assistant pédagogique personnel à chaque étudiant et accompagner les étudiants dans leurs études à tout moment et n'importe où.

L'agent IA se transforme en assistant pédagogique pour aider les enseignants à améliorer leurs capacités

En termes d'utilisation des outils, les agents IA réduisent les coûts d'apprentissage des enseignants et leur assurent une utilisation quasiment sans seuil. Dans le processus de travail, les agents d'IA aident les enseignants à générer des didacticiels plus efficacement et à fournir des idées de conception pédagogique, etc.

Les agents d'IA libèrent la productivité des enseignants dans une certaine mesure. Une plus grande énergie des enseignants peut être utilisée pour améliorer l'alphabétisation des élèves. Les responsabilités des enseignants passent progressivement de l'enseignement et de la résolution des doutes à l'éducation des gens, et l'accent s'étend de la performance des élèves à l'éducation. prêter attention à l'état psychologique des étudiants.

Les changements et les défis coexistent

Les grands modèles éducatifs sont principalement confrontés à trois types de défis au cours du processus de mise en œuvre :
1) Qualité des données 2) Problème d'illusion 3) Alignement des valeurs ;

Défi 1 : le manque de données de haute qualité conduit à une généralisation insuffisante du modèle

Des données textuelles de faible qualité, notamment du contenu trop répété, des articles de mauvaise qualité, etc., affectent non seulement l'effet d'entraînement du modèle, mais provoquent également un certain gaspillage de puissance de calcul.

L'accès limité aux données éducatives, en particulier aux données sur le comportement pédagogique, et le manque de données d'annotation éducatives de haute qualité conduisent à un nombre limité de modèles d'intelligence artificielle éducative pouvant être entraînés. La qualité des données devient donc essentielle au développement de grands modèles éducatifs.

Défi 2 : L'application à grande échelle de grands modèles dans l'éducation doit résoudre le problème de l'illusion

Pour les grands modèles dans le domaine de l'éducation, le plus critique est d'assurer l'exactitude et l'orientation de la valeur du modèle réponses.

La précision se reflète dans les problèmes mathématiques. La précision actuelle des grands modèles éducatifs sur les problèmes mathématiques est faible et ne peut pas encore atteindre un niveau pouvant être appliqué à grande échelle. En répondant à certaines questions mathématiques de haut niveau, le taux de précision est généralement inférieur à 50 %.

Dans le domaine de l'éducation, le problème des hallucinations peut être résolu par un raisonnement par questions et réponses basé sur la génération augmentée par recherche (RAG) et par un raisonnement par questions et réponses basé sur l'ingénierie des mots rapides.

Défi 3 : L'alignement sur les valeurs est le seul moyen de mettre en œuvre des modèles d'éducation à grande échelle

Pour l'orientation des valeurs, il s'agit principalement de savoir s'il y a des réponses extrêmes, incompatibles avec les faits, ou même des égarements dans les réponses du grand -maquette.

En termes d'alignement des valeurs, la méthode couramment utilisée est le RLHF (Reinforcement Learning with Human Feedback), qui permet d'aligner un modèle de langage formé sur un corpus général de données textuelles sur des valeurs humaines complexes.

De plus, le groupe cible étant constitué d'étudiants, la révision des grands modèles éducatifs sera plus stricte. Le contenu généré par l'IA sera également examiné manuellement pour filtrer davantage le contenu de mauvaise qualité et garantir qu'il n'y a pas de mauvaises orientations dans le contenu généré.

Les changements dans l'industrie entraînent de nouvelles tendances

La compréhension interdisciplinaire et la capacité de haut niveau à construire de grands modèles éducatifs deviendront le cœur de la compétitivité des acteurs de la couche modèle

Sur le marché intérieur, les grands modèles auto-construits sont devenus une capacité essentielle pour les acteurs de l'industrie.

Dans le domaine de l'éducation, les entreprises entrant dans l'AIGC choisissent toutes de construire leurs propres grands modèles. La différence réside dans les capacités des modèles. Certaines entreprises choisissent de proposer un tutorat complet, tandis que d’autres choisissent de faire d’abord des percées dans un seul sujet. À l'heure actuelle, le modèle d'éducation à grande échelle que l'entreprise a lui-même construit a la capacité d'intégrer des connaissances interdisciplinaires. À l’avenir, la compréhension interdisciplinaire deviendra l’incarnation de capacités de haut niveau dans les grands modèles auto-construits.

Les grands modèles interdisciplinaires constituent un pont technique entre la connexion des connaissances et la résolution de problèmes pratiques.

Les grands modèles interdisciplinaires ont une plus grande valeur parmi les groupes d'étudiants qui ont besoin de maîtriser un système de connaissances riche, comme les collégiens et les étudiants. Pour les collégiens, il existe de nombreuses matières à étudier. La méthode d'apprentissage habituelle des étudiants consiste à réviser un grand nombre de questions et à les mémoriser à plusieurs reprises, mais il n'y a pas de « transfert de connexion » entre les points de connaissance. Il est donc facile de l’oublier après avoir passé le test et ne peut être combiné avec des applications pratiques. C’est aussi un problème que le domaine de l’éducation a toujours voulu résoudre.

Le modèle interdisciplinaire à grande échelle résout le problème d'aider les étudiants à véritablement intégrer les points de connaissances et à être capables d'utiliser leurs connaissances pour résoudre des problèmes réels.

Les modèles éducatifs à grande échelle évoluent vers la multimodalité, et les produits mis en œuvre ont tendance à être riches

Les modèles multimodaux à grande échelle intègrent des informations provenant de différentes modalités, ce qui peut favoriser une compréhension et un raisonnement plus précis et plus complets.

Dans le domaine de l'éducation, en analysant l'écriture, la peinture, l'expression linguistique et d'autres données des étudiants, les agents peuvent mieux comprendre l'état d'apprentissage et les besoins des étudiants, et fournir des conseils et des suggestions personnalisés. En analysant les données pédagogiques des enseignants et les conditions de classe, il peut aider les enseignants à gérer les élèves en temps réel et à accomplir efficacement leur travail d'enseignement.

Le développement de grands modèles multimodaux s'accompagnera d'une mise à niveau continue du matériel, et la forme du produit des agents d'IA sera également itérée en conséquence. À mesure que la dimension des données augmente, les agents IA deviendront progressivement les partenaires « exclusifs » des utilisateurs.

Dans les 3 à 5 prochaines années, AI PC sera le produit matériel grand public, GenAI + Fusion

Les agents IA évolueront vers le concret, passant de l'IA Internet à l'IA incarnée.

Actuellement, les agents d'IA sont devenus la forme dominante d'applications de grands modèles, accomplissant des tâches grâce à une « collaboration homme-machine », les agents d'IA assumant la majeure partie du travail.

L'intelligence artificielle existe désormais dans divers appareils intelligents sous forme de logiciels, et certains produits disposent déjà d'images humaines numériques pour améliorer le réalisme des interactions.

À l'avenir, l'agent A évoluera davantage du monde virtuel vers le monde réel et aura une image physique. L'intelligence incarnée qui « combine le doux et le dur » élargira encore la portée des capacités de l'agent. À ce stade, l'agent d'IA, sous la forme d'un robot, permet des scénarios de pratique éducative et possède des attributs de compagnie plus forts.

À l'ère du cerveau et de l'ordinateur, l'interaction entre les agents d'IA et les humains sera plus approfondie. Les agents d'IA seront plus précis dans la compréhension des intentions humaines et l'analyse de l'état, et pourront intervenir auprès des personnes ayant des troubles d'apprentissage, en s'intégrant. les humains et les machines atteindront de nouveaux sommets.

Les détails spécifiques du rapport et les recueils de cas de joueurs représentatifs peuvent être obtenus dans la zone de commentaires ci-dessous.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!