九游会网址大全【新智元导读】AI时代下，智适应教育成为全新的范式。在刚刚结束的KDD 2024大会上，国内一家前沿教育企业登上这个国际舞台，向所有人分享了真正个性化学习应该有的样子。

　　如今，AI已经以前所未见的速度，迅速融入大学生的学习和生活，越来越多人开始体会到，从「有痛学习」变成「无痛学习」是什么感受。

　　最近一个新闻曝出，眼看着要开学，成都的一位小孩哥，用AI量产手抄报，疯狂赶暑假作业。

　　无论你的态度是拥抱还是迟疑，无可否认的是，如今AI已经在深刻影响着教育领域。从小学生到大学生，无一能逃过这场大潮。

　　原因就在于，教育应该是千人千面的，但老师却不可能无时无刻地关注到每一个学生，而AI，则完全打破了现实中的桎梏。

　　而且，得益于LLM、AIGC等前沿技术实现，传统的自适应教育已经逐渐进化为更加智能化的「智适应」学习。

　　比如，Duolingo Max采用了角色扮演技术，让学生可以通过模拟情景与AI进行对话。

　　Khanmigo利用个性化LLM对话的形式平台，通过不断提问的方式，帮助学生构建知识，提供个性化教学，最终答疑解惑。

　　吴恩达的Coursera以开放式在线课程为基础，提供的是在线智适应学习课程和混合学习的模式。

　　恰巧，在刚刚结束不久的ACM KDD 2024上，闭幕式的重磅圆桌讨论环节，聚焦的正是GenAI+教育。

　　不仅如此，松鼠Ai研发团队在KDD主会上，发表了一篇关于LLM，尤其是教育大模型，在时间序列分析中应用的论文。

　　众所周知，作为全球数据挖掘领域历史最悠久、规模最大的国际顶会，也是国内评级的A类学术会议，KDD每年都会吸引数千名来自世界各地的顶尖学者、企业代表参会。

　　而在这样的国际顶会上，鲜有企业能够参与到学术论坛的讨论当中。可见，这次被大会邀请前来做客同时还在会上发布论文的松鼠Ai，在AI教育领域是有真才实学的。

　　很多年前，AI还没有像现在这么流行，当时公司经受了许多怀疑——为什么要在教育中使用AI？能用它做什么？

　　如果只是想利用这些工具快速赚钱，在短时间内迅速成立公司的话，这种心态其实是非常危险的。

　　但如果我们能以智慧的方式利用这项技术，比如用它进行数据分析，帮助学生更好地学习，而非快速生成内容，则是一个很有意义的机会。

　　目前来说，我们正处于从一个阶段向另一个阶段的过渡中，走向了人与机器互动。

　　即使我们已经拥有了AI技术，有了MOOC，有了在线教育和远程学习，有了语音或语义识别，它仍然是传统的学习方式。

　　什么是真正的个性化学习？很多人以为在ChatGPT上输入一个问题、得到答案就是个性化学习，其实并不然。

　　对此梁静表示，关于个性化学习，大部分使用者甚至很多公司还都不真正了解，所以我们还需要很长的时间来展示什么是真正的人性化学习、智适应教育技术，让人们理解、体验、犯错、再体验...。

　　基于AI的「智适应教育」，不仅可以让学生获得更高的分数，还可以让学生在相同的教学时间里培养更多能力。

　　有时，需要共同完成小组作业；有时，需要合力开脑洞攻克难题。学生们仅通过互联的设备，自主学习。

　　而当我们进入技术大爆炸的新时代，学校和家长希望孩子接受的，无疑是更智能化、个性化的教育。

　　如果能做到这一点，未来的教育方式将彻底改变，给广大学生和教育工作者带来前所未有的价值。

　　那么，在GenAI（生成式人工智能）赋能教育中，是否有个通用的衡量标准？而这个标准应该是什么？

　　2022年，谷歌曾发布的一份报告中，提到了未来教育的三大趋势，其中之一便是「个性化学习」智适应。

　　个性化学习，就是学生自主干预学习，不能有外力干扰，这对于能力培养至关重要。

　　另一份来自2021年EY报告中，如同自动驾驶一样，根据智能化程度高低，将教育分划分为L0-L5六个等级。

　　L3-L5，AI完全切入教学环节，将教学全流程数据打通，提供千人千面的教学体验。

　　L5完全是由AI教学，意味着学生仅使用AI系统就能学习，不需要任何外部资源，其中典型代表是松鼠Ai。

　　具体在K12领域，已经深耕了十年之久的松鼠Ai发现，生成式AI能够通过分析学生的学习数据，动态地调整学习内容和难度。

　　因为这种教学方式是基于数据驱动的，它不仅能提高学习效率，还能有效填补学生的知识空白，促进学生的全面发展。

　　松鼠Ai恰恰能通过苏格拉底式的引导性提问，激发学生主动思考，深化理解，打造出更为高效、人性化的学习环境。

　　这是因为，基于松鼠Ai独有的、所积累的2400万学生的100亿学习行为全流程数据，大模型被「喂养」后，在推荐算法、深度知识追踪等技术上都实现了突破式迭代。

　　由此，模型能更好地捕捉数据中的复杂关系和模式，更快速发现知识点和知识点之间，知识点和题目之间，题目和孩子能力之间的关系。

　　通过这个功能，它能深度解析学生解题过程的每一步，精准定位题目理解、逻辑推理、计算及手写誊抄等各类错误。

　　这样，就能确保学生和教师迅速、精准地把握问题所在，从而针对性地补足自己的弱点。

　　这背后，得益于新版本多模态大模型在常规测评效率与准确性上的飞跃，尤其是在主观题评分上。

　　比如这个案例中，它精准地给出了分数，详细解析了扣分点，实现了对学生学习成效的全面洞察。

　　因此，如果学生在这个过程中出现困惑、开心、注意力分散等情绪变化，模型都能准确捕捉到，用时即时地给予个性化反馈与鼓励。

　　而且，为了营造更全面且沉浸式的视听学习体验，松鼠Ai还对智能扫读笔与耳机进行了升级革新，致力于构建一个完善的智适应学习生态系统。

　　其中颠覆传统的旗舰之作——智能老师S211白鹭，采用了独特的数字纸张技术，提供原彩、彩墨、水墨三种显示模式，配合高清摄像头，可实时捕捉学习细节。

　　那么，松鼠Ai提出的这个智适应多模态大模型——LAM，其背后的运作机制是怎样的？

　　具体来说，模型架构一共包含了三大关键组件：知识图谱、推荐系统，和检索增强生成（RAG）。

　　其他组件还有，情感解析、路径追溯（不同的学生都有自己的学习路径）、大模型反馈和总结。

　　该体系下面包含了不同的智能体，比如数据分析智能体、自动教学智能体（teaching autonomous driving agent）、教学问答智能体、推理智能体、阅读综合理解智能体等等。

　　这么多智能体，并得是独立的存在，而是通过协作，与学生互动，为其提供个性化学习内容的推荐。

　　它会根据们的学习速度、进度，以及数据分析，动态调整目标，为其做出更合理的推荐。

　　学生与AI交互过程中，实时数据便会反馈到智适应引擎中，然后交由AI计算分析。

　　最后，AI系统根据学生下一步学习内容，给出新的推荐，可能是知识，也可能是能力MCM，还有可能是一些实践。

　　松鼠Ai研究团队所做的，便是将这些学习目标，分解成更加细致精确的层面，以便算法构建。

　　举个例子，一个关于「分数加法和减法」的目标，可以被分解为第二层（分数的加法、分数的减法、简单分数计算、多步分数计算等的学习目标）。

　　以最高十年级，最低七年级为例，由下而上，绿色线是指学生已掌握的学习目标、知识、能力。

　　可以看到，每个同学掌握程度虽相同，但另外20%粉红色知识点掌握分布有所不同。

　　为什么学生需要接受MCM训练？这是因为，不同的行业、不同的职业，需要不同的MCM。

　　可以从不同学科来看，语言、物理、数学等，它们对学生所具备的能力素养，有着不同的要求。

　　经过详细的剖解，可以看出，松鼠Ai的多模态智适应大模型LAM与LLM有着很大的不同。

　　而当你下一次进入这个平台时，它不会给出推荐，并且不会理解个人之前的学习行为，以及整体掌握知识的程度。

　　它不仅有学习者的历史记录，不同的学习行为，还能为学生推荐下一步应该学习的内容。

　　在多模态智适应大模型中，松鼠Ai研发团队在这次KDD大会上，提出了全新算法——时间序列分析。

　　具体来说，论文分析了大模型在教育的应用，包括在教育时序数据分析中的应用。时间序列分析在教育场景中的应用日益广泛，例如，通过分析学生的行为数据、测试成绩和学习习惯，可以预测学生的学习进度，优化教学策略。

　　时序Generative AI通过在大规模教育数据集上进行预训练，能够更好地捕捉复杂的时间依赖性和非线性关系，从而在多个教育场景中实现最优的预测和分类效果。

　　文章也提供了多种未来可能的研究方向，例如结合多模态数据（如文本、图像、语音）进一步提升模型的泛化能力，以及如何通过自监督学习技术减少对标注数据的依赖。

　　这些研究不仅有助于提升时间序列分析的准确性和效率，还为个性化教育和智适应教育提供了坚实的技术基础。

　　松鼠Ai能在本次KDD大会上与世界各地的顶尖学者你来我往，可以体现出松鼠Ai在商业之外所拥有的包括学术、科研等综合硬实力。

　　同时，我们也期待在AI时代全面来临的当下，可以看到更多中国企业出现在这样的顶级峰会上。

　　「从我手里经过的学生成千上万，奇怪的是，留给我印象最深的并不是无可挑剔的模范生，而是别具特点、与众不同的孩子。」

　　在AI落地教育的种种场景里，我们可以惊喜地发现，「每个孩子人手一个导师」的理想设定，已经无比接近现实。

　　到那时，每个学生在毕业时，带走的不仅仅我一些知识和技能，而是带走渴求知识的火花，并使它终生不熄地燃烧下去。阅读原文

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。