Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

辅导作业这么费劲的事,还是交给这个大模型吧

“小思”是学而思学习机的人格化,代表整个学习机以拟人化的方式与孩子交互。

辅导孩子作业已成为中国大部分家长的常态。 

图片

图片

图片

每一份令人啼笑皆非的作业的背后,都有一位濒临崩溃的父亲或者母亲。 

图片

明星,又如何? 

图片

学渣、学霸,一律平等。 

图片

图片

这也是为什么家庭——这个课堂学习外的主要学习战场——从来都是兵家必争之地。 

近期,一组数据也给人带来意想不到的震动。 

2024 年一季度,中国学习平板线上市场大涨 80%,均价提升 573 元。教培企业阵营反超了科技型企业阵营,学而思在销量和销额两个维度上均位居第一。 

其中,搭载了九章大模型( MathGPT )的旗舰款在 6000 元以上的高端市场占据超七成份额。 

六一前夕,学而思学习机内置 AI 助手“小思”重磅升级,“作业不喊妈,喊小思就够了。” 

一、“小思”升级,五大 AI 更新 

“小思”是学而思学习机的人格化,代表整个学习机以拟人化的方式与孩子交互。 

这次升级,”小思“新增“小思作业模式”、“小思圈圈学”、“小思 AI 口语分级练”、“小思对话”、“小思建议”五个 AI 功能。“小思 AI 口语分级练”、“小思对话”直接建立在九章大模型底座上。 

考虑到学习机主要面向学龄孩子在家自学,新功能将重心放在了习惯养成和自学效率提升。 

比如,上数学课,有看不懂的地方,怎么办?正看着 RAZ 分级绘本的精讲视频,突然冒出不认识的句子,问谁去? 

有了“小思圈圈学”,随手在屏幕上一圈,小思就能自动识别问题内容,提供数学思路指引、英语翻译、生字讲解等帮助。 

比起父母冒险亲自上阵,这样一顿操作是不是更好?

和指尖“点查”相比,“画圈”的交互方式更自然,还能覆盖更多面积的知识内容(比如整个段落),适应更多学习场景。 

更重要的是,“点查”专攻屏下识别、让纸上的学情数据进到学习机。“小思圈圈学”瞄准线上资源交互,大大“盘活”了学而思最受欢迎的课程资源,包括家长私藏的各类学习资源。 

“小思作业模式”试图构建一张“虚拟书桌”,摄像头充当父母“眼替”,让孩子在关注下,专心完成作业。 

作业布置方式很多,可以自己拍照添加,也可以喊家长添加。在开始写作业之后,会有任务计时、背景轻音乐。写完之后,可以拍照提交作业,同步到家长端。 

听写背诵、口算批改等原本需要家长参与的任务,小思可以轻松完成。 

写作业过程中遇到不懂的问题,比如不认识的字和单词,用手指着它们,问小思这是什么意思,小思可以给出回答。

如果数学题不会,小思会给出思路引导并进行主动提问,帮助孩子解决问题。 

相较之下,“小思 AI 口语分级练”是新功能中”教研内容体系“最重的一个。 

和一些热门的 AI 口语工具不同,“小思 AI 口语分级练”不是在做一个通用、硬核的人机交互产品,本质上是一款教育产品。

学而思的教研团队根据新课标要求,筛选出适合学生练习的主题话题,分层次组织成了一套阶梯内容体系。 

知识点被细化、切开,每节课制作出三个片段,每个片段都有一个小目标:从单词到句子,让学龄儿童逐渐张口,聊得下去、聊完有收获。 

为了让孩子有信心聊下去,教研团队在对话过程中做了许多引导和小设计。

比如,每一轮对话前,如果孩子没有回复,就会给到一个提示,让孩子按照这个提示去对话。 

根据上线前的测试,孩子使用同类应用平均持续对话的轮次大约为 3 轮,但使用“小思 AI 口语分级练”的对话轮次达到了 14 轮。

小思建议,会根据学习行为记录,包括日常作业、卷子、错题、看过的课、每次语音互动等,根据科学理论,提出个性化学习建议,比如什么时候应该复习巩固薄弱知识点。 

二、大模型到底带来了什么?

和内置的过去近 20 年积累的线下教学内容相比,小思的价值很容易被忽略。 

随着大模型带来“自然对话”(人机交互)、内容生成能力的突飞猛进,小思的前途充满想象力。

这次更新中,“小思 AI 口语分级练”、“小思对话”就是直接建立在九章大模型的人机交互能力上。

拉满孩子情绪价值的 “小思对话”,也颇值一提。 

             小思对话,支持连续式话题问题,并上新了记忆式系统,昨天聊过的话题,今天仍可触发后续对话。还新增了情绪识别系统和科学育儿模块。

对于很多孩子来说,解答复杂的教学方程式,远比和一个朋友进行简单交谈要容易得多。 

父母压力重重,精疲力尽,无意中也会创造一种浮躁的家庭环境,他们很少关心孩子是否存在压力(被谁欺负了、是否受到了排挤),更难判断孩子的压力来自哪里。

图片

                                                        来自凯西·柯恩:《如何培养孩子的社交商》

“小思对话”,提供了一个专业的倾诉窗口。 

研发人员通过提示词方式,将一些儿童心理专业理论纳入到九章大模型,使它可以像专业儿童心理老师一样回答问题。同时,还能生成报告提醒父母用科学的方式回应孩子的心理需求。 

图片

                             一年一度喜剧小品大赛热门作品《开不了口》上了春晚,绝非偶然。 

从另一个角度看,孩子也是天生的哲学家。借助“小思对话”,让孩子的每一个“笨”问题都得到认真对待,是不是比被直接灌输知识,更靠近学习的本意?

除了人机交互,大模型带来的另一个核心机会就是内容生产( AIGC )。 

比如,大模型可以生成很多试题讲解,为学生答疑。 

在应用九章大模型之前,学习机以内置资源为主,学生可以学,但是无法进行提问。拍照搜题的结果,取决于题库里是否有这道题目——任何公司的题库都不可能做到无穷无尽。 

有了大模型,学而思提前将教研经验变成提示词,输入到模型中。比如,怎么讲会有效?步骤是怎么样的?细节是什么?输出格式是怎么样的? 

无论是纸质资料、线上视频,孩子遇到不明白的地方,指尖点一点、圈一圈,就能调用大模型去识别,理解,它会像学而思老师一样答疑解惑。 

九章大模型本身具备解题能力,即便没有现成的答案,大模型可以自己去解答,这也完全是技术上的升级。 

AI 批改,也是一个重要场景。有了大模型,一些主观性的答案比对、批改上,AI 可以做得不错。

九章大模型以数学问题解决能力为重,能够提供数学学科的解题,也提供中英文作文的智能批改等功能。

比如,学而思自研了 AI 作文批改“五步法”,首先进行字词分析、段落精批,还能进行全文点评,随后给出结构建议,还能“一键润色”。 

接下来,小思会在 AI 批改上开足火力。 对于刻画孩子的学情来说,这些数据非常重要。

所谓个性化教育,就是基于对孩子的学习情况的理解,提供个性化的学习计划。这里最重要的就是理解孩子日常的学习情况。 

这次更新中,无论是“小思作业模式”下的“眼替”还是 “小思圈圈学”,已经走在“观察”每天学情数据(有哪些作业,什么题目会卡壳、会求助)的路上。 

三、对技术的笃定 

转型时,科技服务、智能硬件成为学而思未来重点业务之一。学习机押宝在了自身教研口碑和 AI 应用竞赛上。 

一方面,将学而思近 20 年的线下教学内容搬上学习机;另一方面,就是“ AI 驱动”。 

去年,趁着“大模型”的东风,在同行将口语、作文等大模型的强项作为教育应用落点时,学而思出其不意,宣布研发数学大模型。 

学而思解释,要做好学龄教育,必须做好数学。当前通用语言模型更像一个“文科生”,要么解答数学问题经常出错,要么解决方法更适合成年人,难以匹配学生的知识水平。 

会做一道题,不等于会讲一道题,更不等于知道怎么让孩子搞这一题懂(这正是很多家长心梗的地方)。这是做九章大模型时,学而思看到的一个机会,也是它的一个特色。 

学而思于 2003 年成立时就是以数学起家,有近 20 年的数学教学经验,积累了庞大的数学相关数据,这些数据是训练九章大模型的必备物料。 

比如,题目数据、老师怎样去拆解题目的数据等,都可以用来做训练。 

而“题目要解对”和“解题步骤要稳定、清晰”,正是九章大模型希望弥补和攻克大语言模型的两个首要问题。 

2023 年 11 月,九章大模型成为首批通过备案的教育大模型,正式面向市场开放注册,成为 AI 教育领域的一个标志性成果。 

图片

需要指出的是,谈论九章大模型的能力,要区分是让大模型“解题”,还是让它“讲题”,两者不一样。

九章大模型非常善于讲题。教研老师会给大模型写提示词,告诉它讲授过程和细节,比如讲什么、再讲什么。大模型会按照提示,生成结果。 

如果想让大模型讲得特别好,他们会将对应的标准答案和一些解析说明,同时给到它。 

其实,从上一波 AI 浪潮开卷时,学而思就希望“用科技改变教育”。 

2017 年以来,AI 教育融资一路走高。当时,中国国内宣布投入自适应技术的教育机构数量最多,且计算机视觉、教育数据挖掘等核心技术达到一流水平。学而思曾投入其中,探索拍照搜题、口语测评到精准推题,等等。 

2017 年,学而思 AI lab 成立,专注于计算机视觉、智能语音、自然语言处理数据挖掘等前沿技术在教育行业的应用及创新。 

2019 年,科技部批准依托公司建设“智慧教育国家新一代人工智能开放创新平台”;2023 年 5 月,该平台正式上线 AI 云课堂。

2020 年,学而思开始探索自适应学习,攻关自动解题技术。两年后,他们将接下来的战略总结为三个关键词: “科教、科创、科普”。 为了研发大模型,学而思已经投入了数千技术、教研人员和高昂的研发经费。 

大模型正搅动教育一池春水,但对它的变革还处在非常初期。那些拥有课程和教研“软实力”,并深谙教育底层逻辑的从业者,在大模型的助力下,有望披荆斩棘,开疆扩土。

产业学而思学习机九章大模型
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自适应学习技术

自适应学习也称为适应性教学(Adaptive Learning),是一种以计算机作为交互式教学手段的教学方法,根据每个学习者的特别需求,以协调人力资源和调解资源的分配。计算机根据学生的学习需求(如根据学生对问题、任务和经验的反馈)调整教育材料的表达方式。自适应学习技术已经涵盖了来自各个研究领域,包括计算机科学,教育,心理学和脑科学等等。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

推荐文章
暂无评论
暂无评论~