AI aiuta gli studenti a migliorare i loro punteggi in meno di 24 ore


Negli ultimi anni, le piattaforme di apprendimento online abilitate dall’intelligenza artificiale sono sempre più popolari in tutto il mondo per i genitori che desiderano che i loro figli ottengano un vantaggio nei test standardizzati o acquisiscano la padronanza di un particolare argomento. In Asia, più piattaforme competono per l’attenzione dei bambini dopo la scuola. Con oltre 1 milione di abbonati in Corea del Sud in un breve periodo, Santa for TOEIC , una piattaforma di apprendimento mobile e basata sull’intelligenza artificiale, è diventata rapidamente popolare con la sua generazione Z altamente istruita.

La Corea del Sud è uno dei paesi più istruiti dell’Asia. Man mano che l’inglese diventa onnipresente negli affari in Asia, sempre più bambini sentono il bisogno di ottenere un buon punteggio nel test di lingua inglese standardizzato, TOEIC, per guadagnare l’accesso alle università o fare domanda per migliori opportunità di lavoro. Quando Babbo Natale per TOEIC ha rilasciato la sua applicazione iniziale, gli utenti si sono subito resi conto di come li aiuta a rimanere in linea con il loro apprendimento. Con sole 20 ore, gli utenti possono aumentare di 165 punti su 990 punti entro le prime 20 ore di studio.

Ho avuto il piacere di parlare con Young-Jun (YJ) Jang, CEO di Riiid . YJ ha avviato Riiid per collaborare con istituti di ricerca d’élite a Seoul, in Corea del Sud, per applicare algoritmi di intelligenza artificiale all’avanguardia per risolvere i problemi di apprendimento online.

Il problema “One Size Fits All”
Nel 2014, YJ ha avviato Riiid come sforzo di ricerca e sviluppo per esplorare le opportunità di utilizzare l’IA in vari settori. Rapidamente, si è reso conto che c’è un problema urgente “One Size Fits All” o il problema dell’apprendimento adattivo nell’istruzione, in particolare in Asia. La maggior parte degli algoritmi nello spazio che hanno cercato di risolvere questo problema erano tutti algoritmi basati su regole. Questi algoritmi basati su regole sono stati adattati a livello individuale, ma non si sono adattati veramente allo studente e si sono adattati in base a come hanno imparato.

YJ afferma: “Abbiamo anche avuto un problema in termini di scalabilità e sostegno. Quando assumi un gruppo di esperti di dominio per creare e analizzare ogni contenuto da distribuire personalmente agli utenti in un sistema di apprendimento adattivo, sono molti i soldi spesi per le aziende e le startup per la personalizzazione. Il fatto che una persona sia coinvolta, ci sono anche questioni etiche e questioni di privacy. Così ho parlato a lungo di questo problema con gli informatici della UC Berkeley e Stanford. Alla fine, uno di loro mi ha indirizzato all’apprendimento automatico. Ho capito subito che questi problemi potevano essere risolti al meglio con l’apprendimento automatico o algoritmi di apprendimento profondo “.

Mentre YJ lavorava con il suo team di tecnologi e ricercatori, si è subito reso conto che l’IA è un campo in rapida evoluzione. Quando i ricercatori hanno sviluppato algoritmi migliori, la sua azienda ha dovuto intraprendere passi coraggiosi per testare, implementare e migliorare l’algoritmo esistente. Non solo, poiché l’azienda raccoglie più dati, ma ci sono anche opportunità per definire problemi più piccoli nell’ambito più ampio del problema per comprenderne le sfumature. L’iterazione della messa a punto degli algoritmi quando sono stati risolti problemi più piccoli per informare la soluzione del problema più grande è ciò che consente alle previsioni di continuare a migliorare.

YJ dice: “Il primo algoritmo che mi interessava era l’algoritmo di filtraggio collaborativo. Nel corso del tempo, abbiamo cambiato il nostro algoritmo e siamo arrivati ​​a un punto in cui possiamo prevedere se l’utente ha la domanda successiva giusta o sbagliata. Possiamo anche prevedere quale risposta possono scegliere con una precisione del 90%. Abbiamo fatto molte sperimentazioni, ispirandoci a diversi algoritmi di apprendimento, come l’algoritmo BERT di Google. Oggigiorno, la maggior parte dei modelli di deep learning si basa su un formato specifico di dati di input. Ma stiamo progredendo verso un ambiente più meta-apprendimento in cui il modello di apprendimento per rinforzo può definire il proprio problema invece di concentrarsi sulla ricerca della soluzione a un problema predefinito “.

Un esempio che YJ ha incontrato di recente a Santa per il TOEIC è stato che in una sessione, a volte, ci sono diversi utenti che hanno effettuato l’accesso durante lo stesso giorno.

YJ dice: “Non eravamo consapevoli di questo. Abbiamo pensato che l’utente fosse lo stesso, in modo da poter utilizzare i dati raccolti in precedenza. Tuttavia, l’algoritmo di apprendimento per rinforzo ci ha detto che l’utente potrebbe non essere lo stesso durante lo stesso periodo di 24 ore e che dobbiamo fare attenzione a questo. In sostanza, durante quelle 24 ore abbiamo avuto un “rumore” che doveva essere tolto dai dati delle serie temporali che avevamo, e il nostro algoritmo ci ha detto dove si trovava il “rumore” e potevamo spiegarlo “.

L’evoluzione del prodotto e del modello di business
In qualità di fondatore di una startup, YJ è stato benedetto quando i suoi primi investitori sono stati disposti a cogliere l’occasione delle sue “sperimentazioni” nell’ambito della ricerca e sviluppo. Questi investitori erano disposti a non guadagnare subito sapendo che la tecnologia aveva bisogno di tempo per essere raffinata, il prodotto doveva essere evoluto e i consumatori dovevano accontentarsi del loro prodotto preferito.

YJ dice: “Per prima cosa abbiamo messo Babbo Natale per il TOEIC come un giocattolo. Quando è stato lanciato per la prima volta, era gratuito per gli studenti per i primi due anni. Quindi, abbiamo integrato un sistema di suggerimenti nel prodotto per consigliare lezioni e domande. Per aumentare l’efficienza, abbiamo integrato la tecnologia di deep learning per valutare le previsioni. Ma non è abbastanza. Dovevamo incoraggiare gli studenti a studiare un po ‘di più, un po’ più a lungo. Abbiamo aggiunto un altro livello per aggiungere il coinvolgimento chiamato “previsione di sessioni e abbandoni”. Ora, gli studenti possono migliorare i loro punteggi di 165 punti su 990 su TOEIC. Ecco perché diffondono la parola della nostra app. Alla fine, dopo i primi due anni, abbiamo capito che gli studenti volevano pagare. Ora abbiamo un modello di pagamento. Questo denaro viene attualmente utilizzato per ulteriori attività di ricerca e sviluppo “.

L’offerta di Babbo Natale per TOEIC come app gratuita ha permesso a Riiid di sviluppare l’applicazione lentamente, senza troppe pressioni per essere perfetta. Col tempo, poiché più studenti hanno visto il valore dell’utilizzo dell’applicazione, non hanno lasciato l’app quando Babbo Natale per TOEIC è passato a un modello di pagamento. Alcuni genitori lo considerano positivo poiché il denaro può essere utilizzato per migliorare le funzionalità che aiuteranno gli studenti ad apprendere meglio.

Attraverso molte iterazioni di fusione di design, ingegneria e sperimentazione con ricerca e sviluppo continui, sia l’app, gli algoritmi e il modello di business sono stati in grado di evolversi.

L’importanza dei dati
YJ si è reso conto subito che i dati hanno svolto un ruolo fondamentale nel miglioramento continuo degli algoritmi di intelligenza artificiale. Nel 2017, quando la società ha utilizzato per la prima volta l’IA per lanciare il suo prodotto Santa for TOEIC, non c’erano aziende educative che hanno attraversato il rigore dell’applicazione dell’IA per risolvere il problema che YJ ha cercato di risolvere.

In altre parole, non c’erano prove basate sui dati di coinvolgimento degli utenti, miglioramento del punteggio, ecc. Per due anni dall’inizio del lancio del prodotto, Riiid ha raccolto continuamente informazioni approfondite nei propri dati in tempo reale per perfezionare i suoi algoritmi.

YJ afferma: “Una volta acquisiti i dati, è possibile trovare i propri algoritmi e le applicazioni e fornire prestazioni e risultati migliori di ordini di grandezza. Siamo stati fortunati che i nostri investitori credessero in noi. Sapevano che non avremmo fatto soldi dall’oggi al domani nei prossimi due o tre anni. Ricordo ancora quella riunione del consiglio. Avevano fiducia in noi. È stata una grande riunione del consiglio. “

Quando Riiid aveva bisogno di trovare un partner di ricerca per sviluppare algoritmi migliori, si è rivolto a KAIST , l’equivalente coreano del MIT. Hanno contribuito a creare gli algoritmi che Riiid alla fine ha testato e implementato nella loro applicazione Santa for TOEIC.

YJ dice: “Quando si tratta del team di ingegneri, abbiamo avuto il meglio sin dall’inizio. Ma dovevamo anche trovare un partner di ricerca. La collaborazione con KAIST è stata fantastica. Abbiamo collaborato con loro per sviluppare un paio di articoli nella fase iniziale. Questa impronta significativa ci ha aiutato a creare il nostro team di ricerca e sviluppo con ricercatori di intelligenza artificiale di alto profilo. È una bella sensazione utilizzare casi di test del mondo reale per far avanzare la ricerca e quindi applicare questi progressi “.

Al di là degli algoritmi, Riiid ha trovato una base solida per far avanzare la ricerca e lo sviluppo nello spazio della tecnologia dell’istruzione. Pubblicano il più grande set di dati sull’istruzione nel mondo. Il loro set di dati è stato utilizzato da ricercatori di intelligenza artificiale in Cina e in altri paesi asiatici.

YJ afferma: “Stiamo giocando il ruolo di banco di prova per gli scienziati di intelligenza artificiale interessati a risolvere i problemi dell’istruzione. Allo stesso tempo, mettiamo sempre i nostri studenti al primo posto nei nostri sforzi di sviluppo del prodotto. È un dilemma continuo trovare un equilibrio tra il miglior valore che aggiungiamo ai nostri studenti e la sperimentazione di modelli di IA nuovi e innovativi “.