5月24-25日,乂学教育-松鼠AI联合IEEE教育工程和自适应教育标准工作组、中国自动化学会、新东方、好未来、36氪等机构在北京举办AIAED全球AI+智适应教育峰会。
发布人工智能智适应教育报告白皮书
峰会上,德勤中国教育行业领导合伙人卢莹女士发布人工智能智适应教育报告白皮书,在发布仪式上,卢莹提到:“人工智能在过去5-10年快速发展,而这样一个新的技术,也在改变生态圈各方的参与方式,对于教育行业这样一个应用领域来说,人工智能通过数据的驱动,也在持续的革新整个行业的生态圈,教育行业也迎来智能化的浪潮。”
德勤八大核心观点系统阐述智适应教育前景
演讲中,卢莹详细阐述了报告中的八大核心观点,并表示智适应教育的长远发展未来可期。以下为八大观点:
第一大观点,智适应成为人工智能教育产品的主流趋势,会愈加地明显。传统互联网企业不断转型,传统教育巨头也在投资和收购智适应企业,虽然智适应学习在中国目前处于初步发展的阶段,但有望后来者居上。
第二大观点,尽管智适应学习发展非常迅速,但是从智能等级上来看,目前诸多的应用公司还没有达到最佳的一个实践效果。卢莹指出,未来随着我国基于智适应教学系统互动更加的频繁,可收集和利用的数据愈加的增多,推送也会变得更加的精准,未来智适应教育系统的可应用领域也会越来越广。
第三大观点,智适应学习系统中学习者模型将是自主学习能力提升的关键所在,学习者数据模型可以从内而外获取学生个体的特征数据,内在包括心智行为的个性特长,学习风格,学习兴趣等等。
第四大观点,在学习场景、教学辅助场景、平台这三种应用场景当中,智适应平台的技术要求是最高的。从国内外智适应学习领域来看,已经出现了一些明星科技公司,IBM Watson Education等,而在国内也有像松鼠AI这样的智适应平台领域的明星公司。
第五大观点,教育行业走入智能时代,人工智能推动参与者的角色和职责将发生转变。从用户来看,传统意义上的学生,也开始转向课程辅导中心;从支持机构来看,政府与非政府机构会更看重来建设智慧校园,着力推动校园硬件设施,以及技术的升级;而从企业来说,参与的人工智能教育企业类型,除了以往的教育机构,更多的技术企业也开始加入这样一个生态圈。
第六大观点,中国人工智能教育企业目前以TO C为主,TO B端将成为下一阶段的发展重点。由于我们人口基数大,教育资源稀缺,对教育重视程度高等有利因素,因此发展前景较为广阔。而且随着TO C端竞争的日趋激烈,所以我们可以看到TO B端的市场将成为企业一个新的发展方向,以科大讯飞、乂学教育-松鼠AI、一起作业为代表的中国公司都在深切TO B市场。
第七大观点,全球的新兴智适应公司层出不穷,估值和融资也在不断的攀升,截止到2019年目前为止,作为人工智能教育主流的智适应教育公司在全球总计已经超过了100家,其中美国达到了52家,占一半以上。可见虽然人工智能教育企业发展较晚,但已经成为全球投资最热门的区域之一。全球范围内,Byju's、Dreambox Learning、松鼠AI等公司后获得了大金额的融资。
第八大观点,未来随着中国人工智能在教育行业的竞争进入红海,中国教育行业或将如目前的欧欧美教育巨头一样,在持续加大投资的同时,对一些特定细分领域的公司会产生大量的兼并和收购。
对于此次发言,卢莹指出,将于今年6月推出中国教育智能化发展报告的全文,届时将会做出更详尽的阐述。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。