• 最新论文
  • 海建集团积极发展装配式建筑 万宁儋州三亚装配式产业基地加快推进 顶新旗下味全三次卷入油品风暴 市值蒸发135亿 顶新旗下味全三次卷入油品风暴 市值蒸发135亿 从人工智能的角度聊聊自适应学习 DOTA27.00界面皮肤同步更新 守护之翼最为酷炫! DOTA27.00界面皮肤同步更新 守护之翼最为酷炫! 平均一天接诊不足1个 三亚戒烟门诊为何门可罗雀 空调维修工:高温高空作业后,清风徐来进万家 从人工智能的角度聊聊自适应学习 人社部拟出新规:职称在民企也管用,可作为岗位、绩效、薪酬依据 人社部拟出新规:职称在民企也管用,可作为岗位、绩效、薪酬依据 空调维修工:高温高空作业后,清风徐来进万家 空调维修工:高温高空作业后,清风徐来进万家
  • 推荐论文
  • 海建集团积极发展装配式建筑 万宁儋州三亚装配式产业基地加快推进 顶新旗下味全三次卷入油品风暴 市值蒸发135亿 顶新旗下味全三次卷入油品风暴 市值蒸发135亿 从人工智能的角度聊聊自适应学习 DOTA27.00界面皮肤同步更新 守护之翼最为酷炫! DOTA27.00界面皮肤同步更新 守护之翼最为酷炫! 平均一天接诊不足1个 三亚戒烟门诊为何门可罗雀 空调维修工:高温高空作业后,清风徐来进万家 从人工智能的角度聊聊自适应学习 人社部拟出新规:职称在民企也管用,可作为岗位、绩效、薪酬依据 人社部拟出新规:职称在民企也管用,可作为岗位、绩效、薪酬依据 空调维修工:高温高空作业后,清风徐来进万家 空调维修工:高温高空作业后,清风徐来进万家
  • 热门标签
  • 日期归档
  • 从人工智能的角度聊聊自适应学习

    来源:www.jlxsmy.com 发布时间:2019-12-31

    今天是春天的开始 春天的开始是耕作土壤和准备播种的好日子。 一大早,我收到了爱知行的好朋友李子发来的一篇文章《自适应学习的两种设计方案:知识点间和知识点内》,希望我能回复。 读完这篇文章后,我仍然觉得有些问题值得讨论,所以我说,“好吧,让我们再来一次。” “

    让我们先谈谈文章中的一些观点

    (1)首先,本文将适应分为两种类型:“知识点间”适应和“知识点内”适应 然后讨论了它们与计算机辅助测试的关系。 以下几点已经阐明:

    卡特彼勒的问题是,假设受试者的能力不变,是否存在给定题库的测试路径,以便系统可以用最少的问题量将学生的能力估计到某个预先指定的熟练水平。 因为卡特彼勒从根本上否定了通过实践学习的可能性,所以以IRT/卡特彼勒为推荐引擎的知识点中的适应性学习产品都被怀疑“挂羊头卖狗肉”(但知识点间的适应性系统没有这个问题)

    就个人而言,逐渐认识到需要区分传统知识点,并将它们分为“知识点之间”和“知识点内部” 当然,这也带来了新的挑战。 换句话说,JC (Junchen)后来提到,“知识点内的适应可以说是一个需要进一步研究的领域。” "

    (2)继IRT专题之后,进一步说,IRT不是一文不值,但以下概念需要加以区分 但目前,它的价值还没有真正得到正确的定位。

    (3)为什么区分“知识点”和“内部知识点”是有意义的?

    当我们第一次讨论适应时,大多数技术驱动的团队没有意识到这一点的重要性。 他们中的大多数都模仿国外的做法,也许是因为资本更喜欢国外成功模式的需要。 然而,中国的教育和考试是真正的“中国” 中国学生必须比国外的同龄人做更多的问题。当然,即使在美国,据说知识点之间的适应性应用效果也不理想。 也就是说:

    “知识点之间的自适应”是一个直观合理、技术成熟的设计方案 我们今天在中国看到的大多数适应性学习系统都属于这一类。 然而,“知识点间自适应”系统在美国的实际应用中并没有取得令人满意的效果。

    嗯,完成背景资料后,说些枯燥的东西,谈谈我对“自我适应”的看法和理解:

    首先,当我们谈论“自我适应”时,我们在说什么?

    从公众的角度来看,我认为“自适应”实际上是强调某种“智能”,希望机器能够智能地、自动地为我们解决一些问题。 从专业角度来看,实际上希望在两种需求之间取得平衡,即“按需推送资源”和“根据适应能力推送资源”,它们分别对应于“按需教学”(学习者自主选择学习内容和节奏)和“适应性教学”(系统或教师为学习者选择学习内容和节奏)

    2。“自适应”和“人工智能”是什么关系?

    蓝象营在其16年的预测中明确强调了“人工智能”。当然,“人工智能”非常热门。 值得注意的是,自我适应确实被纳入了“智力” 虽然我不太同意2013年开设的题库项目,但它可以被视为一个“智能”题库。嗯,我也同意称之为初级阶段,我暂时不讨论它。 原因是智能题库必须以“我希望机器能智能自动地为我们解决一些问题”为前提,而“传统的基于知识的智能题库”似乎真的没能解决任何问题。

    谈到“智力”,是否有一段学习心理学的时期仍然值得一看。

    这段话有几个含义:

    (1)知识与语义表征高度相关,从语义记忆的角度来看,涉及知识的话题需要“智能”;

    (2)相反,智能话题本质上是语义话题和语义记忆话题

    (3)设计上应与“情景记忆”无关。

    三、时下热门的“人工智能”将如何影响自适应?

    2016年,人类已经被阿法狗打败了。所以“人工智能”热潮再创新高。但是绝大部分的观点基本都在吹嘘“大数据”和“深度学习”。它们很少谈到专家系统,很少谈到语义,但是这些话题是同等重要的。

    2017年1月14日下午谷歌云首席科学家李飞飞今天在极客公园2017GIF大会上发表演讲 《李飞飞:AI成长伴随不确定性》 ,就对这一些话题进行了强调。我总结一下这个部分李飞飞的核心观点其实是这样的:

    1、深度学习,对于图片的识别目前已经没有什么问题,但是要让图片的意思被理解,进而进行有效的分类,目前还是很头疼的;

    2、分类依据,其实是一种“知识”;所有的“知识”本质上都是语义的,所以也可以说“分类依据,其实是一种语义”;

    3、目前,人工智能的话题,在语义方面解决得并不好。传统的NLP和专家系统其实都不是太灵,但它们是不可回避的话题,也是人工智能的核心话题。因此,如果人工智能的话题继续,我们就需要一些全新的思路来解决语义问题。这就不难理解为什么2016-11-30有篇文章 《谷歌搜索也是拼了!为上马神经网络,百名PhD人工处理数据》 。

    我回到我们文初提到的“知识点间”和“知识点内”相关的话题来衔接人工智能中语义的问题,我想起来的是耐格纳威斯基(澳)写的 《人工智能智能系统指南》 一书中的一副截图:

    关于自适应的话题,我补充如下:

    1、对于人工智能来说,对知识的标签进行人工的干预是必不可少的工作,国内知识工程专业,在北师大等一流高等学府是有开设的,但是其发展并不能满足当前实践的需要;

    2、专家系统的传统思路,只是必要的部分,但并不意味着它们足以解决问题。

    3、NLP的传统思路,为我们积累了大量词库集,但这些传统词集,如何更好地服务于“机器学习”也是一项重要的挑战。

    4、并未被词集化的部分,可能需要的是“新的知识工程技术”,它们可能开始于对认知语言现象和语用现象的深刻洞察,而成功于找到能为AI服务埋单的场景。这里面,最重要的领域可能就是教育。

    5、需要大量新技术、新知识的应用。我相信它们已经存在,只是还没有浮出水面。

    末了,我想用小发猫大中华区首席技术官、小发猫中国研究院院长沈晓卫在 《人工智能凶猛来袭!未来10年40的企业或将消失》 这篇讲话中的一句话来结尾,借以鼓舞那些像李子团队(爱知行)、像我们团队(图索教育)一样奋斗在创新第一线的伙伴们:人工智能它不是一个特定的技术,它是一个时代的开始,所以对非常多的行业和公司都会产生非常深刻的影响。我觉得一个公司是否存在取决于它是否拥抱变化。

    一年之计在于春,让我们开始行动起来!

    本文已标注来源和出处,版权归原作者所有,如有侵权,请联系我们。

    友情链接: