Fishlake-scripts.ru

Образование и уроки
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Искусственный интеллект обучение в россии

Искусственный интеллект в образовании: примеряем на Россию

Руководитель направления «Программирование» Нетологии Алексей Полехин рассказал о развитии технологий персонального обучения.

Два месяца назад администрация Фламандского региона Бельгии подписала контракт с британской ИИ-платформой Century Tech, использующей обучающие методики и решения, нейрофизиологию и обработку данных для персонализации процесса обучения в школах и университетах.

Эта новость о том, о чем мечтают родители почти каждого российского школьника: давать ребенку знания таким способом, чтобы он их усваивал в той манере, в которой это удобно его мозгу. Мы спросили экспертов, что это значит для России и когда нам ждать подобные технологии.

Алексей Полехин

Руководитель направления «Программирование» Нетологии

Как работает школа в любой стране? Учителя пытаются донести одни и те же знания до учащихся разного уровня, но часто терпят неудачу. А искусственный интеллект помогает адаптировать уроки под индивидуальные особенности каждого ученика.

Технология Century Tech будет развёрнута во всех 700 фламандских школах в ближайшие пять лет. В Century говорят, что это первый случай, когда власти приняли решение внедрить искусственный интеллект в школах в таком объёме.

Цель — заменить стандартную модель, когда преподаватели пытаются донести знания до учащихся разного уровня, но часто терпят неудачу, на принципиально новую, в которой искусственный интеллект помогает адаптировать уроки под индивидуальные особенности каждого ученика. Это подразумевает выявление тех областей знаний, с которыми он знаком или незнаком, где он чувствует себя уверенно или не очень, и оценку того, насколько ему нравится те или иные занятия. По сути, машина непрерывно анализирует прогресс каждого учащегося, выявляя тенденции потребления знаний и адаптируя уроки в соответствии с ними.

Другими словами, если ваш третьеклассник не может понять уравнения, ему не придется бежать вперед с остальным классом, а по вечерам слушать ваши объяснения про «чему равен Х». Искусственный интеллект выявит его проблему и в форме микроуроков позволит ему освоить материал.

Учитывая, что заявления о внедрении технологий, связанных с искусственным интеллектом, еще в прошлом году приходили из Австралии, соседней Белоруссии и даже Китая, мы поинтересовались у российских экспертов, насколько далека российская школа от иностранных инноваций.

Алексей Половинкин,

Внедрение ИИ в школах будет возможно тогда, когда у школьников будет постоянный доступ к компьютерам в школе и к собранным в них образовательным технологиям.

Когда каждый учащийся начнет использовать персональное цифровое устройство, можно будет говорить о начале внедрения полноценной цифровой школы. Только так мы получим цифровой образовательный след и базовый технологический фундамент для построения индивидуальных образовательных траекторий с использованием искусственного интеллекта. А затем он уже начнет обучаться и адаптировать свои знания об ученике благодаря данным, получаемым при каждом взаимодействии с системой.

Что нашим школам удалось реализовать на данный момент? В Москве активно используется МЭШ — Московская Электронная Школа. Важно понимать, что это еще не ИИ, но уже первая попытка автоматизировать образовательный процесс.

В ближайшие пять лет в России будет развиваться национальный проект «Образование», глобальная цель которого — создание единой образовательной платформы, которая даст возможность каждому школьнику получать качественное образование. В том числе с использованием адаптивного обучения и индивидуальных образовательных траекторий. А до конца 2019 года будет принято решение о разработке модели единой цифровой образовательной среды. Конечно, ИИ, как технология, могла бы стать частью этой экосистемы.

С другой стороны, в нашей стране уже есть примеры использования ИИ в образовании. Например, российский стартап Parla, который создал приложение для изучения английского языка. В основе приложения — программа, которая обучается вместе с учеником и адаптируется под его задачи и прогресс. Уже на этапе регистрации в приложении программа может анализировать данные из соцсетей и предлагать индивидуальную программу обучения, основанную на интересах конкретного человека. Это коммерческий проект, но большинство технологий зарождаются, в первую очередь, именно как коммерческий продукт».

По словам британских разработчиков, в среднем их платформу используют 20 минут в неделю в начальной школе и 40 минут в неделю — в средней. Преподаватели утверждают, что система освобождает шесть часов в неделю, — время, что можно потратить на творчество и физкультуру, которые часто вытесняются академическими дисциплинами в условиях серьезной экзаменационной нагрузки на студентов.

Также Century применяет базовые принципы нейрофизиологии для определения наклонностей, уровня знаний и выносливости студентов, темпа и подходящего времени для обучения, скорости перемещения информации из кратковременной в долговременную память. Эта аналитика впоследствии включается в алгоритмы машинного обучения.

Искусственный интеллект в образовании в России: в поисках сферы применения

Ни для кого не секрет, что использование искусственного интеллекта за последние годы совершило переворот во многих, в прошлом консервативных, областях нашей жизни. К сожалению, к ним сфера образования не относится. Использование искусственного интеллекта при обучении, по крайней мере в нашей стране, чем-то напоминает подростковый секс: все о нем много слышали и говорят, некоторые хвастаются, что он у них был, но подавляющее большинство им никогда не занималось и слабо представляет, что же это такое. Поэтому мы попытались разобраться в вопросе: выделить некоторые направления применения искусственного интеллекта в образовании и собрать доступные русскоязычной аудитории проекты.

Адаптивное обучение

Адаптивное обучение, пожалуй, одно из наиболее перспективных направлений применения искусственного интеллекта в образовании.

Уровень знаний у приступающих к изучению чего-либо разный. И способности разные. Разный жизненный опыт и разные мотивации. Поэтому кому-то из обучающихся программа всегда кажется слишком легкой, кому-то невыносимо трудной. Кому-то удобно воспринимать материал в одной форме. Кому-то в другой. В результате, преподаватель всё время оказывается перед нерешаемой задачей: как обеспечить приемлемую успеваемость «слабых» учеников и не отбить желание учиться легким материалом у сильных?

Читать еще:  Обучение работы в интернет магазине

Решить эту проблему должно применение адаптивных технологий. Предполагается, что искусственный интеллект будет отслеживать успеваемость каждого отдельного обучающегося и либо подстраивать порядок показа блоков курса под его способности, либо информировать преподавателя о том, какой материал хуже усвоен, а какой лучше.

Эксперименты по внедрению подобных программ в ранее консервативный процесс обучения ведутся многими передовыми технологическими компаниями. Однако на российском рынке пока доминирует взгляд на высокотехнологическое образование как на просто дистанционное, сохраняющее парадигму линейного курса: онлайн курса .

Одна из немногих платформ, позволяющих создателям онлайн курсов использовать возможности адаптивных технологий с применением искусственного интеллекта – это Stepik . Но даже на ней подобных курсов пока создано меньше десяти.

Элементы адаптивных технологий также применяются в таких проектах для детей и подростков как logiclike , где предлагаются программы для развития логического мышления, в проекте самоподготовки к ЕГЭ Еxamer .

Эксперименты по внедрению адаптивных технологий при обучении проводятся в коммерческих проектах в сфере HR. На сегодняшний день на российском рынке наиболее заметны Сompetentum , Ispring , Е-mba . Существуют попытки внедрения ИИ при обучении языкам ( Skyeng , Lingualeo , Websoft ), а также программированию и дизайну ( Geekbrains , Netology )

Прокторинг

Дистанционное обучение, локомотив современного высокотехнологического образования, подразумевает дистанционный экзамен. Как же провести его так, чтобы быть уверенным, что обучающийся не списывал? На помощь приходят системы прокторинга – слежки за студентом во время написания контрольных работ и сдачи экзаменов. В прошлом, под прокторингом подразумевалось, что на протяжении всего экзамена за сдающим наблюдают через веб-камеру.

Сегодня ситуация поменялась. На помощь человеку пришел искусственный интеллект. Он способен отслеживать поведение одновременно множества сдающих: нет ли «лишних» людей в кадре, нет ли «лишних» голосов в помещении, как часто сдающий отводит взгляд от монитора, не пытается ли сменить вкладку в браузере. Все эти действия фиксируются как нарушения. В особых случаях, система дает сигнал человеку-проктору обратить внимание на того или иного сдающего. Только тогда за ним начнут следить через веб-камеру.

В нашей стране наиболее продвинутый продукт в этой области представляет Proctoredu . В настоящее время сервис налаживает взаимодействие с платформами дистанционного образования, работающими на российском рынке, российскими ВУЗами и пытается выйти на рынки зарубежные.

… предчувствие будущего

Сфера использования искусственного интеллекта в образовании не ограничивается этими двумя направлениями. К примеру, существуют планы по созданию программ автоматической проверки творческих заданий – сочинений и эссе. Просто направления прокторинга и адаптивного обучения понятны современному человеку и в наибольшей степени проработаны. Идей же применения искусственного интеллекта множество. Воплощение из них пока получили лишь единицы.

И давайте не будем забывать — мы находимся в самом начале пути по внедрению новых технологий в сфере образования. Рынок только формируется. Но это ли не стимул испытать себя на нем?

Robotoved в социальных сетях и телеграме:

В российских вузах открываются программы обучения технологиям искусственного интеллекта

Программы обучения технологиям искусственного интеллекта стартуют в 100 вузах России, сообщает агентство РИА Новости https://ria.ru/20190901/1558123442.html со ссылкой на пресс-службу Министерства науки и высшего образования.

Как сообщил генеральный директор «Университета 20.35» Василий Третьяков, каждый специалист должен обладать навыками работы с технологиями искусственного интеллекта, «это позволит ему стать успешным и эффективным в своей сфере деятельности».

«Независимо от того, будет он строителем, лингвистом или художником. Задача проекта – дать всем студентам и сотрудников вузов понимание того, как искусственный интеллект меняет сферу деятельности и какие решения на основе искусственного интеллекта можно создать. «Университет 20.35» предоставит возможность обучения на онлайн-курсах и проведения интенсивных образовательных очных модулей. К проекту присоединилось более 100 вузов», – подчеркнул Василий Третьяков.

Как сообщал портал Ntinews.ru, на закрытии «Острова 10-22» 100 вузов, участвующих в образовательном интенсиве, подписали с Университетом 20.35, Агентством стратегических инициатив и IT-компаниями, российскими лидерами в сфере искусственного интеллекта и обучении технологиям ИИ: Mail.ru Group, Крибрум, Skyeng, Bigdata team, GIL соглашение об участии в сетевом проекте продвижения технологий в области искусственного интеллекта https://ntinews.ru/news/unti/ostrov/vse-komandy-ostrova-otkroyut-v-svoikh-vuzakh-programmy-obucheniy. . Проект также предполагает развитие соответствующих компетенций у сотрудников вузов и студентов.

Речь идёт о запуске единой программы обучения технологиям искусственного интеллекта. Проект призван объединить усилия университетов, частных и государственных организаций по созданию условий, которые обеспечат мировое лидерство России в области технологий искусственного интеллекта. Также проект подразумевает создание и широкое применение этих технологий в образовании для повышения доступности и конкурентоспособности обучения.

В частности, вузам станут доступны модули, обеспечивающие освоение компетенций в области искусственного интеллекта, которые они смогут включать в образовательные программы всех уровней и направлений подготовки.

Кроме того, в рамках проекта предполагается совместное накопление данных для формирования цифровых моделей компетенций специалистов, использующих в своей деятельности технологии искусственного интеллекта, а также создание и совершенствование рекомендательных сервисов с использованием технологий ИИ, участие в создании цифрового контента и реализации образовательных активностей, обеспечивающих развитие компетенций в области искусственного интеллекта.

В Министерстве науки и высшего образования рассказали, что в список вузов, в которых открываются программы по технологиям искусственного интеллекта вошли: Московский авиационный институт, Московский политехнический университет, Московский физико-технический институт «МФТИ», Национальный исследовательский Нижегородский государственный университет им. Н. И. Лобачевского, Национальный исследовательский технологический университет «МИСиС», Национальный исследовательский университет Высшая школа экономики, Национальный исследовательский ядерный университет «МИФИ» и другие ведущие вузы страны.

Проректор Высшей школы экономики Сергей Рощин рассказал, что вуз достаточно давно подключился к массовому формированию у студентов цифровых навыков и навыков работы с данными, которые и лежат в основе технологий искусственного интеллекта.
«Кроме того, мы делаем это безотносительно к тем профессиональным отраслям, которые студенты осваивают в качестве базы. Так, начиная с 2015 года, в университете был запущен майнор по интеллектуальному анализу данных: студенты любой бакалаврской программы нетехнического профиля – от философов до дизайнеров — могут последовательно с нуля изучать 4 дисциплины по Data Science и освоить даже машинное обучение», – отметил Сергей Рощин.

Читать еще:  Обучение по ведению инстаграм

Он подчеркнул, что с 2017 года в ВШЭ реализуется проект Data Culture, в рамках которого абсолютно все студенты бакалавриата осваивают цифровые навыки и учатся работе с данными.
«Для дальнейшего погружения в вопросы Data Science студентам доступен широкий спектр онлайн курсов, в том числе и подготовленная преподавателями ВШЭ на платформе Coursera специализация Advanced Machine Learning, которая очень популярна у пользователей всего мира», – добавил проректор НИУ ВШЭ.

Искусственный интеллект обучение в россии

Об авторе: Андрей Беляев, технический директор (CTO) исследовательской компании Neurodata Lab.

Умные дома, самоуправляемые автомобили, роботы-помощники… Нас окружают инновационные технологии, в основе которых лежат алгоритмы, по своей специфике напоминающие работу человеческого мозга. Их называют по-разному: алгоритмы с использованием машинного обучения, глубокого обучения, а иногда и вовсе искусственный интеллект (ИИ).

В чем разница между этими названиями?

Все задачи, которые может решать человек или компьютер, можно условно разделить на две категории: рутинные и нерутинные.

К рутинным задачам можно отнести те, где достаточно просто найти универсальный путь решения: например, сложение чисел или измерение температуры воздуха.

Искусственным интеллектом сейчас принято называть все, что способно решать нерутинные задачи на уровне, близком к человеческому, а иногда и лучше. Такие задачи окружают нас везде. Камеры над дорогой вычисляют скорость автомобиля, распознают его знак и высылают штраф, а системы безопасности в метро и аэропортах находят преступников в толпе. Все это сегодня принято считать искусственным интеллектом, хотя в действительности алгоритмы, лежащие в основе каждой такой технологии, уникальны. И только некоторые используют машинное обучение.

Получается, что машинное обучение — это обучение ИИ

Искусственный интеллект — это название не какого-то отдельного алгоритма, но скорее группы методов, которыми пользуются для решения различного рода задач. Алгоритмы, которые используют подходы с обучением, являются лишь одной из подгрупп всего того множества алгоритмов, что принято называть искусственным интеллектом.

Машинное обучение — это подход, при котором алгоритм «учится» решать задачу. Один из самых простых примеров алгоритма, использующего машинное обучение, это классификация фотографий на те, где изображены кошки и те, где есть собаки:

Допустим, есть несколько тысяч фотографий кошек и несколько тысяч — собак. Эти данные можно загрузить в алгоритм и заставить его «учиться» отличать кошек от собак, «ругая» за ошибки в классификации и «поощряя» за правильные ответы. В зависимости от количества и качества вводных данных, а также от сложности используемого алгоритма после некоторого количества итераций с «наказанием» и «поощрением», получается обученный алгоритм, которой с разным качеством умеет отличать кошек и собак.

Применяя методы машинного обучения, эти же алгоритмы можно «натренировать» и для выполнения более сложных задач — таких как поиск людей на кадре, определение пола и возраста человека и т.д.

Такие алгоритмы можно научить решать задачи любой сложности?

В теории — да. Но на практике мы сталкиваемся с большим количеством проблем, начиная от недостаточного количества данных для обучения, заканчивая невозможностью интерпретировать действия человека при решении такой же задачи. Получается, что невозможно построить алгоритм, который эти действия бы совершал. Хороший пример — автопилотируемый автомобиль. Научить машину держать полосу, входить в повороты и автоматически перестраивать маршрут, если на дороге ремонт, сравнительно несложно, потому что есть понимание, как вел бы себя человек (а значит, как должна вести себя машина) в таких ситуациях.

Однако научить автомобиль принимать решения в чрезвычайных ситуациях гораздо сложнее: проблема в том, что и самому человеку трудно понять, как именно надо поступать в том или ином экстренном случае. Поэтому человек не может показать алгоритмам примеры хорошего и плохого поведения для таких случаев.

А что насчет глубокого обучения? Чем оно отличается от машинного?

Как машинное обучение является подвидом искусственного интеллекта, так и глубокое обучение является подвидом машинного (см. картинку в начале статьи). В глубоком обучении используются те же подходы: алгоритму дают много данных и «ругают» его за ошибки. Разница здесь в том, что сами алгоритмы глубокого обучения устроены гораздо сложнее и часто используют более серьезные математические модели. Сейчас под алгоритмами глубокого обучения практически всегда подразумевают нейронные сети.

Нейронные сети? Как те, что в мозгу у человека?

Такое сравнение действительно часто используется. Нейросеть — это последовательность слоев, каждый из которых, в свою очередь, состоит из нейронов, и каждый выполняет свою роль. Есть нейроны (или группы нейронов), которые учатся выделять важные элементы на изображениях, например шерсть у кошки или собаки; есть те, которые учатся делать выводы, исходя из выделенных элементов — например, если у животного длинные лапы, то, скорее всего, это собака. Эти нейроны объединяются в группы (слои), а они превращаются в единую нейронную сеть.

И все же можно как-то сравнить процессы внутри нейросети с деятельностью мозга?

Некоторое количество идей, используемых в нейросетях, разработчики почерпнули из знаний об устройстве человеческого мозга. Одни из самых частых задач для нейросетей — это задачи, связанные с работой с изображениями. Для таких задач используют специальный тип нейросетей, внутри которых есть так называемые сверточные слои.

Если говорить упрощенно, смысл этих слоев в том, чтобы оценивать каждый элемент картинки (пиксель) не отдельно, а в группе с несколькими соседними, благодаря чему можно находить как базовые фигуры (линии, углы, и т.д.), так и объекты целиком. Примерно такой же процесс происходит и в человеческом мозге при обработке визуальной информации. После снятия всех возможных визуальных признаков в нейросети, как и в человеческом мозге, происходит анализ этих признаков, а затем принимается решение: видим мы, допустим, кошку или собаку.

Читать еще:  Обучение сказкотерапии дистанционно

А как происходит процесс обучения?

Процесс обучения алгоритма во многом напоминает процесс обучения человека. Как мы совершаем ошибки и учимся на них (например, что не стоит засовывать руку в кипящую воду), так и алгоритмы, использующие машинное обучение, совершают ошибки, за что получают штраф.

В качестве примера можно рассмотреть процесс обучения нейросети распознаванию лиц. Чтобы корректно обучить любую нейросеть, нужно сделать две вещи: собрать достаточное количество данных и определить, за что мы будем ее штрафовать. Применительно к этой задаче, необходимо собрать несколько десятков фотографий лиц для каждого из людей, которых надо определить, и штрафовать нейросеть за то, что предсказанный ею человек не совпадает с человеком на фотографии.

Что значит «поощрять» и «штрафовать» нейросеть?

С математической точки зрения нейросеть — это функция с большим количеством параметров. Штрафование этой функции за неверное определения лица — это когда мы, упрощенно говоря, корректируем работу функции таким образом, чтобы в будущем она меньше ошибалась. Соответственно, поощрение нейросети — это когда мы ее просто не штрафуем.

Во всех примерах вы рассказываете про конкретные задачи. А можно ли нейросеть научить думать, как человек?

Это уже скорее философский вопрос. Мыслительный процесс напрямую связан с наличием сознания. Нейронная сеть, как и любой другой алгоритм машинного обучения, по своей сути является лишь математической функцией, и умеет решать лишь одну конкретную задачу. Нейросеть, которую учили отличать кошек и собак, не сможет отличить медведя от слона, ведь она даже не знала, что такие существуют. Процессы же анализа данных, которые происходят в голове у человека, намного сложнее чем те, что происходят в нейросети, так что даже при наличии данных, сопоставимых по размеру с массивом информации, которую за жизнь получает человек, сегодня обучить нейросеть думать, как человек, невозможно.

Подписывайтесь и читайте нас в Яндекс.Дзене — технологии, инновации, эко-номика, образование и шеринг в одном канале.

Школьники России будут изучать искусственный интеллект. Но это может стать кузницей кадров для другой страны

Анна Старицкая, Василиса Андреева, Ольга Нижельская

К 2021 году изучение ИИ начнется в 1% школ страны. К концу 2024-го их доля увеличится до 50%. Такие данные приводятся в проекте «дорожной карты» развития ИИ в России, сообщило РИА «Новости». Ее разработали специалисты Сбербанка и Российского фонда прямых инвестиций (РФПИ). Ожидается, что с 2021 года в России будут проводить школьные олимпиады по ИИ.

На введение дисциплины в школах из федерального бюджета выделят гранты. Авторы проекта уже определили правила их выдачи. Кроме того, примерно 15 тысяч учителей направят на повышение квалификации. Новые образовательные модули «Искусственный интеллект» представят уже в 2020 году.

Выход из порочного круга

Сейчас в России наблюдается нехватка разработчиков и педагогов сферы ИИ. Об этом «360» рассказал специалист по глубоким нейронным сетям и машинному обучению и гендиректор «Лаборатории Наносемантика» Станислав Ашманов. Обучение школьников нужно было начать еще несколько лет назад. Тогда в стране уже было бы больше грамотных специалистов.

Источник фото: РИА «Новости»

«Пусть пока это будет не совсем качественно. Но иначе никак не сдвинешься с того, что у нас не хватает кадров, чтобы создавать решения в этой сфере. Нужно как можно скорее выходить из этого порочного круга. И я, как разработчик, инициативу приветствую», — подчеркнул он.

Исполнительный директор Ассоциации разработчиков программных продуктов (АРПП) Ренат Лашин тоже уверен, что включение новых учебных модулей в школьную программу необходимо и возможно.

«Школы за последние годы неоднократно оснащались современным оборудованием, обеспечивалось высокоскоростное подключение их к сети Интернет. Целесообразно использование различных онлайн-курсов по данной теме», — сказал Лашин.

Выбираем отечественное

Ашманов не исключил, что учителям информатики будет сложно разобраться в этой теме. Но они могут быть посредниками, объясняя ученикам сложные моменты онлайн-курсов или программ. В школах, где нет современных компьютеров, занятия можно проводить с помощью облачных мощностей. Тогда ученикам даже на слабой технике будет доступен вычислительный кластер для обучения нейронных сетей.

«Сейчас в школах уже есть кружки по робототехнике, IT-классы. В 35 школах Москвы уже есть классы по BigData, машинному обучению и искусственному интеллекту», — добавил он.

Для обучения школьников важно выбирать отечественные методики, убежден эксперт. Если делать это опираясь на технологии Google, IBM или Facebook, то велик шанс, что молодежь будет уезжать в Силиконовую долину.

Источник фото: АУ ХМАО «Региональный молодежный центр»

«Это не теория заговора. Сам Google заявляет, что делает эти технологии доступными, чтобы запросто нанимать себе кадры: все равно талантливые специалисты приедут к ним. Поэтому учить нужно на отечественном программном и аппаратном обеспечении. Иначе мы выстроим кузницу кадров для другой страны», — заявил Ашманов.

Помощь разработчиков

«Лаборатория Наносемантика» — один из разработчиков методики для проекта «IТ-класс в московской школе». В нем участвуют и другие члены АРПП «Отечественный софт»: 1С, ОА «ИнфоВотч», Новые облачные технологии и прочие, — пояснил Ренат Лашин.

Они организуют стажировки школьников, будут проводить внеурочные занятия, лекции, мастер-классы и экскурсии в офисы разработчиков. И помогут разработать систему повышения квалификации учителей, а также другие направления проекта: программирование, IT-безопасность, моделирование и прототипирование, BigData, технологии связи и робототехники.

«Каждое из шести направлений разрабатывается вузами совместно с IТ-компаниями, обеспечивается цифровыми учебными материалами и графиком мероприятий для учащихся. Каждое направление включает в себя цифровой пакет дидактических материалов», — сказал Лашин.

Ссылка на основную публикацию
Adblock
detector