Имея за плечами несколько успешных запусков продуктов, команда AI Labs компании Learnosity упрощает продуктовым командам задачу интеграции ИИ в их рабочие процессы оценки знаний. В этом интервью участник команды Георгиос Канеллупулос делится своими мотивами, текущими проектами и взглядом в будущее.
Чем вы занимаетесь в Learnosity?
Я — инженер-программист и участник команды AI Labs в Learnosity, которая использует искусственный интеллект для улучшения образовательного опыта и качества оценки знаний. Я отвечаю за создание программного обеспечения, которое позволит преподавателям эффективно взаимодействовать с большими языковыми моделями. Я работаю над всем стеком технологий — от уровня базы данных до пользовательского интерфейса.
Как вы впервые увлеклись искусственным интеллектом? Что привлекло вас больше всего?
Я познакомился с миром ИИ во время учебы в аспирантуре. Меня сразу же увлекла идея о том, что машины могут учиться решать задачи, которые невозможно описать с помощью явных правил. Например, базовая задача распознавания оптических символов показала мне, что модели ИИ могут изучать закономерности непосредственно на основе данных, без необходимости программировать их шаг за шагом.
"Поразительно, как эти модели могут усваивать языковую структуру из огромных объемов текста и выполнять сложные задачи, связанные с обработкой текста."
У меня появилась мотивация глубже погрузиться в системы ИИ, и это привело меня к большим языковым моделям. Поразительно, как эти модели могут усваивать языковую структуру из огромных объемов текста и выполнять сложные задачи, связанные с обработкой текста.
Больше всего в моей нынешней роли меня привлекает возможность использовать возможности этих мощных инструментов для повышения качества оценивания.
Команда AI Labs открывает новую захватывающую эру инноваций для Learnosity, и события развиваются стремительно. Каковы ваши впечатления на данный момент?
Мой опыт был исключительно положительным! Быть частью AI Labs с самого ее зарождения было одновременно сложно и полезно. Для быстрого прототипирования новых продуктов моя команда получила возможность протестировать на практике новые инструменты и библиотеки. Мы все приобрели много технических знаний и научились интегрировать функции в единый и удобный для пользователя продукт.
"Для быстрого прототипирования новых продуктов моя команда получила возможность протестировать на практике новые инструменты и библиотеки. Мы все приобрели много технических знаний и научились интегрировать функции в единый и удобный для пользователя продукт."
Работа в таком темпе была бы невозможна без сильной командной культуры. Приверженность моей команды к очному сотрудничеству помогла идеям быстро пройти путь от концепции до реализации. Руководство оказало поддержку и успешно провело нас через инженерные трудности. Этот рецепт позволяет Learnosity стать лидером в области ИИ-инноваций для оценки знаний.
Не могли бы вы немного рассказать о том, над чем вы работаете сейчас и почему это увлекательно?
В настоящее время я работаю над проектом Item Bank Health Check. Его цель — улучшить качество вопросов, используемых в оценочных тестах. ИИ используется для выполнения различных задач с наборами экзаменационных вопросов, таких как выявление предвзятости, перевод экзаменов и повышение доступности за счет добавления альтернативного текста к изображениям и расшифровок к видео. Пользователи могут получить доступ к этим функциям через веб-приложение.
Item Bank Health Check — это продукт, который помогает преподавателям проводить качественное оценивание. Используя ИИ, они могут быстро и эффективно обрабатывать большое количество вопросов. Веб-приложение по своей конструкции использует подход «человек в контуре» (human-in-loop), чтобы гарантировать, что все изменения и дополнения, внесенные ИИ, проверяются преподавателями перед тем, как будут представлены студентам.
Назовите одно главное изменение, которое, по вашему мнению, ИИ произведет в оценке знаний в недалеком будущем?
ИИ может трансформировать оценку знаний в ближайшем будущем за счет персонализации. В настоящее время преподаватели создают тесты для всех членов своего класса, не принимая во внимание индивидуальную успеваемость. ИИ может заполнить этот пробел, генерируя вопросы или выбирая наиболее подходящие из пула на основе прошлой индивидуальной успеваемости.
В качестве примера давайте представим, что студент прошел тест, разработанный его преподавателем. ИИ может проанализировать ответы студента и автоматически создать повторный тест, ориентированный на конкретные слабые места этого учащегося.
