
科技行者 8月14日 北京消息 Coursera推出了一种新的机器学习工具,旨在向公司展示员工从课堂上获取到的技能与相关专业水平。
这正是企业在在线学习领域面临的主要难题:Coursera、edX以及Udacity等网站上提供大量课程,但企业却不知道其中哪些内容对员工最有意义。一旦公司选择了学习计划,他们也很难弄清员工的技能积累与掌握情况。换言之,公司需要一项客观的指标来评估员工们新技能的熟练程度。
Coursera开发的一种新型人工智能工具旨在提供这样一项指标。这家来自硅谷湾区的初创企业日前宣布,这项功能将帮助所有订阅其培训计划的公司了解哪些员工在Coursera课程中拿到了最高分; 他们的员工技能与竞争对手相比有何差异; 哪些课程有助于填补现有知识空白等等。公司将能够在今年晚些时候通过Courser概况界面的在线仪表板访问这款工具。顺带一提,这款工具利用机器学习技术获取洞察力。
这项新功能还只是这家在线学习供应商利用人工智能实现学习者与课程间匹配性、评估其能力并根据反馈调整课程内容的例子之一。Coursera拥有一支数据科学团队,该团队负责人Emily Glassberg Sands表示,这款工具能够完成“在信息库内收集并存储数据、解释信息以制定内部决策、构建算法并反馈至网站”等一系列任务。Udacity的人工智能研究团队则成立于2017年,负责分析学生情绪、了解如何改进课程,并计算学习者是否喜欢这些变化。Udacity还利用基于人工智能技术的聊天机器人帮助学生在注册过程中找到最适合的课程内容,并回答各类常见问题。edX也表示,其正在通过人工智能进行实验,希望提高人们的学习与教学水平。
通过解决在线学习中的一系列固有难题,这些人工智能工具将激励更多的个人及公司接受此类培训。根据2017年《培训》杂志对美国企业的调查,提高教育计划有效性并衡量其具体影响是决定公司培训计划购买决策的两大优先事项。
这一市场仍拥有很大的发展空间; Coursera的商业计划以公司为目标,当前已经拥有1400家客户。(总体而言,Coursera拥有3100万名学习者,这使其成为世界范围内规模最大的在线学习服务供应商。)负责商业课程的Leah Belsky指出,“企业培训行业的致命弱点在于,没人知道该如何证明投资回报。公司知道自己的员工需要不断学习新技能才能保持竞争力,但他们很难通过沟通确定这种学习的价值所在。”
在另一方面,Coursera也希望对自身课程的意义进行量化。一年半之前,其数据科学团队开始开发机器学习算法,旨在映射Coursera平台上教授的4万种技能。首先,该团队使用自然语言处理(简称NLP)以确定教师在课堂上提到特定概念的频率。这些信息有助于确定哪些课程可赋予哪些具体技能。Glassberg Sands 表示,Cousera可以通过简单询问其教师来获得一部分数据,但其同时也利用自然语言处理以区分教育工作者口中的理论概念与学习者们所理解到的具体方法及技术。
最近,该团队还将一种名为条目反应理论(简称IRT)的心理学衡量方法引入到部分机器学习模型当中,旨在根据学习者们在Coursera测验及作业中的表现评估其实际能力。Glassberg Sands指出,这种方法使得该团队能够衡量不同学习者在回答不同难度的不同问题时表现出的对特定技能范畴的熟练程度。这一点非常重要,因为高水平的学习者往往会在Coursera上攻克更困难的课程并尝试比初学者们的选项更具挑战性的问题。IRT模型能够在评估学习者的熟练程度之前对其进行全面审查,从而确定特定测验问题到底在评估哪些技能、该问题的具体难度如何,从而给出更准确的结论。Glassberg Sands指出,“根据选定的比较组,企业管理者将能够得到处于各个技能水平的员工百分比。此外,您还可以将结果与Coursera上其它行业、国家或者任意规模的公司进行比较。”
大多数在线学习服务供应商会让企业客户看到有哪些员工参加了课程,他们的进展情况以及所带来的体验反馈。Coursera方面表示,机器学习技术的引入将使其能够检测数百万学习者在其学习平台上的表现,并提供预测性见解——包括学习者的技能水平以及更为标准化的衡量指标。从理论上讲,随着学习者与教师反馈到系统中的数据量的持续增加,这些机器学习模型本身也将变得更为智能。
Coursera希望其每天更新的技能基准信息真正为学习与培养专家、人力资源专业人员以及招聘经理带来帮助。在此之前,他们不得不以猜测的方式推断其它企业的竞争优势,例如员工的编程能力普遍比较强。然而,肯定也有一部分企业管理者不希望自己的员工水平被曝光在Coursera学习平台之上。
Glassberg Sands与Belsky认为,该项技术还能够以其它方式为个人带来助益,例如引导企业将注意力集中在以往受到忽略的人才身上。过去一个月当中,一直在测试Coursera这项新功能的软件巨头Adobe公司也认同这一观点。该公司数字学习计划负责人Justin Mass表示,“对于远程办公的专业人士们,我们往往无法轻易判断其业务水平。如今上线的新功能使我们得以真正了解我们的员工所了解及擅长的知识,这将帮助我们更明智地评估人才。”
好文章,需要你的鼓励
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。