
教师在课堂上教小学生们使用平板电脑(图:GETTY)
AI技术如何更好地在教育和娱乐领域发挥作用?原帖发布在知识普及与分享论坛Quora上,下面来看专业人士给出的答案。
回答者为Patricia Scanlon博士,SoapBox Labs创始人:
说起孩子和科技的交集,大多数讨论都集中在“孩子每天看几个小时屏幕”或者“孩子们到底该不该接触科技”等等。但也许真正重要的问题应该是——科技能够为学生们的学习和娱乐生活带来哪些独特的助益?我们又该如何实现这些助益?
语音识别是一种AI技术,可以通过语音为孩子们提供许多独一无二的学习和娱乐体验。就个人来看,我觉得这是个独特的机会,有望使用语音识别为所有年龄段和学习阶段
的孩子们提供更强大、更快乐也更加身临其境的体验。而且这种体验是他们在其他场景中所享受不到的。
下面仅举几例:
1.阅读:语音阅读工具能够在孩子学会阅读、识字或者说话之前帮助他们尽快跨过阅读门槛,提前消解掉相当一部分阅读障碍问题。而当孩子们真正接触书籍时,支持语音的阅读应用还能在过程中倾听、提示、纠正并鼓励他们把握文中含义,如同身边始终伴有一位耐心的成年指导者。
支持语音的阅读应用能够即时准确地提供反馈信息,帮助孩子自主进步、定期练习、评估自己的阅读能力并发现需要改进的方面。支持语音的阅读评估系统则即时帮助教育工作者和家长及时了解孩子对哪部分内容理解不到位,并帮助他们以更加个性化的方式支持孩子们达成阅读目标。
2.语言学习:评估工具可以聆听孩子们的朗读语音,并立即返回发音得分与鼓励反馈,整个体验与家长或教师的陪伴非常相似。以面向2到6岁儿童的英语学习平台Lingumi为例,它就把专为儿童设计的语音识别技术嵌入到应用之内,使其能够在儿童朗读口语练习时认真“倾听”,之后根据发音是否标准、朗读是否流利等指标如同经验丰富的语言教师那样给出准确的即时反馈意见。
3.数学:尚不识字的孩子们也可以使用支持语音功能的应用,帮助他们在认识数字之前就初步理解这些符号背后的抽象概念。支持语音的应用能让整个数学学习体验变得更有趣、互动性更强。这些应用提供的课程内容也会随着孩子的成长和数学技能的加深而不断调整。
我们可以设想一位6岁的孩子在家中第一次接触数学:应用会向他们展示一张包含5个苹果的图片,并问孩子“你能看到多少个苹果?”孩子脱口而出“5个!”应用会返回正确的语音提示,并进一步发问“如果你吃掉3个,还剩几个?”孩子则叫道“2个!”孩子答对的问题越多,应用后续提出的问题就越难。如果孩子回答错误,应用则会在提示之后鼓励对方尝试再次作答。
4.交互式电视:如今的儿童向剧集和电影固然有趣,但本质上仍然只是一段被动的单向体验。孩子虽然喜欢爱探险的朵拉,但永远无法与她交谈并帮助她探索丛林。而语音功能的加入将彻底颠覆传统娱乐范式。
未来的电视和电影可能提供诸多分支,孩子可以在其中引导自己最喜爱的角色并选择他们接下来要去哪里一探究竟。交互式电视让孩子们有机会享受到每次不同的探险开端、中段与结尾。只要喊出自己的选择,孩子们就能在自己喜欢的节目中随时开启一段新的旅程。当然,这只是我对于未来交互式电视观看体验的一种畅想,但我真心希望自己的孩子能够拥有这样美好的童年经历。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。