CNET科技資訊網(wǎng) 1月24日 北京消息(文/齊豐潤): 自從馬云卸任阿里巴巴CEO一職之后,教育就成為了他所關(guān)注的重點之一,而馬云自己也不止一次在公眾面前表示過,自己對于教育的關(guān)注。設(shè)置獎項,為優(yōu)秀的鄉(xiāng)村教師頒獎等等一系列做法的背后,也讓大家看到了馬云的教師情懷。
近日,阿里云就面向教育領(lǐng)域發(fā)力,與好未來教育云達(dá)成合作,據(jù)介紹,雙方將在教育云計算、大數(shù)據(jù)等領(lǐng)域達(dá)成深度合作。好未來教育云與阿里云將聯(lián)合把IT基礎(chǔ)能力、教育產(chǎn)品與服務(wù)、教師能力打包成教育行業(yè)的標(biāo)準(zhǔn)化能力輸出,賦能給線下12000多所中小學(xué)K12培訓(xùn)機構(gòu),共同打造互聯(lián)網(wǎng)+教育的新生態(tài)。
好未來集團副總裁兼教育云總經(jīng)理于莉表示,阿里云先進(jìn)的云端服務(wù)能力將為教育云提供強有力的技術(shù)支持,幫助其構(gòu)建更強大的業(yè)務(wù)能力,例如以強大的數(shù)據(jù)分析能力幫助好未來探索不同地區(qū)的教育發(fā)展訴求,共同推動教育均衡乃至個性化教育發(fā)展。
除了開放云計算、大數(shù)據(jù)、人工智能方面的核心能力,搭建信息化教育時代的基礎(chǔ)設(shè)施,阿里云也正在通過生態(tài)的力量,與合作伙伴一起助推教育資源對接,形成生態(tài)。同時,阿里云還積極與高校和社會培訓(xùn)機構(gòu)合作,培養(yǎng)大量專業(yè)人才,輸送回教育體系。
阿里云總裁胡曉明表示阿里巴巴集團一直是一加很有教育情懷的公司,無論是在馬云的身上還是在整個集團的氛圍上,而且他們也希望讓更多的教師得到優(yōu)質(zhì)的生活,讓更多的孩子得到優(yōu)質(zhì)的教育資源,“我希望跟好未來在一起,把接下來的人工智能的技術(shù),把我們的語音、視頻、自然語義,把我們今天的AI、VR的能力通過今天這個平臺結(jié)合起來,讓科技和未來對于技術(shù)的展望融入到我們的教育當(dāng)中。我相信這是好未來想的,也是阿里云所想的,科技一定會改變?nèi)藗兊纳睿視碓絹碓蕉嗟膭?chuàng)新。理想主義色彩超越伯樂,技術(shù)是我們這一次合作的關(guān)鍵詞。”
目前阿里云已推出與全國近200所高校合作的阿里云大學(xué)合作計劃AUCP及大數(shù)據(jù)人才認(rèn)證計劃,另外還與浙江、江蘇等6個省級教育廳實現(xiàn)合作,致力加速人才培養(yǎng)。
阿里云教育業(yè)務(wù)總經(jīng)理王曉斐表示:“國內(nèi)教育信息化這10年來取得了非常大的進(jìn)步,甚至跟美國可以媲美。但是我們遇到的問題是,我們現(xiàn)在教育的投資模式是80%在投資硬件,但在體制內(nèi)的教育里面面臨的是,在上端的內(nèi)容,老師信息化的水平這些軟性內(nèi)涵建設(shè)的問題,和底層非常優(yōu)秀的基礎(chǔ)設(shè)施之間是不協(xié)調(diào)、不匹配的問題,同時面臨著體制內(nèi)外的資源無法形成流動的問題。”
“我們希望未來的方式是,在教育信息化里面,應(yīng)該20%的投到相應(yīng)的基礎(chǔ)設(shè)施,是通過服務(wù)購買的方式。有80%的投入在于做教學(xué)內(nèi)容的創(chuàng)新,利用信息化能力和科技水平的提升以及打通體制內(nèi)外兩個教育市場的問題。傳統(tǒng)的教育和科技+教育的模式是從正金字塔模型走向了倒金字塔模型,這樣有更多的資源、內(nèi)容和內(nèi)涵的東西來支持我們在教育的改革和創(chuàng)新。”
其實,對于任何一種新技術(shù)出現(xiàn)時,我們都不難發(fā)現(xiàn)它都會被應(yīng)用在教育領(lǐng)域之中,因為這是國家的根本。此次與好未來教育云的戰(zhàn)略合作,將進(jìn)一步拓展阿里云用技術(shù)、生態(tài)力量對K12基礎(chǔ)教育領(lǐng)域的扶持培養(yǎng),讓更多孩子們接受更優(yōu)良、有趣、優(yōu)質(zhì)的基礎(chǔ)教育。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。