Карта сайта
Карта сайта16 Февраля Четверг 09:36 Расширенный поиск
Запомнить
On-line трансляция
пуровская телерадиокомпания «луч»
Карта сайта
|
|
15.
02.2023 20:23:43
Школьники Харампура с интересом берутся за лабораторные опыты и проводят эксперименты по химии
15.02.2023 20:22:47
ДШИ Ямала обеспечат музыкальными инструментами на 5 лет вперед
15.02.2023 20:19:17
В Тарко-Сале сотрудники Новатэк-Таркосаленефтегаз передали в Центр социального обслуживания населения необходимое оборудование для детей с ОВЗ
14.02.2023 20:01:23
В Уренгое общественный совет проверил качество воды на водозаборе
14.02.2023 20:00:33
В администрации Пуровского района прошли публичные слушания по поправкам в Устав района
14.02.2023 19:59:42
В Ханымее волонтеры доставили продукты родственнице мобилизованного земляка
14.02.2023 19:58:41
В Пуровском районе стартовал проект «Островок тепла», где школьников знакомят с профессиями
14.
02.2023 19:57:48
В Пуровском районе стартовала весенняя заявочная кампания в детские оздоровительные лагеря
14.02.2023 19:56:48
В Тарко-Сале идет прием заявок на участие в вокальном проекте «Голос Севера 25+»
14.02.2023 19:55:42
В Ханымее открылась студия по работе с глиной
14.02.2023 19:54:23
В Казани на Единых играх специальной Олимпиады спортсменов с особенностями здоровья пуровчане заняли призовые места
13.02.2023 19:43:35
8 молодых семей получили сертификаты на улучшение жилищных условий
13.02.2023 19:42:17
12 февраля состоялся 2 тур чемпионата по мини-футболу на призы главы Пуровского района
13.02.2023 19:41:11
В посёлке Пуровск проходит операция «Жильё»
13.
Прошла проверка горки, катка, ледовых фигур и светодиодных элементов в п. Уренгой
13.02.2023 19:38:58
В Тарко-Сале прошло Первенство округа по греко-римской борьбе среди юниоров до 24 лет
все новости >>
Опрос Все опросы >>Family Tree — Увлекательная наука: 10 научно-популярных фильмов для детей 6–12 лет
1. «Земля. Биография планеты». National Geographic. 2011 год. 6+
Начнем с истоков — фильм о происхождении нашей планеты. Когда произошло рождение Земли, почему существуем мы и мир вокруг нас? Фильм перенесет нас в путешествие в далекое прошлое, чтобы воссоздать историю создания нашей планеты, поможет понять, как и почему существуют небо, земля и вода. С точки зрения достоверности излагаемых фактов все соответствует сегодняшней научной картине мира.
2. «Суперсооружения».
National Geographic Megastructures. 2004–2011 гг. 6+
Эта большая серия документальных фильмов ответит на все вопросы, касающиеся создания самых захватывающих и масштабных конструкций в мире. Ваш юный лего-строитель узнает, как создавали аэропорт, самую высокую телебашню, мощную плотину, крупнейший в мире порт и ледяной дворец. Кроме того, из фильма можно узнать о супертехнике, которая может справиться с непосильными для человека задачами, об истории строений и их предназначении. Серия документальных фильмов поделена на мини-сериалы: «Суперсооружения древности», «Боевые машины», «Мегаслом», «Мегазаводы», «Супермосты» и «Грандиозные переезды».
3. «Как это сделано?» (How It’s Made?) Discovery Channel. 2001 год — настоящее время. 6+
Любопытство — ключевое качество каждого ребенка. Этот документальный сериал создан специально, чтобы ответить на вопросы маленьких и больших почемучек о природе вещей. Здесь в мельчайших деталях рассказывается о производстве различных предметов и продуктов.
Героем программы может стать любая вещь из нашего обихода: от унитаза и автомобильных стекол до макарон и сахарной ваты. Производство продукта описывается буквально за пять минут, за которые зритель может полностью вникнуть в процесс изготовления и узнать все технические секреты. А работающие конвейеры, растворомешалки, давильни, плавильни и прочие производственные машины — завораживающее зрелище для любого зрителя! Этот документальный сериал существует уже восемнадцать лет и насчитывает около 350-ти выпусков.
4. «Сахар». Австралия. 2014 год. 12+
А вы знали, что рядовой житель планеты сегодня употребляет 40 чайных ложек сахара в день? Чаще всего даже не догадываясь об этом. И если убрать с магазинных полок все продукты, содержащие сахар, там останется лишь 20% от всего ассортимента. Есть над чем поразмыслить, правда? Автор на своем примере покажет, как скрытые сахара влияют на наше здоровье и самочувствие. При этом фильм смотрится на одном дыхании, так как сделан в развлекательной манере: с анимацией, спецэффектами и с участием известных актеров, в том числе, Стивена Фрая и Хью Джекмана.
5. «Испытайте свой мозг». National Geographic. 2011 год. 12+
Документалка о работе самого загадочного человеческого органа — мозга. Уже многие годы ученые пытаются разгадать его тайны. Как устроены память, внимание, зрение и слух? Вы узнаете, как центральный орган человека, ежесекундно получающий огромное количество информации, обрабатывает ее и выдает только ту, что необходима в данный момент. Способности мозга вас удивят, а благодаря увлекательной подаче и приведенным примерам из области тестов, фокусов и головоломок, этот фильм весело смотреть всем вместе.
6. «Арктика. Рискованная экспедиция». Россия. 2018 год. 12+
Настоящая летопись экспедиции на научном корабле с серьезными учеными-исследователями на борту. Группа из 75 ученых из 8 российских научных организаций отправляется к Северному полюсу на борту легендарного судна «Академик Мстислав Келдыш». Их миссия — выяснить силу влияния глобального потепления и стремительного таяния льдов в Арктике на нашу планету.
45 дней научного путешествия, серьезные наблюдения, которые способны изменить наш мир. История науки, которая творится прямо сейчас. Такие фильмы вдохновляют на серьезное увлечение наукой и поиски неизведанного.
7. «Насекомые или миллиметровый мир». Южная Корея. 2014 год. 6+
Благодаря этому фильму вы откроете для себя не видимый для человеческого глаза мир насекомых. Современная техника позволила человечеству разглядеть его совсем недавно. Ученые до сих пор открывают новые виды и узнают все больше поразительных подробностей об организации жизни некоторых видов. Среди насекомых встречаются и травоядные, и хищники, способные благодаря идеальной стратегии охотиться на особей, в несколько раз превосходящих их по размерам. Эти уникальные создания научились приспосабливаться, чтобы выживать в самых разных средах, используя маскировку и другие не менее поразительные задумки природы, о которых вы узнаете из фильма.
8. «Вызов бездне». США. 2014 год.
6+
Человек уже побывал на Луне, специальные роботы изучают поверхность Марса, но мы до сих пор не до конца изучили нашу собственную планету. Океанские глубины все еще хранят свои тайны, и этот документальный фильм расскажет о попытке человека раскрыть их. Речь идет о погружении в бездну Челленджера — самую глубокую точку Марианской впадины. А осуществил это беспрецедентное погружение известный режиссер, автор «Титаника», а также океанолог-любитель Джеймс Кэмерон. Он мечтал об этом приключении с детства и приложил максимум усилий, чтобы оно осуществилось. В фильме показано не только рекордное погружение на 11 километров, но и длительный подготовительный процесс и конструирование уникального современного батискафа. Вдохновляющий пример Джеймса Кэмерона поможет поверить, что даже самая безумная мечта при условии научного подхода и кропотливой работы может осуществиться.
9. «Супер способности животных» (Supernatural — The Unseen Power Of Animals). BBC. 1999 год.
6+
Вы задумывались, почему дети так любят комиксы про супергероев? Да и многие взрослые с интересом смотрят фильмы, где в недалеком будущем ученые находят способ наделить человека суперспособностями: умением летать, читать чужие мысли, идеально ориентироваться в пространстве. Люди давно наблюдают за миром животных и мечтают получить хоть немного их силы и выносливости. Благодаря шестисерийному документальному фильму BBC, посвященному различным талантам представителей животного царства, ваш ребенок узнает об экстрасенсорных способностях зверей, об их сверхразвитой чувствительности, о формах жизни, способных выдержать самые суровые условия, о необычных проявлениях взаимодействия человека и животных. Здесь вы также найдете объяснение многим явлениям, которые кажутся людям сверхъестественными, например, откуда берутся круги на полях или как ящерицы бегают по воде. А главное — многие тайны природы еще не раскрыты: вот где безграничное поле для развития детской фантазии!
10.
Сериал «Сквозь пространство и время с Морганом Фрименом». США. 2010–2017 гг. 12+
Этот фильм о Вселенной и вопросах мироздания уже можно считать культовым. А известный голливудский актер Морган Фримен, несколько раз за свою карьеру сыгравший самого Создателя, идеально подошел на роль ведущего. Задача этого научно-популярного сериала — исследовать главные вопросы современной науки, такие как состоятельность теории Дарвина и версии о внеземном происхождении человечества, загадка черных дыр, борьба со старением и многие другие. Авторы фильма пытаются примирить самые яркие умы и идеи современной астрофизики, астробиологии, квантовой механики, теории струн, чтобы приблизиться к разгадке Вселенной. Такой подход поможет вашему ребенку приобрести важнейший опыт: умение анализировать различные данные для поиска своих ответов на различные вопросы мироздания.
Продуктымиллиметровых волн | Компоненты
Перейти к содержимомуПродукты миллиметрового диапазона | Производство, проектирование и исследованияМиллиметровая волна2023-01-18T15:29:41+00:00
4;offsetyout:600;durationout:400;parallaxlevel:0;»> Миллиметровая волна и микроволновая продукция
Индивидуальные интегрированные решения для стандартных продуктов
От 7 ГГц до 500 ГГц 2 Состояние
01Свяжитесь с нами современное испытательное оборудование
Инновации • Тестирование • Доступны индивидуальные решения
связаться с намиПродукцияРасширенные возможности обработки
Большой объем • Прототип • Исследования и разработки Свяжитесь с намиПродуктыМы помогаем другим внедрять инновации
Отрасли, в которых мы работаем
Нам доверяют более 4000 компаний и организаций по всему миру
Просмотр продуктовСвяжитесь с намиМиллиметр
Products
Millimeter Wave Products Inc.
является мировым лидером в области продуктов миллиметрового и микроволнового диапазона, технологий, компонентов и сборок. От систем, разработанных по индивидуальному заказу, до серийного производства в диапазоне частот от 7 ГГц до 500 ГГц.
Мы производим всю нашу продукцию на нашем производственном предприятии и работаем с широким кругом клиентов и отраслей по всему миру, предоставляя продукцию миллиметрового и микроволнового диапазона. От стандартных компонентов до деталей, деталей и узлов, разработанных по индивидуальному заказу. Свяжитесь с нами сегодня, чтобы узнать, как мы можем вам помочь.
Просмотр продуктов
Просмотрите нашу линейку продуктов миллиметрового диапазона, компонентов, доступных.
От усилителей, антенн, изоляторов и прочего.
Просмотр продуктов
Индивидуальные продукты
Мы предлагаем индивидуальные заказы, когда стандартные продукты не соответствуют вашим потребностям.
Узнайте, как наша команда разработчиков и производителей может помочь.
Продукция по индивидуальному заказу
Экскурсия по нашему предприятию
У нас есть возможности для крупносерийного производства.
Когда вы будете готовы масштабировать заказ, мы готовы.
О нас
Глобальный охват
Нам доверяют более 4000 компаний и организаций по всему миру
Технические статьи и ресурсы
Из официальных документов, часто задаваемых вопросов, вики-руководств, видео, блогов и многого другого. Воспользуйтесь нашими ценными ресурсами.
Трехгранные отражатели для радиолокационных приложений
Уголковый отражатель — это пассивное устройство, используемое для отражения радиоволн непосредственно к источнику излучения. Таким образом, угловой отражатель является полезным устройством для радиолокационной системы…Подробнее
Двунаправленный цифровой аттенюатор для полевых испытаний радиосвязи 5G
Аттенюаторы с цифровым управлением являются ключевыми компонентами систем связи, радаров, контрольно-измерительных приборов и систем автоматического тестирования.
Генераторы с фазовой автоподстройкой частоты
Генераторы с фазовой автоподстройкой частоты Mi-Wave серии 957 используют технологию малошумящего синтезатора с фиксированной частотой…Подробнее
Измерение гармоник, искажений и мощности
Гармоники — это нежелательные частоты, генерируемые нелинейностями системы. Они кратны основной испытательной частоте…
Ошибки измерения мощности
Уровень мощности часто является критическим фактором при проектировании, оценке, покупке и, в конечном счете, работе почти всех радиочастотных продуктов…
Вы мечтаете об этом,
We Build It…
У вас есть индивидуальная потребность или вы не можете найти то, что ищете? Поговорите с нашей командой инженеров по продажам сегодня.
Компания Mi-Wave работает в области миллиметровых волн уже более 35 лет, и мы определенно можем помочь найти индивидуальные решения для ваших нужд.
Вы мечтаете об этом,
Мы строим это…
У вас есть индивидуальная потребность или вы не можете найти то, что ищете? Поговорите с нашей командой инженеров по продажам сегодня.
Mi-Wave работает в области миллиметровых волн более 30 лет, и мы определенно можем помочь найти индивидуальные решения для ваших нужд.
Текст кнопки
Ссылка для загрузки страницыКак этот стартап сократил производственные затраты на усилители мощности миллиметрового диапазона
Время обеда, когда ваш телефон звонит вам с помощью зеленой совы, которая радостно напоминает вам: «Держите Duo счастливым!» Это подсказка от Duolingo, популярного приложения для изучения языков, чьи алгоритмы знают, что вы, скорее всего, будете практиковать испанский в течение 5 минут в это время дня. Приложение выбирает слова уведомлений на основе того, что сработало для вас в прошлом, и специфики ваших недавних достижений, добавляя новизну, привлекающую внимание. Когда вы открываете приложение, урок, который стоит в очереди, калибруется для вашего уровня навыков и включает в себя повторение некоторых слов и понятий, которые вы пропустили во время последнего занятия.
Duolingo с его игровым подходом и набором ярких мультяшных персонажей представляет собой простой пользовательский интерфейс, который помогает учащимся пройти учебную программу, которая приводит к знанию языка или даже беглости. Но за кулисами работают сложные системы искусственного интеллекта (ИИ). В частности, одна система под названием Birdbrain постоянно совершенствует опыт учащихся с помощью алгоритмов, основанных на десятилетиях исследований в области педагогической психологии в сочетании с последними достижениями в области машинного обучения. Но с точки зрения ученика просто кажется, что зеленая сова становится все лучше и лучше в персонализации уроков.
Мы втроем принимали непосредственное участие в создании и улучшении Birdbrain, второй версии которого Duolingo недавно выпустила. Мы рассматриваем нашу работу в Duolingo как выполнение общей миссии компании по «развитию лучшего в мире образования и обеспечению его универсальности». Системы искусственного интеллекта, которые мы продолжаем совершенствовать, необходимы для масштабирования обучения за пределы более чем 50 миллионов активных учащихся, которые в настоящее время выполняют около 1 миллиарда упражнений в день на платформе.
Хотя Duolingo известен как приложение для изучения языков, амбиции компании идут дальше. Недавно мы запустили приложения, охватывающие детскую грамотность и математику в третьем классе, и эти расширения — только начало. Мы надеемся, что любой, кому нужна помощь в академическом обучении, однажды сможет обратиться к дружелюбной зеленой сове в своем кармане, которая ухает: «Готов к ежедневному уроку?»
Происхождение Duolingo
Еще в 1984 году педагог-психолог Бенджамин Блум определил то, что стало называться проблемой двух сигм Блума. Блум обнаружил, что средние ученики, обучавшиеся индивидуально, показали два стандартных отклонения лучше, чем в классе. Этого достаточно, чтобы поднять результаты тестов человека с 50-го процентиля до 9-го.8-й.
Когда в 2012 году Луис фон Ан и Северин Хакер запустили Duolingo в рамках исследовательского проекта Университета Карнеги-Меллона, целью было создать простой в использовании онлайн-репетитор языка, который мог бы приблизиться к эффекту сверхзарядки.
Основатели не пытались заменить великих учителей. Но как сами иммигранты (соответственно из Гватемалы и Швейцарии) они понимали, что не у всех есть доступ к великим учителям. В последующие годы растущая команда Duolingo продолжала думать о том, как автоматизировать три ключевых атрибута хороших преподавателей: они хорошо знают материал, они вовлекают студентов и отслеживают, что каждый студент знает в настоящее время, чтобы они могли представить материал, который ни слишком легко и не слишком сложно.
Duolingo использует машинное обучение и другие передовые технологии, чтобы имитировать эти три качества хорошего репетитора. Во-первых, чтобы обеспечить экспертные знания, мы используем инструменты обработки естественного языка, чтобы помочь нашим разработчикам контента проверять и улучшать наши 100 с лишним курсов на более чем 40 различных языках. Эти инструменты анализируют словарный запас и грамматику уроков и помогают создать ряд возможных переводов (так что приложение будет принимать ответы учащихся, когда есть несколько правильных способов что-то сказать).
Во-вторых, чтобы заинтересовать учащихся, мы добавили баллы и уровни в игровой процесс, использовали технологию преобразования текста в речь для создания пользовательских голосов для каждого из персонажей, населяющих мир Duolingo, и точно настроили наши системы уведомлений. Что касается того, чтобы проникнуть в головы учащихся и преподать им правильный урок — здесь на помощь приходит Birdbrain.0003
Birdbrain имеет решающее значение, потому что вовлеченность учащихся и сложность урока связаны между собой. Когда учащимся дается слишком сложный материал, они часто разочаровываются и бросают его. Материал, который кажется легким, может увлечь их, но не бросает им вызов. Duolingo использует искусственный интеллект, чтобы удерживать своих учеников в той зоне, где они остаются вовлеченными, но все еще учатся на пределе своих возможностей.
Один из нас (Сеттлз) присоединился к компании всего через шесть месяцев после ее основания, помог организовать различные исследовательские функции, а затем до прошлого года руководил Duolingo в области искусственного интеллекта и машинного обучения.
Раньше было не так много организаций, занимающихся крупномасштабным интерактивным онлайн-обучением. Ближайшим аналогом того, что пытался сделать Duolingo, были программы, использующие подход «мастерского обучения», особенно для репетиторства по математике. Эти программы предлагали задачи, связанные с похожей концепцией (часто называемой «компонентом знаний»), пока учащийся не продемонстрирует достаточное мастерство, прежде чем переходить к следующему блоку, разделу или концепции. Но этот подход не обязательно лучше всего подходил для языка, где одно упражнение может включать множество различных понятий, которые сложным образом взаимодействуют (например, словарный запас, времена и грамматический род), и где учащийся может использовать разные способы. ответить (например, перевести предложение, расшифровать аудиофрагмент и заполнить пропущенные слова).
Ранние работы по машинному обучению в Duolingo решали довольно простые задачи, например, как часто возвращаться к определенному словарному слову или понятию (что опиралось на образовательные исследования интервального повторения).
Мы также проанализировали ошибки учащихся, чтобы выявить болевые точки в учебной программе, а затем реорганизовали порядок представления материала.
Затем Duolingo удвоила усилия по созданию персонализированных систем. Примерно в 2017 году компания начала более целенаправленно инвестировать в машинное обучение, и именно тогда к команде присоединились соавторы Браст и Бикнелл. В 2020 году мы запустили первую версию Birdbrain.
Как мы создавали Birdbrain
До Birdbrain Duolingo предпринял несколько попыток, не связанных с искусственным интеллектом, чтобы удерживать учащихся на нужном уровне, включая оценку сложности упражнений на основе эвристики, такой как количество слов или символов в предложении. Но компания часто обнаруживала, что имеет дело с компромиссом между тем, сколько людей на самом деле узнают, и тем, насколько они вовлечены. Целью Birdbrain было найти правильный баланс.
Вопрос, с которого мы начали, был следующим: можем ли мы предсказать, насколько вероятно, что учащийся правильно выполнит это упражнение для любого учащегося и любого заданного упражнения? Чтобы сделать этот прогноз, Birdbrain должен оценить как сложность упражнения, так и текущий уровень знаний учащегося. Каждый раз, когда учащийся выполняет упражнение, система обновляет обе оценки. А Duolingo использует полученные прогнозы в своем алгоритме генератора сеансов для динамического выбора новых упражнений для следующего урока.
Эдди Гай
Когда мы создавали первую версию Birdbrain, мы знали, что она должна быть простой и масштабируемой, потому что мы будем применять ее к сотням миллионов упражнений. Он должен был быть быстрым и требовать небольших вычислений. Мы решили использовать разновидность логистической регрессии, вдохновленную теорией ответов на вопросы из литературы по психометрии. Этот подход моделирует вероятность того, что человек даст правильный ответ, как функцию двух переменных, которые можно интерпретировать как сложность упражнения и способности учащегося. Мы оцениваем сложность каждого упражнения, суммируя сложность составляющих его характеристик, таких как тип упражнения, словарные слова и так далее.
Вторым компонентом оригинальной версии Birdbrain была возможность выполнять простые в вычислительном отношении обновления этих параметров сложности и способностей. Мы реализуем это, выполняя один шаг стохастического градиентного спуска по соответствующим параметрам каждый раз, когда учащийся выполняет упражнение. Это оказывается обобщением рейтинговой системы Эло, которая используется для ранжирования игроков в шахматы и другие игры. В шахматах, когда игрок выигрывает партию, оценка его способностей повышается, а оценка его соперника снижается. В Duolingo, когда учащийся неправильно выполняет упражнение, эта система снижает оценку его способностей и повышает оценку сложности упражнения. Как и в шахматах, размер этих изменений зависит от жеребьёвки: если начинающий шахматист выигрывает у опытного игрока, показатель Эло эксперта будет существенно снижен, а показатель его соперника существенно повышен. Точно так же и здесь, если начинающий учащийся правильно выполняет сложное упражнение, параметры способности и сложности могут резко измениться, но если модель уже ожидает, что учащийся будет правильным, ни один из параметров не изменится.
Чтобы проверить производительность Birdbrain, мы сначала запустили его в «теневом режиме», что означает, что он делал прогнозы, которые просто регистрировались для анализа и еще не использовались Генератором сеансов для персонализации уроков. Со временем, когда учащиеся выполняли упражнения и получали правильные или неправильные ответы, мы видели, соответствуют ли прогнозы Birdbrain об их успехе действительности, и если они не соответствовали, мы вносили улучшения.
Ежедневное выполнение около миллиарда упражнений требовало большого изобретательства.
Как только мы были удовлетворены производительностью Birdbrain, мы начали проводить контролируемые тесты: мы включили персонализацию на основе Birdbrain для части учащихся (экспериментальная группа) и сравнили их результаты обучения с теми, кто все еще использовал старую эвристическую систему (контрольная группа). Мы хотели посмотреть, как Birdbrain повлияет на вовлеченность учащихся, измеряемую временем, затрачиваемым на выполнение задач в приложении, а также на обучение, измеряемое тем, как быстро учащиеся переходят к более сложному материалу.
Мы задавались вопросом, увидим ли мы компромиссы, как это часто случалось раньше, когда мы пытались внести улучшения, используя более традиционные методы разработки продуктов или разработки программного обеспечения. К нашему удовольствию, Birdbrain постоянно повышал показатели вовлеченности и обучения.
Масштабирование систем искусственного интеллекта Duolingo
С самого начала мы столкнулись с огромным объемом данных, которые нам нужно было обработать. Выполнение около миллиарда упражнений каждый день требовало большого изобретательского подхода.
Одной из первых проблем с первой версией Birdbrain было размещение модели в памяти. Во время ночных тренировок нам требовался доступ к нескольким переменным для каждого учащегося, включая текущую оценку их способностей. Поскольку новые ученики подписывались каждый день, и поскольку мы не хотели выбрасывать оценки для неактивных учеников на случай, если они вернутся, объем памяти увеличивался каждую ночь. Через несколько месяцев эта ситуация стала неустойчивой: мы не могли уместить все переменные в память.
Нам нужно было обновлять параметры каждую ночь, не помещая все сразу в память.
Наше решение состояло в том, чтобы изменить способ хранения как данных уроков каждого дня, так и модели. Первоначально мы хранили все параметры для данной модели курса в одном файле, загружали этот файл в память и последовательно обрабатывали данные за день для обновления параметров курса. Наша новая стратегия состояла в том, чтобы разбить модель: одна часть представляла все параметры сложности упражнений (которые не стали очень большими), а несколько частей представляли оценки способности к обучению. Мы также разделили данные об обучении за день на отдельные файлы в соответствии с вовлеченными учащимися и, что очень важно, использовали одну и ту же функцию разбивки по учащимся как для модели курса, так и для данных об учащемся. Это позволило нам загружать только те параметры курса, которые относятся к данной группе учащихся, в то время как мы обрабатывали соответствующие данные об этих учащихся.
Одним из недостатков этой первой версии Birdbrain было то, что приложение ждало, пока учащийся закончит урок, прежде чем сообщать нашим серверам, какие упражнения пользователь выполнил правильно и какие ошибки он допустил.
Проблема с таким подходом заключается в том, что примерно 20 процентов уроков, начатых в Duolingo, не завершаются, возможно, потому, что человек положил свой телефон или переключился на другое приложение. Каждый раз, когда это происходило, Birdbrain терял важные данные, потенциально очень интересные! Мы были почти уверены, что люди не уходили наугад — во многих случаях они, вероятно, уходили, как только наткнулись на материал, который был для них особенно сложным или пугающим. Поэтому, когда мы обновились до Birdbrain версии 2, мы также начали передавать данные в течение всего урока по частям. Это дало нам важную информацию о том, какие концепции или типы упражнений были проблематичными.
Еще одна проблема с первым Birdbrain заключалась в том, что он обновлял свои модели только один раз каждые 24 часа (во время низкой точки глобального использования приложений, которая была ночью в штаб-квартире Duolingo в Питтсбурге). В Birdbrain V2 мы хотели выполнять все упражнения в режиме реального времени.
Это изменение было желательным, потому что обучение работает как в краткосрочном, так и в долгосрочном масштабе; если вы изучаете определенную концепцию сейчас, вы, вероятно, вспомните ее через 5 минут, и, если повезет, вы также запомните ее на следующей неделе. Чтобы персонализировать опыт, нам нужно было очень быстро обновить нашу модель для каждого учащегося. Таким образом, в течение нескольких минут после того, как учащийся выполнит упражнение, Birdbrain V2 обновит свою «ментальную модель» своего состояния знаний.
Эти обновления происходят не только в реальном времени, но и по-другому, потому что Birdbrain V2 имеет другую архитектуру и по-другому представляет уровень знаний учащегося. Раньше это свойство просто представлялось в виде скалярного числа, так как нам нужно было сделать первую версию Birdbrain максимально простой. С Birdbrain V2 компания согласилась использовать больше вычислительных ресурсов, а это означало, что мы могли построить гораздо более богатую модель того, что знает каждый учащийся.
В частности, Birdbrain V2 поддерживается рекуррентной моделью нейронной сети (в частности, моделью долговременной кратковременной памяти, или LSTM), которая учится сжимать историю взаимодействий учащегося с упражнениями Duolingo в набор из 40 чисел — или на жаргоне математиков 40-мерный вектор. Каждый раз, когда учащийся выполняет другое упражнение, Birdbrain будет обновлять этот вектор на основе его предыдущего состояния, упражнения, которое учащийся выполнил, и правильности его выполнения. Именно этот вектор, а не отдельное значение, теперь представляет способности учащегося, которые модель использует для прогнозирования того, как они будут выполнять будущие упражнения.
Богатство этого представления позволяет системе фиксировать, например, что данный учащийся отлично справляется с упражнениями на прошедшее время, но испытывает трудности с будущим временем. V2 может начать различать траекторию обучения каждого человека, которая может значительно отличаться от типичной траектории, что позволяет гораздо больше персонализировать уроки, которые Duolingo готовит для этого человека.
Как только мы убедились в точности и стабильности Birdbrain V2, мы провели контролируемые тесты, сравнивая его персонализированный процесс обучения с оригинальным Birdbrain. Мы хотели быть уверены, что у нас есть не только лучшая модель машинного обучения, но и то, что наше программное обеспечение обеспечивает лучший пользовательский опыт. К счастью, эти тесты показали, что Birdbrain V2 неизменно приводит к дальнейшему увеличению показателей вовлеченности и обучения. В мае 2022 года мы отключили первую версию Birdbrain и полностью перешли на новую улучшенную систему.
Что ждет искусственный интеллект Duolingo
Многое из того, что мы делаем с Birdbrain и родственными технологиями, не связано с изучением языка. В принципе, ядро модели очень общее, и его также можно применить к новым приложениям нашей компании для математики и грамотности — или ко всему, что Duolingo придумает дальше.
Birdbrain дал нам отличный старт в оптимизации обучения и повышении адаптивности и эффективности учебной программы.