采访迈克尔坎贝尔,创始人& CEO of Glossika

Michael Campbell是创始人兼首席执行官 光盘是一家适用人工智能来援助语言学习的公司。

坎贝尔先生也是委员会成员 AI为教育2019年倡议旨在识别和突出人工智能技术在教育中识别和突出最有益和有益的和有益的和有益的和有益的和有益的和有益的应用的倡议。

在这次采访中,坎贝尔先生股票熟悉如何在语言学习中杠杆化以满足每个学生’需要,以及他对新工具的未来的看法,因为新工具正在改变教室教授语言的方式。

这次采访一直是 2019年AI为教育倡议提供。


光盘 Q&A

你的背景是什么?

我会形容自己是茁壮成长的人“pain”。我在东亚的一个外国的一个移民开始了一家公司,以外国为领导的一支球队,世界上最复杂的写作系统,我经常必须阅读财务报告和文件。由于我的移民地位,我不得不建立一家公司,没有适当访问银行或信用卡或信用卡或任何外部投资或贷款,因为我基本上在那个地点开始了我的成年生活,没有以往任何地方的任何连接。我不得不依靠联系,并将很多东西放在一起才能使其工作。

我的生活在建立更多的痛苦时构成了,所以我做了各种精神和身体挑战。我每天早上跑10公里。一世“enjoy”在我在晚上的空闲时间练习各种复杂的钢琴协奏曲。我每隔一年左右都试图学习土着语言。和我’像Wim Hof这样的鼓舞人心的人的粉丝。一世’LL稍后请参阅处理“pain” in education.

肯定是启动公司的方法,更简单的方式可以成功,更简单地赚钱。但我相信我们通过逆境变得更强壮,更具弹性,我一直以这种方式引导我的生活。

幸运的是,我’m在语言的业务中。

I’自从我是一个孩子,大多是英语,俄语,德语和意大利语的语言以来一直被任何人包围。到20岁,我曾被培训为中文翻译和翻译。由于我在接下来的几年内接触了机会,我逐步淘汰了,并最终为大中华区的公司进行了大约十年的项目,其中包括解决公司流程的瓶颈,国际营销策略,跨文化沟通,流利培训的Salesforce等,并在此期间获得了很多有价值的经验。

我喜欢学习学习,我广泛阅读了各种主题。但是人类的沟通,特别是现实世界事件如何变成人类表达一直是特别的兴趣,深刻理解它使我允许我拿起具有高度不同结构的语言。 

我已经把它带到了极端,并获得了几种土着语言,其中一个人特别好。在我了解到它的时候,2010年只有5名母语人士的蜂鸣器,这就是为什么我更加紧急获取高熟练程度的语言。今天,这些扬声器都越来越了,我’只有剩下的少数非母语人员之一。语言学家声称这种历史上有5000多年的历史,反映了一个非常古老的语言家庭的最早已知的特征,称为澳大利亚人。在泰国内部,我可以找到将语言与泰国和夏威夷语言连接的词根,甚至是希腊语,尤其是它的词“I”,这也许是世界上最古老的词。这种语言缺乏对现代发明的大量词语,但它在植物群和动物群中具有极其丰富的词汇,不幸的是,大多数可能被带到坟墓和永远失去的大部分信息。

我仍然让它在每隔一年出去学习另一种土着语言,无论我记得还是失去它,就不要。重要的是冒险和经验,出来的故事和你见面的人。学习土着语言就像解决了数千次谜题一千次更大,它带来了更大的奖励。但是通过每种语言,拼图变得较小,更易于解决!

人们令人惊讶地与世界相似。如果只有世界才能睁开耳朵,真正倾听人们并试图了解那些在表面上看起来不同的人,世界上会有很多仇恨。人类最独特但又统一的特征之一是我们对语言的礼物。我们都拥有它,每种语言都能够在地球上表达我们共同体验的完整境界。没有一种语言比另一个语言更好,土着语言可以充满大量复杂性,许多主流语言随着时间的推移而失去了许多主流。

格洛莎怎么开始?什么是光泽鸟’s mission?

语言教育学中的一个问题,无论是在模拟还是数字意义上,都是在语言学习中间阶段的主要缺乏组织,以产生流畅性的结果。这种缺乏组织在随机的方法和方法中表现出各教师单独发展的方法。

口译员建立了一个很好的系统,以训练流利程度极高。不幸的是,很少有人知道这些学习方法。 Glossika诞生了制作这样一个系统的想法,使我能够改善一些更多的被动知识语言,我可以在我的空闲时间做的事情,没有太多的额外努力,但产生类似的有效结果。

在许多东亚国家,我经常看到个人可能有500-1000个英语单词的工作词汇,对英语语法有着粗糙的了解,或者他们被动地从上学日记得了,但绝对没有能力张开嘴说话。这是由于它们遇到语言的极低频率。事实上,发音可以因个人之间的相当传播而广泛地变化。没有母语的英语讲话者会理解其中一个人只讲单一英语单词,因为发音会减损他们打算的任何意义。

然而,通过一点点培训他们已经知道的东西,您可以将这个人转变为可以与少数练习会沟通的人。即使有同样的发音,一旦他们’能够将他们所知道的句子串起来,即使是母语扬声器也可以开始理解含义,即使发音不能治愈。当你可以改变一个人’对沟通的信心,他们沟通越多,他们的发音就越好。他们’LL开始听到自己,能够更好地理解别人。它’在正周期中的第一步,导致它们更有效地沟通。

因此,以外语沟通的关键是能够将句子放在一起,以便母语人员会理解。发音,词汇,即使是语法,是辅助考虑因素。原因是练习母语人士产生的结构良好的句子已经有词汇和语法正确使用。下一步只是通过模式识别训练这些。

为了汇总句子,我们作为这样一个系统的设计者必须具有强大的语法框架。因为这是我们的框架 ’重新替换以任何语言出现的模式,以及从这些模式中出现的模式,您会发生语言采集。没有模式,一切似乎都是随意的,没有任何事情发生了。这可以比作生活在国外或在目标语言中观看所有电影,几十年而不获得任何进展。随机噪声等于随机结果。

决定在Glossika的规模以比例执行此操作,我们需要解决最困难的问题,解决最具挑战性的语言,然后使用级联的解决方案为所有其他语言。几年前,我开发了我们的句法框架,基于描述真实世界事件的一阶逻辑,我们现在使用AI将所有模式映射回Myriad曲面品种语言。例如,每当我们’我们面临着新的句法挑战,我的一项比赛之一是如何以广泛的发散语言表达,如Dyirobal(澳大利亚的土着语言)或Pirahã(巴西的土着语言),或许多人中的任何一个世界上的永久语言。因为如果它通过测试,那么我们’你可能有正确的方法。所有其他语言都落在该级联下面。

向Glossika添加大量语言很重要,而不是因为英语扬声器想要了解大量语言。我们可以’猜猜人们来自哪里或他们在哪里’重新开始,所以让事情变得更加复杂,我们的平台是一个敞开的门:我们每个人都可以使用。它’重要的是因为人们说大量语言,并希望使用自己的语言学习英语,法语,中文或其他主要语言。一旦我们的系统中有一个像孟加拉这样的语言,这意味着任何说孟加拉人的人现在可以在我们的系统上学习日语或中文或阿拉伯语。他们这样做是因为他们经常前往这些国家工作。

但比语言更重要的是实际的语言内容。我们’现在在加入和定义与特定行业和专门用于这些行业的产品相关的内容。

谁是Glossika的客户,你如何为他们创造价值?他们面临的挑战是什么,或者他们将来会面临着未来的,那个光花征可以帮助他们克服?

我们的算法’在2019年的产品中建立了在许多方面有益于人民,每天都是我’m发现这些益处不同类型的客户的新方法。

光盘是语言老师或导师可以要求的最好的工具之一。特别是在课程开发方面。 Glossika解决了数据库中深度的课程问题,为每个学生量身定制。 Glossika能够阅读大量句子的复杂性,以任何支持的语言编写,并以学生可以在一次逐步获取该数据的方式对其进行复杂性,而不会被负担过重。例如,我们可以在任何语言中占据任何主题的整个小说或教科书,我们的算法可以将所有这些数据从最简单的句子中的所有数据分类到理解方面最难。这是因为光泽焦点侧重于语言和沟通,而不是主题。所以它普遍适用于任何主题。我们只是避风港 ’T有机会开始努力进入其他主题问题。但是,对于与其他教育领域的其他开拓公司互动的机会成熟。比尔盖茨于2019年6月刚刚提到斯坦福大学“reading in general”建立这样的“agent”可以帮助学生喜欢导师,是现在最大的未解决问题之一。门和其他人在这些领域开拓往往会想到这些问题“science” or “math”问题而不是语言问题。它’比前者更加后者。

对于语言的教师和辅导员,特别是最重要的是,他们的学生每天练习Glossika并每周与老师联系。这一整周的实践与学生有更高的参与速度,更令人谈论的目标语言的会话,以及教师也可以帮助回答从好奇心,曝光和实践的问题进行更高的参与速度过去一周的语言。

此外,由于Glossika拥有各种商业工具,适用于教师和组织,因此Glossika可以补充他们的收入,随着学生的来,甚至会随着学生的进入而提供更可持续的收入。一种方式是将Glossika结合到他们的一套服务中,他们可以跟踪他们所有学生的进度来自界面。另一种方式是与Glossika合作,并通过其网站销售委员会。

光盘’S 2019产品发布为学生正在学习的教师和管理员提供更多的问责制,特别是在他们的大多语言方面’在句法模式和词汇方面获得,他们的记忆对于每个项目有多强,以及哪些物品特别困难。我们’重新努力将机器学习应用于我们的算法,以便他们可以预测最远的时间点,以便向学生提出一个问题,其中它们仍然非常可能正确地回答,这构成了无尽的积极增强,但这意味着它们’在他们的学习中取得了很多进展。然后,这些内存衰减率为每个用户对数据库中的每个项目都是针对每个项目量身定制的,以便我们可以为最困难的项目分析一个大型数据集,并允许影响排序算法。这意味着随着时间的推移和通过更频繁的使用,不仅改进了学生’成功提高,但冗余也从系统中取出,导致更高的效率。

告诉我们关于Glossika团队。

截至2019年中期,我们’重新专注于我们的r&D队位于台湾台北。这是我们的语言学家和开发人员聚集在一起解决各种问题的地方。该公司作为我们的实验室’始终探索和测试和解决困难问题。

我们的语言士团队主要由来自大学系统的学者组成,因此我们与这些团队有各种学期的项目。这些项目涵盖了特定的学科,例如语法,语义,词典,语音学和语音。对一种或多种外语知识很好,但我们总是雇用这些学科的特殊技能,首先配对计算技能。这是所有AI发生的地方。

算法在解决许多公司功能的大量问题方面是如此多才多艺,我认为这是’对于创始人或CEO来说,对于了解算法设计很重要。这就是我大部分时间的花费。

我设计并集成了所有系统的算法。只有其中一些算法包含机器学习。我们的一个主算法之一采用我们所有语言学算法的结果,这又包含ML,按复杂性对数据进行排序,对用户过滤,并将结果传递给用户。由于用户越来越多地,越来越多地过滤,这会被筛选,并且对每个项目的每个学习者都适应难度和内存强度。

最后,我们的开发人员团队侧重于将所有算法设置为代码和链接背面系统,其中包含在各种设备上同步和功能的前端接口。

没有COO,Sheena Chen没有COO,他们都没有佩戴这么多帽子,并且帮助公司顺利地运行,以不同于人力资源,运行生产团队,重新设计我们的整个生产线,建立我们的营销努力,与公司之外的客户,员工和沟通建立行为规则,最重要的是,以沟通所有想法的产品经理的角色,与开发人员沟通,以及将这些想法转变为可行的产品。

AI in Education Q&A

今天教育系统中有哪些主要挑战? AI技术如何帮助解决或减轻它们?

最大的挑战之一是课程开发。换句话说,学生依赖教科书和呈现信息的顺序构建框架来理解复杂的主题。那里’争论如何完成这一点。许多教师对举行或教导的章节自由,通常受到日程安排和截止日期的限制,而且还限制了他们自己的个人优势在特定主题中。然后是’与学生的复杂互动。保持健康的课堂环境有时需要心理学学位。为所有学生提供高效和准确的结果,可以比作在战区建造一座卡片。

也许我们是我们的“definitions”在主题中,不适合理解。我有语言学习的例子,我相信在其他科学中发现了更多的等待。

一个很好的例子是“subject” and “object”是一个非常可怕的范例,很多语言都没有’t坚持。即使在英语中,一个句子就像“the food is cooking”对其真实世界的同行非常误导。它没有’意味着胡萝卜或其他一些食物站在炉子烹饪晚餐。这是一个缺乏英语,因为它缺乏名词代理人的一个例子。所以主题和对象范式不起’真的意味着我们喜欢的真实主题或真实的对象“define”他们。使用Ergativity定义语言与真实世界的情景很好,也很好地解释了什么 大多数教师喜欢打电话“规则的例外”. I don’t accept “规则的例外”. “Exceptions” means you’重新教导错误的范式。在格鲁吉亚等半永久性语言中,我们的句法框架准确地预测了Ergativity标记应该在格鲁吉亚语法中纯粹在Georgian语法中进行准确地预测,基于我们的动词分类。以与日期和生殖器或任何其他案例标记的语言进行。那里’没有理由,学生必须在德语中记住所有动词,在语法语法算法实际上预测它,可以准确地预测它,并且可以将所有这些组织“beneficiary”角色模式在一起,学生可以通过“intersocial”这些动词的主题。该算法在没有必要在我们的系统中的任何地方定义德语语法的情况下,这一点。这是因为人类的语言实际上以可预测的方式脱离现实世界的事件,而且已被证明是从主流语言到世界过度的土着语言。

定义语法比检测模式更难。那’为什么这么多世界’s languages’语法是博士论文的写作!那么,由一些奇迹,读语法或教科书的学生将能够反向工程师,这些模式应该匹配和引导他们流利的真实世界情况?我们’在世界各地的近100%,我们已经看到这失败了。 

识字问题经常出现在这些论点中。许多教育工作者认为,法国人的识字比流利更重要。我认为,由于获得流畅性和识字性的努力现在均衡,然后首先缩小流畅性,因为它的奖励更大,并且允许在收购过程中进行识字。

传统上,通过自己的动机驱动的替代方法来实现流利的学生。

ai isn. ’神奇地让每个人都有学习的动力。但它可能会给我们一种接近难题的替代方式。我们相信,在减少努力和寻找更有效的获取语言的学生,将使用AI来增强自己的人类智力(HI),以及那’光华群岛扮演的角色。

今天AI在教育中提出的主要机会是什么?

解决语言学中的问题具有巨大效果,因为我们’在所有人类交流中解决问题。教育依赖于沟通学习。

教育的前提是我们向学生呈现新的句子’从来没有听过,看过或阅读。这些句子需要以零件所在的方式构建“n+1”换句话说,可理解的输入:90%的数据易于理解,10%是可以在句子的上下文中理解的新东西。

但是,由于在其他地方缺乏教育,或缺乏词汇或缺乏基本概念,那么当缺少课堂的学生才能理解不到50%的票据。学生无法学习,落后于其他学生。这导致了可能导致生命损坏的结果的恶性循环。没有学生应该有望学习或被暴露于低至50%的税率。

在另一边,你有快速学习者。那些认为90%的人过于光顾,更喜欢70%到80%,因为他们剥夺了收购更大块的学习的挑战。我认识到我’米爱这样的人之一“pain”,但这正是世界上大多数人所讨厌的。他们不’在他们的学习中想要任何痛苦。因此,这就是为什么识别学习疼痛的阈值对于提供更好的解决方案很重要。 

例如,机器学习可以从用户开始以基本假设开始’S疼痛阈值高于90%,然后随着用户拾取步伐并降低阈值,但从未超过该阈值超过百分比点的时间。

就像有较少的痛苦的道路一样,可以选择建立一家公司,我相信AI给予更多人对学习的痛苦途径。然而,有人需要通过建造解决方案的痛苦,因为解决方案并不容易。我们在公司中每天面临的许多问题都是NP难题。解决方案非常易于检查,但自动化为该解决方案非常困难,AI只能以有限的方式辅助。

以例如,python spacy。它只能帮助我们检测到句子中的分裂句法搭配的最佳准确度。我们必须在它周围硬编码很多,以挑逗我们所要求的非主题对象范式。它’很好的是这样的工具,但它’对于了解他们对特定用例的局限性同样重要。

有时它’当公司抛出大量数据看机器可以的东西时,有趣“learn” from it. I don’真正相信这是解决困难问题的方法。也许你可以用正确的框架建立这个,但我们如何相信公司经历过的“pain”弄清楚框架?我们想要的最后一件事是自行飞机,无论飞行员多么努力地停止它,都无论多么努力。

我经常看到讲语言的下一次革命的广告,这是一个可以为您解释的设备。当然,我有谷歌翻译了我的手机具有相同的功能。但使用翻译主要是作为我用来增强我的人类能力的工具。我从中学习,然后我获得了我’在其他地方学习使用。紧急情况可能很好。但我不’想依靠翻译做一切。在自己的身体内拥有外语的沟通权是一个非常有益的经历,我只希望更多的人能够体验到这一点。 

机器翻译有其局限性。正确使用,需要喂养右句子结构的MT,以使预期的正确语法结构取而化。大多数人都不’知道如何做到这一点,这对机器学习似乎很好。但人们说的大部分都将得到“lost in translation”。人类演讲中有太多的依赖性,无论是apaphora,cataphora还是其他可以引导mt误入歧途。通过MT准确地说话的唯一方法是重组自己的言论,就像机器人一样,一切都清楚地划明和明确定义,你的MT会致力于奇迹。 AI当然是关闭差距,但关闭间隙所需的数据量只是让一个奇迹…人的大脑是如此强大,可以在这么少的数据中如此短的时间做得那么多。我可以占据那个数据的一小部分,并将其排序在一个人类的学习序列中,并给予那个人类的剩余语言的礼物’生活。这需要更少的时间,而且越来越少的数据,而不是训练mt正常工作。 AI需要在赋权时正确定位“Human Intelligence”并占据我们生命中的所有平凡的任务。

ai isn. ’像人类一样聪明。如果AI非常聪明,那么它就会思考语言教育已经自己创建了一家公司并发布了世界上的解决方案。但是,我们依靠人们解决这些问题,启动公司,组织团队,创建解决方案。因此,我们需要更聪明的人,解决更难的问题,更强大的人类智慧。它’很难说AI是否会取代企业家。

教师如何为AI动力教育做准备?

专注于开创人类智力(HI)的AI援助是这里的优先事项。我们可以在解决更复杂的问题方面接受人类的大脑,以及如何帮助我们而不是试图替换我们?不断解决更复杂的问题是我们在自己的一生中如何发展,我’D喜欢看到这个世纪的平均景观远远超过20世纪最聪明的人。那里’没有理由,人类应该必须记住超过解决困难问题所需的程度。它’荒谬地忘记PI或大量数据,除非这些是您可以在实际问题中访问和使用的工具。基本的数学标准,如乘法表,是必须的,但更多地吸入使用工具(AI,计算器)的习惯,并快速找到解决方案,然后成为我们用来解决更多复杂问题的新内化语法是唯一的方式我们’重新将下一代进入更强大的嗨。

在接下来的5 - 10年里,你在哪里看到AI教育?

那里 are two things I’M兴奋:语音和视频。

为我们的平台带来视频意味着我们可以在世界上任何一个手语中培训更多的口译员,同时通过我们的脚本训练接口学习语言来学习口语语言。

那里’我们很多我们可以在不久的将来处理语音和视频技术。一世’M非常兴奋地对GaN的应用以及我们可以使用它解决的难题。

以下轶事也值得一提:几年前的视频去了挪威人尖叫着尖叫着你的车来调用音乐播放列表,而汽车则通过做所有事情来回应,除了他想要的东西,导致他放弃了恼怒。他的英语口音完全无法理解AI,但英语扬声器不难理解。

许多大公司已经破解了识别用户需求的问题’语音输入,但仅在某个标准偏差范围内。就个人而言,作为多种中文的演讲者—世界其他地区都指的是作为方言—我发现我的智能手机可以了解我的普通话,但只能在适当的口音里,但可以’甚至开始了解台湾或客家。我知道台湾的当地公司正在开创这些解决方案,但我怀疑它们是可扩展的。大多数公司为特定问题构建了非常狭窄的解决方案或狭窄的AI。 (因为那个’s less painful, it’更容易,你赚了更快的钱。)那种“hard” solution I’D对追求感兴趣,这肯定需要更长时间,是如何了解某种语言中的任何种类语言,无论涉及多少语音或语法变异。这意味着它会“adaptable”对于其中在该语言组中遇到的任何新的言论,并且不需要“trained”。例如,在Bantu语言上培训的系统将能够在该系统中首次听到它的千变种(千种其他语言和方言)中的任何一个。这,识别每个人’自有的声音可以理解,反过来,赋予世界上每个人都像他们想要的一样独特!

任务 ai时间杂志 是透过信息
关于人工智能的知识,改变
即将到来的是使用AI技术的新机会
益处人性。

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

关于AI时间期刊编辑人员

任务 ai时间杂志 是透过信息 关于人工智能的知识,改变 即将到来的是使用AI技术的新机会 benefit humanity.

查看所有帖子由AI时间期刊编辑人员→