GAST-PODCAST: Ed-Technical Staffel 2 Folge 9
Autoren
In dieser Staffel ist Libby Hills aus der Jacobs Foundation und der KI-Forscher Owen Henkel sprechen weiterhin mit führenden Forschern, Praktikern und Pädagogen über die Ed-Technical Podcast-Reihe Es geht um die neuesten Entwicklungen im Bereich KI in der Bildung. Komplexe KI-Konzepte werden verständlich erklärt, um die Forschungsergebnisse besser zu verstehen und Pädagogen zu helfen, die relevanten Erkenntnisse vom KI-Hype zu unterscheiden.
Diese Folge ist der zweite Teil unserer dreiteiligen Reihe. Miniserie mit GoogleIn dieser Folge erfahren wir, wie eines der weltweit größten Technologieunternehmen eine Familie umfangreicher Sprachmodelle speziell für den Bildungsbereich entwickelt hat: LearnLM. Im Fokus stehen die technischen und konzeptionellen Grundlagen von LearnLM. Libby und Owen sprechen mit drei Experten von Google, darunter DeepMind, die maßgeblich an der Entwicklung von LearnLM beteiligt sind.
Eines der Probleme mit standardmäßig verfügbaren großen Sprachmodellen besteht darin, dass sie so konzipiert sind, dass sie hilfreiche AssistentenNicht Lehrer, sondern Google war daran interessiert, ein umfassendes Sprachmodell zu entwickeln, das besser für Bildungsaufgaben geeignet ist und anderen als Ausgangspunkt für eigene Bildungsprodukte dienen kann. In dieser Folge sprechen Mitglieder des Google-Teams darüber, wie sie dabei vorgegangen sind und warum die Feinheiten guten Unterrichts dies zu einer besonders kniffligen Angelegenheit machen!
Sie beschreiben die Prozesse im Hintergrund, die ein generisches, großes Sprachmodell in ein speziell auf Bildungsbedürfnisse zugeschnittenes Modell verwandeln. Libby und Owen untersuchen, wie Googles Teams LearnLM feinabgestimmt haben, um es mit pädagogischen Funktionen auszustatten, die durch reine Softwareentwicklung nicht zu erreichen sind. Diese Folge bietet einen seltenen Einblick in die rigorose, iterative und interdisziplinäre Arbeit, die nötig ist, um eine universelle KI in ein Werkzeug umzugestalten, das das Potenzial hat, das Lernen zu unterstützen.
Seien Sie gespannt auf die nächste Folge dieser Miniserie, in der Libby und Owen einen Schritt zurücktreten und sich damit auseinandersetzen, wie man definiert unterrichten und zu beurteilen, inwieweit ein KI-Tool seine Ziele erreicht.
Teambiografien
Muktha Ananda Muktha ist Engineering Leader im Bereich Lernen und Bildung bei Google. Er hat KI in verschiedenen Bereichen wie Gaming, Suche, sozialen und beruflichen Netzwerken, Online-Werbung und zuletzt im Bildungssektor eingesetzt. Manche glauben daran, KI intelligenter zu machen. Mukthas Lebenswerk widmet sich der Aufgabe, Menschen mithilfe von KI zu schulen. Es geht ihm darum, komplexe Dinge, mit denen Menschen täglich konfrontiert werden, verständlicher zu machen. Ein Großteil seiner Arbeit konzentriert sich auf die Entwicklung von Plattformen, insbesondere von Wissensgraphen. Bei Google entwickelt Mukthas Team horizontale KI-Technologien für das Lernen, die auf verschiedenen Plattformen wie der Google-Suche, Gemini, Classroom und YouTube eingesetzt werden können. Muktha arbeitet außerdem an Gemini Learning. Das Team hat den Learning Coach eingeführt, die erste tutorähnliche Lernerfahrung auf Gemini.
Markus Kunesch Markus ist leitender Forschungsingenieur bei Google DeepMind und technischer Leiter des Forschungsprogramms „KI für Bildung“. Seine Arbeitsschwerpunkte liegen in den Bereichen generative KI, KI für Bildung und KI-Ethik, insbesondere in der Übertragung sozialwissenschaftlicher Forschungsergebnisse in neue Evaluierungs- und Modellierungsansätze. Vor seiner Tätigkeit in der KI-Forschung promovierte Markus im Bereich der Physik Schwarzer Löcher.
Irina Jurenka Irina ist Forschungsleiterin bei Google DeepMind und arbeitet dort mit einem multidisziplinären Team aus Wissenschaftlern und Ingenieuren an der Weiterentwicklung generativer KI-Technologien mit dem Ziel, qualitativ hochwertige Bildung für alle zugänglicher zu machen. Zuvor verbesserte sie das Denkvermögen von Sprachmodellen und erforschte, was eine „gute“ Repräsentation zur Unterstützung von Intelligenz ausmacht, indem sie Erkenntnisse aus maschinellem Lernen, Neurowissenschaften und Physik miteinander verband. Vor ihrer Zeit bei DeepMind wurde Irina für ihre Leistungen als Studentin der Experimentellen Psychologie an der Westminster University mit dem Undergraduate Award der British Psychological Society ausgezeichnet. Anschließend promovierte sie am Oxford Centre for Computational Neuroscience and Artificial Intelligence, wo sie sich mit den Rechenprinzipien der Sprachverarbeitung im auditorischen System des Gehirns befasste. Während ihrer Promotion entwickelte Irina außerdem KI für Poker, wandte maschinelles Lernen im Finanzsektor an und arbeitete bei Google Research an der Spracherkennung.
verbindung
Autoren