For nylig har lærere og institutioner ledt efter forskellige måder at inkorporere kunstig intelligens (AI) i deres læseplaner, hvad enten det er undervisning i maskinlæring (ML) eller inkorporering af det i at skabe lektionsplaner, karaktergivning eller andre uddannelsesmæssige applikationer. Generative AI-modeller, især store sprogmodeller (LLM'er), har dramatisk fremskyndet AI's indflydelse på uddannelse. Generative AI- og NLP-modeller har et stort potentiale til at forbedre undervisning og læring ved at generere personligt tilpasset læringsindhold og give eleverne engagerende læringsoplevelser.
I dette indlæg skaber vi en generativ AI-løsning til lærere til at skabe kursusmaterialer og for elever til at lære engelske ord og sætninger. Når elever giver svar, giver løsningen vurderinger i realtid og tilbyder personlig feedback og vejledning til eleverne for at forbedre deres svar.
Konkret kan lærere bruge løsningen til at gøre følgende:
- Opret en opgave til eleverne ved at generere spørgsmål og svar fra en prompt
- Opret et billede fra prompten for at repræsentere opgaven
- Gem den nye opgave i en database
- Gennemse eksisterende opgaver fra databasen
Eleverne kan bruge løsningen til at gøre følgende:
- Vælg og gennemgå en opgave fra opgavedatabasen
- Besvar spørgsmålene i den valgte opgave
- Tjek karaktererne for svarene i realtid
- Gennemgå de foreslåede grammatiske forbedringer af deres svar
- Gennemgå de foreslåede sætningsforbedringer til deres svar
- Læs de anbefalede svar
Vi guider dig gennem trinene til at skabe løsningen vha Amazonas grundfjeld, Amazon Elastic Container Service (Amazon ECS), Amazon CloudFront, Elastic Load Balancing (ELB), Amazon DynamoDB, Amazon Simple Storage Service (Amazon S3), og AWS Cloud Development Kit (AWS CDK).
Løsningsoversigt
Følgende diagram viser de ressourcer og tjenester, der bruges i løsningen.
Løsningen kører som en skalerbar service. Lærere og elever bruger deres browsere til at få adgang til applikationen. Indholdet serveres gennem en Amazon CloudFront-distribution med en Application Load Balancer som oprindelse. Den gemmer de genererede billeder i en S3-bøtte og gemmer lærerens opgaver og elevernes svar og score til separate DynamoDB-tabeller.
Løsningen bruger Amazon Bedrock til at generere spørgsmål, svar, opgavebilleder og til at bedømme elevernes svar. Amazon Bedrock er en fuldt administreret tjeneste, der gør fundamentmodeller fra førende AI-startups og Amazon tilgængelige via brugervenlige API-grænseflader. Løsningen bruger også den grammatiske fejlkorrektion API og omskriv API fra AI21 til at anbefale ord- og sætningsrettelser.
Du kan finde implementeringsdetaljerne i de følgende afsnit. Kildekoden er tilgængelig i GitHub repository.
Forudsætninger
Du bør have en vis viden om generativ AI, ML og de tjenester, der bruges i denne løsning, herunder Amazon Bedrock, Amazon ECS, Amazon CloudFront, Elastic Load Balancing, Amazon DynamoDB og Amazon S3
Vi bruger AWS CDK til at bygge og implementere løsningen. Du kan finde opsætningsinstruktionerne i readme-fil.
Opret opgaver
Lærere kan oprette en opgave ud fra en inputtekst ved hjælp af den følgende GUI-side. En opgave omfatter en inputtekst, spørgsmålene og svarene genereret ud fra teksten og et billede genereret ud fra inputteksten til at repræsentere opgaven.
For vores eksempel indtaster en lærer Børn og cykelsikkerhed retningslinjer fra det amerikanske transportministerium. Til inputteksten bruger vi filen cykel.sikker.ridning.tips.txt.
Følgende er det genererede billedoutput.
Følgende er de genererede spørgsmål og svar:
"question": "What should you always wear when riding a bicycle?",
"answer": "You should always wear a properly fitted bicycle helmet when riding a bicycle. A helmet protects your brain and can save your life in a crash."
"question": "How can you make sure drivers can see you when you are bicycling?",
"answer": "To make sure drivers can see you, wear bright neon or fluorescent colors. Also use reflective tape, markings or flashing lights so you are visible."
"question": "What should you do before riding your bicycle?",
"answer": "Before riding, you should inspect your bicycle to make sure all parts are secure and working properly. Check that tires are inflated, brakes work properly, and reflectors are in place."
"question": "Why is it more dangerous to ride a bicycle at night?",
"answer": "It is more dangerous to ride at night because it is harder for other people in vehicles to see you in the dark."
"question": "How can you avoid hazards while bicycling?",
"answer": "Look ahead for hazards like potholes, broken glass, and dogs. Point out and yell about hazards to bicyclists behind you. Avoid riding at night when it is harder to see hazards."
Læreren forventer, at eleverne udfører opgaven ved at læse inputteksten og derefter besvare de genererede spørgsmål.
Portalen bruger Amazon Bedrock til at skabe spørgsmål, svar og billeder. Amazon Bedrock fremskynder udviklingen af generative AI-løsninger ved at eksponere fundamentmodellerne gennem API-grænseflader. Du kan finde kildekoden i filen 1_Create_Assignments.py.
Portalen påberåber sig to grundmodeller:
- Stabil Diffusion XL at generere billeder ved hjælp af funktionen
query_generate_image_endpoint
- Antropiske Claude v2 at generere spørgsmål og svar ved hjælp af funktionen
query_generate_questions_answers_endpoint
Portalen gemmer genererede billeder i en S3-bøtte ved hjælp af funktionen load_file_to_s3. Den opretter en opgave baseret på inputteksten, lærer-id'et, de genererede spørgsmål og svar og S3 bucket-linket til det indlæste billede. Den gemmer tildelingen til DynamoDB-tabeltildelingerne ved hjælp af funktionen insert_record_to_dynamodb
.
Du kan finde AWS CDK-koden, der opretter DynamoDB-tabellen i filen cdk_stack.py.
Vis opgaver
Lærere kan gennemse opgaver og de genererede artefakter ved hjælp af den følgende GUI-side.
Portalen bruger funktionen get_records_from_dynamodb
for at hente tildelingerne fra DynamoDB-tabeltildelingerne. Den bruger funktionen download_image
for at downloade et billede fra S3-bøtten. Du kan finde kildekoden i filen 2_Show_Assignments.py.
Besvare spørgsmål
En elev vælger og læser en lærers opgave og besvarer derefter spørgsmålene i opgaven.
Portalen giver en engagerende læringsoplevelse. For eksempel, når eleven giver svaret "Jeg burde beskytte hjernen ved styrt", bedømmer portalen svaret i realtid ved at sammenligne svaret med det rigtige svar. Portalen rangerer også alle elevers svar på det samme spørgsmål og viser de tre bedste scorer. Du kan finde kildekoden i filen 3_Complete_Assignments.py.
Portalen gemmer elevens svar i en DynamoDB-tabel kaldet svar. Du kan finde AWS CDK-koden, der opretter DynamoDB-tabellen i filen cdk_stack.py.
For at bedømme en elevs svar påberåber portalen sig Amazon Titan Embeddings model at oversætte elevens svar og det rigtige svar til numeriske repræsentationer og derefter beregne deres lighed som en score. Du kan finde løsningen i filen 3_Complete_Assignments.py.
Portalen genererer foreslåede grammatiske rettelser og sætningsforbedringer til elevens svar. Til sidst viser portalen det rigtige svar på spørgsmålet.
Portalen bruger den grammatiske fejlkorrektions-API og parafrase-API'en fra AI21 til at generere de anbefalede grammatiske og sætningsforbedringer. AI21 parafrase-modellen er tilgængelig som en fundamentmodel i SageMaker. Du kan implementere AI21-omskrivningsmodellen som et slutningspunkt i SageMaker og påberåbe slutningspunktet for at generere sætningsforbedringer.
Funktionerne generate_suggestions_sentence_improvements
, generate_suggestions_word_improvements
i filen 3_Complete_Assignments.py vise en alternativ måde at bruge AI21 REST API-endepunkter på. Du skal oprette en AI21-konto og finde den API-nøgle, der er knyttet til din konto, for at aktivere API'erne. Du skal betale for påkaldelserne efter prøveperioden.
Konklusion
Dette indlæg viste dig, hvordan du bruger en AI-assisteret løsning til at forbedre undervisnings- og læringsoplevelsen ved at bruge flere generative AI- og NLP-modeller. Du kan bruge den samme tilgang til at udvikle andre generative AI-prototyper og applikationer.
Hvis du er interesseret i det grundlæggende i generativ AI og hvordan man arbejder med fundamentmodeller, herunder avancerede promptteknikker, så tjek det praktiske kursus ud Generativ AI med LLM'er. Det er et on-demand, 3-ugers kursus for datavidenskabsfolk og ingeniører, der ønsker at lære at bygge generative AI-applikationer med LLM'er. Det er et godt grundlag for at begynde at bygge med Amazon Bedrock. Besøg Amazon Bedrock Funktioner side , tilmeld dig for at lære mere om Amazon Bedrock.
Om forfatterne
Jeff Li er en Senior Cloud Application Architect hos Professional Services-teamet hos AWS. Han brænder for at dykke dybt med kunderne for at skabe løsninger og modernisere applikationer, der understøtter forretningsinnovationer. I sin fritid nyder han at spille tennis, lytte til musik og læse.
Isaac Privitera er Senior Data Scientist ved Generativt AI Innovationscenter, hvor han udvikler skræddersyede generative AI-baserede løsninger til at løse kundernes forretningsproblemer. Han arbejder primært med at bygge ansvarlige AI-systemer ved hjælp af retrieval augmented generation (RAG) og tankekæder. I sin fritid nyder han golf, fodbold og gåture med sin hund Barry.
Harish Vaswani er Principal Cloud Application Architect hos Amazon Web Services. Han har specialiseret sig i arkitektur og opbygning af cloud-native applikationer og giver kunderne bedste praksis i deres cloud-transformationsrejse. Uden for arbejdet er Harish og hans kone, Simin, prisvindende uafhængige kortfilmproducenter og elsker at bruge deres tid sammen med deres 5-årige søn, Karan.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
- PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
- PlatoESG. Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
- PlatoHealth. Bioteknologiske og kliniske forsøgs intelligens. Adgang her.
- Kilde: https://aws.amazon.com/blogs/machine-learning/develop-generative-ai-applications-to-improve-teaching-and-learning-experiences/
- :er
- :hvor
- $OP
- 125
- 173
- 7
- a
- Om
- adgang
- Konto
- adresse
- fremskreden
- Efter
- forude
- AI
- AI modeller
- AI-systemer
- Alle
- også
- alternativ
- altid
- Amazon
- Amazon Web Services
- an
- ,
- besvare
- svar
- api
- API'er
- Anvendelse
- applikationer
- tilgang
- ER
- kunstig
- kunstig intelligens
- Kunstig intelligens (AI)
- AS
- vurderinger
- forbundet
- At
- augmented
- til rådighed
- undgå
- prisbelønnede
- AWS
- swing
- afbalancering
- baseret
- BE
- fordi
- før
- bag
- skræddersyet
- BEDSTE
- bedste praksis
- Brain
- Bright
- Broken
- browsere
- bygge
- Bygning
- virksomhed
- by
- kaldet
- CAN
- kæde
- kontrollere
- Cloud
- kode
- sammenligne
- fuldføre
- omfatter
- Compute
- Container
- indhold
- korrigere
- Rettelser
- Kursus
- Crash
- skabe
- skaber
- Oprettelse af
- Kunder
- Dangerous
- mørk
- data
- dataforsker
- dyb
- deeplearning
- Afdeling
- indsætte
- detaljer
- udvikle
- Udvikling
- udvikler
- forskellige
- Broadcasting
- fordeling
- dykning
- do
- Dog
- downloade
- dramatisk
- drivere
- nem at bruge
- Uddannelse
- uddannelsesmæssige
- muliggør
- engagerende
- Ingeniører
- Engelsk
- forbedre
- fejl
- eksempel
- eksisterende
- forventer
- erfaring
- Oplevelser
- Funktionalitet
- tilbagemeldinger
- File (Felt)
- Film
- Endelig
- Finde
- blinkende
- efter
- fodbold
- Til
- Foundation
- fra
- fuldt ud
- funktion
- funktioner
- Fundamentals
- generere
- genereret
- genererer
- generere
- generation
- generative
- Generativ AI
- glas
- golf
- godt
- klasse
- stor
- vejledning
- retningslinjer
- hands-on
- hårdere
- hat
- Have
- he
- hans
- Hvordan
- How To
- HTML
- HTTPS
- ID
- billede
- billeder
- KIMOs Succeshistorier
- implementering
- Forbedre
- forbedringer
- in
- Herunder
- indarbejde
- inkorporering
- uafhængig
- Innovation
- innovationer
- indgang
- indgange
- institutioner
- anvisninger
- Intelligens
- interesseret
- grænseflader
- ind
- påberåber sig
- IT
- ITS
- rejse
- jpg
- Nøgle
- viden
- Sprog
- stor
- førende
- LÆR
- læring
- lektion
- Livet
- ligesom
- LINK
- Lytte
- belastning
- Se
- kiggede
- kærlighed
- maskine
- machine learning
- lave
- maerker
- lykkedes
- materialer
- ML
- model
- modeller
- modernisere
- mere
- flere
- Musik
- indfødte
- Natural
- Behov
- Neon
- Ny
- nat
- NLP
- of
- Tilbud
- Gammel
- on
- On-Demand
- or
- oprindelse
- Andet
- vores
- ud
- output
- uden for
- side
- særlig
- dele
- lidenskabelige
- Betal
- Mennesker
- periode
- Personlig
- Place
- planer
- plato
- Platon Data Intelligence
- PlatoData
- spiller
- Punkt
- Portal
- Indlæg
- potentiale
- praksis
- primært
- Main
- problemer
- Producenter
- professionel
- Programmering
- korrekt
- beskytte
- prototyper
- give
- giver
- leverer
- spørgsmål
- Spørgsmål
- rækker
- Læsning
- ægte
- realtid
- anbefaler
- anbefales
- repræsentere
- Ressourcer
- ansvarlige
- REST
- gennemgå
- Ride
- ridning
- løber
- sikker
- sagemaker
- samme
- Gem
- skalerbar
- Videnskabsmand
- forskere
- score
- sektioner
- sikker
- se
- valgt
- senior
- dømme
- adskille
- serveret
- tjeneste
- Tjenester
- setup
- Kort
- bør
- Vis
- viste
- Shows
- Simpelt
- So
- løsninger
- Løsninger
- nogle
- dens
- Kilde
- kildekode
- specialiseret
- hastigheder
- udgifterne
- starte
- Nystartede
- Stater
- Steps
- opbevaring
- studerende
- Studerende
- support
- sikker
- Systemer
- bord
- lærere
- Undervisning
- hold
- teknikker
- tekst
- at
- The Source
- deres
- derefter
- denne
- tænkte
- tre
- Gennem
- tid
- tips
- dæk
- titan
- til
- top
- Transformation
- Oversætte
- transport
- retssag
- to
- Forenet
- Forenede Stater
- brug
- anvendte
- bruger
- ved brug af
- Køretøjer
- via
- synlig
- Besøg
- gå
- gå
- ønsker
- Vej..
- måder
- we
- web
- webservices
- Hvad
- hvornår
- hvorvidt
- mens
- WHO
- hvorfor
- kone
- vilje
- med
- ord
- ord
- Arbejde
- arbejder
- virker
- Du
- Din
- zephyrnet