Récemment, les enseignants et les établissements ont cherché différentes manières d'intégrer l'intelligence artificielle (IA) dans leurs programmes, qu'il s'agisse d'enseigner l'apprentissage automatique (ML) ou de l'intégrer dans la création de plans de cours, de notations ou d'autres applications éducatives. Les modèles d’IA générative, en particulier les grands modèles linguistiques (LLM), ont considérablement accéléré l’impact de l’IA sur l’éducation. Les modèles d’IA générative et de programmation en langage naturel (NLP) ont un grand potentiel pour améliorer l’enseignement et l’apprentissage en générant un contenu d’apprentissage personnalisé et en offrant des expériences d’apprentissage engageantes aux étudiants.
Dans cet article, nous créons une solution d'IA générative permettant aux enseignants de créer du matériel de cours et aux étudiants d'apprendre des mots et des phrases en anglais. Lorsque les étudiants fournissent des réponses, la solution fournit des évaluations en temps réel et propose des commentaires et des conseils personnalisés aux étudiants pour améliorer leurs réponses.
Plus précisément, les enseignants peuvent utiliser la solution pour effectuer les opérations suivantes :
- Créez un devoir pour les étudiants en générant des questions et des réponses à partir d'une invite
- Créez une image à partir de l'invite pour représenter le devoir
- Enregistrez la nouvelle affectation dans une base de données
- Parcourir les missions existantes à partir de la base de données
Les étudiants peuvent utiliser la solution pour effectuer les opérations suivantes :
- Sélectionner et réviser un devoir dans la base de données des devoirs
- Répondre aux questions de la mission sélectionnée
- Vérifiez les notes de notation des réponses en temps réel
- Examinez les améliorations grammaticales suggérées pour leurs réponses
- Examinez les améliorations de phrases suggérées pour leurs réponses
- Lisez les réponses recommandées
Nous vous guidons à travers les étapes de création de la solution à l'aide de Socle amazonien, Service de conteneur élastique Amazon (Amazon ECS), Amazon CloudFront, Équilibrage de charge élastique (ELB), Amazon DynamoDB, Service de stockage simple Amazon (Amazon S3), et Kit de développement AWS Cloud (AWSCDK).
Vue d'ensemble de la solution
Le diagramme suivant montre les ressources et services utilisés dans la solution.
La solution fonctionne comme un service évolutif. Les enseignants et les étudiants utilisent leur navigateur pour accéder à l'application. Le contenu est servi via une distribution Amazon CloudFront avec un Application Load Balancer comme origine. Il enregistre les images générées dans un compartiment S3 et enregistre les devoirs de l'enseignant ainsi que les réponses et les scores des élèves dans des tables DynamoDB distinctes.
La solution utilise Amazon Bedrock pour générer des questions, des réponses, des images de devoirs et pour noter les réponses des étudiants. Amazon Bedrock est un service entièrement géré qui met à disposition les modèles de base des principales startups d'IA et d'Amazon via des interfaces API faciles à utiliser. La solution utilise également l'API de correction des erreurs grammaticales et par Paraphraser l'API de AI21 pour recommander des corrections de mots et de phrases.
Vous pouvez trouver les détails de mise en œuvre dans les sections suivantes. Le code source est disponible dans le GitHub référentiel.
Pré-requis
Vous devez avoir une certaine connaissance de l'IA générative, du ML et des services utilisés dans cette solution, notamment Amazon Bedrock, Amazon ECS, Amazon CloudFront, Elastic Load Balancing, Amazon DynamoDB et Amazon S3.
Nous utilisons AWS CDK pour créer et déployer la solution. Vous pouvez trouver les instructions de configuration dans le fichier Lisezmoi.
Créer des devoirs
Les enseignants peuvent créer un devoir à partir d'un texte saisi à l'aide de la page GUI suivante. Une affectation comprend un texte d'entrée, les questions et réponses générées à partir du texte, et une image générée à partir du texte d'entrée pour représenter l'affectation.
Pour notre exemple, un enseignant saisit le Sécurité des enfants et des vélos directives du Département des transports des États-Unis. Pour le texte de saisie, nous utilisons le fichier bike.safe.riding.tips.txt.
Ce qui suit est la sortie de l'image générée.
Voici les questions et réponses générées :
"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."
L'enseignant attend des élèves qu'ils terminent le devoir en lisant le texte saisi, puis en répondant aux questions générées.
Le portail utilise Amazon Bedrock pour créer des questions, des réponses et des images. Amazon Bedrock accélère le développement de solutions d'IA générative en exposant les modèles de base via des interfaces API. Vous pouvez trouver le code source dans le fichier 1_Create_Assignments.py.
Le portail invoque deux modèles de base :
- Diffusion Stable XL pour générer des images à l'aide de la fonction
query_generate_image_endpoint
- Anthropique Claude v2 pour générer des questions et des réponses à l'aide de la fonction
query_generate_questions_answers_endpoint
Le portail enregistre les images générées dans un compartiment S3 à l'aide de la fonction load_file_to_s3. Il crée un devoir basé sur le texte saisi, l'ID de l'enseignant, les questions et réponses générées et le lien du compartiment S3 pour l'image chargée. Il enregistre l'affectation aux affectations de la table DynamoDB à l'aide de la fonction insert_record_to_dynamodb
.
Vous pouvez trouver le code AWS CDK qui crée la table DynamoDB dans le fichier cdk_stack.py.
Afficher les devoirs
Les enseignants peuvent parcourir les devoirs et les artefacts générés à l’aide de la page GUI suivante.
Le portail utilise la fonction get_records_from_dynamodb
pour récupérer les affectations des affectations de la table DynamoDB. Il utilise la fonction download_image
pour télécharger une image à partir du compartiment S3. Vous pouvez trouver le code source dans le fichier 2_Show_Assignments.py.
Répondez aux questions
Un élève sélectionne et lit le devoir d'un enseignant, puis répond aux questions du devoir.
Le portail offre une expérience d'apprentissage engageante. Par exemple, lorsqu'un élève donne la réponse « Je devrais protéger mon cerveau en cas d'accident », le portail note la réponse en temps réel en comparant la réponse avec la bonne réponse. Le portail classe également les réponses de tous les étudiants à la même question et affiche les trois meilleurs scores. Vous pouvez trouver le code source dans le fichier 3_Complete_Assignments.py.
Le portail enregistre les réponses de l'étudiant dans une table DynamoDB appelée réponses. Vous pouvez trouver le code AWS CDK qui crée la table DynamoDB dans le fichier cdk_stack.py.
Pour noter la réponse d'un étudiant, le portail invoque le Modèle d'intégration Amazon Titan traduire la réponse de l'élève et la bonne réponse en représentations numériques, puis calculer leur similarité sous forme de score. Vous pouvez trouver la solution dans le fichier 3_Complete_Assignments.py.
Le portail génère des suggestions de corrections grammaticales et d'améliorations de phrases pour la réponse de l'étudiant. Enfin, le portail affiche la bonne réponse à la question.
Le portail utilise l'API de correction d'erreurs grammaticales et l'API de paraphrase d'AI21 pour générer les améliorations grammaticales et de phrases recommandées. Le modèle de paraphrase AI21 est disponible en tant que modèle de base dans SageMaker. Vous pouvez déployer le modèle de paraphrase AI21 comme point d'inférence dans SageMaker et appeler le point d'inférence pour générer des améliorations de phrases.
les fonctions generate_suggestions_sentence_improvements
ainsi que les generate_suggestions_word_improvements
dans le fichier 3_Complete_Assignments.py montre une autre façon d'utiliser les points de terminaison de l'API REST AI21. Vous devez créer un compte AI21 et trouver la clé API associée à votre compte pour appeler les API. Vous devrez payer les invocations après la période d'essai.
Conclusion
Cet article vous a montré comment utiliser une solution assistée par l'IA pour améliorer l'expérience d'enseignement et d'apprentissage en utilisant plusieurs modèles génératifs d'IA et de PNL. Vous pouvez utiliser la même approche pour développer d’autres prototypes et applications d’IA générative.
Si vous êtes intéressé par les principes fondamentaux de l'IA générative et par la façon de travailler avec des modèles de base, y compris des techniques d'invite avancées, consultez le cours pratique. IA générative avec LLM. Il s'agit d'un cours à la demande de 3 semaines destiné aux data scientists et aux ingénieurs qui souhaitent apprendre à créer des applications d'IA générative avec des LLM. C'est une bonne base pour commencer à construire avec Amazon Bedrock. Visiter le Page des fonctionnalités d'Amazon Bedrock ainsi que les inscrivez-vous pour en savoir plus sur Amazon Bedrock.
À propos des auteurs
Jeff Li est architecte d'applications cloud senior au sein de l'équipe des services professionnels d'AWS. Il est passionné par la collaboration approfondie avec les clients pour créer des solutions et moderniser les applications qui soutiennent les innovations commerciales. Dans ses temps libres, il aime jouer au tennis, écouter de la musique et lire.
Isaac Privitéra est Senior Data Scientist à la Centre d'innovation en IA générative, où il développe des solutions sur mesure basées sur l'IA générative pour résoudre les problèmes commerciaux des clients. Il travaille principalement à la construction de systèmes d’IA responsables utilisant la génération augmentée par récupération (RAG) et le raisonnement en chaîne de pensée. Dans ses temps libres, il aime le golf, le football et se promener avec son chien Barry.
Harish Vaswani est architecte principal d'applications cloud chez Amazon Web Services. Il se spécialise dans l'architecture et la création d'applications cloud natives et propose aux clients les meilleures pratiques dans leur parcours de transformation cloud. En dehors du travail, Harish et sa femme, Simin, sont des producteurs indépendants de courts métrages primés et adorent passer leur temps avec leur fils de 5 ans, Karan.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/develop-generative-ai-applications-to-improve-teaching-and-learning-experiences/
- :est
- :où
- $UP
- 125
- 173
- 7
- a
- Qui sommes-nous
- accès
- Compte
- propos
- Avancée
- Après
- devant
- AI
- Modèles AI
- Systèmes d'IA
- Tous
- aussi
- alternative
- toujours
- Amazon
- Amazon Web Services
- an
- ainsi que les
- répondre
- réponses
- api
- Apis
- Application
- applications
- une approche
- SONT
- artificiel
- intelligence artificielle
- Intelligence artificielle (AI)
- AS
- évaluations
- associé
- At
- augmentée
- disponibles
- éviter
- primé
- AWS
- balancier
- équilibrage
- basé
- BE
- car
- before
- derrière
- sur mesure
- LES MEILLEURS
- les meilleures pratiques
- Cerveau
- Brillanti
- Cassé
- navigateurs
- construire
- Développement
- la performance des entreprises
- by
- appelé
- CAN
- chaîne
- vérifier
- le cloud
- code
- comparant
- complet
- comprend
- calcul
- Contenant
- contenu
- correct
- Corrections
- Cours
- Crash
- engendrent
- crée des
- La création
- Clients
- dangereux
- Foncé
- données
- Data Scientist
- profond
- l'apprentissage en profondeur
- Département
- déployer
- détails
- développer
- Développement
- développe
- différent
- La diffusion
- distribution
- plongée
- do
- Chien
- download
- Dramatiquement
- conducteurs
- facile à utiliser
- Éducation
- pédagogique
- permet
- engageant
- Les ingénieurs
- Anglais
- de renforcer
- erreur
- exemple
- existant
- attend
- d'experience
- Expériences
- Fonctionnalités:
- Réactions
- Déposez votre dernière attestation
- Film
- finalement
- Trouvez
- clignotant
- Abonnement
- Football
- Pour
- Fondation
- de
- d’étiquettes électroniques entièrement
- fonction
- fonctions
- Notions de base
- générer
- généré
- génère
- générateur
- génération
- génératif
- IA générative
- en verre.
- golf
- Bien
- grade
- l'
- l'orientation
- lignes directrices
- hands-on
- Plus fort
- chapeau
- Vous avez
- he
- sa
- Comment
- How To
- HTML
- HTTPS
- ID
- image
- satellite
- Impact
- la mise en oeuvre
- améliorer
- améliorations
- in
- Y compris
- intégrer
- incorporation
- indépendant
- Innovation
- innovations
- contribution
- entrées
- les établissements privés
- Des instructions
- Intelligence
- intéressé
- interfaces
- développement
- invoque
- IT
- SES
- chemin
- jpg
- ACTIVITES
- spécialisées
- langue
- gros
- conduisant
- APPRENTISSAGE
- apprentissage
- leçon
- VIE
- comme
- LINK
- Écoute
- charge
- Style
- regardé
- love
- click
- machine learning
- a prendre une
- FAIT DU
- gérés
- matières premières.
- ML
- modèle
- numériques jumeaux (digital twin models)
- moderniser
- PLUS
- plusieurs
- Musique
- indigène
- Nature
- Besoin
- Neon
- Nouveauté
- nuit
- nlp
- of
- Offres Speciales
- Vieux
- on
- À la demande
- or
- origine
- Autre
- nos
- ande
- sortie
- au contrôle
- page
- particulier
- les pièces
- passionné
- Payer
- Personnes
- période
- Personnalisé
- Place
- plans
- Platon
- Intelligence des données Platon
- PlatonDonnées
- jouer
- Point
- Portail
- Post
- défaillances
- pratiques
- qui se déroulent
- Directeur
- d'ouvrabilité
- Nos producteurs
- professionels
- Programmation
- correctement
- protéger
- prototypes
- fournir
- fournit
- aportando
- question
- fréquemment posées
- rangs
- en cours
- réal
- en temps réel
- recommander
- recommandé
- représentent
- Resources
- responsables
- REST
- Avis
- Rouler
- équitation
- fonctionne
- des
- sagemaker
- même
- Épargnez
- évolutive
- Scientifique
- scientifiques
- But
- les sections
- sécurisé
- sur le lien
- choisi
- supérieur
- phrase
- séparé
- servi
- service
- Services
- installation
- Shorts
- devrait
- montrer
- montré
- Spectacles
- étapes
- So
- sur mesure
- Solutions
- quelques
- sont
- Identifier
- code source
- spécialise
- vitesses
- Dépenses
- Commencer
- Startups
- États
- Étapes
- storage
- Étudiant
- Étudiante
- Support
- sûr
- Système
- table
- enseignants
- Enseignement
- équipe
- techniques
- texte
- qui
- Les
- La Source
- leur
- puis
- this
- pensée
- trois
- Avec
- fiable
- conseils
- pneus
- Titan
- à
- top
- De La Carrosserie
- traduire
- transport
- procès
- deux
- Uni
- États-Unis
- utilisé
- d'utiliser
- Usages
- en utilisant
- Véhicules
- via
- visible
- Visiter
- marcher
- marche
- souhaitez
- Façon..
- façons
- we
- web
- services Web
- Quoi
- quand
- que
- tout en
- WHO
- why
- femme
- sera
- comprenant
- Word
- des mots
- activités principales
- de travail
- vos contrats
- Vous n'avez
- Votre
- zéphyrnet