På senare tid har lärare och institutioner letat efter olika sätt att införliva artificiell intelligens (AI) i sina läroplaner, oavsett om det är undervisning om maskininlärning (ML) eller att införliva det i att skapa lektionsplaneringar, betygsätta eller andra pedagogiska tillämpningar. Generativa AI-modeller, särskilt stora språkmodeller (LLM), har dramatiskt påskyndat AI:s inverkan på utbildning. Generativa AI- och NLP-modeller har stor potential att förbättra undervisning och lärande genom att skapa personligt anpassat lärandeinnehåll och tillhandahålla engagerande lärandeupplevelser för eleverna.
I det här inlägget skapar vi en generativ AI-lösning för lärare att skapa kursmaterial och för att elever ska lära sig engelska ord och meningar. När elever ger svar ger lösningen realtidsbedömningar och erbjuder personlig feedback och vägledning för eleverna att förbättra sina svar.
Specifikt kan lärare använda lösningen för att göra följande:
- Skapa en uppgift för eleverna genom att generera frågor och svar från en uppmaning
- Skapa en bild från uppmaningen för att representera uppdraget
- Spara den nya uppgiften i en databas
- Bläddra bland befintliga uppdrag från databasen
Eleverna kan använda lösningen för att göra följande:
- Välj och granska en uppgift från uppdragsdatabasen
- Svara på frågorna i den valda uppgiften
- Kontrollera betygspoängen för svaren i realtid
- Granska de föreslagna grammatiska förbättringarna av deras svar
- Granska de föreslagna meningsförbättringarna av deras svar
- Läs de rekommenderade svaren
Vi leder dig genom stegen för att skapa lösningen med hjälp av Amazonas berggrund, Amazon Elastic Container Service (Amazon ECS), Amazon CloudFront, Elastic Load Balancing (ELB), Amazon DynamoDB, Amazon enkel lagringstjänst (Amazon S3), och AWS Cloud Development Kit (AWS CDK).
Lösningsöversikt
Följande diagram visar resurserna och tjänsterna som används i lösningen.
Lösningen körs som en skalbar tjänst. Lärare och elever använder sina webbläsare för att komma åt programmet. Innehållet serveras genom en Amazon CloudFront-distribution med en Application Load Balancer som ursprung. Den sparar de genererade bilderna i en S3-hink och sparar lärarens uppgifter och elevernas svar och poäng till separata DynamoDB-tabeller.
Lösningen använder Amazon Bedrock för att generera frågor, svar, inlämningsbilder och betygsätta elevernas svar. Amazon Bedrock är en helt hanterad tjänst som gör grundmodeller från ledande AI-startups och Amazon tillgängliga via lättanvända API-gränssnitt. Lösningen använder också API:et för grammatisk felkorrigering och parafrasera API från AI21 för att rekommendera ord- och meningskorrigeringar.
Du kan hitta implementeringsdetaljerna i följande avsnitt. Källkoden är tillgänglig i GitHub repository.
Förutsättningar
Du bör ha viss kunskap om generativ AI, ML och tjänsterna som används i denna lösning, inklusive Amazon Bedrock, Amazon ECS, Amazon CloudFront, Elastic Load Balancing, Amazon DynamoDB och Amazon S3
Vi använder AWS CDK för att bygga och distribuera lösningen. Du hittar installationsinstruktionerna i readme-fil.
Skapa uppdrag
Lärare kan skapa en uppgift från en inmatad text med hjälp av följande GUI-sida. En uppgift består av en inmatningstext, de frågor och svar som genereras från texten och en bild som genereras från inmatningstexten för att representera uppgiften.
För vårt exempel matar en lärare in Säkerhet för barn och cykel riktlinjer från United States Department of Transportation. För inmatningstexten använder vi filen cykel.säker.åkning.tips.txt.
Följande är den genererade bilden.
Följande är de genererade frågorna och svaren:
"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."
Läraren förväntar sig att eleverna ska slutföra uppgiften genom att läsa inmatningstexten och sedan svara på de genererade frågorna.
Portalen använder Amazon Bedrock för att skapa frågor, svar och bilder. Amazon Bedrock påskyndar utvecklingen av generativa AI-lösningar genom att exponera grundmodellerna genom API-gränssnitt. Du hittar källkoden i filen 1_Create_Assignments.py.
Portalen åberopar två grundmodeller:
- Stabil Diffusion XL för att generera bilder med funktionen
query_generate_image_endpoint
- Antropisk Claude v2 att generera frågor och svar med hjälp av funktionen
query_generate_questions_answers_endpoint
Portalen sparar genererade bilder till en S3-bucket med funktionen load_file_to_s3. Den skapar en uppgift baserad på inmatningstexten, lärar-ID, de genererade frågorna och svaren och S3-hinklänken för den laddade bilden. Den sparar tilldelningen till DynamoDB-tabelltilldelningarna med hjälp av funktionen insert_record_to_dynamodb
.
Du kan hitta AWS CDK-koden som skapar DynamoDB-tabellen i filen cdk_stack.py.
Visa uppdrag
Lärare kan bläddra bland uppgifter och de genererade artefakterna med hjälp av följande GUI-sida.
Portalen använder funktionen get_records_from_dynamodb
för att hämta tilldelningarna från DynamoDB-tabelltilldelningarna. Den använder funktionen download_image
för att ladda ner en bild från S3-hinken. Du hittar källkoden i filen 2_Show_Assignments.py.
Svara på frågor
En elev väljer och läser en lärares uppgift och svarar sedan på uppgifternas frågor.
Portalen ger en engagerande lärandeupplevelse. Till exempel, när eleven ger svaret "Jag borde skydda hjärnan vid krasch" betygsätter portalen svaret i realtid genom att jämföra svaret med det korrekta svaret. Portalen rangordnar också alla elevers svar på samma fråga och visar de tre bästa poängen. Du hittar källkoden i filen 3_Complete_Assignments.py.
Portalen sparar elevens svar i en DynamoDB-tabell som kallas svar. Du kan hitta AWS CDK-koden som skapar DynamoDB-tabellen i filen cdk_stack.py.
För att betygsätta en elevs svar anropar portalen Amazon Titan Embeddings modell att översätta elevens svar och det korrekta svaret till numeriska representationer och sedan beräkna deras likhet som ett poäng. Du hittar lösningen i filen 3_Complete_Assignments.py.
Portalen genererar föreslagna grammatiska korrigeringar och meningsförbättringar för elevens svar. Slutligen visar portalen det korrekta svaret på frågan.
Portalen använder API för grammatisk felkorrigering och parafras-API från AI21 för att generera de rekommenderade grammatiska och meningsförbättringarna. AI21-omskrivningsmodellen finns tillgänglig som en grundmodell i SageMaker. Du kan distribuera AI21-omskrivningsmodellen som en slutledningspunkt i SageMaker och anropa inferenspunkten för att generera meningsförbättringar.
Funktionerna generate_suggestions_sentence_improvements
och generate_suggestions_word_improvements
i filen 3_Complete_Assignments.py visa ett alternativt sätt att använda AI21 REST API-slutpunkter. Du måste skapa ett AI21-konto och hitta API-nyckeln som är kopplad till ditt konto för att anropa API:erna. Du kommer att få betala för anropen efter provperioden.
Slutsats
Det här inlägget visade hur du använder en AI-assisterad lösning för att förbättra undervisnings- och inlärningsupplevelsen genom att använda flera generativa AI- och NLP-modeller. Du kan använda samma tillvägagångssätt för att utveckla andra generativa AI-prototyper och applikationer.
Om du är intresserad av grunderna i generativ AI och hur man arbetar med grundmodeller, inklusive avancerade prompttekniker, kolla in den praktiska kursen Generativ AI med LLM. Det är en 3-veckorskurs på begäran för datavetare och ingenjörer som vill lära sig hur man bygger generativa AI-applikationer med LLM. Det är en bra grund för att börja bygga med Amazon Bedrock. Besök Amazon Bedrock Funktioner sida och registrera dig för att lära dig mer om Amazon Bedrock.
Om författarna
Jeff Li är en Senior Cloud Application Architect med Professional Services-teamet på AWS. Han brinner för att dyka djupt med kunder för att skapa lösningar och modernisera applikationer som stödjer affärsinnovationer. På fritiden tycker han om att spela tennis, lyssna på musik och läsa.
Isaac Privitera är Senior Data Scientist vid Generativt AI Innovation Center, där han utvecklar skräddarsydda generativa AI-baserade lösningar för att lösa kunders affärsproblem. Han arbetar främst med att bygga ansvarsfulla AI-system med hjälp av retrieval augmented generation (RAG) och tankekedja. På fritiden gillar han golf, fotboll och promenader med sin hund Barry.
Harish Vaswani är en huvudmolnapplikationsarkitekt på Amazon Web Services. Han är specialiserad på att arkitektur och bygga molnbaserade applikationer och ger kunderna bästa praxis i sin molntransformationsresa. Utanför jobbet är Harish och hans fru Simin prisbelönta oberoende kortfilmsproducenter och älskar att spendera sin tid med sin 5-årige son, Karan.
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- Källa: https://aws.amazon.com/blogs/machine-learning/develop-generative-ai-applications-to-improve-teaching-and-learning-experiences/
- :är
- :var
- $UPP
- 125
- 173
- 7
- a
- Om oss
- tillgång
- Konto
- adress
- avancerat
- Efter
- framåt
- AI
- AI-modeller
- AI-system
- Alla
- också
- alternativ
- alltid
- amason
- Amazon Web Services
- an
- och
- svara
- svar
- api
- API: er
- Ansökan
- tillämpningar
- tillvägagångssätt
- ÄR
- konstgjord
- artificiell intelligens
- Konstgjord intelligens (AI)
- AS
- bedömningar
- associerad
- At
- augmented
- tillgänglig
- undvika
- prisbelönta
- AWS
- gunga
- balansering
- baserat
- BE
- därför att
- innan
- bakom
- beställda
- BÄST
- bästa praxis
- Hjärna
- Bright
- Brutet
- webbläsare
- SLUTRESULTAT
- Byggnad
- företag
- by
- kallas
- KAN
- kedja
- ta
- cloud
- koda
- jämförande
- fullborda
- innefattar
- Compute
- Behållare
- innehåll
- korrekt
- Korrigeringar
- Kurs
- Crash
- skapa
- skapar
- Skapa
- Kunder
- Dangerous
- mörkt
- datum
- datavetare
- djup
- Djup lärning
- Avdelning
- distribuera
- detaljer
- utveckla
- Utveckling
- utvecklar
- olika
- Diffusion
- fördelning
- dykning
- do
- Dog
- ladda ner
- dramatiskt
- chaufförer
- LÄTTANVÄND
- Utbildning
- pedagogiska
- möjliggör
- engagerande
- Ingenjörer
- Engelska
- förbättra
- fel
- exempel
- befintliga
- förväntar
- erfarenhet
- Erfarenheter
- Funktioner
- återkoppling
- Fil
- Film
- Slutligen
- hitta
- blinkande
- efter
- fotboll
- För
- fundament
- från
- fullständigt
- fungera
- funktioner
- Fundamentals
- generera
- genereras
- genererar
- generera
- generering
- generativ
- Generativ AI
- glas
- golf
- god
- grad
- stor
- vägleda
- riktlinjer
- praktisk
- hårdare
- har
- Har
- he
- hans
- Hur ser din drömresa ut
- How To
- html
- HTTPS
- ID
- bild
- bilder
- Inverkan
- genomförande
- förbättra
- förbättringar
- in
- Inklusive
- införliva
- införlivande
- oberoende
- Innovation
- innovationer
- ingång
- ingångar
- institutioner
- instruktioner
- Intelligens
- intresserad
- gränssnitt
- in
- anropar
- IT
- DESS
- resa
- jpg
- Nyckel
- kunskap
- språk
- Large
- ledande
- LÄRA SIG
- inlärning
- lektion
- livet
- tycka om
- LINK
- Lyssna
- läsa in
- se
- såg
- älskar
- Maskinen
- maskininlärning
- göra
- GÖR
- förvaltade
- material
- ML
- modell
- modeller
- modernisera
- mer
- multipel
- Musik
- nativ
- Natural
- Behöver
- neon
- Nya
- natt
- nlp
- of
- Erbjudanden
- Gamla
- on
- On-Demand
- or
- ursprung
- Övriga
- vår
- ut
- produktion
- utanför
- sida
- särskilt
- reservdelar till din klassiker
- brinner
- Betala
- Personer
- perioden
- personlig
- Plats
- planer
- plato
- Platon Data Intelligence
- PlatonData
- i
- Punkt
- Portal
- Inlägg
- potentiell
- praxis
- primärt
- Principal
- problem
- producenter
- professionell
- Programmering
- ordentligt
- skydda
- prototyper
- ge
- ger
- tillhandahålla
- fråga
- frågor
- leden
- Läsning
- verklig
- realtid
- rekommenderar
- rekommenderas
- representerar
- Resurser
- ansvarig
- REST
- översyn
- Rider
- rider
- kör
- säker
- sagemaker
- Samma
- Save
- skalbar
- Forskare
- vetenskapsmän
- göra
- sektioner
- säkra
- se
- vald
- senior
- mening
- separat
- eras
- service
- Tjänster
- inställning
- Kort
- skall
- show
- visade
- Visar
- Enkelt
- So
- lösning
- Lösningar
- några
- dess
- Källa
- källkod
- specialiserat
- hastigheter
- Spendera
- starta
- Startups
- Stater
- Steg
- förvaring
- student
- Studenter
- stödja
- säker
- System
- bord
- lärare
- Undervisning
- grupp
- tekniker
- text
- den där
- Smakämnen
- källan
- deras
- sedan
- detta
- trodde
- tre
- Genom
- tid
- Tips
- däck
- titan
- till
- topp
- Transformation
- Översätt
- transport
- rättegång
- två
- United
- USA
- användning
- Begagnade
- användningar
- med hjälp av
- fordon
- via
- synlig
- Besök
- gå
- gående
- vill
- Sätt..
- sätt
- we
- webb
- webbservice
- Vad
- när
- om
- medan
- VEM
- varför
- fru
- kommer
- med
- ord
- ord
- Arbete
- arbetssätt
- fungerar
- Om er
- Din
- zephyrnet