AIGC教育産業パノラマレポート：AIティーチングアシスタントと家庭教師が現実のものとなり、学習マシンが新たな機会をもたらす

1 年間の急速な反復を経て、業界ではすでに、生成 AI が最初にどの業界に実装されるかについての答えが出ています。

教育分野はOpenAIによって重要な応用分野の一つとして挙げられているだけでなく、国内の大手モデルメーカーが展開する重要な方向性にもなっています。

生成 AI 技術の発展は、大規模モデルと人間の相互作用の継続的な改善を反映しています。ビッグモデルはトレーニングの過程で人間の考え方を継続的に学習し、人間もビッグモデルとの会話からインスピレーションや新たな知識を得ます。

このプロセスはまさに「教え合い学び合い」であり、教育が追求する理想の状態でもあります。生成 AI と教育の親和性が高いからこそ、教育は生成 AI の実装に最適な分野となるのです。

実施の方向性を決定した後、より重要なのは、テクノロジーと教育をどのように組み合わせて教育を強化するかということです。

AIGC は過去 1 年間で教育の強化においてどのような成果を上げましたか? AIGC は具体的にどのように教育に混乱をもたらすのでしょうか?今後、生成AIの発展により、教育にはどのような新しいトレンドが生まれるのでしょうか？

「AIGC教育産業パノラマレポート」では、Quantum位シンクタンクが業界内外の交流を経て体系的なレビューを行いました。

中核となるアイデアは次のとおりです。

• 教育モデルは業界の基盤となり、「AIネイティブ」という概念は業界のあらゆる側面に浸透している
• AIエージェントはパーソナライズされた学習をよりアクセスしやすくするのに役立ち、すべての生徒に専用のAIチューターが付きます。
• AIエージェントが教師の能力向上を支援する教師アシスタントになる
• 学際的な理解と大規模な教育モデルに対する高度な能力の構築は、モデルレベルのプレーヤーのコア競争力となるでしょう。
• 教育モデルはマルチモーダル化に向かって進化しており、利用可能な製品の数も増加しています。
• AI PCは今後3～5年で主流のハードウェア製品となり、GenAI+XRは革新的な教育を可能にする
• AI知能体は「具体的」に発展し、具体化された知能＋脳コンピュータインターフェースが人間とコンピュータの統合を実現する

…
具体的な内容を一つずつ見ていきましょう。

教育テクノロジーの分野は生成AIを全面的に採用している

生成型 AI は、AI 2.0 時代へと私たちを導きます。膨大な量のデータから学習することで、AI は新たな能力を発揮し始めます。生成された回答は、人間のコミュニケーションに沿った形で提示され、ある程度まで人々の批判的思考を刺激することができます。

教育技術分野において、最も直感的な変化は製品の「AGI」化です。学習マシンからアプリ、スマート教育まで、教育技術分野はある程度 GPT 製品と結びついています。

2023年5月から6月にかけて、iFlytekのSpark認知大型モデルを搭載したAI学習機のGMVは、それぞれ前年比136％と217％増加しました。AI学習機は、昨年の双十一期間中、JD.comとTmallの両プラットフォームで販売チャンピオンにもなりました。

教育モデルは業界の基盤となり、「AIネイティブ」という概念は業界のあらゆる側面に浸透している

K-12グループ向けのAI学習マシンが市場に本格投入

学習機は国内市場特有の教育技術製品です。ビッグモデルのサポートにより、ユーザーに付加価値を提供することで学習機の売上は回復しました。
製品の観点から見ると、中国で AIGC 教育に携わる大企業のほとんどは、ユーザーに付加価値を提供することで製品の売上を伸ばすために、学習マシンに大規模なモデルをインストールすることを選択しています。

現在、機械学習分野における競争は熾烈であり、生成型 AI の出現により、機械学習に新たな競争障壁が築かれることが予想されます。

ユーザーの観点から見ると、学習マシンの対象者は K-12 の生徒です。このグループの人々の支払い意欲は、彼らの親から来ています。

小学校では、親は子供の興味を伸ばすことに重点を置きますが、中学校では、親は製品が子供の学業成績を向上させることができるかどうかを気にします。

語学学習アプリの製品体験がアップグレード、市場からのフィードバックは予想以上

海外市場では語学学習アプリが好調な実績を上げており、有力製品はGPT4と連携しています。国内言語アプリも大型モデルに接続され、生成AI技術が追加されたインタラクティブなQ&Aは、前世代の製品と比較して大幅に改善されました。

製品の観点から見ると、ソフトウェアの観点から AIGC 教育トラックに参入する企業は、一般的な大規模モデルにアクセスし、蓄積された独自の教育データを使用して微調整とトレーニングを行うことで、主に APP 製品に焦点を当てています。

このタイプの製品は、会話体験が向上したため、教育にビッグモデルを適用する製品の中で現在最も肯定的な市場フィードバックを受けています。

視聴者の需要の観点から見ると、現在、主な視聴者は大学生とサラリーマンです。このグループの人々のうち、大学生は依然として成績を向上させる必要性がある一方、会社員は成績を向上させる必要性がなく、仕事上の必要性や興味から言語を学ぶことが多いです。これら 2 つのグループにとって、ユーザー維持率が鍵となります。これを踏まえて、製品設計においてはユーザーエクスペリエンスとマーケティング戦略がより重視されるようになります。

生成AIが教育改革の新たな原動力となる

教育とテクノロジーの組み合わせには長い歴史があります。 1990 年代にインターネットが普及し、オンライン教育の時代が始まりました。 21 世紀に入り、インテリジェント システムの導入により、適応型学習は海外の教育で注目の話題となっています。 2010年以降、人工知能技術の発展に伴い、ナレッジグラフなどの技術が教育分野で活用されるようになりました。

あらゆる段階で、教育は最新のテクノロジーと組み合わせられ、教育が直面する問題を解決します。

生成型 AI の時代において、テクノロジーと教育の統合は、教育の 2 つの中核的な役割である教師と生徒に破壊的な影響を及ぼしています。 AI はエージェントという新しい形で教師と生徒の日常生活に統合されます。教育と学習の支援を提供するだけでなく、両者の学習と仕事の状況も変化させます。

AIと教育の組み合わせにより、教育市場におけるテクノロジー企業のシェアも拡大し、生成型AI機能が新たな競争ポイントとなっています。

AIエージェントはパーソナライズされた学習をよりアクセスしやすくするのに役立ち、すべての生徒に専用のAIチューターが付きます。

AI エージェントは、主に放課後の段階で生徒に個別指導を提供し、効果的に 1 対 1 の学習指導を提供できます。

生成型 AI の時代において、教育者にとって最大のチャンスは、適応型教育への普遍的なアクセスです。

生成 AI が登場する前は、教育にパーソナライズされた学習を導入することは非常にコストのかかる取り組みであり、学校と家庭の両方に高い負担がかかり、高度なハードウェア機器、より多くの教員、教育施設が必要でした。

生成型 AI の出現により、AI エージェントの開発が手の届くところまで来ました。AI エージェントは各生徒の個人指導員として機能し、いつでもどこでも生徒の学習に付き添います。

AIエージェントが教師の能力向上を支援する教師アシスタントになる

ツールの使用に関しては、AI エージェントは教師の学習コストを削減し、ほぼゼロの閾値の使用方法を提供します。作業プロセスでは、AI エージェントが教師によるコースウェアの効率的な生成や、教育設計のアイデアの提供などを支援します。

AI知能体は教師の生産性をある程度解放し、教師がより多くのエネルギーを生徒の識字能力の向上に注ぐことを可能にします。教師の責任は、知識を伝えたり質問に答えたりすることから、人々を教育することへと徐々に移行し、焦点は生徒の学業成績に注意を払うことから生徒の精神状態に注意を払うことに拡大します。

変化と課題は共存する

教育ビッグモデルは、実装中に 3 つの主な課題に直面します。
1) データ品質、2) 錯覚の問題、3) 価値の整合。

課題1: 高品質なデータが不足しているため、モデルの一般化が不十分になる

繰り返しコンテンツが多すぎる、低品質の記事などを含む低品質のテキスト データは、モデルのトレーニング効果に影響を与えるだけでなく、一定量の計算能力の浪費も引き起こします。

教育データ、特に教授行動データへのアクセスが限られていることと、高品質の教育ラベル付きデータが不足していることから、トレーニング可能な教育用人工知能モデルは限られています。したがって、データの品質は教育用ビッグモデルの開発の鍵となります。

課題2：教育モデルの大規模適用には錯覚問題の解決が必要

教育分野の大規模モデルにとって最も重要なことは、モデルの回答の正確性と価値指向性を確保することです。

精度は数学や科学の問題に反映されます。現在、数学の問題における教育用ビッグモデルの精度は比較的低く、大規模に適用できるレベルにはまだ達していません。高度な数学の問題に答える場合、正解率は一般的に 50% 未満になります。

教育分野では、幻覚の問題は、検索拡張生成 (RAG) に基づく質問応答推論と、キューワードエンジニアリングに基づく質問応答推論を通じて解決できます。

課題3：価値観を一致させることが教育モデルを実施する唯一の方法である

価値観に関しては、主に、ビッグモデルの回答に極端で真実ではない言葉、あるいは誤解を招くような発言が含まれているかどうかを指します。

価値の調整に関しては、一般的なテキスト データ コーパスでトレーニングされた言語モデルを複雑な人間の価値に合わせて調整する RLHF (人間からのフィードバックによる強化学習) というアプローチがよく使用されます。

また、対象が学生であるため、教育モデルの見直しはより厳格になります。 AI 生成コンテンツに対しても手動レビューが行われ、低品質のコンテンツがさらに除外され、生成されたコンテンツに誤解を招く情報が含まれていないことを確認します。

業界の変化が新たなトレンドをもたらす

学際的な理解と大規模な教育モデルに対する高度な能力の構築は、モデルレベルのプレーヤーのコア競争力となるでしょう。

国内市場では、大型モデルを自ら構築することが業界関係者にとって必須の能力となっている。

教育分野では、AIGC に参加している企業はいずれも独自の大規模モデルを構築することを選択しています。違いは、モデルの機能の範囲にあります。包括的な個別指導を提供することを選択する企業もあれば、まずは 1 つの科目で突破口を開くことを選択する企業もあります。現在、同社が独自に構築した教育モデルは、学際的な知識を統合する能力を備えています。将来的には、学際的な理解が、大規模なモデルを構築する高度な能力を反映するものになるでしょう。

学際的なビッグモデルは、知識と実際の問題の解決をつなぐ技術的な架け橋です。

学際的な大規模モデルは、中学生や大学生など、豊富な知識体系を習得する必要がある学生の間でより高い価値を持ちます。中学生には学ぶべき科目がたくさんあります。学生は通常、多数の演習を繰り返して暗記することで学習しますが、知識ポイント間の「接続伝達」を形成できません。そのため、生徒はテストを受けるとすぐに学んだことを忘れてしまい、実際に応用することができません。これは教育分野が常に解決したいと考えてきた問題でもあります。

学際的な大規模モデルの目的は、学生が知識ポイントを真に統合し、その知識を使用して現実世界の問題を解決できるように支援することです。

教育モデルはマルチモーダル化に向かって進化しており、利用可能な製品の数も増加しています。

マルチモーダル大規模モデルは、さまざまなモダリティからの情報を統合し、より正確で包括的な理解と推論を促進します。

教育分野では、生徒の文章、描画、言語表現などのデータを分析することで、インテリジェントエージェントは生徒の学習状況やニーズをよりよく理解し、個別の指導提案を提供できます。教師の指導データと教室の状況を分析することで、教師が生徒をリアルタイムで管理し、効率的に指導業務を完了するのに役立ちます。

大規模なマルチモーダルモデルの開発には継続的なハードウェアのアップグレードが伴い、AI エージェントの製品形式もそれに応じて反復されます。データの次元が増加するにつれて、AI エージェントは徐々にユーザーの「独占的な」パートナーになります。

AI PCは今後3～5年で主流のハードウェア製品となり、GenAI+XRは革新的な教育を可能にする

AI知能体は「具体的」に発展し、具体化された知能＋脳コンピュータインターフェースが人間とコンピュータの統合を実現する

AI エージェントは、インターネット AI から具体化された AI へと具体化に向けて発展していきます。

現在、AI エージェントは大規模モデル アプリケーションの主流の形式となり、「人間と機械のコラボレーション」を通じてタスクを完了し、AI エージェントがほとんどの作業を引き受けます。

AI インテリジェンスは、さまざまなスマート デバイスにソフトウェアの形で存在します。一部の製品にはすでに、インタラクションのリアリティを高めるためにデジタル ヒューマン イメージが搭載されています。

将来的には、エージェントAはさらに進化し、仮想世界から現実世界へと移行し、物理的なイメージを持つようになります。 「ソフトとハード」を組み合わせた具現化された知能は、知能実体の能力をさらに拡大します。この段階では、ロボットの形をしたAI知能実体は、教育実践の場面に力を与え、より強い仲間属性を持つようになります。

脳コンピューター時代には、AIエージェントと人間との相互作用がより深くなり、AIエージェントは人間の意図や状態分析をより正確に理解し、学習障害のある人々に介入できるようになります。人間と機械の統合は新たな高みに達します。

具体的なレポートの詳細と代表的なプレーヤーのケーススタディについては、以下のコメント セクションをご覧ください。