คุณสอนคอมพิวเตอร์ควอนตัมให้กับนักเรียนมัธยมอย่างไร

คุณสอนคอมพิวเตอร์ควอนตัมให้กับนักเรียนมัธยมอย่างไร

เครดิตฟรี

ทุกวันนี้ การศึกษาคอมพิวเตอร์ควอนตัมมักจะอยู่ในขอบเขตของหลักสูตรวิทยาลัยขั้นสูงที่สงวนไว้สำหรับสาขาวิชาเอก STEM ซึ่งมักจะใช้สัญชาตญาณควอนตัมและความรู้ด้านคณิตศาสตร์ขั้นสูงในระดับหนึ่งเสมอ แต่ครูบางคนไม่จำเป็นต้องสอนหลักสูตรคอมพิวเตอร์ควอนตัมระดับเบื้องต้นให้กับนักเรียนมัธยมปลาย

สล็อต

ย้อนกลับไปในเดือนตุลาคมปี 2020 ทีม IBM Quantum และ Qiskit Community ประกาศว่าจะส่งนักเรียน 5,000 คน (เพิ่มขึ้นเป็น 7,500 คนตามความต้องการ) ไปยังหลักสูตรควอนตัมคอมพิวเตอร์ที่ครอบคลุมระยะเวลาแปดเดือนซึ่งสอนโดย The Coding School ซึ่งเป็นส่วนหนึ่งของQubit โดยโครงการริเริ่มการศึกษาควอนตัมQubit (QxQ) แตกต่างจากหลักสูตรคอมพิวเตอร์ควอนตัมก่อนหน้านี้ QxQ’s Introduction to Quantum Computing สอนพื้นฐานของการคำนวณควอนตัมกับนักเรียนมัธยมปลายและนักศึกษาระดับปริญญาตรีตอนต้นเป็นกลุ่มเป้าหมายของหลักสูตร นักเรียนหลายคนได้รับเครดิตการศึกษาผ่านโรงเรียนของพวกเขาสำหรับการเรียนหลักสูตร เมื่อเราเริ่มต้นภาคเรียนที่สอง คุณควรดูบทเรียนบางส่วนที่ได้เรียนรู้ — และทำไมเราจึงต้องการสอนคอมพิวเตอร์ควอนตัมให้กับนักเรียนมัธยมปลายตั้งแต่แรก
Abe Asfaw หัวหน้า Global Lead, Quantum Education และ Open Science ที่ IBM Quantum เล็งเห็นถึงประโยชน์หลักสองประการในการสอนควอนตัมให้กับนักเรียนมัธยมปลายและแม้แต่นักเรียนที่อายุน้อยกว่า ประการแรก นักเรียนที่ทำความคุ้นเคยกับพื้นฐานที่ขัดกับสัญชาตญาณของฟิสิกส์ควอนตัมตั้งแต่แรก หมายความว่าพวกเขาจะไม่ต่อสู้ดิ้นรนมากนักเมื่อต้องเผชิญกับหลักสูตรควอนตัมที่เข้มงวดมากขึ้นในภายหลังในอาชีพการศึกษาของพวกเขา อย่างที่สองคือเปิดโอกาสให้เพิ่มขีดความสามารถในการเลือกนักเรียนที่หลากหลายก่อนหน้านี้ โดยหวังว่าจะนำไปสู่กลุ่มนักฟิสิกส์ควอนตัมและผู้เชี่ยวชาญด้าน STEM ที่มีความหลากหลายมากขึ้นโดยรวม
‘โอกาสในการสร้างผลกระทบที่มีความหมายในการคำนวณควอนตัมโดยการกำหนดพนักงานในอนาคตคือสิ่งที่ทำให้ฉันตื่นเต้นมาก” Asfaw กล่าว “นี่คือตัวอย่างของเทคโนโลยีที่เรามีโอกาสที่จะกำหนดลักษณะการมีส่วนร่วม และรับความช่วยเหลือจากทั่วโลก”
Sarah Muschinske ผู้ช่วยสอนของหลักสูตร QxQ และนักศึกษาระดับปริญญาเอกที่ MIT เห็นด้วย “ฉันคิดว่าการให้นักเรียนได้สัมผัสกับหัวข้อเหล่านี้ตั้งแต่เนิ่นๆ เป็นสิ่งสำคัญมาก เพื่อให้พวกเขามีบริบทสำหรับสิ่งที่เป็นไปได้ในวิชาคณิตศาสตร์และฟิสิกส์” เธอกล่าว
ตามเนื้อผ้า วิทยาลัยจะสอนคอมพิวเตอร์ควอนตัมหลังจากที่นักเรียนคุ้นเคยกับกลศาสตร์ควอนตัมและพีชคณิตเชิงเส้นแล้วเท่านั้น แต่นั่นเป็นอุปสรรคใหญ่ในการเข้ามา โดยเฉพาะอย่างยิ่งเมื่อการคำนวณควอนตัมรวมเฉพาะส่วนย่อยของแนวคิดจากสาขาเหล่านี้ ผู้สอนหลักของหลักสูตร QxQ คือ Francisca Vasconcelos และ Amir Karamlou ทำงานอย่างหนักเพื่อทำให้นักเรียนเข้าใจเนื้อหาได้โดยไม่ต้องมีพื้นฐาน STEM ขั้นสูง ภาคการศึกษาแรกมุ่งเน้นไปที่พื้นฐานของพีชคณิตเชิงเส้นสำหรับนักเรียนที่มีพื้นฐานเกี่ยวกับตรีโกณมิติและพีชคณิตพื้นฐานเท่านั้น และยังมีหลักสูตรความผิดพลาดของ Python สองสัปดาห์สำหรับนักเรียนที่ยังไม่ทราบวิธีเขียนโค้ด ทั้ง Vasconcelos และ Karamlou ตระหนักดีว่าการสร้างสมดุลที่เหมาะสมของการสอนพื้นฐานในขณะที่ยังคงเข้าถึงเนื้อหาได้
Karamlou กล่าวว่า “เราลดความซับซ้อนของคณิตศาสตร์ในความพยายามที่จะถ่ายทอดความสง่างามของคอมพิวเตอร์ควอนตัมในขณะที่รักษาเนื้อหาให้ถูกต้องและมีส่วนร่วมกับนักเรียนจากภูมิหลังที่หลากหลาย” “เราต้องการให้ชั้นเรียนกระตุ้นความสนใจและสอนพื้นฐานให้กับพวกเขา เพื่อให้นักเรียนกระตือรือร้นที่จะเรียนรู้ต่อไป”
ผู้สอนใช้เวลาในการสอนสัญลักษณ์ทางคณิตศาสตร์ที่เราใช้พูดภาษาของคอมพิวเตอร์ควอนตัม อย่างไรก็ตาม พวกเขาพยายามลดสัญกรณ์ที่ซับซ้อนและศัพท์แสงที่อาจจำเป็นในการตั้งค่าที่เข้มงวดมากขึ้น แต่ไม่จำเป็นสำหรับการวางพื้นฐาน นักเรียนฝึกฝนสิ่งที่ได้เรียนรู้จากการบรรยายและในห้องปฏิบัติการด้วยการบ้านทุกสัปดาห์เพื่อเสริมสร้างความเข้าใจในเนื้อหาใหม่
Vasconcelos และ Karamlou ยังเน้นย้ำถึงการใช้เนื้อหาที่พวกเขากำลังสอน ตัวอย่างเช่น พวกเขาแนะนำแนวคิดเกี่ยวกับสถานะควอนตัมในขณะที่สอนพีชคณิตเชิงเส้น พวกเขายังใช้ภาพและการเปรียบเทียบที่สร้างสรรค์เพื่อทำให้แนวคิดนามธรรมมีความเกี่ยวข้อง เช่น การเปรียบเทียบการผสมเชิงเส้นกับสลัดผลไม้ และให้นักเรียนใช้คณิตศาสตร์เวกเตอร์เพื่อค้นหาวิธีที่สะดวกในการเดินทางไปยังร้านไอศกรีมร้านโปรด
มีความท้าทายที่มาพร้อมกับการวิ่งในชั้นเรียนคอมพิวเตอร์ควอนตัมเสมือนจริงจำนวน 7,500 คน — นักเรียนมาจากภูมิหลังที่แตกต่างกัน ดังนั้นบางคนอาจประสบปัญหาในขณะที่บางคนรู้สึกว่าหลักสูตรดำเนินไปช้าเกินไป เป็นต้น ครูทำงานเพื่อให้ทุกคนมีส่วนร่วมแม้จะมีอุปสรรคเหล่านี้ Vasconcelos ใช้มีมในสไลด์การบรรยายของเธอทุกที่ที่ทำได้ ในขณะที่ผู้ช่วยสอน Aziza Almanakly จะมาสายหลังจากแผนกแล็บเพื่อตอบคำถามของนักเรียนเกี่ยวกับงานวิจัยของเธอในฐานะนักศึกษาระดับบัณฑิตศึกษาด้านคอมพิวเตอร์ควอนตัมที่ MIT
ชั้นเรียนใช้เครื่องมือบนเว็บ เช่น โพล Zoom และเซิร์ฟเวอร์ Discord เพื่อสนับสนุนให้นักเรียนโต้ตอบกับเนื้อหาในแบบเรียลไทม์ รวมทั้งการทำงานร่วมกันนอกห้องเรียนเสมือนจริง QxQ ให้ความสำคัญกับการสร้างชุมชนในหมู่นักเรียนผ่านกิจกรรมต่างๆ เช่น การแชทข้างเตาผิงของผู้หญิงในควอนตัม
นักเรียนมัธยมปลายคนหนึ่งพูดว่า “หลักสูตรนี้ช่วยให้ฉันได้รู้จักเพื่อน ซึ่งไม่ใช่สิ่งที่ฉันคาดหวัง”
กิจกรรมพิเศษจะดำเนินต่อไปในภาคการศึกษาที่สอง นักเรียนเริ่มต้นสัปดาห์แรกด้วยการไปเยี่ยมชมห้องปฏิบัติการ IBM Research ของ Pat Gumann โดยได้เห็นตู้เย็นที่เจือจางจริงและชิปควอนตัม
สุดท้ายนี้ สิ่งสำคัญที่ต้องจำไว้คือความคาดหวังไม่ควรเป็นว่านักเรียนจะออกจากหลักสูตรนี้เนื่องจากการคำนวณควอนตัมเต็มเป่า จุดประสงค์หลักคือการเปิดรับ – เพื่อปลูกฝังให้นักเรียนมากขึ้นด้วยความมั่นใจว่าคอมพิวเตอร์ควอนตัมเป็นสาขาที่พวกเขาสามารถติดตามได้ จัดเตรียมแนวคิดหลักที่จะช่วยให้พวกเขาประสบความสำเร็จ และลดอุปสรรคในการเข้า
ที่ IBM Research เราได้ศึกษาและประเมินสองวิธีในการปรับระบบ AI ให้สอดคล้องกับหลักการทางจริยธรรม:
คนแรกใช้รูปแบบเดียวกันเพื่อสร้างแบบจำลองและผสมผสานความชอบส่วนตัว (เพื่อให้บรรลุเป้าหมายในการบริการส่วนบุคคล) และลำดับความสำคัญทางจริยธรรม (เพื่อให้เกิดการจัดตำแหน่งค่านิยม) แนวคิดเรื่องระยะห่างระหว่างความชอบและความสำคัญทางจริยธรรมใช้เพื่อตัดสินใจว่าการกระทำสามารถกำหนดได้ด้วยความชอบเท่านั้น หรือถ้าเราจำเป็นต้องพิจารณาลำดับความสำคัญทางจริยธรรมเพิ่มเติม เมื่อความชอบแตกต่างจากลำดับความสำคัญเหล่านี้มากเกินไป
วิธีที่สองใช้วิธีการเรียนรู้แบบเสริมกำลัง (ภายในการตั้งค่าปัญหาของโจร) เพื่อให้ได้รางวัลสูงสุดและเรียนรู้แนวทางจริยธรรมจากตัวอย่างเชิงบวกและเชิงลบ เราทดสอบแนวทางนี้ในการแนะนำภาพยนตร์พร้อมคำแนะนำของผู้ปกครอง ตลอดจนการเลือกขนาดยาโดยคำนึงถึงคุณภาพชีวิต

สล็อตออนไลน์

บทความที่อธิบายแนวทางโดยรวมของเราและสองวิธีที่เป็นไปได้ในการแก้ปัญหาการจัดตำแหน่งค่าจะถูกนำเสนอในการประชุม AAAI 2019 ที่จะเกิดขึ้น และจะได้รับรางวัล AAAI 2019 Blue Sky Idea มันสามารถพบได้ที่นี่
งานนี้เป็นส่วนหนึ่งของความพยายามระยะยาวในการทำความเข้าใจวิธีการฝังหลักจริยธรรมในระบบ AI โดยร่วมมือกับ MIT ในขณะที่การวิจัยทำใน และ จำลองลำดับความสำคัญทางจริยธรรมเป็นข้อจำกัดทาง deontologic ทีมงาน IBM-MIT กำลังรวบรวมข้อมูลการตั้งค่าของมนุษย์เพื่อสร้างแบบจำลองว่ามนุษย์ติดตามอย่างไร และสลับไปมาระหว่างทฤษฎีทางจริยธรรมต่างๆ (เช่น ประโยชน์, deontologic, และนักสัญญาจ้าง) เพื่อที่จะออกแบบทั้งทฤษฎีทางจริยธรรมและกลไกการสับเปลี่ยน ให้เข้ากับระบบ AI อย่างเหมาะสม ด้วยวิธีนี้ ระบบดังกล่าวจะสามารถปรับให้เข้ากับวิธีที่ผู้คนใช้เหตุผลและปฏิบัติตามหลักจริยธรรมได้ดีขึ้นในขณะทำการตัดสินใจ และด้วยเหตุนี้ระบบดังกล่าวจะมีความพร้อมมากขึ้นในการโต้ตอบกับมนุษย์อย่างเป็นธรรมชาติและกระชับในแนวทางปัญญาประดิษฐ์ที่เพิ่มขึ้นของ AI
รัฐบาลทั่วโลกมารวมตัวกันที่ Marrakesh เมื่อเดือนธันวาคมที่ผ่านมาเพื่อให้สัตยาบันในข้อตกลงเพื่อปรับปรุงความร่วมมือด้านการย้ายถิ่นระหว่างประเทศ ท่ามกลางวัตถุประสงค์อื่นGlobal Compact for Migrationพยายามใช้ “ข้อมูลที่ถูกต้องและแยกส่วนเป็นพื้นฐานสำหรับนโยบายตามหลักฐาน” เทคโนโลยีแมชชีนเลิร์นนิงจะช่วยแก้ปัญหาทางสังคมอย่างลึกซึ้ง เช่น การย้ายถิ่นได้อย่างไร
ในช่วงต้นปี 2018 ด้วยการสนับสนุนจากIBM Corporate Citizenshipและกระทรวงการต่างประเทศของเดนมาร์ก IBM และสภาผู้ลี้ภัยแห่งเดนมาร์ก (DRC)ได้ลงมือเป็นพันธมิตรกันโดยมุ่งตรงไปที่ความจำเป็นในการทำความเข้าใจตัวขับเคลื่อนการย้ายถิ่นฐานและแนวทางนโยบายตามหลักฐานสำหรับช่วง ของผู้มีส่วนได้ส่วนเสีย ในปาฐกถาพิเศษของTHINK Copenhagenเมื่อเร็ว ๆ นี้Christian Bach เลขาธิการ DRC ได้นำเสนอผลลัพธ์แรกของความพยายาม
ในโพสต์นี้ ฉันจะอธิบายเกี่ยวกับการพัฒนาระบบการเรียนรู้ของเครื่องที่ให้การคาดการณ์เชิงกลยุทธ์ของการย้ายถิ่นแบบผสมพร้อมกับการวิเคราะห์สถานการณ์ การย้ายถิ่นแบบผสมหมายถึงการเคลื่อนไหวข้ามพรมแดนของผู้คนที่ได้รับแรงบันดาลใจจากปัจจัยหลายหลากที่จะย้าย ซึ่งรวมถึงผู้ลี้ภัยที่หนีการประหัตประหารและความขัดแย้ง เหยื่อการค้ามนุษย์ และผู้คนที่แสวงหาชีวิตและโอกาสที่ดีขึ้น ประชากรดังกล่าวมีสถานะทางกฎหมายหลายระดับ ซึ่งบางส่วนไม่ได้สะท้อนให้เห็นในสถิติของรัฐบาลที่เป็นทางการ
การทำความเข้าใจไดนามิกของการย้ายถิ่นและไดรเวอร์นั้นซับซ้อนโดยเนื้อแท้ สถานการณ์แตกต่างกันไปในแต่ละบุคคล คำถาม “ทำไมคุณถึงตัดสินใจย้าย” ไม่ตรงไปตรงมาให้คนตอบ อย่างไรก็ตาม ในขอบเขตที่การตัดสินใจของแต่ละบุคคลสะท้อนถึงปัจจัยทางสังคมเชิงโครงสร้าง พลวัตสามารถอธิบายได้เพียงบางส่วนโดยใช้มาตรการรวม ตัวอย่างเช่น แรงขับเคลื่อนทางเศรษฐกิจสำหรับการเคลื่อนไหวสามารถคาดหมายได้ว่าเกี่ยวข้องกับโอกาสในการจ้างงาน และด้วยเหตุนี้จึงเป็นตัวชี้วัดระดับมหภาคเกี่ยวกับการจ้างงาน ความท้าทายเหล่านี้ประกอบขึ้นจากความพร้อมของข้อมูลและความครอบคลุมในตัวบ่งชี้เฉพาะ
ระบบพยากรณ์
เราเริ่มต้นด้วยการใช้โปรแกรมตรวจสอบ 4MI ที่ดำเนินการโดย DRC ซึ่งสัมภาษณ์ผู้อพยพย้ายถิ่นหลายพันคน การวิเคราะห์ข้อมูลการสำรวจเผยให้เห็นกลุ่มไดรเวอร์ระดับสูงสำหรับการโยกย้าย กลุ่มเหล่านี้มีตั้งแต่การขาดสิทธิและบริการทางสังคมอื่นๆ ไปจนถึงความจำเป็นทางเศรษฐกิจและความขัดแย้ง จากนั้นไดรเวอร์เหล่านี้จะถูกจับคู่กับตัวชี้วัดเชิงปริมาณ จากนั้นคุณลักษณะที่ได้มาจากตัวบ่งชี้เหล่านี้จะถูกป้อนไปยังแบบจำลองที่สร้างการคาดการณ์พร้อมกับช่วงความเชื่อมั่น (รูปที่ 1) นอกจากนี้ ระบบยังสร้างบริบทสำหรับการคาดคะเนแต่ละรายการด้วยการแสดงตัวขับเคลื่อนเฉพาะที่มีส่วนช่วยในการคาดการณ์
ในการดำเนินการนำร่องของเรา เรามุ่งเน้นที่การย้ายถิ่นจากเอธิโอเปียไปยังประเทศปลายทาง 6 ประเทศ ซึ่งผู้เชี่ยวชาญเฉพาะด้านของ DRC ให้ความสำคัญกับสถานการณ์ เรารวบรวมตัวบ่งชี้การพัฒนาต่างๆ รวม 85 จากผู้ให้บริการสถาบันหลายแห่ง เพื่อให้มีการแสดงตัวขับเคลื่อนการย้ายถิ่นช่วงที่เพียงพอในแบบจำลอง ซึ่งรวมถึงสถิติเกี่ยวกับเศรษฐกิจแรงงาน อาหาร การศึกษา ข้อมูลประชากรทางสังคม โครงสร้างพื้นฐาน จุดแข็งของสถาบัน และธรรมาภิบาล
[NPC4]ด้วยการใช้ตัวชี้วัดเหล่านี้ เราได้พัฒนาแบบจำลองทั้งมวลเพื่อคาดการณ์เชิงกลยุทธ์เป็นประจำทุกปีสำหรับกระแสทวิภาคีของปริมาณการย้ายถิ่นแบบผสมทุกปี การประเมินของเราแสดงอัตราข้อผิดพลาดภายในสองสามพันคนต่อปี แม้แต่ในประเทศที่มีสภาวะผันผวน ระบบยังช่วยให้สามารถวิเคราะห์สถานการณ์สมมติได้อีกด้วย โดยที่การเปลี่ยนแปลงสัมพัทธ์ในปัจจัยที่มีอิทธิพลสามารถจำลองเพื่อทำการคาดการณ์ที่ปรับเปลี่ยนได้
การเปลี่ยนแปลงเชิงโต้ตอบที่น่าสนใจเกิดขึ้นจากการวิเคราะห์ดังกล่าว ตัวอย่างเช่น อัตราการว่างงานในเอธิโอเปียสูงกว่าค่าเฉลี่ยเมื่อเทียบกับประเทศอื่นๆ ในแถบซับซาฮารา ชาวเอธิโอเปียจำนวนมากเดินทางไปทำงานที่ซาอุดีอาระเบีย อัตราการจ้างงานที่เพิ่มขึ้นเป็นอันดับที่ 5 ในภูมิภาคจะส่งผลให้มีการย้ายถิ่นไปยังสหราชอาณาจักรมากขึ้น (เพิ่มขึ้น 2%) สวีเดน (เพิ่มขึ้น 2%) และซาอุดีอาระเบีย (เพิ่มขึ้น 8%) สิ่งนี้สะท้อนถึงความสามารถที่เพิ่มขึ้นและวิธีการของชาวเอธิโอเปียในการสนองปณิธานในต่างประเทศ หากการว่างงานเพิ่มขึ้นถึงระดับที่แย่ที่สุด แบบจำลองคาดการณ์การเพิ่มขึ้นของการอพยพไปยังแอฟริกาใต้ (เพิ่มขึ้นสามเปอร์เซ็นต์) และซาอุดีอาระเบีย (เพิ่มขึ้นสี่เปอร์เซ็นต์) โดยจุดหมายปลายทางของสหภาพยุโรปส่วนใหญ่ไม่แปรผันต่อการเพิ่มขึ้นในการว่างงาน
การวิเคราะห์เชิงปริมาณโดยละเอียดดังกล่าวไม่เคยมีมาก่อนสำหรับผู้มีส่วนได้ส่วนเสียที่ต้องการกำหนดการตอบสนองนโยบาย
การอนุมานเชิงสาเหตุ
ระบบการคาดการณ์ที่อธิบายข้างต้นนั้นขับเคลื่อนด้วยข้อมูลล้วนๆ โดยที่เราอาศัยแบบจำลองเพื่อให้ได้มาซึ่งความสัมพันธ์ระหว่างตัวแปรทั้งหมด อีกทางเลือกหนึ่ง หากเราพยายามใช้ประโยชน์จากความเชี่ยวชาญเฉพาะด้านและรวมข้อมูลเชิงลึกเฉพาะในระบบ เราอาจใช้แนวทางของแบบจำลองกราฟิกที่น่าจะเป็นไปได้
ที่การประชุมเชิงปฏิบัติการที่จัดขึ้นในห้องปฏิบัติการIBM Research-Irelandผู้เชี่ยวชาญด้านเนื้อหาจากศูนย์การย้ายถิ่นแบบผสมในเจนีวาและ DRC ได้ดึงเครือข่าย “สปาเก็ตตี้” ออกมาซึ่งแสดงให้เห็นว่าพวกเขาคาดหวังว่ากลุ่มตัวบ่งชี้จะเชื่อมโยงกันอย่างมีเหตุมีผลอย่างไร โดยใช้ข้อมูลนี้เป็นข้อมูลเข้า เราจึงรวมความคิดเห็นของผู้เชี่ยวชาญเข้ากับข้อมูล เราใช้เทคนิคที่เรียกว่าการเรียนรู้โครงสร้างเพื่อพัฒนาเครือข่ายดังกล่าว
โดยทั่วไปแล้ว การคาดการณ์โดยใช้เครือข่ายดังกล่าวไม่ได้ผล เช่นเดียวกับวิธีการที่อิงจากข้อมูลล้วนๆ ที่นำเสนอข้างต้น อย่างไรก็ตาม สิ่งเหล่านี้ช่วยในการวิเคราะห์สถานการณ์และการวิเคราะห์นโยบาย
อะไรต่อไป?
สิ่งเหล่านี้เป็นก้าวแรกสู่อนาคตที่ผู้กำหนดนโยบายสามารถเข้าถึงหลักฐานได้ทันทีเมื่อจำเป็นและเมื่อใด และสามารถสำรวจความสัมพันธ์ที่ซับซ้อนได้อย่างง่ายดายเพื่อให้ข้อมูลเชิงลึกที่ขับเคลื่อนนโยบายที่ดีขึ้น
สำหรับตอนนี้ เรากำลังดำเนินการปรับปรุงระบบอย่างต่อเนื่องและรวบรวมความคิดเห็นของผู้ใช้กับผู้เชี่ยวชาญเฉพาะเรื่องภายใน DRC หลังจากการตรวจสอบรายละเอียดเพิ่มเติม เราจะมองหาการขยายขอบเขตทางภูมิศาสตร์และความสามารถในการวิเคราะห์สถานการณ์
Project Debater – Speech by Crowdเป็นแพลตฟอร์มทดลองที่สร้างการเล่าเรื่องที่ชัดเจนและโน้มน้าวใจโดยอัตโนมัติโดยอิงจากแนวคิดที่ผู้คนแชร์เกี่ยวกับหัวข้อที่ซับซ้อน ในชีวิตประจำวัน เมื่อผู้คนกำหนดมุมมอง มุมมองที่พวกเขาพิจารณามักจะขึ้นอยู่กับประสบการณ์ส่วนตัวของพวกเขาเอง ความหวังของเราคือเทคโนโลยีนี้สามารถช่วยให้ผู้คนพิจารณาแนวคิดใหม่ๆ เรียนรู้จากกันและกัน และคิดสิ่งต่างๆ จากมุมมองใหม่ๆ
เราได้แชร์ Project Debater – Speech by Crowd เป็นครั้งแรกที่งาน CES ในสัปดาห์นี้ และรู้สึกตื่นเต้นที่ได้เห็นทั้งประสิทธิภาพเริ่มต้นและการดำเนินการในหัวข้อต่างๆ ตลอดทั้งสัปดาห์ไม่ว่าเราควรห้ามการพนันหรือไม่ ให้หยุดการพัฒนาระบบอัตโนมัติ รถยนต์หรือห้ามการขายวิดีโอเกมที่มีความรุนแรงแก่ผู้เยาว์ สัปดาห์นี้เราได้รับข้อโต้แย้งมากกว่า 2,000 รายการจากผู้เข้าชมที่บูธของ IBM และผู้คนทั่วโลก เวลา 16.00 น. PT ของทุกวัน เราได้แบ่งปันคำปราศรัยที่สร้างขึ้นตามข้อมูลที่เราได้รับ และมีความยินดีไม่เพียงแต่ความน่าเชื่อของเรื่องเล่าเท่านั้น แต่ยังรวมถึงปฏิกิริยาที่เราเห็นจากผู้ชมด้วย
[NPC5]Sharing Speech by Crowd กับชุมชน CES ในสัปดาห์นี้เป็นการทดลองสดอย่างแท้จริง เราไม่รู้ว่าจะคาดหวังอะไรล่วงหน้า ขอบคุณ CES และชุมชนผู้เข้าร่วมทั่วโลก ข้อมูลที่เราได้รับนั้นมีความรอบคอบและหลากหลาย ซึ่งนำไปสู่การกล่าวสุนทรพจน์ที่เปิดเผยข้อมูลเชิงลึกที่ตัวฉันเองไม่เคยพิจารณามาก่อน และฉันแน่ใจว่าฉันไม่ได้อยู่คนเดียว เป็นเรื่องน่ายินดีที่เราได้เห็นผู้คนมีส่วนร่วมโดยตรงกับงานที่มีการพัฒนามาหลายปีแล้ว และเรายินดีรับฟังความคิดเห็นของคุณเกี่ยวกับ Project Debater – Speech by Crowd experience ที่ CES ดังนั้นโปรดแจ้งเราที่ผู้อภิปราย @il.ibm.com