Verujte mi, za samo 5 minuta ovaj AI ortak za učenje će vam otvoriti vrata novog sveta
Ako ste u poslednjih nekoliko meseci pratili AI obrazovni sektor, sigurno ste primetili promenu: više se ne raspravlja samo o "da li AI može da pomogne učenicima sa domaćim", već o "kako AI može učiniti učenje efikasnijim".
Iza te potrebe stoji činjenica da nam ne nedostaju materijali za učenje, već sposobnost "da znanje produbimo".
Google je sproveo kontrolisani eksperiment — učenici koji su koristili AI podršku imali su prosečno poboljšanje od 9% u ocenama i 11% u dugoročnom pamćenju. Taj podatak dosta govori — AI podržano obrazovanje zaista ima jasne prednosti.
Upravo sada, zvanični sajt Zhipu Qingyan je tiho otvorio beta pristup funkciji "ortak za učenje".
Prijavio sam se za probu u prvom redu, ubacio PDF Mian Zha Ni Xi verzije 2.0, a efikasnost usvajanja mi se osetno poboljšala. O svom iskustvu ću podeliti detalje u nastavku.
Jednom rečenicom: ovo je verovatno najbolji sprovedeni scenario AI obrazovanja koji sam do sada video.
01. Šta je ortak za učenje
Jednostavno rečeno, ortak za učenje je AI pomoćnik koji vam pomaže da "knjigu pretvorite u tanku".
Elektronske knjige, PPT, PDF i drugi materijali za učenje koje inače čitamo mogu se direktno učitati. Ortak za učenje analizira te materijale, generiše sistematsko stablo znanja, a zatim vas pomoću četvoroslojnog mapa uma, demonstracije projekata u realnom vremenu i kratkih kvizova dovodi do potpunog razumevanja svake tačke znanja.
Trenutno podržava učitavanje do 10 fajlova po projektu, sa maksimalnih 500 MB po fajlu. Za univerzitetske udžbenike poput "Više matematike", "Kvantne mehanike" i "Teorije prava" — jedna knjiga obično ima desetak MB, tako da tu ima više nego dovoljno prostora.
Posetite ovaj link: https://chatglm.cn/main/gdetail/68f0b8c110eea3e78b0e0e5e
Pošto je trenutno u beta fazi, ne zaboravite da unesete moj pozivni kod [UUjABAaz]
Uzeću "Mian Zha Ni Xi 2.0" za test. Ukupno 15 knjiga, sa preko 300 hiljada znakova i mnogo ručno nacrtanih ilustracija.
Ortak za učenje trenutno podržava tri načina — PDF, cloud bazu znanja i URL uvoz.
Za URL uvoz, dovoljno je proslediti link na web stranicu — vrlo zgodno. Prebacimo MySQL i Redis poglavlje Mian Zha Ni Xi-a.
- MySQL poglavlje: https://tobebetterjavaer.com/sidebar/sanfene/mysql.html
- Redis poglavlje: https://tobebetterjavaer.com/sidebar/sanfene/redis.html
Nakon uspešne provere, kliknete na [Kreiraj projekat]. Ortak za učenje na osnovu materijala dinamički generiše vizuelnu demonstraciju. Ovo mi se posebno sviđa, o tome detaljnije kasnije.
Ako je sadržaj obiman, ortak za učenje će ga podeliti u grupama za učitavanje, a nakon što se sve učita možemo početi sa učenjem.
02. Mian Zha Ni Xi MySQL poglavlje — udri ga
Nakon uspešnog učitavanja MySQL poglavlja, ortak za učenje će nam srediti okvir znanja i generisati četvoroslojnu mapu uma od naslova projekta, konkretnih poglavlja, ključnog sadržaja poglavlja i konkretnih tačaka znanja.
Od osnova MySQL-a do indeksa, transakcija, brava i optimizacije SQL-a — svako poglavlje ima jasnu strukturu. Tok znanja celog projekta je jasan na prvi pogled.
Na desnoj strani nalazi se bočna traka za [Proširi materijale za učenje].
Ako želite pogledati original, to je takođe vrlo zgodno.
Najzanimljivije nije tekstualni pregled, već to što tokom objašnjavanja u realnom vremenu kreira projekat za demonstraciju.
Na primer, kliknuo sam na "Zašto indeks ubrzava pretragu", ortak za učenje mi je prvo dao pregled definicije i uloge indeksa, a zatim pokrenuo AI objašnjenje.
Jedina mana je što je trenutno proces generisanja pomalo spor, verovatno zato što sam na besplatnoj verziji.
Ali efekat je zaista nenadmašan, zar ne?
Na primer, za klasifikaciju indeksa, ortak za učenje mi je direktno kreirao vizuelnu demonstraciju. Mogu da kliknem na čvorove na stranici i vidim razlike između različitih vrsta indeksa.
I za nivoe izolacije transakcija, ortak za učenje je u realnom vremenu kreirao demonstraciju konkurentnog scenarija koji pokazuje kako nastaju prljavo čitanje, neponavljivo čitanje i fantomsko čitanje, i kako različiti nivoi izolacije rešavaju te probleme.
Ako ne razumem iz prvog puta, jednostavno osvežim i resetujem — ortak za učenje menja skup podataka i ponovo demonstrira. Ovo mi se zaista sviđa. Ranije, pri učenju nivoa izolacije transakcija, mogao sam se samo oslanjati na maštu, a sada mogu iznova gledati proces izvršenja u različitim konkurentnim scenarijima — brzina razumevanja se udvostručila.
I ortak za učenje ima jedan veoma pažljiv dizajn: svaka tačka znanja može se povezati sa originalnim materijalom. Ako nisam siguran da li je nešto zaista navedeno u Mian Zha Ni Xi-u, jednim klikom mogu skočiti na originalnu web stranicu i proveriti.
03. Mian Zha Ni Xi Redis poglavlje — udri ga
Nakon MySQL poglavlja, nastavljamo sa Redis poglavljem. Nakon uspešnog učitavanja, ortak za učenje je takođe generisao sistem znanja.
Da vam pokažem i učitavanje u PDF formatu.
Za ono što smo već učili postoji indikator napretka — malopre smo učili MySQL.
Od osnova Redis-a do tipova podataka, trajnosti, primene keša, distribuiranih brava — svako poglavlje ima jasnu strukturu.
Kliknuo sam na "proboj keša", ortak za učenje mi je prvo dao pregled šta je proboj keša, a zatim kreirao vizuelnu demonstraciju toka zahteva. Od klijentovog zahteva do Redis keša, pa do MySQL baze — svaki korak je jasno prikazan.
Još zanimljivije, ortak za učenje je demonstrirao i dva rešenja: Bloomov filter i keširanje praznog objekta.
Svako rešenje se animacijom prikazuje kako rešava problem — na primer kako Bloomov filter procenjuje da li podatak postoji i kako keširanje praznog objekta izbegava učestalo traženje iz baze.
Za distribuirane brave, ortak za učenje je kreirao demonstraciju visoko-konkurentnog scenarija u kojem više zahteva istovremeno juri bravu — proces izvršavanja setnx komande, podešavanje vremena isteka brave i trenutak otpuštanja brave sve je prikazano animacijom.
Iskreno, te demonstracije su jasnije od ručno nacrtanih ilustracija u Mian Zha Ni Xi-u. Ručno nacrtane ilustracije su statične, ali su ove demonstracije dinamične i mogu se iznova gledati u različitim scenarijima.
I ortak za učenje na osnovu sadržaja Mian Zha Ni Xi-a automatski generiše primere koda.
Na primer, kod Lua skripte za implementaciju distribuirane brave on red po red objašnjava šta radi i zašto je tako napisano — mnogo efikasnije nego da sam čitam komentare.
04. Kratki kvizovi i fleš kartice znanja
Nakon svake tačke znanja, ortak za učenje vam dodeljuje nekoliko pitanja sa jednim ili više odgovora, da proveri stepen savladavanja.
Ako odgovorite pogrešno, daje i podsetnik — prilično pažljivo.
Nakon prolaska, ortak za učenje vam beleži "savladana tačka znanja +1", tako da u svakom trenutku možete videti napredak u učenju.
Postoji i funkcija "jednim klikom generiši fleš karticu znanja", koja sav sadržaj ovog odeljka prikazuje slikom radi pamćenja.
Ovde se verovatno koristi GLM-Image koji je Zhipu nedavno lansirao — tačnost renderovanja teksta je veoma visoka, informacije na slici su neposredne i tačne.
Klikom na [Generiši fleš karticu], ortak za učenje vam sadržaj odeljka predstavlja slikom, radi lakšeg pamćenja.
Trenutno postoji mnogo stilova, kao što su dnevnik stil, crtaći, školska tabla, mašinski plavacrt, piksel igra i drugi.
Iskreno, stil je zaista lep.
Tokom celog procesa učenja, za sve što ne razumete možete pitati ortaka u donjem desnom uglu, a on će dati detaljno objašnjenje. Ova funkcija pitanja i odgovora mi je posebno praktična — imate privatnog instruktora stalno pored vas.
05. Deljenje projekata za učenje
Ortak za učenje je otvorio i mnoge javne projekte za učenje, u kategorijama kao što su jezgro-veštine, pogledi velikih imena, praktičan život, hobiji, AI ekosistem i druge.
Kliknuo sam na "Marketinške ideje malog Lei-a iz Xiaomi-a" i otkrio da je to kompletan projekat za učenje — od marketinške teorije do konkretnih slučajeva gospodina Lei-a, sve je sistematski sređeno.
Ako želite nešto da naučite, a ne znate odakle da počnete, ovi javni projekti su dobar ulaz.
Nakon završetka projekta za učenje sa oznakom saradnje na kursevima, možete dobiti i potvrdu kursa. Možete čak i svoj projekat za učenje "otvoriti" i deliti ga sa drugim učenicima.
Ovaj dizajn je zgodan. Budućnost plaćenog znanja možda će upravo biti pristupanje projektu za učenje, sa korišćenjem putanje učenja koja se može ponovo koristiti i sistema vežbi — svi uče zajedno, zajedno iteriraju i stalno usavršavaju projekat za učenje.
06. Moji utisci o korišćenju
Nakon celog dana sa ortakom za učenje, imam nekoliko jakih utisaka.
Jezgro AI podržanog učenja je "smanjenje bola"
Što ga više koristim, sve više uviđam da pravi užitak AI podržanog učenja leži u tome što drastično smanjuje bol bubanja gradiva.
On dugački Mian Zha Ni Xi sažima u ključne tačke, dosadni tekst pretvara u neposredne dinamične demonstracije, apstraktno gradivo u interaktivne vizuelne demo-e. Svaka mala primena donosi podizanje efikasnosti učenja.
Najvažnije je stvarno razumeti, a ne bubuti napamet
Ranije sam MySQL indekse učio napamet — "karakteristike B+ stabla", "razlika između klaster i neklaster indeksa".
Sada preko vizuelnih demonstracija mogu zaista da razumem zašto je B+ stablo pogodno za indeks, u čemu je razlika u skladištu između klaster i neklaster indeksa i kako se transakcije izvršavaju pod različitim nivoima izolacije.
To razumevanje je duboko — pri intervjuu, kad vam postave potpitanje, možete mirno odgovoriti, umesto da samo bubate odgovor.
Sa Mian Zha Ni Xi-om je savršena kombinacija
Mian Zha Ni Xi je već sam po sebi dobro sređen — ima ručno nacrtane ilustracije, primere koda i tehnike za intervju. Ali u kombinaciji sa ortakom za učenje efekat se direktno udvostručuje.
Mian Zha Ni Xi pruža sistematski okvir znanja, ortak za učenje pruža vizuelni način razumevanja — udruženi, efikasnost savladavanja gradiva je kao nebo i zemlja.
Gamifikacija još uvek ima prostora za napredak
Inovacija javnih projekata za učenje ortaka za učenje je dobra, ali mislim da bi se moglo dodati još interakcijskih mehanizama.
Na primer, gamifikacija u rang-listu učenja, brzinsku listu za savladavanje gradiva — svakodnevno boksovanje da se održi ritam i otključavanje titula, čime bi bubanje postalo deo društvenog života programera.
Tako bi bilo privlačnije i lakše za upornost.
07. Kako probati
Trenutno je ortak za učenje još u beta fazi i potreban je pozivni kod. Ne zaboravite da unesete moj pozivni kod [UUjABAaz]
Pristup je preko zvaničnog sajta Zhipu Qingyan ili desktop klijenta — pronađite ulaz za funkciju ortaka za učenje. Preporučujem korišćenje preko računara — ekran je veći, pa su vizuelne demonstracije zgodnije za gledanje.
Zvanična adresa: https://chatglm.cn/main/gdetail/68f0b8c110eea3e78b0e0e5e
Način korišćenja je jednostavan — prekopirajte URL link Mian Zha Ni Xi-a (ili URL druge tehničke dokumentacije) u njega, a ortak za učenje automatski prikuplja sadržaj i generiše sistem znanja.
Možete učiti po poglavljima ili direktno skočiti na određenu tačku znanja, poput MySQL indeksa ili Redis distribuirane brave — za sve će postojati vizuelna demonstracija i objašnjenje koda.
ending
Ako bih celodnevno iskustvo morao da sažmem u jednu rečenicu, to bi bilo:
Ortak za učenje me je naterao da preispitam sopstvenu sposobnost bubanja gradiva.
Ranije ste mislili da se stvari poput MySQL indeksa ili Redis keša moraju naučiti napamet — pa zaboravite, pa ponovo bubate, ukrug.
Ali uz AI podršku zaista možete razumeti strukturu B+ stabla, princip nivoa izolacije transakcija i rešenje za proboj keša, a vizuelne demonstracije vam pomažu da dodatno utvrdite pamćenje.
To nije da AI uči umesto mene, već da AI spušta prag razumevanja i mi dobijamo sposobnost da se uhvatimo ukoštac sa kompleksnijim, apstraktnijim i izazovnijim tehničkim znanjem.
Sa stanovišta razvoja karijere, ova sposobnost AI podržanog učenja postaće sve važnija. Konkurencija u budućem društvu u velikoj meri zavisi od sposobnosti učenja. Ko brže savladava nove tehnologije i okvire, taj je konkurentniji.
Ako i dalje mučite da savladate Mian Zha Ni Xi ili ste anksiozni što ne razumete kompleksno gradivo, probajte ortaka za učenje. Verujte mi, otvorićete vrata novog sveta.
Reference: