开发生成式人工智能应用以改善教学和学习体验 机器学习博客

利用生成式 AI 应用提升教学与学习体验

by Jeff Li Isaac Privitera 和 Harish Vaswani于2023年11月2日在Amazon Bedrock， Amazon 机器学习，AWS Cloud Development Kit，教育，生成式 AI，技术如何做 固定链接 评论

关键要点

教师与机构正在寻找不同的方法，将人工智能AI融入课程中，包括教授机器学习ML或者应用于创建教学计划、评分和其他教学应用。尤其是生成式 AI 模型特别是大型语言模型LLMs显著加速了 AI 在教育领域的影响。生成式 AI 和自然语言处理NLP模型可以通过生成个性化的学习内容，以及为学生提供生动的学习体验来极大地提升教学和学习。

在本文中，我们将展示一个生成式 AI 解决方案，帮助教师创建课程材料，并让学生学习英语的单词和句子。学生在回答时，解决方案会提供实时评估，并针对学生的回答给予个性化反馈和指导。

解决方案概览

以下图表展示了该解决方案中所使用的资源与服务。

该解决方案以可扩展的服务形式运行。教师和学生通过浏览器访问应用程序。内容通过 Amazon CloudFront 分发，并使用应用负载均衡器作为其来源。生成的图像被保存到 S3 存储桶中，并且教师的作业、学生的答案和得分分别保存在不同的 DynamoDB 表中。

该解决方案使用 Amazon Bedrock 生成问题、答案、作业图像，并对学生的答案进行评分。Amazon Bedrock 是一个完全托管的服务，通过易于使用的 API 接口提供来自领先 AI 初创公司和亚马逊的基础模型。解决方案还使用了来自 AI21 的语法错误修正 API和改述 API，以推荐词汇和句子的修正。

准备工作

您应该对生成式 AI、机器学习以及该解决方案中使用的服务包括 Amazon Bedrock、Amazon ECS、Amazon CloudFront、Elastic Load Balancing、Amazon DynamoDB 和 Amazon S3有一定的了解。

我们使用 AWS CDK 构建和部署解决方案。有关设置说明，请参阅自述文件。

创建作业

教师可以通过以下 GUI 页面从输入文本中创建作业。作业包括输入文本、从文本生成的问题和答案，以及代表作业的由输入文本生成的图像。

在我们的示例中，教师输入美国交通部的儿童与自行车安全指南。我们使用的输入文本文件为bikesaferidingtipstxt。

以下是生成的图像输出。

生成的问题和答案如下：

jsonquestion 你骑自行车时应该始终佩戴什么？answer 你骑自行车时应该始终佩戴合适的自行车头盔。头盔可以保护你的大脑，并在发生撞击时拯救你的生命。

jsonquestion 骑自行车时，你如何确保司机能看见你？answer 为了确保司机能看见你，穿上明亮的霓虹色或荧光色的衣服。也可以使用反光带、标记或闪烁的灯光以增加可见性。

jsonquestion 骑自行车前，你应该做什么？answer 骑自行车前，你应该检查你的自行车，以确保所有部件都安全且正常工作。检查轮胎是否充气，刹车是否正常，反光镜是否到位。

jsonquestion 为什么晚上骑自行车更危险？answer 晚上骑自行车更危险，因为其他交通工具在黑暗中更难看到你。

jsonquestion 骑自行车时如何避免危险？answer 要提前观察诸如坑洞、碎玻璃和犬只等危险情况。及时指出并大声告知后方骑自行车者可能的危险。避免在夜间骑行，因为难以看到危险。

教师希望学生通过阅读输入文本来完成作业，并回答生成的问题。

门户网站使用 Amazon Bedrock 来创建问题、答案和图像。Amazon Bedrock 通过 API 接口加快了生成式 AI 解决方案的开发。您可以在文件1CreateAssignmentspy中找到源代码。

该门户网站调用了两个基础模型：

门户将生成的图像保存到 S3 存储桶，使用函数loadfiletos3。根据输入文本、教师 ID、生成的问题和答案，以及加载图像的 S3 链接来创建作业。它将作业保存到 DynamoDB 表 assignments 中，使用函数insertrecordtodynamodb。

创建 DynamoDB 表的 AWS CDK 代码可以在文件cdkstackpy中找到。

显示作业

教师可以通过以下 GUI 页面浏览作业和生成的物品。

门户使用getrecordsfromdynamodb函数从 DynamoDB 表 assignments 中检索作业。使用函数downloadimage从 S3 存储桶中下载图像。您可以在文件2ShowAssignmentspy中找到源代码。

回答问题

学生选择并阅读教师的作业，然后回答作业中的问题。

门户提供生动的学习体验。例如，当学生输入答案“我应该戴保护大脑的帽子”时，门户会通过将该答案与正确答案进行对比，实时为其打分。门户还会给所有学生的同一问题的答案进行排名，并显示前三个得分。您可以在文件3CompleteAssignmentspy中找到源代码。

该门户将学生的答案保存到名为 answers 的 DynamoDB 表中。创建 DynamoDB 表的 AWS CDK 代码可以在文件cdkstackpy中找到。

为了对学生的答案进行评分，门户网站调用了Amazon Titan Embeddings 模型，将学生的答案与正确答案转换为数值表示，然后计算它们的相似度作为得分。您可以在文件3CompleteAssignmentspy中找到该解决方案。

门户会为学生的答案生成语法修正和句子改进建议。最后，门户会显示问题的正确答案。

门户使用来自 AI21 的语法错误修正 API 和改述 API 来生成推荐的语法和句子改进。AI21 的改述模型作为基础模型可在 SageMaker 中使用。您可以将在 SageMaker 中将 AI21 改述模型部署为推理点，并调用该推理点生成句子改进。

在文件3CompleteAssignmentspy中的函数generatesuggestionssentenceimprovements和generatesuggestionswordimprovements展示了一种使用 AI21 REST API 接口的替代方式。您需要创建一个 AI21 账户，并找到与您的账户关联的 API 密钥，以调用这些 API。在试用期后，您需要支付调用费用。

结论

本文展示了如何利用 AI 辅助解决方案，通过多种生成式 AI 和 NLP 模型来提升教学与学习体验。您可以采用相同的方法开发其他生成式 AI 原型和应用程序。

如果您对生成式 AI 的基本概念及如何与基础模型合作包括高级提示技术感兴趣，可以查看这个实践课程生成式 AI 与 LLMs。这是一个按需的为期 3 周的课程，适合希望学习如何使用 LLM 构建生成式 AI 应用程序的数据科学家和工程师。这将为您使用 Amazon Bedrock 建立良好的基础。请访问Amazon Bedrock 特性页面，以及注册以了解更多关于Amazon Bedrock的信息。

关于作者

Jeff Li是 AWS 专业服务团队的高级云应用架构师。他热衷于与客户深入合作，创建解决方案并现代化应用程序，以支持业务创新。闲暇时间，他喜欢打网球、听音乐和阅读。

Isaac Privitera是生成式 AI 创新中心的高级数据科学家，他开发定制的生成式 AI 解决方案以应对客户的商业问题。他主要致力于使用检索增强生成RAG和思维链推理构建可靠的 AI 系统。闲暇时，他喜欢高尔夫、足球和与他的狗 Barry 散步。

Harish Vaswani是亚马逊网络服务的首席云应用架构师。他专注于架构设计与构建云原生应用程序，并在客户的云转型过程中提供最佳实践支持。在工作之外，Harish 和妻子 Simin 是获奖的独立短片制作人，喜欢和5岁的儿子 Karan 享受家庭时光。