北京時間5月5日上午消息,舊金山一家以科技為中心的連鎖私立學(xué)校AltSchool已獲得了來自Facebook CEO馬克·扎克伯格(Mark Zuckerberg)和硅谷多家風(fēng)投的1億美元投資。
扎克伯格通過自己的家族慈善組織進(jìn)行了這筆投資。參與投資的還包括Founders Fund和安德森-霍洛維茨等投資機(jī)構(gòu)。
AltSchool的創(chuàng)始人是谷歌前高管馬克斯·文特拉(Max Ventilla)。該公司開發(fā)訂制的硬件和軟件,幫助教師制定個性化教學(xué)計劃。通過這種方式,在一個學(xué)年里,學(xué)生不必遵循同樣的課程計劃,而是可以訂制自己的課程。AltSchool的學(xué)費(fèi)約為每年2.1萬美元,而該公司還計劃向其他學(xué)校出售其技術(shù)。
AltSchool創(chuàng)始人文特拉
科技行業(yè)投資者近期正在關(guān)注與教育相關(guān)的公司。根據(jù)風(fēng)投追蹤機(jī)構(gòu)CB Insights的數(shù)據(jù),去年,對教育創(chuàng)業(yè)公司的投資增長了55%,達(dá)到創(chuàng)紀(jì)錄的18.7億美元。1999年,當(dāng)該機(jī)構(gòu)剛剛開始追蹤教育行業(yè)時,這一行業(yè)獲得的投資為3.85億美元。
扎克伯格對教育尤為關(guān)注。他曾于2010年向新澤西的紐瓦克教育系統(tǒng)捐款1億美元,并于2014年5月宣布提供1.2億美元改善舊金山灣區(qū)的教育。另一些投資者也對教育行業(yè)充滿了熱情。Founders Fund管理合伙人布萊恩·辛格曼(Brian Singerman)表示:“我們認(rèn)為,重新思考教育的時刻已經(jīng)來臨。”
AltSchool不同于許多教育技術(shù)創(chuàng)業(yè)公司,這些公司通常只開發(fā)應(yīng)用,幫助人們學(xué)習(xí)數(shù)學(xué)或閱讀。AltSchool擁有自己的學(xué)校。該公司去年從舊金山起步,最初只有20名學(xué)生。今年,該公司計劃開設(shè)8所學(xué)校,吸納500名學(xué)生。該公司在加州以外的首家學(xué)校將位于紐約布魯克林,并將于今年晚些時候開張。
文特拉于2010年將自己的創(chuàng)業(yè)公司Aardvark出售給谷歌,并在谷歌工作至2013年。他認(rèn)為,美國的教育系統(tǒng)存在問題,而他對于解決這些問題很感興趣。在培生集團(tuán)對全球?qū)W生的一項研究中,美國學(xué)生僅排名第14,落后于俄羅斯和其他發(fā)達(dá)國家。造成這一局面的部分原因在于,美國的公立學(xué)校缺乏資金。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。