回想一下几十年前的时光,对于年轻一点的人来说回想一下几年前的时光,想一想当时刚进高中时学会如何解释图表对于基础教育的重要性。
再想象一下,有视力障碍的年轻学习者在接受STEM(科学、技术、工程和数学)科目等重要教育时的经历,他们甚至连图表是什么都不知道,更不用说图表所传递的数据了。
在讨论复杂的、数据丰富和高度视觉化一类的模型时,视障学生通常在课堂上使用的可能辅助技术(如读屏器和电子盲文显示器)就有些力不从心了。
这种情况下唯一的选择通常是教师或视力指导者详细地口头描述数据,但这种做法是不可持续的而且不利于视障学生的独立性。
Benetech在过去的几个月里与Schmidt Futures合作力求解决这一全球教育不平等的基本问题。Benetech是一家非营利性社会企业,旗下的国际知名Bookshare平台主打将书籍转换为无障碍格式,以供阅读障碍者使用。
Schmidt Futures是由谷歌前首席执行官Eric Schmidt和他的妻子Wendy创立的慈善机构,Schmidt Futures致力于发挥网络和先进技术的力量及解决科学和社会领域未被满足的需求。
两家机构的联合倡议建立在Benetech与通用汽车公司正在进行的工作基础上,联合倡议的主要工作是利用人工智能将Bookshare中的800多万个数学方程式进行识别、提取并转换为可访问的格式。
下一个层次
两家机构的最新项目涉及到全新的复杂程度,新项目侧重于建立一个大型数据集,主要用于训练人工智能识别教科书中的图形和图表并向有视力障碍或阅读障碍的学习者准确描述这些图形和图表。
由于涉及到数以千计的潜在变量,该项目面临着巨大的挑战,项目另外还涉及到举办一些数据科学竞赛,目的是建立使用人工智能模型自动分类和修复图形和图表的最佳实践。
Benetech的全球教育和扫盲副总裁兼总经理Brad Turner解释称,“二十年前,文本的可访问性是主要挑战,当时刚刚开始用光学字符识别,可以扫描页面并将其转换为屏幕阅读软件的可读文本。”
他表示,“今天,新的领域是STEM,是数学,是图表、图形和物理学。我们现在已经可以将数学方程的转换准确率提高到了99%左右,我们很高兴能与Schmidt Futures一起启动我们的项目,做一些利用数据集描述图表和图形方面的探索。”
教育平等
正如Turner说的那样,这一挑战是一个具有全球影响的挑战。
他称,“目前在南半球的非洲、南亚和拉丁美洲的大片地区内,10岁或11岁以上的视力障碍学生根本不允许学习STEM科目,因为视力障碍学生无法获得这些科目的内容。”
Turner 表示,“并不是因为学生不感兴趣或不聪明。这些科目的内容不存在适合视力障碍学生的形式。”
尽管如此,缺少接受STEM教育的机会并不纯粹是个第三世界的问题。
美国国家科学基金会的国家科学与工程统计中心2021年4月发布的《科学与工程领域的妇女、少数民族和残疾人》报告中的数据显示,在美国,有一种或多种可见或不可见残疾的科学家的总体比例以令人失望的速度增长,从1999年的6%增长到2019年的9%。
此外还发现,有残疾的科学家和工程师的失业率高于无残疾的科学家和工程师,有残疾的科学家和工程师在2019年里的失业率也高于美国整体失业率。
Schmidt Futures合作关系副总裁库Kumar Garg说表示,“我们的社会经常错误地认为STEM是很专业的东西,是只有极少数学生感兴趣的东西,而STEM其实正日益成为一个核心技能领域,每个学生都应该对STEM拥有广泛的熟悉和能力。”
他解释称,“似乎有那么多的不同方式,学生得到指导是别往这些学习途径上走。教育是累积性的,如果一个学生在建立核心基础概念的过程中掉了队,那么他们以后想要追赶就会变得非常艰难。”
他表示,“如果我们在不同人的轨迹关键点不考虑这些机会差距,一个巨大的公平挑战就已经形成。这些快速增长的领域是学生们感兴趣的领域,我们应该尽一切努力积极鼓励他们并提供支持。”
据Turner说,输家不仅仅是学生个体。
他表示,“我们对有视力障碍或阅读障碍的学生造成的伤害是无法估量的,他们本来可以成长为下一个伽利略、阿尔伯特·爱因斯坦或路易斯·巴斯德(法国微生物学家),但却因为无法为他们提供教育内容而不能进入科学领域。而且我们的广泛社会也不能用上他们的技能和才能。”
他还表示,“年轻人可能以不同的方式阅读,无论是用眼睛、耳朵还是用手指阅读,仅仅因为这样就剥夺了他们人生的真正使命是不公正的。”
顺着这个思路仔细想一下,我们很难不去反思那些可能已经失去的人才,但也许正是因为现在我们的那些不公平教育经历真正凸显出努力创造更光明的明天的必要性。
好文章,需要你的鼓励
随着IT成为企业运营的核心支撑,IT服务台的重要性日益凸显。现代ITSM平台已从简单的帮助台发展为复杂的管理系统,集成了工单跟踪、资产管理、性能监控等功能。这些平台的核心是工单门户,确保请求得到及时处理。许多产品强调自助服务功能和AI集成,通过智能路由、预测分析和生成式AI来提高问题解决效率。本文详细介绍了21款主流ITSM工具,帮助企业选择适合的解决方案。
韩国AI研究院团队深入研究了大型语言模型的置信度评估机制,发现AI有时会对错误答案表现出过度自信的"幻觉"现象。研究揭示了AI内部"置信度计算器"的系统性偏差,提出了"内部一致性检测"方法来识别AI的真实确信程度,为开发更可靠的AI系统提供了重要科学基础。
思科与英伟达、VAST Data合作推出安全AI工厂,整合服务器、GPU和存储设备为企业提供一体化AI基础设施。该方案采用融合基础设施形式,以AI POD作为核心组件,搭载英伟达RTX PRO 6000 Blackwell GPU和思科UCS服务器。存储方面支持NetApp、Pure Storage或VAST Data产品。VAST声称其InsightEngine能够加速RAG管道,将响应延迟从分钟级降至秒级,支持企业级智能体AI应用。
苹果公司研究团队通过创新的GSM-Symbolic测试方法,发现当前先进AI系统在数学推理方面存在严重缺陷。研究表明,AI虽然在标准测试中表现优异,但面对表述稍有变化的同类问题时准确率显著下降,暴露出其缺乏真正的逻辑理解能力,主要依赖模式匹配而非推理。这项发现为AI评估提供了新标准,并为未来开发更可靠的AI推理系统指明了方向。