Razvoj AI alata za rješavanje problema sa matricama uz pomoć HPC
Razumijevanje matričnih operacija je ozloglašeni kamen spoticanja za mnoge studente. Uprkos osnovnoj važnosti matrica u disciplinama kao što su matematika, inženjerstvo i računarstvo, učenici se često bore s njihovom apstraktnom prirodom i složenošću korak po korak koja je uključena u rješavanje matričnih problema. Tradicionalnim nastavnim metodama (npr. predavanja i udžbenici) obično nedostaje interaktivnost i pravovremene povratne informacije, što može ostaviti učenike zbunjenim ili neaktivnim kada naiđu na prepreku. Uobičajeni scenario je da učenik radi kroz matrični proračun na papiru, ali bez neposredne povratne informacije možda će shvatiti grešku tek mnogo kasnije. Ovo odsustvo trenutnih smjernica otežava utvrđivanje grešaka i razumijevanje osnovnih koncepata. Izazov je bio jasan: kako pružiti učenicima interaktivniji način koji podržava praktikovanje matričnih problema, tako da mogu učiti radeći sa povjerenjem da će greške biti uhvaćene i ispravljene u realnom vremenu.
Rješenje
Računarstvo visokih performansi (HPC) postalo je prekretnica u izgradnji prilagodljivog inteligentnog sistema podučavanja za matričnu algebru. Cjelokupno rješenje je dizajnirano da iskoristi HPC klaster na Univerzitetu Donja Gorica (UDG), osiguravajući da tutor može brzo obraditi složene zadatke i paralelno rješavati mnoge studente. Tokom razvoja, tim je koristio HPC resurse za bržu obuku modela mašinskog učenja i testiranje sistema pod realnim radnim opterećenjima. Jednom postavljena, HPC infrastruktura je pretvorila ono što bi bila teška računanja u operacije u djeliću sekunde. Zapravo, u standardnom okruženju prototipu je u početku bilo potrebno oko 150 sekundi da obradi upit matrične slike, ali nakon migracije na UDG HPC čvor (opremljen moćnim NVIDIA L40 GPU-om), isti zadatak se izvršio za manje od 5 sekundi. Ovo dramatično ubrzanje od 30 puta značilo je razliku između frustrirajućeg čekanja i trenutnog odgovora. Podržan od HPC-a, čet-bot za podučavanje lako ispunjava cilj dizajna da isporuči rezultate za otprilike 2 sekunde ili manje za tipične probleme. Takva izvedba je ključna za održavanje interaktivnosti iskustva – učenici mogu postaviti pitanje i praktično odmah dobiti povratnu informaciju, odražavajući brz tempo ljudskog učitelja. Sposobnost HPC klastera da rukuje intenzivnim paralelnim proračunima i velikim modelima je okosnica koja omogućava podučavanje u realnom vremenu, vođeno umjetnom inteligencijom.
Kako bi se interaktivno pozabavio problemima s matricom, tim je razvio inteligentni sistem podučavanja u stilu chatbot-a koji kombinuje optičko prepoznavanje karaktera (OCR) sa obradom prirodnog jezika (NLP). U srcu rješenja su dva AI modela koja rade u tandemu: EasyOCR za čitanje matričnih podataka sa slika i Qwen2-Math-7B-Instruct za razumijevanje i rješavanje matematičkih problema koje je korisnik opisao. Ovo uparivanje omogućava učenicima da ili otpreme fotografiju matrice ili unesu matrični problem i zauzvrat dobiju pomoć korak po korak. Na primjer, učenik može dati jednu ili dvije matrice (bilo kao tekst ili slike) i zatražiti od chat bota da izvrši operaciju poput transpozicije, sabiranja ili množenja. Tok rada sistema je jednostavan, ali moćan: ako je ulaz slika, komponenta EasyOCR se prva uključuje kako bi izvukla numeričke unose matrice iz slike. Zatim, Qwen2-Math-7B-Instruct model tumači zahtjev korisnika (na prirodnom jeziku) i ekstrahovane matrične podatke, a zatim izvršava traženu operaciju matrice s preciznošću.
Ono što izdvaja ovog nastavnika nije samo to što razume matematiku, već i način na koji komunicira. Chatbot ne izbacuje samo rezultat, recimo, zbrajanja dvije matrice – on također pruža jasno, korak po korak objašnjenje kako je došao do odgovora. Na ovaj način, sistem se ponaša kao strpljivi učitelj, koji učenike vodi kroz svaki element rješenja. Korisničko sučelje je pažljivo dizajnirano radi jednostavnosti i jasnoće: korisnici mogu upisivati upite poput “dodaj ove dvije matrice” ili priložiti slike matrica, a chatbot će automatski tražiti sve informacije koje nedostaju (na primjer, tražit će drugu matricu samo ako operacija zahtijeva dva unosa). Ovo čini iskustvo intuitivnim – učenici nisu zaglibljeni u krute formate ili višestruka zbunjujuća polja za unos. Ispod haube, integracija OCR-a i NLP-a unutar jedne platforme je prilično inovativna, budući da je većina ranijih obrazovnih alata obrađivala ili tekst ili slike, ali ne oboje istovremeno. Postavljanjem cijelog sistema na HPC klaster, sve ove komponente – obrada slike, razumijevanje jezika i matrično računanje – rade neprimjetno. Težak rad (poput pokretanja neuronske mreže od 7 milijardi parametara za NLP) ubrzava HPC, tako da chatbot može analizirati pitanje, riješiti problem matrice i generirati objašnjenje u hodu. Ovaj spoj naprednih AI modela sa HPC mišićima rezultira sistemom podučavanja koji je i pametan i brz, dostupan preko bilo kojeg web pretraživača.
Benefiti
- Trenutna povratna informacija: HPC omogućava sistemu da pruži odgovore u realnom vremenu (ispod 2 sekunde), omogućavajući učenicima da odmah uče iz svojih grešaka.
- Visoka preciznost: Preciznost OCR prepoznavanja dostigla je do 99%, osiguravajući pouzdano matrično izvlačenje podataka iz slika i tekstova.
- Poboljšani angažman učenika: Interaktivna, razgovorna objašnjenja pomažu učenicima da aktivno uče i zadrže složene matrične koncepte.
- Fleksibilnost u unosu: Podržava i tekstualne upite i slikovne unose, čineći ga jednostavnim za upotrebu i pristupačnim.
- Skalabilni obrazovni alat: Lako proširiv za složenije matematičke operacije i šire obrazovne aplikacije, pokretan robusnim HPC resursima.