最近，在日全食來臨前夕，將學科問題轉化為教育講解視頻AI生成學習產(chǎn)品Gatekeep解釋了“在日全食期間發(fā)生了什么?”這一天文現(xiàn)象。

用生成動畫來解釋數(shù)學、物理、地理等學科問題，是Gatekeep的一大特點。多知此前報道了Gatekeep，文章發(fā)布后引發(fā)眾多人士關注。

Gatekeep之所以會給人眼前一亮的感覺，是因為它不同于以往任何形式，是用AI生成講解視頻，包含可視化動態(tài)圖和語音講解以及關鍵字幕等多模態(tài)。

從以往來看，教學軟件有幾大類型：

拍照講題類產(chǎn)品，拍照即可獲得解題過程的講解視頻，并結合了大模型的實時追問、互動能力;

解題輔助類工具，如幾何畫板軟件，能夠動態(tài)展現(xiàn)幾何對象的位置關系和運行變化規(guī)律。

Gatekeep可以說走了不一樣的道路，目前，國內還沒有類似的產(chǎn)品。

不過，目前，Gatekeep還處于早期階段，沒有解決幻覺問題，有時候不能用正確的動態(tài)圖解答問題，但對于教師來說，這是不錯的教學輔助工具。

隨著未來技術的成熟，可以預見Gatekeep未來的潛力，比如在個性化教學方面，這或許是它的價值所在。

幻覺或許是目前最大的問題

有部分從業(yè)者認為，現(xiàn)階段如果Gatekeep學生直接用可能會產(chǎn)生誤導，因為存在幻覺問題。

此前，硅谷知名投資人Jason Calacanis在播客《This Week in Startups》中提到，如果Gatekeep中間生成的內容是錯誤的，那么它將毫無價值。

同樣，一位職業(yè)教育領域創(chuàng)業(yè)者向多知分析：“學習和娛樂還不一樣，容錯率低?！?/p>

在教育行業(yè)資深從業(yè)者、原新東方在線COO潘欣看來，目前LLM(大型語言模型)的普遍問題是生成結果的準確度不如拍題掃題，因為生成式AI是概率生成答案，拍題是確定性答案。

教育科技創(chuàng)業(yè)者、Talkme創(chuàng)始人賈子健持類似觀點，他向多知分析稱：“最關鍵的問題是，目前大語言模型并不能很好地解決理科類的問題，如果用Gatekeep生成的視頻講解偏向于文史類的，或者藝術創(chuàng)作類的，即偏向不太理工科基礎的課程內容，比如學歷史，學經(jīng)濟邏輯，或許比較適合。比如用Gatekeep去延伸歷史的脈絡、人物的關系、社會邏輯等，應該是可以的?！?/p>

值得注意的是，多知了解到，目前的教育公司已經(jīng)各大教育科技公司在解決幻覺問題方面有了新的嘗試，比如“告訴大模型答案”，讓大模型照著答案講題，如此或許可以將“概率生成答案變?yōu)榇_定性答案”。

或只適用于有主動學習意愿的學生

在教育從業(yè)者看來，目前，Gatekeep文生視頻用于學習比較創(chuàng)新，但是還太早期，現(xiàn)在不適用于所有人，對學生來說尤為如此。

在從業(yè)者看來，使用Gatekeep使用也得看學生本身的能力。

教育科技公司AI學習產(chǎn)品負責人大帝(匿名)向多知分析，之前Sora出現(xiàn)的時候有這樣一種感知，希望將來上任何課程都能用視頻的方式個性化地講解。

Gatekeep看似有這樣的思路，不過，目前還在初期。

大帝分析稱：“目前Gatekeep處于比較早期的階段，不太涉及到深度的渲染能力。未來有沒有機會，還需要關注一段時間。因為這種形態(tài)，假設我們把學生劃分為不同能夠力階段來看，學生基礎差一點的、年齡比較小的，尤其像中國的學生，可能看這種內容會比較痛苦。”

賈子健認為，Gatekeep的優(yōu)勢是足夠的圖形化，對于一些有主動學習意愿的同學，或者愛好者來說，Gatekeep是可以做圖形化展示的工具。不過，展示目前僅限簡單知識的拆解，對于復雜的多元多重知識點的復合型的問題，效果仍然欠佳。

賈子健向多知分析稱：“如果把學校學習分為‘預習-學習-復習’三大階段，那么該產(chǎn)品更適合預習。不過，這個場景看起來并不剛需。”

此外，對于所有生成式AI工具來說，使用者prompt的能力非常重要。

潘欣提到：“對于生成式AI的學習工具，我一直沒想明白的是對于K9的孩子來說prompt太難了，很難應用?！?/strong>

也就是說，Gatekeep對大多數(shù)學生學習來說，目前還難以匹配。有主動學習意愿的學生可以利用Gatekeep來自學或者展示，但還是難以解決復雜問題，且自學的門檻本身就比較高。