数学 AI 算法
数学 AI 算法
如果教育消费者在遇到不理解的内容时，随时都可以直接向数学书提问，会怎样？
数学 AI 算法将开放式问题与结构化的数学知识连接起来，为“书本能够回应”的教育体验奠定基础。
图书成为知识基础
GOS A LAS 数学图书中的知识，不仅通过数字、符号、方程和公式表达，也通过自然语言表达。
每个句子都包含有意义的要素——主体、对象、动作、关系、条件、概念、现象
图书不只是用于展示的内容。
它成为算法的知识基础。
3,000+
已出版图书
200+
数学来信
4,000+
受益学习者
种子问题：从一个问题到更多问题
种子问题并不只是预先设定的练习题。它提供了一个起始结构，让许多相关问题能够由此衍生。
- 关于太阳的问题，可能引出关于月亮的问题。
- 关于距离的问题，可能引出关于运动的问题。
- 关于运动的问题，可能引出关于时间的问题。
- 关于某种关系的问题，可能进一步延伸到条件变化的问题。
目的并不是预先准备所有可能出现的问题，而是构建一个让问题能够不断拓展的结构。
从数据库到智能教学回应
数据库存储知识，搜索引擎检索信息，但教育互动还需要另一个层次。
系统必须理解所提出的问题，找出相关知识，识别概念之间的关系，并将问题与恰当的回应连接起来。
数学提供结构化的知识库
数学知识具有高度的关联性。一个问题可以连接到图像、数字与字母、规律、结构、规则、函数、概率、统计，以及数学之外的世界。
全球数学标准为组织这些关系提供了框架。
互动应当保持简单
在这一简单体验的背后，是一个连接图书、教育内容、问题、知识关系、搜索与回应的更大结构。
系统负责处理复杂性，让互动保持自然。随着时间推移，这些互动可以逐步形成“我的课本”“我的评估”和“我的报告”。
- 1阅读接触想要理解的内容。
- 2提问直接向书本提问。
- 3回应获得恰当的解释。
- 4再次提问一次回应可以引出新的问题。
- 5我的课本问题与回应不断积累，成为我自己的课本。
- 6我的评估评估反映我实际所学的内容。
- 7我的报告我的学习过程与成果成为我的记录。
数学 AI 算法与 G-LLM 相结合
数学 AI 算法提供教育与数学结构——问题结构、知识结构、数学关系以及教育语境。
G-LLM 提供自然语言能力——语言理解、问题解读、语境化语言以及自然回应。
二者结合，使智能数学沟通成为可能。