01
学生が増えるほどコストが膨らむ
トークン単位のAPI課金では、クラス全体で利用することで月々の請求額が予測しにくくなります。さらに、同じ授業内容であっても、次の学期には再び同じように費用が発生します。
教育AI · ASRock AI Suite
ワークステーション1台が、
ワークステーション1台が、
そのままAI教室になる。
ASRock AI Suite は、Windows 11 または Ubuntu、NVIDIA CUDA または AMD ROCm で動くワークステーション1台を、そのままAI教育プラットフォームに変えます。カリキュラム、演習、アプリ、ローカルAIアシスタント、採点までを一式で搭載。完全オフライン。ネットワークケーブルを抜いても授業は止まりません。
AI教育が、クラウドや予算、ネットワークに左右されてはいけない。
最新のAIを教えたい。しかし現実的な選択肢は、たいてい他社のサーバーを経由します。その結果、毎月の請求が続き、学生の学習データが学外に流出するリスクや、学期の最初の数週間は授業ではなく環境構築のトラブル対応に消えていきます。
02
学生の学習データが学外へ
課題や研究データ、試験問題が外部サービスにアップロードされ、自校の教材がどこに置かれているのかを大学側が管理できなくなります。
03
授業開始前に環境構築でつまずく
Python、CUDA または ROCm、PyTorch、JupyterLab のバージョンが端末ごとにずれていきます。最初の数週間は、カリキュラムではなくセットアップの切り分けに費やされます。
1学期分のAI授業を、
4ステップで準備完了。
ある先生の声
来学期までにAIの授業を立ち上げたいのですが、どう進めればいいでしょうか。
環境を用意する
ゴールデンイメージとリストアカードでワークステーションを立ち上げます。環境マネージャーが Python、CUDA または ROCm、PyTorch、JupyterLab を点検し、ダッシュボードがすべて緑になったことを確認できます。不足分はオフラインのパッケージ置き場（wheelhouse）から補います。
→コースを選ぶ
1学期分のコースを9本、あらかじめ用意しています。いずれも1学期を通した構成で ACM CS2023 に対応し、AIの基礎からコンピュータービジョン、生成AIまでをカバーします。
→学んで、実践する
学生は同じワークスペースから59本のGUI教材アプリと214本のSDKサンプルノートブックを開けます。つまずいたときは、RAGナレッジベースに支えられたローカルAIアシスタントに質問できます。
→評価する
小テストアシスタントが先生の講義ノートから問題を作成し、模範解答に照らして採点します。nbgrader のパイプラインが課題の配布、回収、自動採点、CSVへの成績出力までを担います。
AIカリキュラム一式を、マシンに搭載してお届け。
教材、実習アプリ、アシスタント、評価ツール。すべてローカルにインストール済みで、導入初日から使えます。
59教材アプリ
9学期コース
112コースノートブック
214SDKサンプル
すぐに使える教材アプリ59本
ビジョン、音声、生成AI、データサイエンスをカバーするGUIアプリ群。物体検出、SAM2によるセグメンテーション、OCR、外観検査、Whisperによる文字起こし、リアルタイム字幕、音声合成、AutoML、需要予測、異常検知まで、クリック操作だけで試せます。
1学期完結のコース9本
AI入門、オペレーティングシステム、コンピュータービジョン、ディープラーニング、アルゴリズム、生成AI、そしてGPUアクセラレーションを扱うデータ構造。112本のコースノートブックが、学習目標・デモ・演習・隠しテストという1学期分の構成で並びます。
SDKサンプルノートブック214本
初級58本、中級110本、上級46本の JupyterLab ノートブックを、コースと同じ教育ワークスペースにマウント。学生はツールを切り替えることなく、両方を行き来できます。
ローカルAIアシスタント
ワークステーション上だけで完結するチャットアシスタント。Apache-2.0 ライセンスの gpt-oss-20b を llama.cpp で動かし、OpenAI互換のAPIとして提供します。リファレンス構成のワークステーションでの実測は約282トークン/秒です。
RAGナレッジベース
授業の資料を置くだけで、ローカルにベクトルインデックスを構築します。埋め込みは multilingual-e5-large、ストアは組み込みの Qdrant。回答には根拠となった原文の該当箇所を引用して示します。
小テスト作成・採点アシスタント
講義ノートを貼り付けるだけで、指定した難易度の選択式・正誤式・記述式の問題を生成。提出物は模範解答と照らして採点し、コメント付きのフィードバックまで返します。
研究室、教室、キャンパス。規模に合わせて選べるインフラ。
クラスの人数、モデルの規模、そして同時にGPUを使う学生の数に応じて、プラットフォームを選定します。
授業・研究室
GPUワークステーション1台で、コース、アプリ、ローカルAIアシスタント、RAGナレッジベースまでスイート全体を動かします。1科目、あるいは1研究室での利用に適した構成です。
エッジ / シングルGPU教室 · 30〜51席
1つのゴールデンイメージを、リストアカードから教室の全席へ書き込みます。展開手順は教室規模で検証済みのため、1台のときと同じ流れで教室全体を立ち上げられます。
AIワークステーションキャンパス · 複数教室
複数の教室や学部にまたがる、マルチGPUまたはサーバー構成のインフラです。現時点では各マシンが単独で完結しますが、学内ネットワークを共有型のAI教育クラウドへ広げる構想もロードマップにあります。
マルチGPU / サーバー
次のステップ
オフラインのAI教室を、
オフラインのAI教室を、
あなたのキャンパスへ。
開講したい科目と、必要な席数をお知らせください。AI Center は、すでに教えているカリキュラムを起点に、それを動かすワークステーションまで逆算して設計します。