Indhold
- Det aktuelle scenarie
- Det fantastiske potentiale
- Ulemper og kontroverser
- Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
- konklusioner
Kilde: Andrei Krauchuk / Dreamstime.com
Tag væk:
AI kommer til uddannelse, ligesom det eller ej. Så vi skal sikre, at det trænes på relevante data af høj kvalitet for at være effektive.
Uddannelsesverdenen vil blive dybt påvirket af introduktionen af nye AI-baserede teknologier, og det er en kendsgerning. Det er imidlertid svært at se, om disse ændringer virkelig vil skubbe til en positiv udvikling i vores samfund. Uddannelse har generelt en enorm indflydelse på hele vores samfund og er en af hjørnestenene i menneskets udvikling.Videnskaben om læring og undervisning har ændret sig markant i løbet af det sidste århundrede, og det kan argumenteres for, at mange af de nuværende adfærdsændringer i de seneste generationer kan tilskrives den udvikling i uddannelse, vi har været vidne til. Øget brug af kunstig intelligens i uddannelsen har bestemt et enormt potentiale til at forbedre læring og undervisning, men vil disse forbedringer skabe et bedre samfund og en bedre verden?
Det aktuelle scenarie
Uanset om resultaterne vil være gode eller dårlige, AI i uddannelsen vil boom. I henhold til nylige rapporter er væksten i sektorerne forudsagt til 47,5 procent gennem 2021 på det amerikanske marked alene. Maskinlæring er allerede tilføjet af nogle af de største tech-giganter i de værktøjer, der bruges til at hjælpe studerende med at udføre deres opgaver. For eksempel er IBM's Watson Analytics i stand til at besvare spørgsmål om naturlige sprog om information, der er inkluderet i sin database, mens Googles G Suite for Education-app bruger naturligt sprogbehandling til at skrive komplekse formler på anmodning af studerende og lærere. (For mere om maskinlæring i uddannelse, se Hvordan maskinlæring kan forbedre undervisningsekspertisen.)
Som en sidebemærkning kan vi her allerede se en af de potentielt uventede generaliserede virkninger af implementering af AI i skoler. Stemmechats er ved at blive den seneste teknologitendens og et must-have i mange virksomheder. AI kan nu fuldføre sin evne til at genkende og forstå menneskelige stemmer ved at fodre med et datasæt lige så stort som hele uddannelsessystemet. Hvor lang tid tager det, før alle kontorer begynder at bruge taler AI til at stimulere meningsfuld og effektiv kommunikation og samarbejde mellem teammedlemmer? Er jeg den eneste, der tænker på Mass Effects AI EDI her?
Tingene er ikke så forskellige i udlandet. I Kina bruges allerede halvfølsomme robotter til at automatisere klassificeringsprocessen, hvilket reducerer arbejdsmængden for lærere. Deres smarte kunstige sind kan forstå den generelle logik og betydningen af et essay og generere en næsten menneskelignende vurdering af dens kvalitet. Og mindst 60.000 skoler har allerede implementeret dem med tilsyneladende store resultater.
Det fantastiske potentiale
En af de mest tydelige AI-fordele er evnen til at automatisere menial operationer og fremskynde mange administrative og organisatoriske opgaver. Kontrol af hjemmearbejde, klassificering af papirer, gennemgang af sygdomister og fraværsark og udarbejdelse af rapportkort er blot nogle eksempler på de opgaver, hvor undervisere bruger det meste af deres tid - opgaver, som en AI kan udføre næsten ingen fejl på bare få minutter.
AI kan også hjælpe med at digitalisere bøger og skabe tilpasseligt "smart" indhold til studerende i alle aldersgrupper og hjælpe dem med at huske og lære. Virtuelle karakterer og augmented reality kan styres af AI til at skabe troværdige sociale interaktioner, såsom dem, der er eksperimenteret med University of Southern California (USC) Institute for Creative Technologies. Disse virtuelle miljøer kan bruges til at hjælpe studerende i deres bestræbelser og indlæringsprocesser eller som erstatning for vejledere, undervisere og undervisningsassistenter. Ingen kan nogensinde arbejde hele dagen og natten og give studerende 24/7 svar ... medmindre han eller hun selvfølgelig er en robot!
Ulemper og kontroverser
Indtil videre har alt omkring AI og uddannelse virket forbløffende, ikke sandt? Ting er dog aldrig så enkle i den virkelige verden. For at opnå de resultater, den er designet til, kræver AI en ting frem for alt andet: data. Data skal mates til algoritmen, så de kan "lære" om miljøet, og hvilke der er de "gode" og de "dårlige" resultater. Men hvad nu hvis hele datasættet om studerendes læring i bedste fald er upålideligt, hvis ikke helt værdiløst?
For eksempel bruger langt de fleste af de undersøgelser, der prøver at måle studerendes læring, ufortolkelige eller urealistiske målinger, såsom selvrapporterede "læringsgevinster" eller (endnu værre) studerendes karakterer. Men hvad måler en studerendes karakter andet end at fungere som en ekstremt vag præstationsindikator? For nylig, under et eksperiment, der fik betydelig medieopmerksomhed, var en AI i stand til at bestå den britiske praktiserende lægeeksamen (huslæge) eksamen og opnå en fremragende score på 81 procent. Denne "karakter" er derfor intet andet end en endelig score - som ikke på nogen måde afspejler gyldigheden af læringsprocessen eller undervisningsmetoden, hverken for AI eller for nogen anden studerende. Men det er de eneste data, vi let kan indsamle, selvom de mangler nogen uddannelsesmæssig meningsfuldhed. Hvor lang tid har mennesker brug for at lære at "snyde" AI-drevne prøver og få positive karakterer med ringe eller ingen anstrengelse?
Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
Du kan ikke forbedre dine programmeringsevner, når ingen er interesseret i softwarekvalitet.
Ved kun at fokusere på præstation er risikoen at fokusere på marginale eller irrelevante læringsteorier. Nuværende datasæt henter deres data fra en lang række uddannelsesdatabaser, men alligevel er mange af dem gamle, og de anvendte undervisningsmetoder er forældede. Lærere, der har brugt årtier på at undervise i en klasse, er ikke nødvendigvis bedre til deres job end dem, der er yngre, simpelthen fordi der er en enorm forskel mellem hvad vores samfund er nu og hvad det var for 30 år siden. Alligevel flettes alle disse data sammen i en uforståelig mængde info, som AI ikke rigtig kan diskriminere mere end dens designere kunne. (Hvis du vil lære mere om fremskridt inden for uddannelse, skal du tjekke Virtuel træning og e-læring: Hvordan digital teknologi baner fremtiden for avanceret uddannelse.)
AI kan stimulere teknologiafhængighed og yderligere gøre vores fremtidige generationer meget afhængige af alle slags enheder, hvis deres eksponering starter med barndommen. Især hvis det påståede "kvalitetsindhold", som AI vil bruge til at undervise, er hentet fra en uhyre enorm pool af junkindhold, der blev valgt af en håndfuld virksomheder.
konklusioner
AI kan hjælpe med at skyrockete vores evne til at uddanne og undervise nye generationer og frigøre en masse tid for menneskelige professorer, der (i teorien) kun kan fokusere på de ting, der betyder noget.
Denne fantastiske verden af effektivitet kommer imidlertid til en stejl pris. Hvis de ikke var omhyggelige, risikerer vi at give vores studerende indhold af lav kvalitet, undervist på den forkerte måde muligt, at de stadig kan undgå studier ved at snyde deres AI-lærere. Hvis vi ikke ønsker at leve i et samfund fuldt af kognitivt passive, socialt ikke tilpassede voksne, der er afhængige af teknologi, er vi nødt til at justere seværdighederne nu snarere end senere.