Ίαν ΛέσλιΤο έργο επικεντρώνεται στην ανθρώπινη συμπεριφορά. Εμφανίστηκε σε δύο προηγούμενα επεισόδια του EconTalk (Ο Ian Leslie για την περιέργεια Και Ο Ίαν Λέσλι για τη σύγκρουση). Σε αυτό το επεισόδιο, ο παρουσιαστής Russ Roberts και η Leslie συνεχίζουν τη συζήτησή τους για την ανθρώπινη συμπεριφορά, συζητώντας τη θέση του Leslie ότι η τεχνητή νοημοσύνη αλλάζει ήδη τον τρόπο που σκεφτόμαστε. Δεν είναι μόνο τα σπίρτα που μας μιμούνται, αλλά μάλλον έχουμε αρχίσει να μιμούμαστε τη μηχανή με βαθιά τρόπους που αλλάζουν τι και πώς δημιουργούμε.
Ο Roberts και η Leslie αφιερώνουν λίγο χρόνο συζητώντας πώς πραγματικά διδάσκουν στους μαθητές πώς να γράφουν χρησιμοποιώντας έναν πολύ απλό αλγόριθμο – το δοκίμιο των πέντε παραγράφων. Ως πρώην δάσκαλος, χαίρομαι που έφυγα από την τάξη πριν εμφανιστεί το Chat-GPT και παρόμοια εργαλεία. Ωστόσο, ορισμένες από τις πολιτιστικές και τεχνολογικές δυνάμεις που εντοπίζει ο Leslie μπορούσαν ήδη να φανούν στη γραφή και τη σκέψη των μαθητών πολύ πριν από την εμφάνιση της γενετικής τεχνολογίας τεχνητής νοημοσύνης στην κοινωνία. Φυσικά, ζούμε σε έναν κόσμο που διαμορφώνεται από αλγόριθμους εδώ και χρόνια: τα μέσα κοινωνικής δικτύωσης και οι αλγόριθμοι αναζήτησης έχουν διαμορφώσει τη ροή πληροφοριών και τους κοινωνικούς μας κύκλους εδώ και χρόνια. Η πανταχού παρουσία της αυτόματης διόρθωσης και η ψηφιακή οργάνωση των πληροφοριών επηρεάζουν τον τρόπο με τον οποίο μαθαίνουν ενήλικες και παιδιά. Η απλή απομόνωση που παρέχουν οι προσωπικές συσκευές αλλάζει επίσης τον τρόπο με τον οποίο ερχόμαστε σε επαφή, επεξεργαζόμαστε και μοιραζόμαστε πληροφορίες.
Εάν το επιχείρημα του Ian Leslie είναι σωστό, τότε η αλγοριθμική μεταφορά γνώσης είναι ακόμη παλαιότερη από αυτές τις τεχνολογίες. Ως προϊόν σχολείων του τέλους του 20ου και των αρχών του 21ου αιώνα και ως δάσκαλος, τείνω να συμφωνήσω). Όπως σημειώνει ο Leslie:
…ουσιαστικά εμείς πολυμαθής Τους διδάξαμε σε πολλούς από αυτούς – ότι καλό γράψιμο σήμαινε να ακολουθείς ένα σύνολο κανόνων και ότι το δοκίμιο πρέπει να έχει δομή πέντε μερών. Έτσι, αντί να τους βοηθήσουμε να κατανοήσουν τη σημασία της δομής και τους πολλούς τρόπους με τους οποίους μπορείτε να προσεγγίσετε τη δομή και τη λεπτότητα αυτού του ζητήματος, τείνουμε τώρα να λέμε, «Τα πέντε σημεία». Αυτό θέλετε να κάνετε στο δοκίμιο. Ο μαθητής λέει, «Εντάξει, μπορώ να ακολουθήσω αυτόν τον κανόνα». Αντί να τους βοηθήσετε να καταλάβουν τι σημαίνει να καρφώνετε πραγματικά ή τουλάχιστον να δίνετε το γράμμα σας βάθος και πρωτοτυπία και ενδιαφέρον, λέμε, «Εδώ είναι πέντε αρχές που πρέπει να ακολουθήσετε. Αυτή είναι η διάρκεια μιας παραγράφου. Αυτή πρέπει να είναι η πρότασή σας. Εδώ πρέπει ή δεν πρέπει να εμφανίζονται οι προθέσεις».
Και μάλιστα εμείς προγραμματισμός τους. Τους δίνουμε πολύ απλά προγράμματα, απλούς αλγόριθμους να ακολουθήσουν.
Και ως αποτέλεσμα, παίρνουμε συχνά πολύ βαρετές, μάλλον επιφανειακές απαντήσεις. Επομένως, δεν προκαλεί έκπληξη το γεγονός ότι το ChatGPT μπορεί στη συνέχεια να δημιουργήσει αυτά τα δοκίμια επειδή βασικά ακολουθούν μια παρόμοια διαδικασία. Το ChatGPT έχει τεράστιο όγκο δεδομένων εκπαίδευσης για να εργαστεί, επομένως το κάνει πολύ πιο γρήγορα.
Και έτσι εμείς πρέπει να ανησυχούμε από αυτό, όχι επειδή είναι στα πρόθυρα να γίνει κάποιο είδος υπερευφυούς συνείδησης, αλλά λόγω του τρόπου με τον οποίο την έχουμε εκπαιδεύσει εμάς γράφουν αλγοριθμικά δοκίμια.
Δεν αποτελεί έκπληξη το γεγονός ότι το σύγχρονο σχολικό σύστημα βασίζεται σε αυτά τα «απλά προγράμματα, απλούς αλγόριθμους». Η ποιοτική εκπαίδευση σε κλίμακα δεν είναι μια απλή πρόταση και μια απλοϊκή άποψη πέντε παραγράφων παράγει αξιόπιστα ένα μέτριο αλλά αποδεκτό προϊόν. Αυτό βέβαια εξηγεί σε μεγάλο βαθμό το χαρακτηριστικό της μετριότητας μέσος δοκίμιο μαθητή στη γενική πρόσβαση στο γενετικό αι. Τώρα το πρόβλημα είναι πιο άμεσο: το δοκίμιο ουσιαστικά μεταγλωττισμένο γενετικό AI. Δεν ζηλεύω τους δασκάλους αυτές τις μέρες που προσπαθούν να διδάξουν γύρω από αυτό, αλλά το πρόβλημα υπήρχε πριν εμφανιστεί το νεότερο, πιο ισχυρό εργαλείο. Τώρα έχει επιταχύνει.
Φυσικά, οι εφαρμογές της τεχνητής νοημοσύνης στην εκπαίδευση εκτείνονται πολύ πέρα από την τάξη. Οι περισσότεροι από εμάς χρησιμοποιούμε το Google ή άλλες μηχανές αναζήτησης ως έναν γρήγορο τρόπο εύρεσης πληροφοριών ή εικόνων. Τώρα μεγάλο μέρος αυτού του περιεχομένου δημιουργείται ή δημιουργείται από AI, η αντίληψή μας για την πραγματικότητα φιλτράρεται από το μηχάνημα. Ένα παράξενο παράδειγμα: Έκανα κύλιση στη ροή μου στο Reddit και είδα πολλά παράπονα σχετικά με εικόνες από λουλούδια γάμου που δημιουργήθηκαν με τεχνητή νοημοσύνη και δημοσιεύτηκαν σε ιστότοπους όπως το Pinterest, τους οποίους πολλοί άνθρωποι χρησιμοποιούν για έμπνευση σχεδιασμού και σχεδιασμού. Γιατί παραπονέθηκε η αφίσα; Επειδή οι ανθοδέσμες αγριολούλουδων σε μερικές εικόνες με πολύ ρεαλιστική εμφάνιση ήταν φυσικά αδύνατες: οι τύποι λουλουδιών που απεικονίζονται στις φωτογραφίες δεν έχουν μίσχους αρκετά δυνατούς για να συμπεριληφθούν σε μια γαμήλια ανθοδέσμη.
- Τι παρατηρείτε στο περιβάλλον σας που αλλάζει λόγω της τεχνητής νοημοσύνης; Έχει αλλάξει ο τρόπος που αλληλεπιδράτε με άλλους επαγγελματικά ή προσωπικά; Κάνει τη ζωή σας καλύτερη ή χειρότερη συνολικά;
- Τι μετράει ως AI; Η αυτόματη διόρθωση και η αυτόματη συμπλήρωση είναι πολύ απλούστερες από το ChatGPT και ακόμη πιο κοινά στον ψηφιακό μας κόσμο, αλλά έχουν τη δυνατότητα να αλλάξουν τις λέξεις που χρησιμοποιούμε όταν επικοινωνούμε μεταξύ μας. Κάνουν την επικοινωνία μας καλύτερη ή απλώς πιο αλγοριθμική;
- Ανεξάρτητα από το επίπεδο τεχνολογίας, κάποια μάθηση είναι αλγοριθμική, επαναλαμβανόμενη και όχι ιδιαίτερα δημιουργική. Οι αρχάριοι μαθητές πιάνου μαθαίνουν κλίμακες, οι μαθητές μαθηματικών απομνημονεύουν τύπους και οι συγγραφείς και οι καλλιτέχνες μαθαίνουν μέσω της μίμησης. Πού τελειώνει η μίμηση και πού αρχίζει η δημιουργικότητα; Και πότε πρέπει να γίνει αυτό;
- Τι κάνει τη δημιουργικότητα ανθρώπινη; Τι είναι αυτό για ένα προϊόν μηχανής, έστω και πολύ περίπλοκο, που λείπει ή δεν είναι αυθεντικό;
Πρόσθετοι σύνδεσμοι:
Ο Ian Leslie για το γιατί η περιέργεια είναι σαν μυς Βιβλία Quercus
Ο Ian Leslie για το γιατί πρέπει να συνεχίσουμε να μαθαίνουμε και να είμαστε περίεργοι Βασιλική Εταιρεία Τεχνών
Η Nancy Vander Veer είναι κάτοχος πτυχίου Κλασικών Σπουδών από το Πανεπιστήμιο Samford. Δίδαξε λατινικά στο γυμνάσιο στις Ηνωμένες Πολιτείες και διηύθυνε προγράμματα και εράνους στο Παιδεία Ινστιτούτο. Με έδρα τη Ρώμη της Ιταλίας, αυτή τη στιγμή ολοκληρώνει μεταπτυχιακό στην Ευρωπαϊκή Κοινωνική και Οικονομική Ιστορία στο Philipps University Marburg.
Ίαν ΛέσλιΤο έργο επικεντρώνεται στην ανθρώπινη συμπεριφορά. Εμφανίστηκε σε δύο προηγούμενα επεισόδια του EconTalk (Ο Ian Leslie για την περιέργεια Και Ο Ίαν Λέσλι για τη σύγκρουση). Σε αυτό το επεισόδιο, ο παρουσιαστής Russ Roberts και η Leslie συνεχίζουν τη συζήτησή τους για την ανθρώπινη συμπεριφορά, συζητώντας τη θέση του Leslie ότι η τεχνητή νοημοσύνη αλλάζει ήδη τον τρόπο που σκεφτόμαστε. Δεν είναι μόνο τα σπίρτα που μας μιμούνται, αλλά μάλλον έχουμε αρχίσει να μιμούμαστε τη μηχανή με βαθιά τρόπους που αλλάζουν τι και πώς δημιουργούμε.
Ο Roberts και η Leslie αφιερώνουν λίγο χρόνο συζητώντας πώς πραγματικά διδάσκουν στους μαθητές πώς να γράφουν χρησιμοποιώντας έναν πολύ απλό αλγόριθμο – το δοκίμιο των πέντε παραγράφων. Ως πρώην δάσκαλος, χαίρομαι που έφυγα από την τάξη πριν εμφανιστεί το Chat-GPT και παρόμοια εργαλεία. Ωστόσο, ορισμένες από τις πολιτιστικές και τεχνολογικές δυνάμεις που εντοπίζει ο Leslie μπορούσαν ήδη να φανούν στη γραφή και τη σκέψη των μαθητών πολύ πριν από την εμφάνιση της γενετικής τεχνολογίας τεχνητής νοημοσύνης στην κοινωνία. Φυσικά, ζούμε σε έναν κόσμο που διαμορφώνεται από αλγόριθμους εδώ και χρόνια: τα μέσα κοινωνικής δικτύωσης και οι αλγόριθμοι αναζήτησης έχουν διαμορφώσει τη ροή πληροφοριών και τους κοινωνικούς μας κύκλους εδώ και χρόνια. Η πανταχού παρουσία της αυτόματης διόρθωσης και η ψηφιακή οργάνωση των πληροφοριών επηρεάζουν τον τρόπο με τον οποίο μαθαίνουν ενήλικες και παιδιά. Η απλή απομόνωση που παρέχουν οι προσωπικές συσκευές αλλάζει επίσης τον τρόπο με τον οποίο ερχόμαστε σε επαφή, επεξεργαζόμαστε και μοιραζόμαστε πληροφορίες.
Εάν το επιχείρημα του Ian Leslie είναι σωστό, τότε η αλγοριθμική μεταφορά γνώσης είναι ακόμη παλαιότερη από αυτές τις τεχνολογίες. Ως προϊόν σχολείων του τέλους του 20ου και των αρχών του 21ου αιώνα και ως δάσκαλος, τείνω να συμφωνήσω). Όπως σημειώνει ο Leslie:
…ουσιαστικά εμείς πολυμαθής Τους διδάξαμε σε πολλούς από αυτούς – ότι καλό γράψιμο σήμαινε να ακολουθείς ένα σύνολο κανόνων και ότι το δοκίμιο πρέπει να έχει δομή πέντε μερών. Έτσι, αντί να τους βοηθήσουμε να κατανοήσουν τη σημασία της δομής και τους πολλούς τρόπους με τους οποίους μπορείτε να προσεγγίσετε τη δομή και τη λεπτότητα αυτού του ζητήματος, τείνουμε τώρα να λέμε, «Τα πέντε σημεία». Αυτό θέλετε να κάνετε στο δοκίμιο. Ο μαθητής λέει, «Εντάξει, μπορώ να ακολουθήσω αυτόν τον κανόνα». Αντί να τους βοηθήσετε να καταλάβουν τι σημαίνει να καρφώνετε πραγματικά ή τουλάχιστον να δίνετε το γράμμα σας βάθος και πρωτοτυπία και ενδιαφέρον, λέμε, «Εδώ είναι πέντε αρχές που πρέπει να ακολουθήσετε. Αυτή είναι η διάρκεια μιας παραγράφου. Αυτή πρέπει να είναι η πρότασή σας. Εδώ πρέπει ή δεν πρέπει να εμφανίζονται οι προθέσεις».
Και μάλιστα εμείς προγραμματισμός τους. Τους δίνουμε πολύ απλά προγράμματα, απλούς αλγόριθμους να ακολουθήσουν.
Και ως αποτέλεσμα, παίρνουμε συχνά πολύ βαρετές, μάλλον επιφανειακές απαντήσεις. Επομένως, δεν προκαλεί έκπληξη το γεγονός ότι το ChatGPT μπορεί στη συνέχεια να δημιουργήσει αυτά τα δοκίμια επειδή βασικά ακολουθούν μια παρόμοια διαδικασία. Το ChatGPT έχει τεράστιο όγκο δεδομένων εκπαίδευσης για να εργαστεί, επομένως το κάνει πολύ πιο γρήγορα.
Και έτσι εμείς πρέπει να ανησυχούμε από αυτό, όχι επειδή είναι στα πρόθυρα να γίνει κάποιο είδος υπερευφυούς συνείδησης, αλλά λόγω του τρόπου με τον οποίο την έχουμε εκπαιδεύσει εμάς γράφουν αλγοριθμικά δοκίμια.
Δεν αποτελεί έκπληξη το γεγονός ότι το σύγχρονο σχολικό σύστημα βασίζεται σε αυτά τα «απλά προγράμματα, απλούς αλγόριθμους». Η ποιοτική εκπαίδευση σε κλίμακα δεν είναι μια απλή πρόταση και μια απλοϊκή άποψη πέντε παραγράφων παράγει αξιόπιστα ένα μέτριο αλλά αποδεκτό προϊόν. Αυτό βέβαια εξηγεί σε μεγάλο βαθμό το χαρακτηριστικό της μετριότητας μέσος δοκίμιο μαθητή στη γενική πρόσβαση στο γενετικό αι. Τώρα το πρόβλημα είναι πιο άμεσο: το δοκίμιο ουσιαστικά μεταγλωττισμένο γενετικό AI. Δεν ζηλεύω τους δασκάλους αυτές τις μέρες που προσπαθούν να διδάξουν γύρω από αυτό, αλλά το πρόβλημα υπήρχε πριν εμφανιστεί το νεότερο, πιο ισχυρό εργαλείο. Τώρα έχει επιταχύνει.
Φυσικά, οι εφαρμογές της τεχνητής νοημοσύνης στην εκπαίδευση εκτείνονται πολύ πέρα από την τάξη. Οι περισσότεροι από εμάς χρησιμοποιούμε το Google ή άλλες μηχανές αναζήτησης ως έναν γρήγορο τρόπο εύρεσης πληροφοριών ή εικόνων. Τώρα μεγάλο μέρος αυτού του περιεχομένου δημιουργείται ή δημιουργείται από AI, η αντίληψή μας για την πραγματικότητα φιλτράρεται από το μηχάνημα. Ένα παράξενο παράδειγμα: Έκανα κύλιση στη ροή μου στο Reddit και είδα πολλά παράπονα σχετικά με εικόνες από λουλούδια γάμου που δημιουργήθηκαν με τεχνητή νοημοσύνη και δημοσιεύτηκαν σε ιστότοπους όπως το Pinterest, τους οποίους πολλοί άνθρωποι χρησιμοποιούν για έμπνευση σχεδιασμού και σχεδιασμού. Γιατί παραπονέθηκε η αφίσα; Επειδή οι ανθοδέσμες αγριολούλουδων σε μερικές εικόνες με πολύ ρεαλιστική εμφάνιση ήταν φυσικά αδύνατες: οι τύποι λουλουδιών που απεικονίζονται στις φωτογραφίες δεν έχουν μίσχους αρκετά δυνατούς για να συμπεριληφθούν σε μια γαμήλια ανθοδέσμη.
- Τι παρατηρείτε στο περιβάλλον σας που αλλάζει λόγω της τεχνητής νοημοσύνης; Έχει αλλάξει ο τρόπος που αλληλεπιδράτε με άλλους επαγγελματικά ή προσωπικά; Κάνει τη ζωή σας καλύτερη ή χειρότερη συνολικά;
- Τι μετράει ως AI; Η αυτόματη διόρθωση και η αυτόματη συμπλήρωση είναι πολύ απλούστερες από το ChatGPT και ακόμη πιο κοινά στον ψηφιακό μας κόσμο, αλλά έχουν τη δυνατότητα να αλλάξουν τις λέξεις που χρησιμοποιούμε όταν επικοινωνούμε μεταξύ μας. Κάνουν την επικοινωνία μας καλύτερη ή απλώς πιο αλγοριθμική;
- Ανεξάρτητα από το επίπεδο τεχνολογίας, κάποια μάθηση είναι αλγοριθμική, επαναλαμβανόμενη και όχι ιδιαίτερα δημιουργική. Οι αρχάριοι μαθητές πιάνου μαθαίνουν κλίμακες, οι μαθητές μαθηματικών απομνημονεύουν τύπους και οι συγγραφείς και οι καλλιτέχνες μαθαίνουν μέσω της μίμησης. Πού τελειώνει η μίμηση και πού αρχίζει η δημιουργικότητα; Και πότε πρέπει να γίνει αυτό;
- Τι κάνει τη δημιουργικότητα ανθρώπινη; Τι είναι αυτό για ένα προϊόν μηχανής, έστω και πολύ περίπλοκο, που λείπει ή δεν είναι αυθεντικό;
Πρόσθετοι σύνδεσμοι:
Ο Ian Leslie για το γιατί η περιέργεια είναι σαν μυς Βιβλία Quercus
Ο Ian Leslie για το γιατί πρέπει να συνεχίσουμε να μαθαίνουμε και να είμαστε περίεργοι Βασιλική Εταιρεία Τεχνών
Η Nancy Vander Veer είναι κάτοχος πτυχίου Κλασικών Σπουδών από το Πανεπιστήμιο Samford. Δίδαξε λατινικά στο γυμνάσιο στις Ηνωμένες Πολιτείες και διηύθυνε προγράμματα και εράνους στο Παιδεία Ινστιτούτο. Με έδρα τη Ρώμη της Ιταλίας, αυτή τη στιγμή ολοκληρώνει μεταπτυχιακό στην Ευρωπαϊκή Κοινωνική και Οικονομική Ιστορία στο Philipps University Marburg.