Χωρίς βαθμούς, χωρίς θεούς, χωρίς πύλες: ένα σχέδιο αντιστροφής για την εκπαίδευση της AI-Εποχής

Το AI-Native Campus που κανείς δεν ζήτησε Φανταστείτε το εξής: οι μαθητές μπλέκονται σε αίθουσες διδασκαλίας, τα ακουστικά που συνδέονται με νευρώνες λάμπουν κάτω από φθοριστικά φώτα. Τα μαθήματά τους; Δημιουργούνται από μεγάλα γλωσσικά μοντέλα. Οι βαθμολογίες τους; Ανατίθενται από ιδιόκτητα dashboards AI που μετρούν τη συμμετοχή μέσω βιομετρικών ανατροφοδοτήσεων και μοτίβων κλειδιών. Οι καθηγητές γίνονται διευκολυντές της παράδοσης αλγοριθμικού περιεχομένου. Η μάθηση γίνεται βελτιστοποίηση. Στερεά, αποτελεσματικά και χωρίς χαρά. Τι γίνεται αν αυτό το μέλλον δεν διορθώνει την εκπαίδευση - το θάβει; , ο βετεράνος εκπαιδευτής της επιστήμης των υπολογιστών στο UC Berkeley, κόβει μέσα από το ευαγγελισμό της AI με χαρακτηριστική ανοιχτότητα: Μπράιαν Χάρβεϊ «Η τεχνητή νοημοσύνη είναι ένα δυνητικά χρήσιμο κομμάτι της τεχνολογίας, αλλά δεν είναι το κέντρο του σύμπαντος και δεν πρέπει να είναι το κέντρο του πανεπιστημίου». «Η τεχνητή νοημοσύνη είναι ένα δυνητικά χρήσιμο κομμάτι της τεχνολογίας, αλλά δεν είναι το κέντρο του σύμπαντος και δεν πρέπει να είναι το κέντρο του πανεπιστημίου». Τα λόγια του πέφτουν σαν ένα δοχείο κρύου νερού στα πυρετά όνειρα των επιχειρηματιών της EdTech. αλλά ο Harvey δεν είναι Luddite - είναι ένας ρεαλιστής που έχει παρακολουθήσει τις εκπαιδευτικές τάσεις να έρχονται και να πηγαίνουν εδώ και δεκαετίες. Curriculum Kill Switch: Τι πρέπει να συνταξιοδοτηθούμε (και τι να το αντικαταστήσουμε) Η τυπική αφήγηση πηγαίνει ως εξής: τα προγράμματα σπουδών της επιστήμης των υπολογιστών πρέπει να αρθρώνονται για να δημιουργήσουν χώρο για την τεχνητή νοημοσύνη. Έξω με τα μαθήματα αλγορίθμων σκόνης. Μέσα με τα γρήγορα μηχανικά bootcamps. Αντικαταστήστε τα διακριτά μαθηματικά με αρχιτεκτονικές νευρικών δικτύων. Αλλαγή γλώσσας συναρμολόγησης για λεπτομερή προσαρμογή των μετασχηματιστών. Ο Χάρβεϊ το στρίβει εντελώς. Αντί να θέσει την τεχνητή νοημοσύνη στο επίκεντρο, υποστηρίζει κάτι πολύ πιο ριζοσπαστικό: να θέσει το σχεδιασμό διεπαφής χρήστη στην καρδιά της εκπαίδευσης στην επιστήμη των υπολογιστών. «Ρώτα κάποιον τι σκέφτονται για την αλληλεπίδραση με τους υπολογιστές, και θα σου πουν πόσο απογοητευτικό είναι», παρατηρεί ο Χάρβεϊ. έχει δίκιο. Ζούμε σε μια εποχή όπου η τεχνητή νοημοσύνη σε διδακτορικό επίπεδο μπορεί να γράψει ποίηση, αλλά δεν μπορούμε να σχεδιάσουμε μια τραπεζική εφαρμογή που δεν κάνει τους χρήστες να θέλουν να ρίξουν τα τηλέφωνα τους στο δωμάτιο». Σκεφτείτε τη μέση πύλη πανεπιστημίου. Οι μαθητές πλοηγούνται στα συστήματα μενού λαβύρινθου για να βρουν τις βαθμολογίες τους. Η σχολή αγωνίζεται με συστήματα διαχείρισης της μάθησης που αισθάνονται σχεδιασμένα από επιτροπή - επιτροπές που προφανώς δεν χρησιμοποίησαν ποτέ το δικό τους λογισμικό. Αυτές οι διεπαφές αντιπροσωπεύουν δεκαετίες τεχνολογικής προόδου που εξυπηρετούν εμπειρίες χρηστών που θα ενοχλούσαν μια ιστοσελίδα της δεκαετίας του 1990. Η λύση δεν είναι πια AI. Είναι περισσότερη ανθρωπιά. Ένα απλό παράδειγμα: Αντί να δημιουργήσετε ένα chatbot AI για να απαντήσετε σε ερωτήσεις μαθητών σχετικά με την εγγραφή μαθημάτων, γιατί να μην σχεδιάσετε ένα σύστημα εγγραφής τόσο διαισθητικό ώστε οι ερωτήσεις να γίνουν περιττές; Αντί να αναπτύξετε επεξεργασία φυσικής γλώσσας για να εξετάσετε τις καταγγελίες των μαθητών, γιατί να μην δημιουργήσετε διεπαφές που δεν δημιουργούν καταγγελίες στην πρώτη θέση; Αλλά αυτό το είδος σκέψης δεν πουλάει εισιτήρια για συνέδρια ή γύρους επιχειρηματικού κεφαλαίου.Δεν υπόσχεται να φέρει επανάσταση στην εκπαίδευση μέσα στη νύχτα. Η τάξη αυτοματισμού χωρίζει: MOOCs για τις μάζες, καθοδήγηση για τους λίγους Εδώ είναι όπου η υπόσχεση της τεχνητής νοημοσύνης αποκαλύπτει τις πιο ανησυχητικές συνέπειές της: την εμφάνιση αυτού που ο Χάρβεϊ αποκαλεί το «ψηφιακό σύστημα τάξης». Γιατί να πληρώσετε ανθρώπινους εκπαιδευτές όταν το ChatGPT μπορεί να βαθμολογήσει έγγραφα και να απαντήσει σε ερωτήσεις 24/7; Γιατί να διατηρήσετε μικρά μεγέθη τάξεων όταν μια AI μπορεί να εξατομικεύσει τη μάθηση για χιλιάδες μαθητές ταυτόχρονα; Αλλά αυτή η αποτελεσματικότητα έρχεται με κόστος που εκτείνεται πολύ πέρα από την ποιότητα της εκπαίδευσης.Κωδικοποιεί την ανισότητα στην ίδια τη δομή της μάθησης.Οι ελίτ θεσμοί θα διατηρήσουν το ανθρώπινο στοιχείο – τον Σωκράτη διάλογο, την καθοδήγηση, την πνευματική οικειότητα που έχει καθορίσει την εκπαίδευση για χιλιετίες. Τα συστήματα διδασκαλίας AI υπόσχονται εξατομίκευση, αλλά παρέχουν τυποποίηση. Προσαρμόζονται σε στυλ μάθησης, αλλά δεν μπορούν να προσαρμοστούν στην πλήρη πολυπλοκότητα της ανθρώπινης περιέργειας. «Το ψηφιακό σύστημα τάξεων είναι ήδη εδώ.Οι προνομιούχοι μαθητές λαμβάνουν ανθρώπινη καθοδήγηση από τους καθηγητές, ενώ άλλοι λαμβάνουν MOOCs». Οι MOOCs – Μαζικά Ανοικτά Διαδικτυακά Μαθήματα – υποτίθεται ότι εκδημοκρατίζουν την εκπαίδευση. Αντ 'αυτού, αποκάλυψαν κάτι άβολο για το πώς λειτουργεί η μάθηση στην πραγματικότητα. Τα ποσοστά ολοκλήρωσης κυμαίνονταν γύρω στο 10%. Οι σπουδαστές που πέτυχαν ήταν σε μεγάλο βαθμό εκείνοι που είχαν ήδη την αυτοπειθαρχία, τις γνώσεις υπόβαθρου και το κοινωνικό κεφάλαιο για να πετύχουν σε παραδοσιακά εκπαιδευτικά περιβάλλοντα. Οι εκπαιδευτές AI υπόσχονται να λύσουν αυτά τα προβλήματα μέσω της εξατομίκευσης και της δέσμευσης, αλλά λείπει η θεμελιώδης γνώση: η εκπαίδευση δεν είναι μόνο για τη μεταφορά πληροφοριών, αλλά και για την ανθρώπινη σύνδεση, την πνευματική ανάληψη κινδύνου και το είδος της ανάπτυξης που συμβαίνει όταν κάποιος που νοιάζεται για την ανάπτυξή σας σπρώχνει πέρα από τη ζώνη άνεσής σας. Η τυραννία των βαθμών: Γιατί το σύστημα έχει ήδη σπάσει Εδώ είναι η δυσάρεστη αλήθεια: Η τεχνητή νοημοσύνη δεν κατέστρεψε την ακαδημαϊκή αξιολόγηση. Ο Χάρβεϊ δεν χάνει λέξεις: «Οι βαθμοί μετατρέπουν τη μάθηση που οδηγείται από την περιέργεια σε άλματα... είναι απλά βλαβερά σε όλα τα επίπεδα εκπαίδευσης.» Σκεφτείτε τι συμβαίνει όταν οι μαθητές συναντήσουν έναν ανιχνευτή πλασματισμού με τεχνητή νοημοσύνη. Το εργαλείο δεν σηματοδοτεί μόνο πιθανές απάτες - δημιουργεί μια ατμόσφαιρα υποψίας που δηλητηριάζει ολόκληρη την εκπαιδευτική σχέση.Οι μαθητές αρχίζουν να γράφουν αμυντικά, αποφεύγοντας δημιουργικούς κινδύνους που θα μπορούσαν να προκαλέσουν ψευδή θετικά. Η συσκευή παρακολούθησης γίνεται όλο και πιο εξελιγμένη κάθε χρόνο. Το λογισμικό Proctoring παρακολουθεί τις κινήσεις των ματιών κατά τη διάρκεια των εξετάσεων. Οι αναλυτές κλειδιού παρακολουθούν τα πρότυπα πληκτρολόγησης για τον εντοπισμό μη εξουσιοδοτημένης βοήθειας. Τα βιομετρικά συστήματα μετρούν τα επίπεδα άγχους για τον εντοπισμό πιθανής απάτης. Αξιολογούμε τη μάθηση ή αξιολογούμε τη συμμόρφωση με ένα όλο και πιο παρανοϊκό σύστημα ελέγχου; Οι βαθμοί μειώνουν την άπειρη πολυπλοκότητα της ανθρώπινης μάθησης σε μια ενιαία κλίμακα. Υποθέτουν ότι η γνώση μπορεί να μετρηθεί αντικειμενικά, ότι η δημιουργικότητα μπορεί να ποσοτικοποιηθεί, ότι η πνευματική ανάπτυξη μπορεί να ταξινομηθεί. Οι μαθητές ενσωματώνουν αυτές τις υποθέσεις. μαθαίνουν να βελτιστοποιούν για τη μέτρηση και όχι για το νόημα. αναπτύσσουν αυτό που οι εκπαιδευτικοί αποκαλούν «στρατηγική μάθηση» - την τέχνη του να καταλάβουν τι θέλει να ακούσει ο καθηγητής και όχι τι πραγματικά σκέφτονται. Τα εργαλεία αξιολόγησης με τεχνητή νοημοσύνη υπόσχονται να λύσουν αυτά τα προβλήματα μέσω πιο εξελιγμένης ανάλυσης. μπορούν να παρακολουθήσουν τις διαδρομές μάθησης, να εντοπίσουν κενά γνώσης και να παρέχουν εξατομικευμένη ανατροφοδότηση. αλλά εξακολουθούν να βασίζονται θεμελιωδώς στην ίδια ελαττωματική προϋπόθεση: ότι η μάθηση μπορεί να μετρηθεί από το εξωτερικό. Ως καθρέφτης, όχι ως σωτήρας Η απάντηση του Harvey είναι χαρακτηριστικά άμεση: «Η σύντομη απάντηση είναι «τίποτα». Τα προβλήματα που υποτίθεται ότι λύνει η τεχνητή νοημοσύνη -συμμετοχή των μαθητών, εξατομικευμένη μάθηση, αποτελεσματικότητα αξιολόγησης- δεν είναι νέα προβλήματα. Η διαφορά είναι ότι η τεχνητή νοημοσύνη καθιστά αυτά τα προβλήματα ορατά σε κλίμακα.Όταν χιλιάδες μαθητές υποβάλλουν σχεδόν πανομοιότυπα δοκίμια που παράγονται από την τεχνητή νοημοσύνη, καθίσταται αδύνατο να αγνοήσουμε ότι οι παραδοσιακές μέθοδοι αξιολόγησης αποτυγχάνουν. Αλλά η ορατότητα δεν είναι το ίδιο με την κατανόηση.Ο κύκλος του AI έχει πείσει πολλούς εκπαιδευτικούς ότι πρέπει να επαναπροσδιορίσουν πλήρως την πρακτική τους.Στην πραγματικότητα, τα εργαλεία αποκαλύπτουν απλά αυτό που οι καλοί δάσκαλοι γνώριζαν ήδη: ότι η μάθηση είναι προσωπική, ότι η ανατροφοδότηση έχει σημασία, ότι η γνήσια εμπλοκή απαιτεί γνήσια ανθρώπινη σύνδεση. Η εκπαίδευση στην επιστήμη των υπολογιστών έχει από καιρό παραμελήσει τον λειτουργικό προγραμματισμό, εστιάζοντας αντί για αντικειμενικά προσανατολισμένες προσεγγίσεις που αντικατοπτρίζουν τον τρόπο με τον οποίο κατασκευάζεται το μεγαλύτερο μέρος του εμπορικού λογισμικού. Τα πανεπιστήμια βιάζονται να προσθέσουν μαθήματα AI όχι επειδή αντιπροσωπεύουν θεμελιώδεις εξελίξεις στην επιστήμη των υπολογιστών, αλλά επειδή αυτό απαιτούν οι σπουδαστές (και οι εργοδότες). Το αποτέλεσμα είναι ένα είδος εκπαιδευτικού θεάτρου. Οι μαθητές μαθαίνουν να προσαρμόζουν λεπτομερώς τα μοντέλα μετασχηματιστών χωρίς να κατανοούν τα μαθηματικά που στηρίζουν την υποβάθμιση των βαθμών. Κυριαρχούν στην έγκαιρη μηχανική χωρίς να καταλαβαίνουν τις αρχές της αλληλεπίδρασης ανθρώπου-υπολογιστή. Γίνονται ευέλικτοι στα εργαλεία AI χωρίς να αναπτύσσουν τις δεξιότητες κριτικής σκέψης για να αξιολογήσουν τα αποτελέσματά τους. Χτίζοντας ένα πανεπιστήμιο AI-Native: Τι πρέπει πραγματικά να αφήσουμε πίσω Αν πρέπει να διασκεδάσουμε το υποθετικό - αν έπρεπε να χτίσουμε ένα πανεπιστήμιο με AI από το μηδέν - τι θα πρέπει σίγουρα να μην συμπεριλάβουμε; Η απάντηση του Harvey είναι σαφής: «Ο τρόπος για να αποφύγετε τις ανησυχίες για την «ακαδημαϊκή ακεραιότητα» είναι να σταματήσετε να δίνετε βαθμολογίες». Αυτό δεν είναι εκπαιδευτικός αναρχισμός. Είναι εκπαιδευτικός ρεαλισμός. Το τρέχον σύστημα δημιουργεί διαστρεβλωμένα κίνητρα που η τεχνητή νοημοσύνη απλώς ενισχύει. Οι μαθητές εξαπατούν επειδή ανταμείβονται για την απόδοση αντί για τη μάθηση. Ένα πανεπιστήμιο που θα βασίζεται στην τεχνητή νοημοσύνη θα είναι ένα κράτος επιτήρησης που θα μεταμφιέζεται σε εκπαιδευτικό ίδρυμα.Η αυτοματοποιημένη ανακάλυψη, η ανίχνευση αλγοριθμικού πλασματισμού και η ανάλυση συμπεριφοράς που βασίζεται στην τεχνητή νοημοσύνη θα δημιουργούσαν ένα περιβάλλον όπου η μάθηση γίνεται δευτερεύουσα για τη συμμόρφωση. Τι θα κρατούσαμε; Ανθρώπινη καθοδήγηση, ίσως. Ηθική εποπτεία, απολύτως. Έμφαση στην εμπειρία του χρήστη και στο σχεδιασμό με επίκεντρο τον άνθρωπο. Έργα που έχουν σημασία για τις πραγματικές κοινότητες. Μέθοδοι αξιολόγησης που δεν μπορούν να παιχτούν από την AI επειδή απαιτούν γνήσια ανθρώπινη κρίση. Ολόκληρη η συσκευή της αυτοματοποιημένης κατάταξης και της τυποποιημένης δοκιμής. προγράμματα σπουδών με επίκεντρο την τεχνητή νοημοσύνη που δίνουν προτεραιότητα στην εκμάθηση εργαλείων έναντι της θεμελιώδους κατανόησης. Η διάκριση δεν είναι μεταξύ υψηλής τεχνολογίας και χαμηλής τεχνολογίας, αλλά μεταξύ ανθρώπινων και μηχανικών προσεγγίσεων στην εκπαίδευση. Δημιουργικότητα εναντίον πρόβλεψης: όπου η AI αποτυγχάνει να εκπλήξει Έχει διαβάσει ποτέ ο Harvey μια υποβολή φοιτητή που ενισχύθηκε από την τεχνητή νοημοσύνη που άλλαξε τον τρόπο με τον οποίο βλέπει τη δημιουργικότητα; «Όχι» Η απάντηση είναι σκληρή, αλλά δεν πρέπει να είναι έκπληξη. Τα τρέχοντα συστήματα AI είναι μηχανές πρόβλεψης. Δημιουργούν κείμενο προβλέποντας την πιθανότερη επόμενη λέξη με βάση τα μοτίβα στα δεδομένα κατάρτισης τους. Μπορούν να παράγουν ρευστή, συνεκτική, ακόμη και εξελιγμένη πρόσο. Αλλά δεν μπορούν να εκπλήξουν με τον τρόπο που η γνήσια δημιουργικότητα εκπλήσσει. Η ανθρώπινη δημιουργικότητα συχνά προκύπτει από τον περιορισμό, από την παραγωγική τριβή μεταξύ αυτού που θέλουμε να πούμε και αυτού που είμαστε σε θέση να πούμε.Η δημιουργικότητα προέρχεται από την εμπειρία που ζούμε, από τη διασταύρωση των διαφορετικών ιδεών, από το είδος της πλευρικής σκέψης που προκύπτει όταν πιέζουμε πέρα από τις ζώνες άνεσής μας. Η δημιουργικότητα της τεχνητής νοημοσύνης, αντίθετα, είναι διασταλτική. Βρίσκει τα κενά μεταξύ των υφιστάμενων ιδεών και τα γεμίζει με εύλογο περιεχόμενο. Μπορεί να συνδυάσει στοιχεία με νέους τρόπους, αλλά δεν μπορεί να δημιουργήσει πραγματικά νέα στοιχεία. Εάν διδάξουμε στους μαθητές να γράφουν "για το μοντέλο" - για να παράγουν κείμενο που τα συστήματα AI μπορούν να κατανοήσουν και να χτίσουν - μπορεί να τους διδάξουμε να σκέφτονται με τρόπους που είναι θεμελιωδώς μη δημιουργικοί. Ο κίνδυνος δεν είναι ότι η τεχνητή νοημοσύνη θα αντικαταστήσει την ανθρώπινη δημιουργικότητα.Ο κίνδυνος είναι ότι οι άνθρωποι θα μάθουν να σκέφτονται όπως τα συστήματα τεχνητής νοημοσύνης: δημιουργώντας εύλογες απαντήσεις σε προβλέψιμες προκλήσεις αντί να αντιμετωπίζουν πραγματικά δύσκολες ερωτήσεις. Εκπαίδευση πέρα από την αποτελεσματικότητα Ας επιστρέψουμε σε αυτή την ανοιχτή εικόνα: οι μαθητές σε ακουστικά που συνδέονται με νευρώνες, τα μαθήματα που δημιουργούνται από αλγόριθμους, οι βαθμολογίες που αποδίδονται από πίνακες ελέγχου AI. Η σκηνή είναι αποτελεσματική. Είναι επίσης απάνθρωπο. Η πραγματική εκπαίδευση είναι γεμάτη σύγχυση.Αυτό περιλαμβάνει ψευδείς αρχές, νεκρούς τερματισμούς και το είδος της διανοητικής ανάληψης κινδύνου που δεν μπορεί να βελτιστοποιηθεί από τους αλγόριθμους.Χρειάζεται το θάρρος να κάνεις λάθος, την υπομονή να αγωνιστείς με δύσκολες έννοιες και τη σοφία να ξέρεις πότε να ζητήσεις βοήθεια. Αυτές οι ιδιότητες δεν μπορούν να αυτοματοποιηθούν.Δεν μπορούν να μετρηθούν.Σίγουρα δεν μπορούν να κλιμακωθούν για να εξυπηρετήσουν εκατομμύρια μαθητές ταυτόχρονα. Τα πανεπιστήμια μπορούν να επιλέξουν να διατηρήσουν τα ανθρώπινα στοιχεία της εκπαίδευσης ακόμη και όταν ενσωματώνουν εργαλεία AI. Η επιλογή δεν είναι μεταξύ της τεχνητής νοημοσύνης και της ανθρώπινης διδασκαλίας. είναι μεταξύ της εκπαίδευσης ως αποτελεσματικότητας και της εκπαίδευσης ως μετασχηματισμού. είναι μεταξύ της μάθησης ως μεταφοράς πληροφοριών και της μάθησης ως ανθρώπινη ανάπτυξη. Η τεχνητή νοημοσύνη θα συνεχίσει να εξελίσσεται. θα γίνει πιο εξελιγμένη, πιο ικανή, πιο πειστική. αλλά ποτέ δεν θα είναι ανθρώπινη. και η εκπαίδευση, στον πυρήνα της, είναι μια βαθιά ανθρώπινη επιχείρηση. Στην εποχή των αλγορίθμων, μόνο οι άνθρωποι μπορούν να διδάξουν την ανθρωπότητα. Το μέλλον της εκπαίδευσης δεν είναι για την οικοδόμηση καλύτερων συστημάτων τεχνητής νοημοσύνης. είναι για να θυμόμαστε γιατί διδάσκουμε πρώτα: όχι για να βελτιστοποιήσουμε τα αποτελέσματα, αλλά για να καλλιεργήσουμε το είδος της σκέψης που μας κάνει πιο πλήρως ανθρώπους. Το πανεπιστήμιο που προέρχεται από την τεχνητή νοημοσύνη που κανείς δεν ζήτησε είναι αυτό που ξεχνά αυτές τις αλήθειες.