Подобный кризис обучения будет распространяться по мере того, как ИИ будет автоматизировать все больше и больше базовых задач. Даже если эксперты станут единственными людьми, которые смогут эффективно проверять работу все более способных ИИ, мы рискуем остановить конвейер, создающий экспертов. Чтобы быть полезным в мире ИИ, необходимо обладать высоким уровнем человеческой компетентности. Хорошо, что педагоги кое-что знают о том, как создавать экспертов. По иронии судьбы, это означает возвращение к основам, но адаптированным для среды обучения, которая уже была революционизирована ИИ.
Создание экспертных знаний в эпоху искусственного интеллекта
ИИ хорошо справляется с поиском фактов, обобщением статей, написанием текстов и задачами кодирования. А обученные на огромных массивах данных и имеющие доступ к интернету, большие языковые модели, похоже, накопили и освоили множество коллективных человеческих знаний . Это огромное и доступное для использования хранилище знаний теперь у каждого под рукой. Поэтому может показаться логичным, что обучение основным фактам устарело. Однако оказалось, что все совсем наоборот.
В этом заключается парадокс приобретения знаний в эпоху ИИ: нам может казаться, что нам не нужно работать над запоминанием и накоплением базовых навыков или созданием хранилища фундаментальных знаний - в конце концов, это то, что хорошо умеет делать ИИ. Фундаментальные навыки, которые всегда утомительно изучать, кажутся устаревшими. И они могли бы быть таковыми, если бы существовал короткий путь к экспертности. Но путь к экспертности требует опоры на факты.
Изучение любого навыка и овладение любой областью требует заучивания, тщательного формирования навыков и целенаправленной практики, и ИИ (и будущие поколения ИИ), несомненно, будет лучше новичка во многих ранних навыках. Например, исследователи из Стэнфорда обнаружили, что ИИ GPT-4 набрал больше баллов, чем студенты-медики первого и второго курсов на выпускных экзаменах по клинической логике. Соблазн может заключаться в том, чтобы передать эти базовые навыки ИИ. В конце концов, врачи с удовольствием используют медицинские приложения и интернет для диагностики пациентов, а не просто заучивают медицинскую информацию. Разве это не то же самое?
Проблема в том, что для того, чтобы научиться критически мыслить, решать проблемы, понимать абстрактные концепции, решать новые задачи и оценивать результаты работы ИИ, нам нужен опыт в данной области. Педагог-эксперт, знающий своих учеников и класс, а также обладающий педагогическими знаниями, может оценить написанный ИИ учебный план или сгенерированный ИИ тест; опытный архитектор, хорошо знающий принципы проектирования и строительные нормы, может оценить осуществимость предложенного ИИ плана здания; опытный врач, обладающий обширными знаниями анатомии и болезней человека, может тщательно проанализировать сгенерированный ИИ диагноз или план лечения. Чем ближе мы подходим к миру киборгов и кентавров, в котором ИИ дополняет нашу работу, тем больше нам нужно поддерживать и развивать человеческий опыт. Нам нужны эксперты-люди.
Итак, давайте рассмотрим, что нужно для накопления опыта. Во-первых, для этого необходима основа знаний. На самом деле у человека много систем памяти, и одна из них, рабочая память, является центром решения проблем в мозге, нашим рабочим пространством. Мы используем хранящиеся в рабочей памяти данные для поиска нужной информации в нашей долгосрочной памяти (огромной библиотеке того, что мы узнали и пережили). Рабочая память - это также место, где начинается обучение. Однако рабочая память ограничена как по объему, так и по продолжительности: в среднем у взрослого человека она занимает от 3 до 5 "слотов", а продолжительность запоминания каждого нового фрагмента информации составляет менее 30 секунд ( ). Несмотря на эти ограничения, у рабочей памяти есть и сильные стороны, например, способность вызывать из долгосрочной памяти неограниченное количество фактов и процедур для решения задач. Поэтому, хотя рабочая память имеет ограничения при работе с новой информацией, эти ограничения исчезают при работе с ранее выученной информацией, хранящейся в долгосрочной памяти. Другими словами, чтобы решить новую проблему, нам нужна связанная информация, и много информации, которая хранится в нашей долгосрочной памяти. А это значит, что нам нужно выучить много фактов и понять, как они связаны между собой.