— Я завжди кажу своїм студентам: «Коли користуєтеся ШІ, мусите зрозуміти, хто в цей момент вчиться. Ви вчитеся чи просто робите додатково якийсь апгрейд собі», — розповідає Тетяна Захарченко. Вона викладає основи програмування в Українському католицькому університеті й керує Центром для даних, ШІ та суспільства УКУ, де, зокрема, досліджує алгоритмічну справедливість.
Говоримо з нею про те, як масове використання генеративного штучного інтелекту змушує перелаштовувати викладання, як змінилися акценти в дискусії про вплив ШІ на університети, студентів і вищу освіту загалом з моменту публічного релізу чатботу ChatGPT наприкінці 2022-го, і що, власне, опинилося на кону. А також розбираємо, що цікавого є у свіжому звіті Массачусетського технологічного інституту (MIT) про використання штучного інтелекту у викладанні, навчанні та підготовці дослідників.
fb-сторінки Тетяни Захарченко
Привласнення знання
Слон у кімнаті абсолютно точно є, чи є нарешті розуміння, що з ним робити? Який у нас прогрес із правилами використання ШІ, про що так багато говорять західні університети?
З цим складна ситуація. Проблема в тому, що насправді не можна придумати якісь універсальні настанови, які спрацюють навіть усередині одного навчального закладу. Більшість вишів зараз, хоч і пробують виробити якісь правила, але можуть задати тільки загальну рамку. А предметно цю задачу зазвичай спускають безпосередньо на кожного викладача й учителя, що, як на мене, наразі найкраща варіація на тему.
Бо тільки викладач і вчитель найкраще розуміє, який предмет він викладає і чого саме він хоче навчити. Тобто що є результатом цього навчання, що студент має розуміти й уміти: оце було на вході, а оце має бути на виході. Відповідно, він розуміє, як використання штучного інтелекту може впливати, в яких випадках позитивно, коли — негативно. І вже з огляду на це вирішують, яку роль той може відігравати. Приміром, чи можна використовувати його як перекладач? Для одних дисциплін це буде цілком нормально, але, мабуть, не для, скажімо, англійської філології.
Як це питання вирішили ви?
У мене гнучкий підхід. Немає прямої і повної заборони користуватися ШІ. Але частина самостійних робіт (у тому числі домашніх) існує саме для того, щоби студент напрацював власну практику програмування: на цих вправах будується база. Їх мають виконувати без допомоги ШІ. Я пояснюю, чому це важливо: за одну ніч вони не відтанцюють свій паркет і не накачають прес, якщо перед тим пропустили цілий місяць тренувань. Так само не з’явиться і навичка писати код, якщо за тебе його писав інструмент. Водночас я прописала і позитивні приклади, тобто випадки, коли ШІ використовувати можна і доречно.
А як загалом ваші студенти сприймають ШІ, яка тут картина?
Усе більше як агентів, яким вони дають повну свободу, аби ті робили, що тільки можна. І вони кайфують від того, як легко можна позакривати всі завдання. Я помічаю це ставлення в першокурсників: можна вже нічого не вчити, можна просто запускати агентів, головне — оркеструвати їх. Але, щоб оркеструвати, треба трошки розуміти, що ти оркеструєш. З цим поки складно. Тобто ШІ буде їм за праву руку, це сто відсотків.
За таких умов, мені здається, найбільший виклик — переконати студентів у цінності самостійного мислення, в необхідності зберегти суб’єктність. Ну і важливо, щоб була достатня база, розуміння, з чим вони працюють і що саме вони відповідальні за результат, а не ШІ.
Багато пишуть про те, що викладачі мають перевигадати завдання так, щоб ШІ з ним не справлявся.
Якщо читаєте якісь просунуті курси, то тут справді можна гратися із завданнями. Можна навмисно просити виконати їх за допомогою різних інструментів ШІ й порівняти результати.
Але є дуже багато базових курсів, у рамках яких, як не сформулюй питання, ШІ з ним впорається абсолютно прекрасно. Утім, цієї бази все одно треба навчити. Умовно, ми вчили дітей додавати у стовпчик тризначні числа, водночас у них був калькулятор, який це робив. Ми розуміли, що вдома дитина може взяти його і порахувати. Тобто на таких базових курсах неможливо придумати якісь вигадливі задачі, тому що на те він і базовий. І студенти не спроможні на розумну роботу, поки не опанують основи.
Є багато різних теорій про те, що тепер нам у принципі й не треба навчати людей бази, мовляв, штучний інтелект із цим впорається. А ми маємо давати щось інше — до прикладу, вчити ефективно вайбкодити (спосіб програмування, коли людина здебільшого описує ШІ, що хоче отримати, а ШІ генерує та змінює код. — LB.ua) за допомогою тих самих агентів. Але ж вони мають уміти валідувати результат, який видає ШІ. І я вірю, що в дітей, у студентів має бути закладена базова грамотність, на якій можна робити далі будь-які надбудови.
Водночас відбувається якась така гонка: ніби хто краще розібрався, як користуватися агентами, той ефективніший, найкращий. Але, по-перше, це не завжди так. А по-друге, є багато досліджень, які показують: якщо взяти людину з поганою базою і людину із сильною базою, обом дати інструменти штучного інтелекту, то позитивний ефект від користування системою колосально більший у того, хто має сильний фундамент.
Інакше просто не вистачить знань і глибини мислення, щоб зрозуміти, як витягнути максимум із мегакрутого інструмента, за допомогою яких промтів отримати ту інформацію чи рішення, що може сильно покращити результат. Або ж коли модель видаватиме відповіді чи рішення, то просто не побачиш у них якихось недоліків, не зможеш підправити, сказати, що треба підсилити. Загалом не зможеш оцінити.
fb-сторінки Тетяни Захарченко
А як комунікуєте це своїм студентам?
Я їм таку аналогію наводжу, надихнувшись «Одіссеєю». Ти продумуєш, якими мають бути обладунки, щоб захиститися. Добре, це твій апгрейд, як модно казати. А якщо доведеться битися без них? Або коли ти б’єшся, то ці обладунки все одно дуже залежать від сили твого тіла. Тобто ти маєш і себе тренувати, і, відповідно, вміти користуватися цими зовнішніми частинками. Агент наче такий додатковий боєць поруч, але все одно дуже залежний від тебе.
Усе ж студенти в мене вже відносно старші, 16–17 років, і можна достукатися. На першій же зустрічі з першим курсом я озвучую, що якщо закидати домашки з мого курсу модельці, то вона на 90–95 % спокійно виконає їх. Але мені важливо подивитися, на що вони спроможні поки що без усього, без усіх наворотів. Бо ж ми вчимо їх на тих, хто потім змінюватиме ці моделі. А щоб вийти на верхні щаблі, треба розуміти: ось результат, чи все там коректно, якщо щось не так, як це виправити і так далі.
Пояснюю: якщо користуєтеся ШІ, робіть це собі на користь. Ви можете щось питати, якщо не до кінця розібралися. У вас є якась ідея, яка трошки не виходить, ви можете щось уточнити, нехай наштовхне на думку, але не просіть одразу дати вам готовий код, дайте собі простір на подумати.
Раптом сили волі все ж не вистачило і ви згенерували відповідь, то принаймні не робіть Ctrl-C, Ctrl-V, не поспішайте відправляти завдання. Закрийте і спробуйте написати той самий код вручну. Якщо ви його дійсно зрозуміли, напишете його з нуля. Якщо ні — значить не зрозуміли. І це треба усвідомлювати.
Уже на четвертому тижні навчання ми робимо перший проміжний контроль — і вони доволі швидко бачать реальну картину. Частину це фруструє, в них піднімається оця тривожність, що немає інструмента в моменті, який зробить за них роботу. Але після цього першого досвіду вони розуміють, що фактично треба максимально пробувати покладатися на себе.
Читала результати дослідження про китайських учнів: після початку використання генеративного ШІ вони краще й швидше виконували домашні завдання, а за кілька місяців на іспитах без доступу до ШІ їхні результати дуже падали.
ШІ створює ілюзію знання. Агент робить домашнє завдання, студент переглядає відповідь — і складається враження, що все зрозуміло і що завдання було easy-peasy. Але створення чогось з нуля — це зовсім інша навичка, ніж просто подивитися на результати.
Що ще гірше. Є окремі дослідження, які показують, що частіше так одразу віддаєш первинну роботу ШІ, не намагаєшся зробити сам — не брейнштормиш ідей і тільки потім уже йдеш в ШІ, не пишеш сам, а після цього просиш його поправити, то в тебе падає самоефективність. Зрештою людина перестає вірити, що здатна сама створити щось з нуля, взятися за задачу самостійно. І я вже чую це від студентів: «Я з нуля не можу, в мене точно не вийде».
Це накладається на те, що людина надто сильно покладається на відповідь моделі, навіть не припускаючи, що вона може бути неправильною, що джерела, звідки алгоритм витягнув дані, ненадійні.
Приклад з мого предмету. Є тестове завдання з фрагментом коду — і треба визначити його результат. Студент відповідає неправильно, дає код ШІ, той підтверджує його варіант. Людина робить скрин і закидає мені зі словами: у вас помилка в тесті. На питання, чи пробував він самостійно запускати код, щоб перевірити відповідь, каже — ні. Тобто формується тотальна довіра до цього інструмента й потрошку стирається критичність.
ChatGPT в поміч. «Поява ШІ вимагатиме від учителів докладати більше зусиль, щоб навчити»
А звідки береться ця довіра?
Тут кілька аспектів. З одного боку, чим потужнішою стає модель, тим менше помилок вона робить, тим більший навколо неї ореол надійності. З іншого боку, багато що визначає сама мета моделі — дати найкращу відповідь на поставлене питання.
Але найкраща не завжди істинна.
До того ж ШІ добре імітує ознаки компетентності. І не тільки її — доброти, співчуття, почуття гумору, чого завгодно. Адже більшість моделей намагаються догодити користувачу. Це наслідок того, як модель навчають оптимізувати відповіді.
Плюс ШІ зчитує очікування, закладені у промті людиною, хай навіть вона зробила це несвідомо. Бо важить навіть те, як ми формулюємо питання.
Тому ставити результати ШІ під сумнів — навичка, яку треба формувати в школі. Прямо показувати, що ШІ може помилятися, видавати якесь застаріле знання абощо. Відповідно треба аналізувати джерела, звідки він тягне дані, бо вони теж можуть бути згенеровані. Необхідно в кожному предметі мати приклади, на яких швидко продемонструєш, що не все так райдужно.
Водночас студентам здається, що вони класно вміють користуватися цим, але насправді дуже часто в них немає нормальної навички роботи з промтами. І вони послуговуються якимись наївними задачами, як «розв’яжи». Ну, модель і розв’язує, як би це зробив, умовно, програміст зі стажем, а не новачок.
Усе те саме, мабуть, стосується і дорослих.
Багато людей вважають, що вони мегамолодці, бо користуються цими інструментами. А фактично просять модель щось зробити, та щось генерує, і людина може передати результат далі, навіть не вичитавши його. Тобто ми втрачаємо навичку, що результат треба хоча б перевірити, осмислити, чи не містить він якусь маячню. Бо жодна модель не видасть ідеального, оскільки в неї замало контексту з того, що відбувається.
Приміром, у нашому Центрі для даних, ШІ і суспільства я тримаю два напрямки досліджень, які пов’язані з алгоритмічною справедливістю. Разом з аспірантами ми досліджуємо упередженість моделей і вивчення моделей — Unlearning. Тренувати моделі дорого. І якщо, приміром, у неї потрапили якісь дані, які ми хочемо прибрати, то як це зробити, щоб моделька не почала галюцинувати. Бо ж вона чимось заповнює дірку і може спотворювати пам’ять про інше.
У 2024-му був яскравий кейс з Gemini. До цього ШІ-генератори часто відтворювали якісь стереотипні образи. Приміром, на запит згенерувати зображення професорів видавали картинки білих старших чоловіків. У користувачів виникали питання, чому там не може бути жінка чи молодші люди і так далі. Розробники спробували це виправити, аби урізноманітнити результат. Але в Gemini щось пішло не так: у якийсь момент модель на запит, скажімо, показати типового солдата Вермахту могла видати темношкіру жінку. Тобто те, що ми хотіли, вона виконала, але спотворила історію. Тоді на довгий період закрили можливість генерувати зображення людей.
А тепер врахуйте, що упередженість може з’являтися на трьох різних етапах. Перший — дані: ми зібрали історичні дані, які вже містять перекоси, і модель чесно вивчила їх. Другий — дизайн: технічна команда щось закладає чи невдало виправляє, як у кейсі з Gemini. І третій, найпідступніший — ми самі під час користування. Іноді система вчиться з нашої поведінки в реальному часі. Наприклад, користувачі Twitter за шістнадцять годин перетворили чатбот Tay від Microsoft на расиста, бо модель просто вивчила те, що їй писали. Схоже може статися і з рекламними алгоритмами. Було дослідження, що Facebook доправляв оголошення з вакансіями, керуючись наявним гендерним розподілом у професіях (скажімо, вакансії про механіків показував чоловікам, а про психологів — жінкам), хоча рекламодавці жодних обмежень не ставили. Система, оптимізуючись під відгук аудиторії, сама вивчила і закріпила диспропорції. Але як саме, не знають навіть дослідники, бо алгоритм закритий. Я до того, що все складно і критичне ставлення до генеративного ШІ вкрай важливе.
У дослідженні MIT згадують про когнітивну капітуляцію, коли людина фактично відмовляється від власного судження, передаючи функцію міркування алгоритму. Мене це налякало найбільше.
Інша проблема — в зусиллях. Вони важливі, так ми навчаємось. Але вже формується страх перед процесом боротьби, коли щось не виходить і треба з цим пожити. Під рукою завжди є Claude чи Gemini, які знімають цю напругу. І чим далі, тим складніше змушувати себе докладати зусилля. Зрештою, ти здаєшся.
Особливо, якщо є зовнішній тиск і необхідно набагато швидше виконувати завдання. Або немає часу глибоко розбиратися з чимось новим, що на тебе падає. Я їздила на європейську конференцію з Python у Кракові. Там протягом дня були воркшопи. Вони почалися з того, що учасників просили не користуватися штучним інтелектом, писати код самостійно. Усі аплодували й були щасливі. Казали, що вже давно так не робили, бо не можуть собі дозволити. Темп настільки високий, що треба продукувати дуже багато коду й немає інших варіантів, крім як генерувати за допомогою ШІ, а потім просто більше рев’юїти. Але це різні речі — написати код з нуля чи пройтися і перевірити. Оця навичка втрачається, атрофується.
Насправді я по собі це помічаю. Приміром, мені часто доводиться швидко відписувати листи англійською. Я закидаю ШІ список тез, він формує текст, я вичитую і відправляю. Але в якийсь момент, коли біжу й треба відповісти швиденько з телефона, то розумію, що це вже не так просто і взагалі: де мій ШІ?
А зістрибнути з цього важко.
Формується сильна залежність. І тут треба думати в категоріях, чи хочу/готовий я втратити цю навичку, чи мені, в принципі, нормально.
Соціальна ізоляція і викладацькі практики
З огляду на це все, що робити з методами навчання, оцінюванням і так далі?
Викладачі шукають шляхи. Як і всі зараз, експериментують, пробують міняти формати, міняти самі завдання, дивитися, чи щось змінюється, чи ні. Чи можна так показати студентам, що треба щось знати.
У дослідженні MIT пишуть, приміром, про створення аналогових просторів, вільних від використання ШІ. Я не знаю, чи вони це імплементують, але розумію, що принаймні ресурсів мають набагато більше, ніж наші університети.
Більшість моїх колег повертаються до таких древніших практик — до папірчиків, до усних розмов. Власне, що я теж роблю на своєму курсі. Але з іншого боку, оце повернення навіть на розмову стало в певному сенсі розкішшю, бо вимагає багато часу викладачів.
Мій знайомий професор з Чикаго перейшов повністю на усні контролі. При цьому через обмежений час, бо одномоментно ти можеш розмовляти лише з однією людиною, тепер перевіряє вміння програмувати набагато простіші задачі. Тому і тут втрачається якість, але альтернатив не так багато.
Погано вдавати, що студенти не користуватимуться ШІ. Користуватимуться і користуються. Мені здається, єдине, що ми можемо зробити, це донести, що в якийсь момент настане ситуація, коли доведеться видати результат самому. На тих самих контрольних, які писатимуть в аудиторії, або ж у розмові з викладачем. Зрозуміло, що є колосальна проблема з тими, хто, на жаль, мусить викладати онлайн, особливо з ненормованим графіком, коли під час тривоги викладання все одно заборонено.
Та й говорити можна, звісно, багато. Але якщо після того студенти бачать, що вони щось згенерували, здали й отримали максимум, то вони так і робитимуть, особливо коли дедлайн, коли треба терміново або якомога більше балів. Ми це все теж розуміємо. Тому на домашніх завданнях вони можуть заробити лише 12 балів зі 100. А 88 балів вони заробляють на інших активностях: щось на усних захистах, щось пишуть на папері під час пар, щось кодять на заняттях, де ми абсолютно точно контролюємо процес. Але навіть ті 12 балів треба захистити, інакше їх анулюють. На це йде багато ресурсів. Навантаження дуже сильно збільшилося навіть порівняно з тим, як ми викладали у 2022 році.
У звіті MIT порушують тему подвійних стандартів і говорять про те, що викладачі теж мали б не приховувати використання ШІ.
Є гарний приклад. Курс з основ програмування, який я проходила в МІТ під час стажування рік тому, забороняє використовувати ШІ. Цього року вони вже доповнили це приміткою: «Зверніть увагу, що викладацький склад курсу також дотримується цих рекомендацій. Усі навчальні матеріали курсу були створені людьми без використання генеративного штучного інтелекту».
Загалом це дуже така хайпова тема в освіті. Особливо коли викладачі делегують ШІ дуже багато всього: повністю створити завдання, викласти його на навчальну платформу, потім витягнути звідти роботи студентів, оцінити їх. Багато дискусій із приводу цього.
Де та межа?
Так. З одного боку, це певна економія часу на якійсь первинній роботі. Але виникає питання, що ми можемо автоматизувати, що віддавати агенту, а що маємо залишати за собою.
Приміром, навіщо агент, нехай навіть натренований викладачем, усе оцінив. Одні притримуються думки, що це знімає проблему упередженого ставлення до студентів. З іншого боку, студент і сам може віддати свою творчість на оцінку ШІ.
Постає питання приватних даних. У будь-якій системі, де є студенти, є ідентифікатори, імена, прізвища, мейли тощо. Нам би брати дозвіл у людей, що результат їхньої роботи оцінюватиме система і система використовуватиме їхні персональні дані. А освітяни часто про це навіть не замислюються.
Загалом якось сумно виходить. Один агент згенерував роботу, інший агент оцінив її.
До речі, ще одна теза, яка зачепила мене в дослідженні MIT, і це те, що я бачу з власного досвіду — кардинально впала кількість студентів, які приходять на консультації. Помітила цю тенденцію ще два роки тому. Якщо раніше допомогу шукали у викладачів й однокурсників, то тепер студенти звертаються одразу до штучного інтелекту і виникає соціальна ізольованість.
Тобто зараз з питанням ми підемо радше до ШІ, ніж до когось. І це такий, напевно, загальний тренд. Вмирають форуми, бо люди не пишуть там питань. Скорочується цей формат людської взаємодії. Про це переживають і самі творці моделей. Ну, як переживають. Принаймні це в порядку денному. Модельки натреновані на всьому надбанні людства, у тому числі на різних форумах, зокрема професійних, де людина намагалася щось копати, з’ясовувати, робили якісь висновки. А це ж все не тільки дані, а й певним чином відображення процесу мислення. Зараз цього істотно поменшало. Відповідно, контекст, на якому можна робити сучасний апгрейд моделей, сильно скоротився і збіднів. Плюс з’являється купа всього згенерованого, часто не дуже якісного.
У цьому контексті звернула увагу на ще один момент у дослідженні МІТ. У них є дуже класна дослідницька програма Undergraduate Research Opportunity Program. Вона дає можливість бакалаврам доєднатися до якогось дослідницького проєкту. Фактично там вчать робити перше наукове дослідження. І професори зараз не дуже хочуть брати бакалаврів, бо набагато ефективніше, швидше все ж не вчити їх, а взяти якогось агента, який робитиме базову роботу. Тобто втрачається ще й цей зв’язок. І в МІТ переймаються питанням, а як взагалі оцю плинність зберегти.
Колись ми обговорювали, що таке університет, з науковцем і популяризатором науки Олексієм Болдирєвим, і він казав про важливість спадковості, тяглості. На цій основі і працює кафедра, університет, наука загалом. ШІ підважує це.
Саме так! З іншого боку, я розумію викладачів. Більшість досліджень у МІТ проводять коштом грантів. І, відповідно, вони можуть подаватися на більше грантів, робити більше роботи, якщо не бавитимуться з бакалаврами, а візьмуть більш зрілих дослідників, тих самих ШІ-агентів і позакривають свої задачі набагато швидше.
А як ви зберігаєте оце живе спілкування?
Я обов’язково дивлюся домашні роботи і даю зворотний зв’язок, так ми підтримуємо взаємодію. У нас є можливість порозмовляти на усних захистах, про які я згадувала. До того ж ми постійно намагаємося спонукати все-таки приходити на консультації. Але на це відгукується щонайбільше третина студентів. Коли не було штучного інтелекту, то на консультаціях завжди було десь 80 % студентів.
Загалом мене потішило в цьому звіті те, що в університеті думають, які практики можуть сприяти збереженню спільнотності. І це дуже хороше питання, що ми маємо робити, щоби все-таки долати цю ізоляцію. Бо варто визнати: як би ми не танцювали, не просили, все одно студент не прийде до нас з певними питаннями, якщо може отримати відповідь від ШІ. Тим паче, що вона видається йому абсолютно достатньою.
Я ще шукаю відповідь і тільки пробую різні активності, де немає ШІ. Організовую читацькі клуби з технічної літератури, приміром. Мені подобається, що дуже багато студентів хочуть приходити й обговорювати. Але я вже знаю, що деякі студенти не читають. Вони кидають ШІ книжку, отримують витяг, а потім приходять на обговорення. Але хоча б приходять, це добре. Кажуть, що їм цікаво, це вже непоганий варіант.
А який тоді у студентів запит до викладача? Якою є його роль, коли монополії на знання немає, а є ШІ, який швидко згенерує відповідь на питання?
Мені здається, що знання ніколи не було єдиною цінністю викладача. Для мене на першому місці все ж формування мислення. При цьому, коли я спілкуюся зі студентами, бачу, на якому рівні зараз людина, бачу зону найближчого розвитку, розумію, як просунути в цю зону.
Я навіть бачу настрій людини. Тобто ми розуміємо контекст. І коли ми вчимо, спостерігаємо це в динаміці: з чим прийшов студент, як він працює, з чим він стикається, де є складнощі й так далі. І я намагаюся бути провідником у тому шляху. ШІ це байдуже, бо він працює на рівні промтів і в нього немає такої безпосередньої мети навчити. Поки що, але може бути й по-іншому.
Що ще важливо — це мотивація. Якщо в мене тренування, яке проводить бот, і мені, наприклад, захочеться його скасувати, то це легше зробити, ніж якби на місці бота була людина. Так, ШІ знімає цей сором спитати щось. З іншого боку, він ніколи не надихне своїм прикладом. Бо прикладу немає. Він не жив цього життя. Усе ж ми надихаємося від людей, яких зустрічаємо, від того, що вони роблять, як.
Зрештою, так чи інакше ми приходимо до питання взагалі цінності освіти. Тобто раніше, напевно, було якесь прийняття, що ти йдеш в університет саме для того, щоб отримати базу і диплом, з яким ти рухаєшся працювати. Але тепер з допомогою штучного інтелекту людина може мати тьютора, з яким доросте до певного рівня знання. Зрозуміло, що ці всі дискусії в першу чергу виростають з країн, де дуже дорога освіта, і ти маєш розуміти, а навіщо, власне, йти в той самий МІТ.
І як там це пояснюють?
Вони намагались пояснити, що університет — це не коли знання з однієї голови перекладають в іншу голову. Що це місце соціальних досвідів, взаємодії, і тому вони так багато говорять про спільноту, про плинність. Я сказала б, що ми зараз переосмислюємо роль університетів у принципі, університетської освіти, чи вона потрібна, і якщо потрібна, то для чого. Уже років два вона триває і зараз загострюється тим, що університети почали досліджувати, а що їм треба зберегти, якими треба бути, за якою цінністю люди все ж прийдуть до них вчитися.
Ми говоримо переважно про ризики, які ШІ створює в освіті. А що позитивного дає?
Мені здається, що це якраз доступ до пояснень. Якщо в тебе немає одногрупників, класних викладачів, менторів, у кого повчитися, в тебе є великий шанс усе одно вийти з цієї бульбашки. Це нібито має зменшувати нерівність в освіті. Але це працює на більш такому базовому рівні. Є класна книжка Teaching with AI Едварда Вотсона й Хосе Антоніо Боуена. Вони якраз говорять про те, що разом із ШІ можна дійти до рівня С. Якщо брати шкалу оцінювання від A до E, то С — це задовільно. А от як дійти до рівня «добре» і «відмінно» — велике питання, тому що ти навіть не можеш самооцінити, що ти ще на рівні «задовільно». Адже для цього потрібно не просто навчитися отримувати відповідь, а вміти зрозуміти, що в ній добре, що погано і що можна покращити.
Роберт Ганьє, американський психолог, педагог, який започаткував педагогічний дизайн, тобто як максимально ефективно задизайнити процес викладання, теж писав про те, що достатньо легко зрозуміти, як навчити на базовий рівень, як розпочати формування компетентності через навчання. Але неможливо прописати інструкцію, як досягти найвищих рівнів, як сформувати постать рівня Леонардо да Вінчі чи Ейнштейна. Так само і з ШІ.
Іноді таке відчуття, що все почало крутитися навколо ШІ і хвіст виляє собакою. Це нормальний етап переходу до технології чи тут більше штучно створеного хайпу?
Зараз справді триває хвиля адаптації до технології. Вона дуже швидко впала нам на голову. Як на мене, то це шалений темп. І ми ще в процесі того, щоб відділити погані практики використання інструмента від хороших, відповісти на питання, що ми хочемо віддати на аутсорс алгоритму, а де зберегти людяність. Приміром, той самий мій читацький клуб. На перший тиждень як завдання я попросила написати якусь таку маленьку рефлексію про те, що люди прочитали. Один студент скинув згенерований текст, і інші учасники спільноти його зафукали: ми не хочемо читати те, що згенеровано, ми тут зібралися для того, щоб поговорити як люди. Попри те, що все автоматизується і ми більше спілкуємося з агентом, ніж з людиною, але нам хочеться лишати оці острівки якісної людської взаємодії.