Από τη χρήση στην κατανόηση

Η τεχνητή νοημοσύνη εντάσσεται πλέον στο ευρύτερο πλαίσιο του STEM (Science, Technology, Engineering, Mathematics), το οποίο δεν αφορά μόνο τεχνικές δεξιότητες, αλλά έναν διαφορετικό τρόπο κατανόησης του κόσμου.

Η βασική μετατόπιση που αναδείχθηκε είναι σαφής:
δεν αρκεί να χρησιμοποιούμε την τεχνητή νοημοσύνη — πρέπει να την κατανοούμε, ώστε να ελαχιστοποιούμε τους ενδεχόμενους κινδύνους και να μεγιστοποιούμε τα οφέλη της.

Αυτό σημαίνει:

-κατανόηση του τρόπου λειτουργίας της

-επίγνωση των περιορισμών της και των κινδύνων της αλόγιστης χρήσης

-κριτική αξιολόγηση των αποτελεσμάτων της, λαμβάνοντας υπόψιν τις επιθυμητές αλλά και ανεπιθύμητες επιπτώσεις τους

Το ψηφιακό χάσμα ως κεντρικό ζήτημα

Η ταχεία εξέλιξη της τεχνητής νοημοσύνης εντείνει το ψηφιακό χάσμα.

Άτομα και κοινωνικές ομάδες που δεν έχουν πρόσβαση ή κατανόηση των τεχνολογιών:

-μένουν εκτός εξελίξεων

-δεν συμμετέχουν στη διαμόρφωση αποφάσεων

-περιορίζονται σε παθητικό ρόλο

Η εκπαίδευση, συνεπώς, αποκτά κρίσιμο ρόλο ως εργαλείο κοινωνικής ισότητας. Και κυρίως, όπως οι ακαδημαικοί του ΜΙΤ προβλέπουν, αν δεν υπάρξει μεγαλύτερη συμπεριληπτικότητα, τότε οι υπάρχουσες ανισότητες θα ενισχυθούν σημαντικά.

Περιορισμοί και κίνδυνοι της τεχνητής νοημοσύνης

Παρά τις δυνατότητές της, η τεχνητή νοημοσύνη παρουσιάζει σημαντικούς περιορισμούς:

-Δεν εγγυάται την ορθότητα του περιεχομένου – και μάλιστα φαινόμενα «παρασθήσεων», και μάλιστα πειστικών, δεν είναι σπάνια

-Ενσωματώνει κοινωνικά στερεότυπα, και έχει και άλλων ειδών πολώσεις

-Παρουσιάζει γλωσσικούς και πολιτισμικούς περιορισμούς

-Λειτουργεί χωρίς σαφές θεσμικό πλαίσιο – και μάλιστα σε ένα διεθνές περιβάλλον

Σημαντικό συμπέρασμα:
Η τεχνητή νοημοσύνη δεν είναι ουδέτερη τεχνολογία.

Πρώτα η παιδαγωγική, μετά η τεχνολογία

Ένα από τα βασικά σημεία της ημερίδας ήταν η ανάγκη αντιστροφής της κυρίαρχης λογικής.

Αντί για:
→ «έχω εργαλείο, άρα το χρησιμοποιώ»

Χρειάζεται:
→ «έχω παιδαγωγικό στόχο, άρα επιλέγω το κατάλληλο εργαλείο, και αξιολογώ μέσω των αποτελεσμάτων την επίτευξη των στόχων»

Η εκπαίδευση πρέπει να παραμείνει:

-βιωματική

-συνεργατική

-προσανατολισμένη σε πραγματικά προβλήματα

Η έννοια της “υπολογιστικής δράσης” (Computational Action)

Η προσέγγιση αυτή μετατοπίζει τη μάθηση από τη θεωρία στην πράξη.

Οι μαθητές:

-εντοπίζουν ένα πραγματικό πρόβλημα

-αναλύουν δεδομένα

-δημιουργούν λύσεις με κοινωνικό αντίκτυπο

Η τεχνολογία μετατρέπεται έτσι σε εργαλείο συμμετοχής και όχι απλώς γνώσης.

Το παράδειγμα του Future Makers

Το πρόγραμμα Future Makers αποτελεί χαρακτηριστικό παράδειγμα εφαρμογής αυτής της προσέγγισης.

Βασικά στοιχεία:

-εξ αποστάσεως εκπαίδευση

-ομαδική εργασία

-project-based learning

-σύνδεση με πραγματικά προβλήματα

Δομή:

-4 εβδομάδες εκπαίδευσης

-2 εβδομάδες create-a-thon

Αποτέλεσμα:

Πάνω από 40% των συμμετεχόντων συνέχισαν σπουδές σε σχετικούς τομείς.

Η τεχνητή νοημοσύνη στην εκπαίδευση: βασικά ερωτήματα

Τι είναι η τεχνητή νοημοσύνη στην εκπαίδευση;

Η χρήση συστημάτων AI για υποστήριξη της μάθησης, της αξιολόγησης και της εκπαιδευτικής διαδικασίας.

Ποιο είναι το βασικό της ρίσκο;

Η ενίσχυση ανισοτήτων και η αναπαραγωγή στερεοτύπων μέσω δεδομένων.

Μπορεί να αντικαταστήσει τον εκπαιδευτικό;

Όχι. Μπορεί να λειτουργήσει υποστηρικτικά, αλλά δεν αντικαθιστά την ανθρώπινη κατανόηση.

Βασικά συμπεράσματα

-Η τεχνητή νοημοσύνη μετασχηματίζει σταδιακά και σημαντικά την εκπαίδευση

-Το ψηφιακό χάσμα διευρύνεται αν δεν γίνουν κατάλληλες παρέμβασεις

-Η παιδαγωγική πρέπει να προηγείται της τεχνολογίας

-Η κατανόηση είναι σημαντικότερη από τη απλή χρήση

-Η τεχνητή νοημοσύνη μπορεί να ενισχύσει ή να επιδεινώσει τις ανισότητες

Συμπέρασμα

Η τεχνητή νοημοσύνη δεν αποτελεί απλώς μια τεχνολογική εξέλιξη, αλλά έναν καταλύτη αλλαγών στην εκπαίδευση και την κοινωνία.

Το κρίσιμο ερώτημα δεν είναι αν θα τη χρησιμοποιήσουμε, αλλά:
πώς, γιατί και με ποιον αντίκτυπο.

Χορηγοί:

Ο Κόμβος λειτουργεί με τη χορηγία της Τράπεζας Πειραιώς, η οποία συμβάλλει στην υλοποίηση του οράματός του.

δειτε ολόκληρη τη συζήτηση εδώ.