5 παγίδες στη μάθηση που βασίζεται στην τεχνητή νοημοσύνη

Όλοι μιλούν για μοντέλα τεχνητής νοημοσύνης όπως το ChatGPT και το DALL-E σήμερα, αλλά ποια θέση έχει η τεχνητή νοημοσύνη στην εκπαίδευση; Μπορεί να βοηθήσει τους μαθητές ή εγκυμονεί περισσότερους κινδύνους παρά οφέλη; Όσο εντυπωσιακή κι αν είναι αυτή η τεχνολογία, υπάρχουν ορισμένες σοβαρές παγίδες της μάθησης που βασίζεται στην τεχνητή νοημοσύνη, τις οποίες θα πρέπει να γνωρίζουν οι γονείς, οι δάσκαλοι και οι μαθητές.

1. Η διάδοση της παραπληροφόρησης

Ένα από τα μεγαλύτερα ζητήματα με την τεχνητή νοημοσύνη σήμερα είναι η παραπληροφόρηση και οι «παραισθήσεις». Αυτή είναι μια ιδιαίτερα σημαντική πρόκληση με chatbots όπως το ChatGPT. Αυτά τα μοντέλα τεχνητής νοημοσύνης είναι έμπειρα στην επεξεργασία φυσικής γλώσσας, αλλά δεν παρέχουν πάντα σωστές ή πραγματικές πληροφορίες. Ως αποτέλεσμα, μπορούν να δώσουν απαντήσεις που ακούγονται έγκυρες, ενώ παρέχουν ελαττωματικά ή εντελώς κατασκευασμένα γεγονότα, αναφορές ή δηλώσεις.

Μοντέλα τεχνητής νοημοσύνης συνομιλίας όπως το ChatGPT και το Bing AI δίνουν τακτικά λάθος απαντήσεις. Αυτό το φαινόμενο είναι γνωστό ως «παραισθησιογόνες» απαντήσεις. Η τεχνητή νοημοσύνη δεν είναι στην πραγματικότητα ικανή να κατανοήσει ένα γεγονός με τον τρόπο που θα μπορούσε ένας άνθρωπος - δεν έχει την έννοια του αληθινού ή του ψευδούς. Απλώς εκπαιδεύεται να δίνει απαντήσεις που μιμούνται μια ερώτηση, μορφή ή άλλο πλαίσιο.

Αυτό ενέχει σοβαρό κίνδυνο για τους μαθητές, οι οποίοι μπορεί να μην είναι σε θέση να καταλάβουν πότε μια τεχνητή νοημοσύνη δίνει ανακριβείς πληροφορίες. Στην πραγματικότητα, το ChatGPT είναι γνωστό ότι δημιουργεί εντελώς φανταστικές «αναφορές» για φαινομενικά πραγματικές απαντήσεις, καθιστώντας την παραπληροφόρηση ακόμη πιο πειστική. Αυτό θα μπορούσε να οδηγήσει τους μαθητές να βασίσουν ολόκληρα δοκίμια και ερευνητικά έργα σε ψευδείς πληροφορίες.

Ο κίνδυνος παραπληροφόρησης ισχύει τόσο για τους εκπαιδευτικούς όσο και για τους μαθητές. Δεν μπορούν να εμπιστευτούν εργαλεία που βασίζονται στην τεχνητή νοημοσύνη για την παροχή σωστών ή αξιόπιστων πληροφοριών για πράγματα όπως η βαθμολόγηση ή η δημιουργία οδηγών σπουδών. Εάν οι δάσκαλοι δεν είναι προσεκτικοί, η τεχνητή νοημοσύνη θα μπορούσε να τους οδηγήσει να δώσουν σε έναν μαθητή εσφαλμένο βαθμό ή να δώσουν ανακριβείς πληροφορίες.

«Αυτά τα μοντέλα τεχνητής νοημοσύνης είναι έμπειρα στην επεξεργασία φυσικής γλώσσας, αλλά δεν παρέχουν πάντα σωστές ή πραγματικές πληροφορίες». 

2. Η εξαπάτηση και η υπερβολική εξάρτηση από την τεχνητή νοημοσύνη

Τώρα που η τεχνητή νοημοσύνη μπορεί γρήγορα να δημιουργήσει πειστικά δοκίμια και οδηγούς μελέτης, η εξαπάτηση είναι μια σοβαρή ανησυχία. Οι δυνατότητες επεξεργασίας φυσικής γλώσσας των σύγχρονων chatbot τεχνητής νοημοσύνης μπορούν να επιτρέψουν στους μαθητές να απατούν αβίαστα, να διαπράττουν λογοκλοπή και να βασίζονται πολύ στην τεχνητή νοημοσύνη. Αυτό όχι μόνο απειλεί την εκπαιδευτική ακεραιότητα, αλλά θέτει επίσης σε κίνδυνο την αποτελεσματικότητα των μαθημάτων.

Οι μαθητές μπορεί να χάσουν σημαντικές δεξιότητες κριτικής σκέψης και να αποτύχουν να μάθουν πολύτιμες έννοιες όταν μπορούν απλώς να πληκτρολογήσουν την εργασία τους σε ένα chatbot. Εφόσον η τεχνητή νοημοσύνη μπορεί να δημιουργήσει τόσο πειστικό περιεχόμενο, μπορεί να είναι πολύ δύσκολο για τους δασκάλους να πουν πότε ένας μαθητής χρησιμοποίησε μια τεχνητή νοημοσύνη για να ολοκληρώσει την εργασία ή το δοκίμιό του. Η αποτυχία εκμάθησης και ολοκλήρωσης των μαθημάτων μπορεί να γίνει αντιληπτή μόνο αφού οι μαθητές δώσουν εξετάσεις ή εξετάσεις.

3. Υποσκόπηση του ρόλου των εκπαιδευτικών

Υπάρχει μια δημοφιλής αφήγηση ότι η τεχνητή νοημοσύνη μπορεί να αντικαταστήσει τους ανθρώπους σε αμέτρητες δουλειές, αλλά η διδασκαλία δεν είναι μία από αυτές. Οι δάσκαλοι διαδραματίζουν έναν ανεκτίμητο ρόλο στην εκπαίδευση — ένα κομμάτι λογισμικού δεν μπορεί να αναπαραχθεί. Η τεχνητή νοημοσύνη έχει τη δυνατότητα να υπονομεύσει σοβαρά το μέρος των δασκάλων, υπονομεύοντας τις οδηγίες, την εξουσία και την καθοδήγησή τους.

Στην πραγματικότητα, η τεχνητή νοημοσύνη μπορεί ακόμη και να θέσει σε κίνδυνο την ποιότητα της εκπαίδευσης και την αξία των εξατομικευμένων εκπαιδευτικών εμπειριών που μπορούν να προσφέρουν τα σχολεία. Για παράδειγμα, καμία τεχνητή νοημοσύνη δεν μπορεί να αντιγράψει πραγματικά την εμπειρία της φοίτησης σε ένα σχολείο Μοντεσσόρι, το οποίο εστιάζει σε διδασκαλία μαλακών δεξιοτήτων όπως η ενσυναίσθηση και ανεξαρτησία μέσω εξατομικευμένων τεχνικών μάθησης.

Η μάθηση που βασίζεται στην τεχνητή νοημοσύνη μπορεί να συνοψίσει την εκπαίδευση στην απλή κοινή χρήση γεγονότων ή στην παροχή δεδομένων χρηστών με βάση έναν αλγόριθμο. Στην πραγματικότητα, η εκπαίδευση αφορά την προσωπική ανάπτυξη, τις δεξιότητες ζωής, την κοινωνικοποίηση και τη δημιουργικότητα, εκτός από την απόκτηση γνώσεων. Μόνο οι δάσκαλοι μπορούν να παρέχουν την ανθρώπινη καθοδήγηση που χρειάζονται οι μαθητές.

«Η μάθηση που βασίζεται στην τεχνητή νοημοσύνη μπορεί να περιορίσει την εκπαίδευση στην απλή κοινή χρήση γεγονότων ή στην παροχή δεδομένων χρηστών βάσει ενός αλγόριθμου» 

4. Απόρρητο δεδομένων μαθητή

Η μάθηση που βασίζεται στην τεχνητή νοημοσύνη μπορεί επίσης να δημιουργήσει τεχνικές και νομικές προκλήσεις — ειδικά όταν πρόκειται για το χειρισμό των δεδομένων των μαθητών. Τα μοντέλα τεχνητής νοημοσύνης μαθαίνουν παρακολουθώντας και χωνεύοντας όλα τα δεδομένα που συναντούν. Αυτό μπορεί να περιλαμβάνει πράγματα όπως απαντήσεις σε τεστ των μαθητών, ερωτήσεις πληκτρολογημένες σε ένα chatbot και χαρακτηριστικά όπως η ηλικία, το φύλο, η φυλή ή η πρώτη γλώσσα.

Η φύση του μαύρου κουτιού των περισσότερων μοντέλων τεχνητής νοημοσύνης καθιστά δύσκολο ή και αδύνατο για οποιονδήποτε να δει πώς το AI χρησιμοποιεί τα δεδομένα που συλλέγει. Ως αποτέλεσμα, υπάρχουν πραγματικά ηθικά ζητήματα με τη χρήση της τεχνητής νοημοσύνης στην εκπαίδευση. Γονείς, δάσκαλοι και μαθητές μπορεί να θέλουν τα δεδομένα τους να διατηρούνται από μια τεχνητή νοημοσύνη λόγω ανησυχίας για το απόρρητό τους. Αυτό ισχύει ιδιαίτερα για τις πλατφόρμες τεχνητής νοημοσύνης που εξατομικεύουν τις εμπειρίες των μαθητών μέσω επιτήρησης, όπως η παρακολούθηση της δραστηριότητάς τους ή τα πλήκτρα.

Ακόμη και σε περιπτώσεις όπου μια πλατφόρμα εκμάθησης που βασίζεται σε AI ζητά τη συναίνεση των χρηστών για τη χρήση των δεδομένων τους, το απόρρητο εξακολουθεί να βρίσκεται σε κίνδυνο. Όπως επισημαίνουν μελέτες, οι μαθητές συχνά δεν είναι εξοπλισμένοι να κατανοήσουν συναίνεση απορρήτου δεδομένων. Επιπλέον, εάν ένα σχολείο απαιτεί μια πλατφόρμα βασισμένη σε τεχνητή νοημοσύνη, οι μαθητές και οι δάσκαλοι μπορεί να μην έχουν άλλη επιλογή από το να συναινέσουν να παραχωρήσουν τα προσωπικά τους στοιχεία.

«Τα μοντέλα AI μαθαίνουν παρακολουθώντας και χωνεύοντας όλα τα δεδομένα που συναντούν. Αυτό μπορεί να περιλαμβάνει πράγματα όπως απαντήσεις σε τεστ των μαθητών, ερωτήσεις πληκτρολογημένες σε ένα chatbot και χαρακτηριστικά όπως η ηλικία, το φύλο, η φυλή ή η πρώτη γλώσσα." 

5. Ανομοιόμορφη εκπαίδευση και προκατάληψη δεδομένων

Ενώ η τεχνητή νοημοσύνη μπορεί να είναι σε θέση να «προσωποποιήσει» την εκπαίδευση, μπορεί επίσης να οδηγήσει σε άνισες ή άνισες εμπειρίες. Οι ίσες ευκαιρίες εκπαίδευσης βασίζονται στην ύπαρξη κάποιας τυπικής βάσης για το περιεχόμενο που μαθαίνουν όλοι οι μαθητές. Η εξατομικευμένη μάθηση μέσω AI μπορεί να είναι πολύ απρόβλεπτη για να εξασφαλίσει μια δίκαιη εμπειρία για όλους τους μαθητές.

Επιπλέον, η μεροληψία δεδομένων απειλεί τη φυλετική ισότητα και την ισότητα των φύλων στην εκπαίδευση. Υπάρχουν ενδείξεις μεροληψίας στην τεχνητή νοημοσύνη εδώ και χρόνια. Για παράδειγμα, το 2018, η Amazon δέχθηκε πυρά επειδή χρησιμοποίησε μια τεχνητή νοημοσύνη πρόσληψης που έκανε διακρίσεις σε βάρος των αιτούντων με βάση δείκτες φύλου όπως η λέξη «γυναικεία» ή το όνομα ενός γυναικείου κολεγίου. Η τεχνητή νοημοσύνη δεν είναι τόσο αντικειμενική όσο πολλοί πιστεύουν — είναι εξίσου προκατειλημμένη με τα δεδομένα εκπαίδευσης από τα οποία μαθαίνει.

Ως αποτέλεσμα, οι υποκείμενες κοινωνικές προκαταλήψεις μπορούν εύκολα να διαρρεύσουν σε μοντέλα τεχνητής νοημοσύνης, ακόμη και στη γλώσσα που χρησιμοποιεί η τεχνητή νοημοσύνη σε ορισμένα περιβάλλοντα. Για παράδειγμα, μια τεχνητή νοημοσύνη μπορεί να χρησιμοποιήσει μόνο αρσενικές αντωνυμίες για να περιγράψει αστυνομικούς ή κυβερνητικούς αξιωματούχους. Παρομοίως, μπορεί να εκπέμπει ρατσιστικό ή προσβλητικό περιεχόμενο που έμαθε από κακώς φιλτραρισμένα δεδομένα εκπαίδευσης.

Η προκατάληψη και η ανισότητα δεν ευνοούν την ασφαλή, δίκαιη και υποστηρικτική μάθηση. Έως ότου η τεχνητή νοημοσύνη μπορεί να εμπιστευτεί ότι παραμένει πραγματικά δίκαιη, αποτελεί απειλή για τις ίσες ευκαιρίες στην εκπαίδευση.

Πώς πρέπει να χρησιμοποιείται η τεχνητή νοημοσύνη στην εκπαίδευση; 

Αυτές οι πέντε σημαντικές παγίδες της μάθησης που βασίζεται στην τεχνητή νοημοσύνη απαιτούν προσεκτική εξέταση καθώς αυτή η τεχνολογία γίνεται πιο συνηθισμένη. Όπως κάθε τεχνολογία, η τεχνητή νοημοσύνη θα πρέπει να είναι ένα εργαλείο και όχι μια λύση που θα διορθώσει τα πάντα. Οι δάσκαλοι μπορούν να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να αυτοματοποιήσουν εργασίες χαμηλού κινδύνου και να βελτιώσουν την ποιότητα της εκπαίδευσης που παρέχουν, αλλά η τεχνητή νοημοσύνη δεν αντικαθιστά τους ίδιους τους δασκάλους.

Οι εκπαιδευτικοί θα πρέπει να λάβουν μέτρα για να βοηθήσουν τους μαθητές να κατανοήσουν τις χρήσεις και τους κινδύνους της τεχνητής νοημοσύνης, ώστε να μπορούν επίσης να κάνουν έξυπνες επιλογές σχετικά με το απόρρητο των δεδομένων τους. Τελικά, η μάθηση που βασίζεται στην τεχνητή νοημοσύνη είναι καλύτερη με μέτρο, όχι ως βάση για συμβατικές μαθησιακές εμπειρίες.

Επίσης, διαβάστε Είναι τα εργαλεία τεχνητής νοημοσύνης έτοιμα να αξιοποιηθούν και να χρησιμοποιηθούν ως εκπαιδευτικοί πόροι;

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
• Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
• πηγή: https://www.aiiottalk.com/pitfalls-in-ai-based-learning/