Az MIT-ben kifejlesztett új akadémiai program célja, hogy megtanítsa az amerikai légi- és űrerők személyzetét a mesterséges intelligencia technológiák megértésére és használatára. Egy nemrégiben szakértői értékelés, a program kutatói azt találták, hogy ez a megközelítés hatékony, és a különböző hátterű és szakmai szerepkörrel rendelkező alkalmazottak jól fogadták.
A projekt, amelyet a légierő osztálya – MIT Artificial Intelligence Accelerator finanszírozott, célja, hogy hozzájáruljon a mesterséges intelligencia oktatási kutatásaihoz, különös tekintettel arra, hogyan lehet maximalizálni a tanulási eredményeket a legkülönbözőbb oktatási hátterű emberek számára.
Az MIT Open Learning szakértői a meglévő MIT oktatási anyagok és erőforrások felhasználásával tantervet készítettek három általános típusú katonai személyzetnek – vezetőknek, fejlesztőknek és felhasználóknak. Új, kísérletibb kurzusokat is létrehoztak, amelyek a légi- és űrerők vezetőit célozták meg.
Ezután az MIT tudósai egy kutatási tanulmányt vezettek a tartalom elemzésére, az egyes tanulók tapasztalatainak és eredményeinek értékelésére a 18 hónapos kísérlet során, és olyan újításokat és meglátásokat javasoltak, amelyek lehetővé teszik a program bővítését.
Interjúkat és számos kérdőívet használtak, amelyeket mind a program tanulóinak, mind a személyzetnek ajánlottak fel, hogy értékeljék, hogyan kommunikált a légi- és űrerők 230 alkalmazottja a kurzusanyaggal. Együttműködtek az MIT oktatóival is, hogy tartalmi hiányelemzést végezzenek, és meghatározzák, hogyan lehetne tovább fejleszteni a tantervet a kívánt készségek, ismeretek és gondolkodásmód érdekében.
Végül a kutatók azt találták, hogy a katonai személyzet pozitívan reagált a gyakorlati tanulásra; nagyra értékelték az aszinkron, időhatékony tanulási tapasztalatokat, hogy illeszkedjenek elfoglaltságukba; és nagyra értékelték a csapatalapú, tanulási tapasztalatokat, de olyan tartalmat kerestek, amely több szakmai és puha készségeket tartalmaz. A tanulók azt is látni akarták, hogy a mesterséges intelligencia hogyan alkalmazható közvetlenül mindennapi munkájukra és a légi- és űrerők tágabb küldetésére. Arra is kíváncsiak voltak, hogy több lehetőség álljon rendelkezésre másokkal, köztük társaikkal, oktatóikkal és AI-szakértőikkel.
Ezen eredmények alapján, amelyeket a program kutatói a közelmúltban megosztva az IEEE Frontiers in Education konferencián, a csapat bővíti az oktatási tartalmat, és új technikai funkciókkal bővíti a portált a tanulmány következő iterációjához, amely jelenleg folyamatban van, és 2023-ig tart.
„Mélyebbre ásunk abban, hogy kiterjesszük véleményünk szerint a tanulási lehetőségeket, amelyeket kutatási kérdéseink vezérelnek, de a projektek ilyen léptékű és összetettségű megismerésének tudományának megértése is. De végül is megpróbálunk valódi transzlációs értéket adni a légierőnek és a védelmi minisztériumnak. Ez a munka valós hatást vált ki számukra, és ez nagyon izgalmas” – mondja Cynthia Breazeal, a kutatásvezető, aki az MIT digitális tanulásért felelős dékánja, a MIT RAISE (Responsible AI for Social Empowerment and Education) igazgatója és vezetője. a Media Lab Personal Robots kutatócsoportjának tagja.
Tanulási utak építése
A projekt kezdetén a légierő olyan profilokat adott a programcsapatnak, amelyek a légierő hat alapvető kategóriájának oktatási hátterét és munkaköreit mutatták be. A csapat ezután három archetípust hozott létre, amelyeket a „tanulási utak” felépítéséhez használt – egy olyan képzési programsorozatot, amely az AI-készségek halmazát ad minden profilhoz.
A Lead-Drive archetípus olyan egyén, aki stratégiai döntéseket hoz; a Create-Embed archetípus egy technikai dolgozó, aki AI megoldásokat valósít meg; a Facilitate-Employ archetípus pedig az AI-val kiegészített eszközök végfelhasználója.
Elsődleges feladat volt meggyőzni a Lead-Drive archetípust a program fontosságáról – mondja Andrés Felipe Salazar-Gomez, a vezető szerző, az MIT Open Learning kutatója.
„Még a Védelmi Minisztériumon belül is megkérdőjelezték a vezetők, hogy megéri-e a mesterséges intelligencia képzése vagy sem” – magyarázza. „Először a vezetők gondolkodásmódját kellett megváltoztatnunk, hogy lehetővé tegyék a többi tanulónak, fejlesztőnek és felhasználónak, hogy részt vegyenek ezen a képzésen. A kísérlet végén azt találtuk, hogy elfogadták ezt a képzést. Más volt a gondolkodásuk.”
A három tanulási út, amely 12-XNUMX hónapig terjedt, magában foglalta az MIT Horizon, az MIT Lincoln Laboratory, az MIT Sloan School of Management, a Computer Science and Artificial Intelligence Laboratory (CSAIL), a Media Lab meglévő mesterségesintelligencia-tanfolyamainak és anyagainak kombinációját. és MITx MicroMasters programok. A legtöbb oktatási modult teljes egészében online kínálták, akár szinkron, akár aszinkron módon.
Minden tanulási út különböző tartalmat és formátumot tartalmazott a felhasználók igényei alapján. Például a Create-Embed utazás egy ötnapos, személyes, gyakorlati kurzust tartalmazott, amelyet a Lincoln Laboratory kutatója tartott, amely mélyrepülést kínált a mesterséges intelligencia technikai anyagaiban, míg a Facilitate-Employ utazás saját tempóból, aszinkron tanulási tapasztalatok, elsősorban az MIT Horizon anyagaira támaszkodva, amelyeket általánosabb közönség számára terveztek.
A kutatók két új kurzust is készítettek a Lead-Drive kohorsz számára. Az egyik, a The Future of Leadership: Human and AI Collaboration in the Workforce elnevezésű szinkron online tanfolyam, Az Esme Learninggel együttműködve fejlesztették ki, és a vezetők azon vágya volt, hogy több etika és emberközpontú mesterségesintelligencia-tervezés, valamint több tartalom legyen az ember és a mesterséges intelligencia együttműködéséről a munkaerőben. A kutatók egy kísérleti, háromnapos, személyes kurzust is készítettek Tanulógépek: Számítás, Etika és Politika címmel, amely a vezetőket egy konstrukciós stílusú tanulási tapasztalatba merítette, ahol a csapatok autonóm robotokkal közösen dolgoztak egy sor gyakorlati tevékenységen. amely egy szabadulószoba stílusú zárókőversenyben csúcsosodott ki, amely mindent összehozott.
A Learning Machines tanfolyam rendkívül sikeres volt, mondja Breazeal.
„Az MIT-nél alkotás és csapatmunka által tanulunk. Arra gondoltunk, mi lenne, ha hagynánk, hogy a vezetők így tanuljanak az AI-ról? – magyarázza a lány. „Azt találtuk, hogy az elkötelezettség sokkal mélyebb, és erősebb megérzésekre tettek szert azzal kapcsolatban, hogy mitől működnek ezek a technológiák, és mi szükséges a felelősségteljes és robusztus megvalósításukhoz. Úgy gondolom, hogy ez mélyrehatóan megmutatja, hogyan gondolkodunk a vezetői oktatásról az ilyen bomlasztó technológiákkal kapcsolatban a jövőben.”
Visszajelzések gyűjtése, tartalom javítása
A tanulmány során az MIT kutatói kérdőívek segítségével egyeztettek a tanulókkal, hogy visszajelzést kapjanak a tartalomról, a pedagógiáról és a használt technológiákról. Ezenkívül az MIT oktatói elemzik az egyes tanulási utat, hogy azonosítsák az oktatási hiányosságokat.
Összességében a kutatók azt találták, hogy a tanulók több lehetőséget akartak arra, hogy kapcsolatba lépjenek társaikkal csapatalapú tevékenységek révén, vagy oktatókkal és szakértőkkel az online kurzusok szinkron összetevői révén. És bár a legtöbb munkatárs érdekesnek találta a tartalmat, több olyan példát szerettek volna látni, amelyek közvetlenül alkalmazhatók a mindennapi munkájukra.
A tanulmány második iterációjában a kutatók ezt a visszajelzést használják fel a tanulási utak javítására. Tudásellenőrzéseket terveznek, amelyek az önálló ütemű, aszinkron kurzusok részét képezik, hogy segítsék a tanulókat a tartalom megismerésében. Emellett új eszközökkel is támogatják az élő kérdezz-felelet eseményeket mesterséges intelligencia szakértőkkel, és segítik a tanulók közötti közösség kialakítását.
A csapat arra is törekszik, hogy konkrét védelmi minisztérium-példákat adjon hozzá az oktatási modulokhoz, és egy forgatókönyv-alapú műhelyt is tartalmazzon.
„Hogyan fejlesztheti a 680,000 2013 fős munkaerőt a különböző munkakörökben, minden szinten és méretekben? Ez egy MIT méretű probléma, és az MIT Open Learning által XNUMX óta végzett világszínvonalú munkába fogunk – az oktatás globális szintű demokratizálása érdekében” – mondja John Radovan őrnagy, a DAF-MIT AI igazgatóhelyettese. Gyorsító. „Az MIT-vel kötött kutatási partnerségünk kiaknázásával képesek vagyunk kutatni a munkaerő optimális pedagógiáját célzott kísérleti projektek segítségével. Ezután gyorsan megduplázhatjuk a váratlan pozitív eredményeket, és levonhatjuk a tanulságokat. Így felgyorsíthatja a pozitív változást a repülőseink és őreink számára.”
A tanulmány előrehaladtával a programcsapat egyre jobban összpontosít arra, hogyan tudják lehetővé tenni a képzési program nagyobb léptékű elérését.
„Az Egyesült Államok Védelmi Minisztériuma a legnagyobb munkaadó a világon. Ami az AI-t illeti, nagyon fontos, hogy alkalmazottaik ugyanazt a nyelvet beszéljék” – mondja Kathleen Kennedy, az MIT Horizon vezető igazgatója és az MIT Kollektív Intelligencia Központjának ügyvezető igazgatója. „De most az a kihívás, hogy ezt úgy méretezzük, hogy azok a tanulók, akik egyéni emberek, megkapják, amire szükségük van, és továbbra is elkötelezettek maradjanak. És ez minden bizonnyal segíteni fog abban, hogy a különböző MIT-platformok hogyan használhatók más típusú nagy csoportokkal.”
<!–
->
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
- Forrás: https://blockchainconsultants.io/program-teaches-us-air-force-personnel-the-fundamentals-of-ai/?utm_source=rss&utm_medium=rss&utm_campaign=program-teaches-us-air-force-personnel-the-fundamentals-of-ai
- 000
- 12 hónap
- 2023
- a
- Képes
- Rólunk
- egyetemi
- gyorsul
- gázpedál
- át
- tevékenységek
- cím
- AI
- célok
- AIR
- Légierő
- Minden termék
- között
- elemzés
- elemez
- és a
- alkalmazható
- alkalmazott
- megközelítés
- körül
- mesterséges
- mesterséges intelligencia
- közönség
- szerző
- autonóm
- háttérrel
- alapján
- alapvető
- hozott
- épít
- épült
- hívott
- kategóriák
- Központ
- biztosan
- kihívás
- változik
- Ellenőrzések
- kohort
- együtt
- együttműködés
- Kollektív
- kombináció
- közösség
- verseny
- bonyolultság
- alkatrészek
- Tartalmaz
- számítás
- számítógép
- Computer Science
- Magatartás
- tartalom
- contribuer
- meggyőz
- tudott
- Tanfolyam
- tanfolyamok
- készítette
- Jelenleg
- tanterv
- dc
- határozatok
- mély
- mély merülést
- mélyebb
- Védelem
- szállít
- demokratizálásának
- osztály
- védelmi részleg
- helyettes
- leírás
- Design
- tervezett
- tervezés
- fejlett
- fejlesztők
- különböző
- digitális
- közvetlenül
- Igazgató
- bomlasztó
- számos
- Ennek
- kétszeresére
- le-
- rajz
- hajtott
- alatt
- minden
- Oktatás
- nevelési
- Hatékony
- bármelyik
- alkalmazottak
- Empowerment
- lehetővé
- vegyenek
- elkötelezett
- eljegyzés
- fokozása
- teljesen
- etika
- értékelni
- események
- végül is
- minden
- példák
- izgalmas
- végrehajtó
- Ügyvezető igazgató
- vezetők
- létező
- bővülő
- tapasztalat
- Tapasztalatok
- szakértők
- Elmagyarázza
- terjed
- Jellemzők
- Visszacsatolás
- vezetéknév
- megfelelő
- Összpontosít
- összpontosított
- Kényszer
- erők
- talált
- ból ből
- Frontiers
- funkciók
- alapjai
- finanszírozott
- további
- jövő
- rés
- általános
- kap
- Globális
- világviszonylatban
- Go
- megy
- Csoport
- Csoportok
- Guardians
- hands-on
- fej
- segít
- horizont
- Hogyan
- HTTPS
- emberi
- azonosítani
- IEEE
- elmerült
- Hatás
- végre
- végrehajtási
- fontosság
- fontos
- javított
- in
- személyesen
- tartalmaz
- beleértve
- Beleértve
- egyéni
- újítások
- meglátások
- példa
- Intelligencia
- érdekelt
- érdekes
- interjúk
- IT
- ismétlés
- Munka
- János
- utazás
- Journeys
- Kedves
- tudás
- labor
- laboratórium
- nyelv
- nagy
- nagyobb
- legnagyobb
- vezet
- vezetők
- Vezetés
- vezető
- TANUL
- tanult
- tanulás
- Led
- Tanulságok
- Tanulságok
- erőfölény
- Lincoln
- él
- keres
- gép
- KÉSZÍT
- Gyártás
- vezetés
- anyag
- anyagok
- Maximize
- Média
- Katonai
- Gondolkodásmód
- Küldetés
- MIT
- Modulok
- hónap
- több
- a legtöbb
- Szükség
- igények
- Új
- következő
- felajánlott
- ONE
- online
- nyitva
- Lehetőségek
- optimálisan
- Más
- Egyéb
- rész
- Létrehozása
- Emberek (People)
- személyes
- személyzet
- pilóta
- tengely
- Platformok
- Plató
- Platón adatintelligencia
- PlatoData
- politika
- Portál
- pozitív
- elsősorban
- Fő
- prioritás
- Probléma
- szakmai
- profil
- Profilok
- Program
- Programok
- program
- javasol
- Kérdések és válaszok
- Kérdések
- gyorsan
- emel
- el
- igazi
- való Világ
- új
- nemrég
- tekintettel
- kutatás
- kutatók
- Tudástár
- felelős
- Eredmények
- robotok
- szerepek
- azonos
- Skála
- skálázás
- Iskola
- Tudomány
- Tudós
- tudósok
- Második
- Keresi
- idősebb
- Series of
- készlet
- számos
- óta
- SIX
- készségek
- Sloan
- So
- Közösség
- Puha
- Megoldások
- néhány
- Hely
- beszélő
- különleges
- kifejezetten
- Személyzet
- tartózkodás
- Stratégiai
- erősebb
- erősen
- Tanulmány
- stílus
- sikeres
- támogatás
- tart
- célzott
- csapat
- csapat
- csapatmunka
- Műszaki
- Technologies
- A
- a világ
- azok
- gondoltam
- három
- Keresztül
- egész
- nak nek
- együtt
- szerszámok
- Képzések
- típusok
- nekünk
- Amerikai Védelmi Minisztérium
- Végül
- megért
- megértés
- úton
- Váratlan
- us
- Felhasználók
- hasznosít
- kihasználva
- érték
- értékes
- fajta
- W3
- kívánatos
- módon
- Mit
- ami
- míg
- WHO
- lesz
- Munka
- dolgozott
- munkás
- munkaerő
- műhely
- világ
- világszínvonalú
- érdemes
- lenne
- te
- zephyrnet