EPALE Αυστρία

Συντάκτης του αρχικού άρθρου στα γερμανικά: Karin Lamprecht / CONEDU 

Η τεχνητή νοημοσύνη (AI) έχει προβληθεί στα μέσα ενημέρωσης εδώ και αρκετά χρόνια και από την κυκλοφορία του ChatGPT το φθινόπωρο του 2022, το θέμα έχει φτάσει τελικά στο ευρύ κοινό. Τα εργαλεία τεχνητής νοημοσύνης, όπως οι γεννήτριες ομιλίας και εικόνας, δεν χρησιμοποιούνται πλέον μόνο από τους επιστήμονες υπολογιστών και τους επαγγελματίες της τεχνολογίας, αλλά από ανθρώπους από όλα τα κοινωνικά στρώματα - και φυσικά και σε εκπαιδευτικά πλαίσια. Το γεγονός ότι η τεχνητή νοημοσύνη είναι εδώ για να μείνει επιβεβαιώνεται επίσης, από την τελευταία μελέτη τάσεων του ινστιτούτου MMB.

Δεξιότητες για ένα μέλλον με τεχνητή νοημοσύνη

Ποιες δεξιότητες και ικανότητες απαιτούνται για να δουλέψει κανείς με την τεχνητή νοημοσύνη; Αυτό συζητείται υπό τον τίτλο «Γραματισμός στην Τεχνητή Νοημοσύνη». Στο πλαίσιο του έργου AIComp αναπτύχθηκε ένα ολοκληρωμένο και εμπειρικά βασισμένο μοντέλο ικανοτήτων. Περιλαμβάνει δώδεκα πεδία ικανοτήτων σε τρεις τομείς ικανοτήτων και σχετίζεται με τις προσωπικές δεξιότητες, το κοινωνικό περιβάλλον και την εργασία και τον σχεδιασμό με την τεχνητή νοημοσύνη και για αυτή.

Υπάρχουν επίσης, ήδη προτάσεις για πλαίσια ικανοτήτων τεχνητής νοημοσύνης για εκπαιδευτές ενηλίκων - από την Ευρωπαϊκή Επιτροπή και τον διεθνή πάροχο υπηρεσιών ηλεκτρονικής μάθησης Paradoxlearning, μεταξύ άλλων. Στο πλαίσιο του ευρωπαϊκού έργου AL4AI, μέχρι το τέλος του 2024 θα αναπτυχθεί ένα πρόγραμμα αυτοδιδασκαλίας που θα απευθύνεται ειδικά σε εκπαιδευτές ενηλίκων.

Το γεγονός ότι οι εκπαιδευτικοί - ειδικά στην εκπαίδευση ενηλίκων - έχουν ιδιαίτερη ευθύνη απέναντι στους εκπαιδευόμενους τους είναι ένας κοινός βασικός άξονας αυτών των μοντέλων ικανοτήτων. Οι εκπαιδευτές ενηλίκων καλούνται να εξηγήσουν τις ευκαιρίες και τους κινδύνους της τεχνητής νοημοσύνης και να ενθαρρύνουν τους εκπαιδευόμενους να χρησιμοποιούν τις νέες τεχνολογίες με επάρκεια και υπευθυνότητα.

Επτά συγκεκριμένες διδακτικές συμβουλές

Η παρακάτω συλλογή παρέχει μια επισκόπηση διδακτικών συμβουλών για εκπαιδευτές ενηλίκων που θα βοηθήσουν στη διδασκαλία των δεξιοτήτων τεχνητής νοημοσύνης.

Συμβουλή 1: Υιοθετήστε μια ολιστική άποψη της τεχνολογίας τεχνητής νοημοσύνης

Τα μαθήματα τεχνολογικής κατάρτισης συχνά επικεντρώνονται σε μια προοπτική προσανατολισμένη στην εφαρμογή («Πώς λειτουργεί;»). Ο Wolfgang König (Network Q 4.0) υποστηρίζει την χρήση του τριγώνου Dagstuhl ως πυξίδα (στα γερμανικά). Εκτός από την προοπτική που προσανατολίζεται στην εφαρμογή, η προοπτική  από τεχνολογικής άποψης («Πώς λειτουργεί;») και κοινωνικοπολιτισμικής («Πώς μας επηρεάζει;») θα πρέπει επίσης να ληφθεί υπόψη. Οποιοσδήποτε σχεδιάζει να χρησιμοποιήσει το ChatGPT ως μέσο μάθησης μπορεί, για παράδειγμα, να ξεκινήσει με μια επεξήγηση για το πώς λειτουργεί περίπου το εργαλείο (τεχνολογική προοπτική). Στη συνέχεια, το εργαλείο δοκιμάζεται στην πράξη (προοπτική προσανατολισμένη στην εφαρμογή). Αυτό παρέχει μια καλή βάση για να συζητήσουμε πώς η χρήση των chatbots τεχνητής νοημοσύνης αλλάζει τη μάθηση (κοινωνικοπολιτισμική προοπτική).

Συμβουλή 2: Βρείτε μια προσωπική εισαγωγή στο θέμα 

Ειδικά σε ετερογενείς ομάδες, είναι καλή ιδέα να συζητηθούν εξαρχής οι υποθέσεις και οι απόψεις σχετικά με την τεχνητή νοημοσύνη. Η Nele Hirsch (eBildungslabor) έχει αναπτύξει τη μέθοδο «get-to-know-you card swap» για αυτό (στα γερμανικά), στην οποία οι συμμετέχοντες λαμβάνουν ο καθένας μια κάρτα με μια δήλωση και τη χρησιμοποιούν για να ξεκινήσουν την συζήτηση (για παράδειγμα, «Μου αρέσει πραγματικά να εξερευνώ διαφορετικά εργαλεία τεχνητής νοημοσύνης» ή «Μέχρι να υπάρξει σαφήνεια σχετικά με τη χρήση των εργαλείων τεχνητής νοημοσύνης, πρέπει να τα απαγορεύσουμε σε εκπαιδευτικό πλαίσιο»). Αυτό δημιουργεί μια συζήτηση που μπορεί στη συνέχεια να χρησιμοποιηθεί ως βάση για περαιτέρω επεξεργασία του περιεχομένου.

Συμβουλή 3: Κάντε την τεχνητή νοημοσύνη απτή

Οι εκπαιδευόμενοι που είχαν μικρή εμπειρία με τα εργαλεία τεχνητής νοημοσύνης επωφελούνται από τη ζωντανή εμπειρία της τεχνητής νοημοσύνης. Η εργασία με ερωτήσεις πειράγματος, για παράδειγμα, είναι ένας καλός τρόπος να βιώσετε τη διαφορά μεταξύ μιας ανθρώπινης απάντησης και μιας παραγόμενης απάντησης.

Οι ολοκληρωμένες δυνατότητες εφαρμογής της τεχνητής νοημοσύνης μπορούν να καταδειχθούν, για παράδειγμα, με τους «κόσμους τεχνητής νοημοσύνης» της πλατφόρμας ικανοτήτων τεχνητής νοημοσύνης της Βόρειας Ρηνανίας-Βεστφαλίας. Ο διαδραστικός χάρτης δείχνει πού χρησιμοποιούνται οι τεχνολογίες τεχνητής νοημοσύνης στην καθημερινή ζωή και στον κόσμο της εργασίας - για παράδειγμα στην πώληση προϊόντων για δυναμική τιμολόγηση. Αυτό παρέχει ένα ενδιαφέρον σημείο εκκίνησης για περαιτέρω συζητήσεις στα προγράμματα επαγγελματικής ανάπτυξης.

Συμβουλή 4: Επιδείξτε τις ψυχολογικές επιπτώσεις της τεχνητής νοημοσύνης 

Κατά τη χρήση συστημάτων τεχνητής νοημοσύνης, υπάρχουν επίσης ορισμένες ψυχολογικές επιπτώσεις που πρέπει να ληφθούν υπόψη - για παράδειγμα το φαινόμενο «Uncanny Valley»: Σύμφωνα με αυτό, όσο περισσότερο μια τεχνητή φιγούρα μοιάζει με άνθρωπο, τόσο πιο θετικά γίνεται αντιληπτή - μέχρι ένα ορισμένο σημείο στο οποίο το αποτέλεσμα αντιστρέφεται. Αυτό το αποτέλεσμα μπορεί να γίνει απτό δείχνοντας μια εικόνα του ανθρωποειδούς ρομπότ «Σοφία», για παράδειγμα, και συζητώντας τις εντυπώσεις τους με τους συμμετέχοντες (ευχάριστο ή μάλλον ανησυχητικό;)

Ψυχολογικές επιπτώσεις όπως η «παγίδα ικανοτήτων» (γερμανικά) παίζουν επίσης ρόλο και πρέπει να αντιμετωπιστούν: καθώς τα συστήματα τεχνητής νοημοσύνης δεν παρουσιάζουν γλωσσικά σημάδια αβεβαιότητας, οι άνθρωποι συχνά τα κρίνουν ως ικανά, γεγονός που μπορεί να οδηγήσει σε παραπληροφόρηση. Ως εκ τούτου, είναι ιδιαίτερα σημαντικό για τους εκπαιδευτικούς να χρησιμοποιούν τη γλώσσα με ευαισθησία, προκειμένου να καταστήσουν σαφές ότι τα συστήματα τεχνητής νοημοσύνης δεν είναι ανεξάρτητοι στοχαστές («συστήματα τεχνητής νοημοσύνης» ή «εργαλεία τεχνητής νοημοσύνης» αντί για «την τεχνητή νοημοσύνη/αυτή/αυτοί» · «το ακόλουθο αποτέλεσμα δημιουργήθηκε ως απάντηση στο σχόλιο μου» αντί για «το ChatGPT μου συνέστησε»). (Πηγή e-bildungslabor.de) Αντί για στερεοτυπικές αναπαραστάσεις ρομπότ, οι εικόνες από το «Better Images of AI», για παράδειγμα, είναι κατάλληλες για εικονογραφήσεις. 

Συμβουλή 5: Κοινοποιήστε την τεχνική λειτουργική κατανόηση όσο το δυνατόν σαφέστερα

Οι εκπαιδευτές ενηλίκων μπορούν να δείξουν πώς λειτουργούν τα γλωσσικά μοντέλα τεχνητής νοημοσύνης με τη βοήθεια σύντομων, ακριβών επεξηγηματικών βίντεο (π.χ. από τον πάροχο ηλεκτρονικής μάθησης που γνωρίζετε, στα γερμανικά). Για τους εκπαιδευόμενους που τους αρέσει να πειραματίζονται, ο πάροχος Tensorflow προσφέρει ένα διαδραστικό νευρωνικό δίκτυο για να δοκιμάσουν.

Ωστόσο, η τεχνική λειτουργική κατανόηση δεν μπορεί να διδαχθεί μόνο ψηφιακά, αλλά και με εντελώς αναλογικό τρόπο με τις ασκήσεις από το «AI Unplugged»: Αυτές αναπτύχθηκαν για σχολικά μαθήματα, αλλά είναι επίσης κατάλληλες για εκπαίδευση ενηλίκων.

Συμβουλή 6: Χρησιμοποιήστε κουίζ για αυτο(έλεγχο) 

Οι εκπαιδευτές ενηλίκων μπορούν να χρησιμοποιήσουν σύντομα κουίζ για να ενεργοποιήσουν τις προηγούμενες γνώσεις των συμμετεχόντων σχετικά με το θέμα της τεχνητής νοημοσύνης ή για να ενοποιήσουν το περιεχόμενο μέσω (αυτο) ελέγχου. Δύο παραδείγματα για το σχολικό πλαίσιο που μπορούν επίσης να χρησιμοποιηθούν για την εκπαίδευση ενηλίκων είναι το κουίζ του VEGA ( στη γερμανική γλώσσα) και το Learning Snack που παρέχεται από τα App Camps.

Συμβουλή 7: Παράδειγμα κριτικής και ανστοχαστικής πρακτικής

Σε γενικές γραμμές, συνιστάται μια στοχαστική προσέγγιση της τεχνητής νοημοσύνης στις εκπαιδευτικές εκδηλώσεις. Οι Birgit Aschemann και Gunter Schüßler εξηγούν ποιες μέθοδοι μπορούν να προωθήσουν την κριτική σκέψη στο άρθρο τους (στη γερμανική γλώσσα) στο erwachsenenbildung.at.

Οι 12 παρορμήσεις για πρόκληση σκέψης που διατυπώθηκαν από την Nele Hirsch από το eBildungslabor είναι επίσης κατάλληλες για διαδραστικό και ανταλλακτικό προβληματισμό σε προγράμματα μάθησης.

Αν θέλετε να μπείτε στον ρόλο των ειδικών της τεχνητής νοημοσύνης με τους εκπαιδευόμενους σας και να βοηθήσετε τους πολίτες με τα ερωτήματά τους, μπορείτε να το κάνετε με το παιχνίδι καρτών «AI Compass» που παρέχεται από το Ινστιτούτο Alexander von Humboldt για το Διαδίκτυο και την Κοινωνία.

Για: περαιτέρω πληροφορίες

• Γιατί δεν αρκεί η βελτίωση των κειμένων τεχνητής νοημοσύνης; (στα γερμανικά)

Συντάκτης του αρχικού άρθρου στα γερμανικά: Karin Lamprecht / CONEDU  

Επιμέλεια πρωτότυπου άρθρου στα γερμανικά:  Birgit Aschemann / CONEDU 

Μετάφραση από την EPALE Aυστρίας