«Αλγόριθμοι είναι τόσο προκατειλημμένη με τους ανθρώπους που έχουν σχεδιαστεί ή να αναθέσει τους με ένα συγκεκριμένο σκοπό. Θα έπρεπε ως εκ τούτου πυροδοτήσει μια ανοικτή συζήτηση σχετικά με τους στόχους των συστημάτων λογισμικού με κοινωνικό αντίκτυπο.»- Ralph Müller-Eiselt
Μεροληπτική αλγόριθμοι είναι παντού, έτσι ώστε σε μια κρίσιμη στιγμή για την εξέλιξη της μηχανικής μάθησης και AI, γιατί δεν μιλάμε για τα κοινωνικά ζητήματα αυτό θέτει?
Στο βιβλίο της, Όπλα Μαθηματικά καταστροφής - Πώς Big Data Αυξάνει την ανισότητα και απειλεί τη δημοκρατία, Cathy O'Neil επισημαίνει ότι «μεγάλες διεργασίες δεδομένων κωδικοποιήσει το παρελθόν», αλλά δεν «εφεύρει το μέλλον.» Πώς αισθάνεστε για τις μηχανές που επηρεάζουν την ανθρώπινη θεσμούς μας? Ποιος προστατεύει την ποιότητα της ζωής, όταν οι αλγόριθμοι είναι υπεύθυνος? O'Neil υποστηρίζει ότι η ανθρώπινη επαφή είναι απαραίτητη για να «ενσωματώσει καλύτερες τιμές σε αλγορίθμους μας.»
Ralph Müller-Eiselt είναι ειδικός στην εκπαιδευτική πολιτική και διακυβέρνηση και επικεφαλής ομάδα εργασίας του Ιδρύματος Bertelsmann σχετικά με τις προκλήσεις και τις ευκαιρίες της πολιτικής σε ένα ψηφιοποιημένο κόσμο. Στο έργο του πιο πρόσφατη «Ηθική Αλγορίθμων» (είναι συν-συγγραφέας της Η Ψηφιακή Επανάσταση στην Εκπαίδευση; Αγγλικά Τίτλος – Ψηφιακή επανάσταση Παιδείας), παίρνει μια προσεκτικότερη ματιά στις συνέπειες της αλγοριθμικής διαδικασίας λήψης αποφάσεων και της τεχνητής νοημοσύνης στην κοινωνία και την εκπαίδευση. ενώνει Η Σφαιρική Αναζήτηση για Εκπαίδευση για να μιλήσουμε για AI, αλγόριθμοι και τι θα πρέπει όλοι να σκεφτόμαστε.
“Είναι στο χέρι μας να διαπιστωθεί αν AI στην εκπαίδευση θα αποτελέσει καταλύτη για την ενίσχυση της κοινωνικής δικαιοσύνης - ή για την αποδυνάμωση του.” — Ralph Müller-Eiselt
υποκοριστικό του Rodolphus, πώς θα διασφαλιστεί ότι οι αλγόριθμοι είναι πάντα σχεδιαστεί για να επιτευχθεί θετικό αντίκτυπο για τις κοινωνίες και την εκπαίδευση, παρά κινδύνου ή κινδύνου?
Αλγόριθμοι είναι τόσο προκατειλημμένη με τους ανθρώπους που έχουν σχεδιαστεί ή να αναθέσει τους με ένα συγκεκριμένο σκοπό. Θα πρέπει λοιπόν να πυροδοτήσει μια ανοιχτή συζήτηση σχετικά με τους στόχους των συστημάτων λογισμικού με κοινωνικό αντίκτυπο. Είναι στο χέρι μας ως κοινωνία να αποφασίσει πού τέτοια συστήματα θα πρέπει να χρησιμοποιούνται και να βεβαιωθείτε ότι έχουν σχεδιαστεί με τις σωστές σκοπούς στο μυαλό. Κατά δεύτερο λόγο, πρέπει να θυμόμαστε ότι ακόμα και οι αλγόριθμοι έχουν σχεδιαστεί με καλές προθέσεις μπορεί να παράγει άσχημα αποτελέσματα. Οι μεγαλύτερες πιθανές επιπτώσεις τους στην ατομική συμμετοχή στην κοινωνία είναι, το πιο σημαντικό είναι η αξιολόγηση προληπτικών κινδύνων και - για άλλη μια αυτοματοποιημένη διαδικασία λήψης αποφάσεων είναι σε χρήση - μια ολοκληρωμένη αξιολόγησης για την επαλήθευση των αναμενόμενων αποτελεσμάτων. Η συμμετοχή ουδέτερη τρίτους σε αυτή τη διαδικασία μπορεί να βοηθήσει σημαντικά στην οικοδόμηση εμπιστοσύνης στο λογισμικό που βασίζεται στη λήψη αποφάσεων.
Πώς μπορούμε να εκτιμήσει κατά πόσον ή όχι ολοκλήρωση ό, τι προορίζεται?
Διαφανής λογοδοσίας είναι το κλειδί, όταν πρόκειται για την αξιολόγηση αλγόριθμο που βασίζεται σε εφαρμογές και εργαλεία. Αυτό δεν σημαίνει ότι πρέπει να κάνουμε τον κώδικα του αλγορίθμων έχει πρόσβαση το κοινό. Όντως, ότι δεν θα ήταν καθόλου χρήσιμο για πληγεί περισσότερο άτομα για να κερδίσει την κατανόηση του πώς οι αποφάσεις αλγόριθμο ενημερωμένοι γίνονται. Αντί, χρειαζόμαστε μηχανισμούς, όπως αυτονόητη δηλώσεις του σκοπού για αλγόριθμους που μπορούν να επαληθευτούν από αξιολόγηση μέσω ουδέτερου εμπειρογνώμονες, οι οποίοι έχουν πρόσβαση στις σχετικές πληροφορίες και τα δεδομένα. Οι αξιολογήσεις αυτές θα πρέπει να σχεδιαστεί ως ολιστικά το δυνατόν, προκειμένου να ελέγξει αν οι αλγόριθμοι είναι στην πραγματικότητα εξυπηρετούν τους επιδιωκόμενους σκοπούς και να αποκαλύψει τους κινδύνους και τις ευκαιρίες της πραγματικής ζωής τους.
«Ενώ υπάρχουν τεράστιες ευκαιρίες για αλγόριθμο ενημερωμένοι συμβουλές σχετικά με διδακτικές επιλογές αρμοδιότητα προσανατολισμό και τις επιλογές θέσεων εργασίας, δεν μπορεί να κλείσει τα μάτια μας πριν από τους κινδύνους της στόχευσης αδύναμη πελατών, τυποποιημένες διακρίσεις και μεγάλης κλίμακας αποκλεισμό από την αγορά εργασίας «-. Ralph Müller-Eiselt
Πώς βλέπετε αλγορίθμων και AI προσαρμογή στις εξελισσόμενες εκπαιδευτικά συστήματα?
Η ψηφιακή εποχή προσφέρει μια σειρά πιθανών προστιθέμενη αξία για την εκπαίδευση. Πολλοί από αυτούς εξαρτώνται από τη φύση τους για τη χρήση των συνδεδεμένων δεδομένων - είτε πρόκειται για την προσωποποίηση της μάθησης, ξεπερνώντας υποκινούν εμπόδια μέσω Gamification, παροχή προσανατολισμού στη ζούγκλα των ευκαιριών, ή αν μη τι άλλο, αντιστοιχία ατομικών ικανοτήτων με τις απαιτήσεις της αγοράς εργασίας. Η χρήση των αλγορίθμων και AI στον τομέα της εκπαίδευσης βρίσκεται ακόμη σε αρχικό στάδιο της, με πολλές δοκιμές και λάθη που πρέπει να τηρούνται. Αλλά η τεχνολογία μπορεί και θα βοηθήσει αρκετά βέβαιο ότι εξελίσσονται όλα αυτά τα ζητήματα στο εγγύς μέλλον. Δεδομένου ότι αυτό μπορεί να επηρεάσει την εκπαίδευση σε αρκετό κλίμακα, φορείς χάραξης πολιτικής θα πρέπει καλύτερα να μην περιμένουν αυτά τα πράγματα να συμβούν και να αντιδράσει στη συνέχεια, αλλά ενεργά στη διαμόρφωση της νομοθεσίας έχει πλέον προς τη διατήρηση του δημόσιου αγαθού. Είναι στο χέρι μας να διαπιστωθεί αν AI στην εκπαίδευση θα αποτελέσει καταλύτη για την ενίσχυση της κοινωνικής δικαιοσύνης - ή για την αποδυνάμωση.
Πώς μπορούμε να προσαρμόσετε AI να προσαρμοστούν σε κάθε τάξη και τις ανάγκες του παιδιού?
Εξατομίκευση της μάθησης για την ανάπτυξη καλύτερων ατομικών ικανοτήτων αποτελεί μία από τις κύριες δυνατότητες της ψηφιακής μάθησης. εφαρμογές Αλγόριθμος που βασίζεται και AI μπορεί να εκδημοκρατίσει την πρόσβαση σε εξατομικευμένες εκπαίδευση ότι, για λόγους που αφορούν το κόστος ήταν προηγουμένως διαθέσιμες μόνο σε περιορισμένο αριθμό ατόμων. Αλλά υπάρχει μια λεπτή γραμμή μεταξύ υπόσχεση και κίνδυνο της γρίπης των πτηνών στην εκπαίδευση. Ενώ υπάρχουν τεράστιες ευκαιρίες για αλγόριθμο ενημερωμένοι συμβουλές σχετικά με διδακτικές επιλογές αρμοδιότητα προσανατολισμό και τις επιλογές θέσεων εργασίας, δεν μπορεί να κλείσει τα μάτια μας πριν από τους κινδύνους της στόχευσης αδύναμη πελατών, τυποποιημένες διακρίσεις και μεγάλης κλίμακας αποκλεισμό από την αγορά εργασίας.
Από το AI γίνεται από τον άνθρωπο, είναι ο κίνδυνος που αλγόριθμους και AI δεν θα λειτουργεί με ακρίβεια σε ένα εκπαιδευτικό περιβάλλον που οφείλονται σε ανθρώπινο λάθος εκεί? Πώς θα τα λάθη στο AI αντίκτυπο η μαθησιακή εμπειρία?
Αλγόριθμοι είναι τόσο καλό όσο και οι άνθρωποι που τα έχουν σχεδιαστεί. Ανθρώπινο λάθος μπορεί να μεταφραστεί σε έναν αλγόριθμο σε πολλά στάδια: από τη συλλογή και την επιλογή των δεδομένων μέσω προγραμματισμού τον αλγόριθμο για την ερμηνεία της εξόδου. Για παράδειγμα, αν ένας αλγόριθμος χρησιμοποιεί ιστορικά δεδομένα, ο οποίος ωθείται προς μια συγκεκριμένη κατεύθυνση, λόγω του διακριτικού πρότυπα του παρελθόντος, ο αλγόριθμος θα μάθει από αυτά τα σχέδια και το πιο πιθανό ακόμη και να ενισχύσει αυτή τη διάκριση όταν χρησιμοποιείται σε ευρεία κλίμακα. Τέτοια ακούσια λάθη πρέπει να αποφεύγονται αυστηρά και να ελέγχονται για συνεχή, δεδομένου ότι θα διευρύνει τις κοινωνικές ανισότητες στον τομέα της εκπαίδευσης.
"Για φορείς χάραξης πολιτικής, είναι πλέον καιρός να διαμορφώσει ενεργά αυτό το πεδίο για μεγαλύτερη κοινωνική δικαιοσύνη. Και εκείνοι που ασχολούνται με την πραγματική σχεδιασμό και την ανάπτυξη αλγορίθμων πρέπει να πάρετε το χρόνο για να σκεφτούμε περίπου την κοινωνική τους ευθύνη και να δημιουργήσουν κοινά πρότυπα για την επαγγελματική δεοντολογία στον τομέα αυτό.»- Ralph Müller-Eiselt
Πώς μπορούν να ελαχιστοποιηθούν αυτά τα ζητήματα?
Όπως εξηγείται με περισσότερες λεπτομέρειες ανωτέρω, πρέπει να κάνουμε εκτιμήσεις προληπτικές κινδύνου και να εξασφαλίσει μια σταθερή και ολοκληρωμένη αξιολόγηση των αιτήσεων αλγόριθμο που βασίζεται μέσα από ουδέτερη τρίτους. Θα πρέπει, επίσης, να προκαλέσει μια ευρύτερη δημόσια συζήτηση και την ευαισθητοποίηση για τη χρήση, πιθανότητες και τους κινδύνους των αλγορίθμων στην εκπαίδευση. Για τους φορείς χάραξης πολιτικής, είναι πλέον καιρός να διαμορφώσει ενεργά αυτό το πεδίο για μεγαλύτερη κοινωνική δικαιοσύνη. Και εκείνοι που ασχολούνται με την πραγματική σχεδιασμό και την ανάπτυξη των αλγορίθμων θα πρέπει να πάρετε το χρόνο να σκεφτούμε την κοινωνική τους ευθύνη και να δημιουργήσουν κοινά πρότυπα για την επαγγελματική δεοντολογία στον τομέα αυτό.
Κάντε AI και αλγόριθμοι πρέπει να αναπροσαρμοστεί για διαφορετικά εκπαιδευτικά συστήματα σε παγκόσμιο επίπεδο? Πόσο σημαντικό θα είναι να ενσωματώσει τις πολιτισμικές διαφορές στη διαμόρφωση της γρίπης των πτηνών?
Αυτό που οι περισσότεροι εκπαιδευτικά συστήματα στον κόσμο έχουν κοινό είναι ότι έχουν ως στόχο να ενδυναμώσει και να υποστηρίξει τους ανθρώπους στην ανάπτυξη ατομικών ικανοτήτων και τα ταλέντα τους, εν συντομία: για τη δημιουργία της ισότητας των ευκαιριών. Ωστόσο,, οι τρόποι προσέγγισης και την επίτευξη του στόχου αυτού είναι πολλαπλές. Όλα έχουν πλεονεκτήματα και τις αδυναμίες τους. Τι λειτουργεί σε ένα μέρος δεν λειτουργεί απαραίτητα σε άλλο κοινωνικό πλαίσιο. Με τον ίδιο τρόπο, αλγόριθμος- και εφαρμογές AI-based πρέπει να προσαρμοστούν στο συγκεκριμένο κοινωνικο-πολιτισμικό περιβάλλον που απασχολούνται σε.
(Όλες οι φωτογραφίες είναι ευγενική προσφορά του CMRubinWorld)
C. M. Rubin και Ralph Müller-Eiselt
Έλα μαζί μου και παγκοσμίως γνωστή ηγέτες σκέψης συμπεριλαμβανομένου του Sir Michael Barber (Ηνωμένο Βασίλειο), Ο Δρ. Michael Block (ΗΠΑ), Ο Δρ. Leon Botstein (ΗΠΑ), Καθηγητής Clay Christensen (ΗΠΑ), Ο Δρ. Linda Ντάρλινγκ-Hammond (ΗΠΑ), Ο Δρ. MadhavChavan (Ινδία), Charles Fadel (ΗΠΑ), Ο καθηγητής Michael Fullan (Καναδάς), Ο καθηγητής Howard Gardner (ΗΠΑ), Ο καθηγητής Andy Hargreaves (ΗΠΑ), Ο καθηγητής Yvonne Hellman (Η Ολλανδία), Ο καθηγητής Kristin Helstad (Νορβηγία), Jean Hendrickson (ΗΠΑ), Καθηγητής Rose Hipkins (Νέα Ζηλανδία), Καθηγητής Cornelia Hoogland (Καναδάς), Αξιότιμο Jeff Johnson (Καναδάς), Η κ. Chantal Kaufmann (Βέλγιο), Ο Δρ. EijaKauppinen (Φινλανδία), Υφυπουργός TapioKosunen (Φινλανδία), Ο καθηγητής Dominique Λαφοντέν (Βέλγιο), Ο καθηγητής Hugh Lauder (Ηνωμένο Βασίλειο), Lord Ken Macdonald (Ηνωμένο Βασίλειο), Ο καθηγητής Geoff Masters (Αυστραλία), Καθηγητής Barry McGaw (Αυστραλία), Shiv Nadar (Ινδία), Καθηγητής R. Natarajan (Ινδία), Ο Δρ. PAK NG (Σιγκαπούρη), Ο Δρ. Denise Πάπα (ΗΠΑ), Sridhar Rajagopalan (Ινδία), Ο Δρ. Diane Ravitch (ΗΠΑ), Richard Wilson Riley (ΗΠΑ), Sir Ken Robinson (Ηνωμένο Βασίλειο), Καθηγητής Pasi Sahlberg (Φινλανδία), Καθηγητής Manabu Sato (Ιαπωνία), Andreas Schleicher (PISA, ΟΟΣΑ), Ο Δρ. Anthony Seldon (Ηνωμένο Βασίλειο), Ο Δρ. David Shaffer (ΗΠΑ), Ο Δρ. Kirsten Μοναδική Are (Νορβηγία), Στήβεν Spahn (ΗΠΑ), Yves Theze (LyceeFrancais ΗΠΑ), Ο καθηγητής Charles Ungerleider (Καναδάς), Ο καθηγητής Tony Wagner (ΗΠΑ), Sir David Watson (Ηνωμένο Βασίλειο), Καθηγητής Dylan Γουίλιαμ (Ηνωμένο Βασίλειο), Ο Δρ. Mark Wormald (Ηνωμένο Βασίλειο), Ο καθηγητής Theo Wubbels (Η Ολλανδία), Ο καθηγητής Michael Young (Ηνωμένο Βασίλειο), και ο καθηγητής Minxuan Zhang (Κίνα) καθώς εξερευνούν τα μεγάλα ζητήματα της εκπαίδευσης εικόνα που όλα τα έθνη αντιμετωπίζουν σήμερα.
Η Παγκόσμια αναζήτηση για την Εκπαίδευση της Κοινότητας Σελίδα
C. M. Rubin είναι ο συγγραφέας των δύο πολυδιαβασμένα online σειρά για την οποία έλαβε ένα 2011 Βραβείο Upton Sinclair, «Η Παγκόσμια αναζήτηση για την Παιδεία» και «πώς θα Διαβάστε?"Είναι επίσης συγγραφέας τριών βιβλίων με εμπορική επιτυχία, Συμπεριλαμβανομένων Η Ρεάλ Αλίκη στη Χώρα των Θαυμάτων, Είναι ο εκδότης του CMRubinWorld και είναι ένα Ίδρυμα Fellow δι'υπερήχων.
Ακολουθήστε C. M. Rubin στο Twitter: www.twitter.com/@cmrubinworld
Πρόσφατα σχόλια