“Wir sollen die Ziele der Bildung werden Ändern auf tiefes Lernen zu konzentrieren: Relevanz dessen, was gelehrt wird,, zu bauen Motivation, und Personalisierung des Was und Wie; Vielseitigkeit, erschaffen 'Renaissance Menschen‘, Das bringt Robustheit Gesicht, was das Leben an uns wirft; Transfer, die Versicherung, dass, was wir in den engen Grenzen von Schulen lernen, Handlungsfähigkeit führt zu in realen Situationen.” — Charles Fadel
Computer von großen Datenmengen zu lernen haben eine neue Quelle des Wissens für die Gesellschaft geschaffen.
Computer können uns schon sagen, viele Dinge, einschließlich, die auf dem neuesten Stand und welche Aktien zu kaufen. Und die Geschwindigkeit gegeben, an den sie entwickelt werden,, wie lange wird es dauern, bis Computer unserer High-School-Essays oder spricht eine Fremdsprache schreiben, oder sogar treiben uns in die Schule?
Charles Fadel ist Gründer des Center for Curriculum Redesign und Autor von Vierdimensionalen Bildung: Die Kompetenzen müssen die Lernenden Succeed. Er hat gerade die allererste Klasse an der Harvard Graduate School of Education unterrichtet "Maschinelles lernen + Menschliches Lernen“.
Er gesellt sich zu uns in Die globale Suche nach Bildung zu diskutieren, wie die Lernenden mit den Maschinen halten werden.
“Wir werden das Entstehen einer ‚Priesterklasse‘ die sehen, die von der Gestaltung der Lage sind, und unter Verwendung von Algorithmen vs denjenigen, die mit ihren Folgen leben, so geziemt es Bildungssysteme dafür Sorge, dass * alle * numerate genug ist und algorithmisch fähig.” — Charles Fadel
Charles, ein Drittel aller Ehen Online starten. Automatisierte Handelsprogramme ersetzt 60-70% der menschlichen Handels. Ein Algorithmus kann bald in der Lage sein, zu nennen 911 und möglicherweise unser Leben retten. Was bedeutet das für die Bildung?
Zunächst, Lassen Sie uns einige Grenzen setzen, was Machine Learning/KI tun kann und was nicht – zumindest in diesem Stadium. Wir haben enorme Fortschritte bei Spielen wie Schach gesehen, Gehe hin und Poker, Felder wie Sprach- und Handschrifterkennung und -synthese, Musik Komposition, etc. Jedoch, so erstaunlich, wie das ist,, sie stellen so genannte „begrenzt Probleme“, wo die Regeln sind klar und begrenzt, selbst wenn der Lösungsraum ist breit.
So AI ist bereits überlegen in sich wiederholende und prädiktive Aufgaben, Aufgaben, die auf Rechenleistung Scharnier, Klassifizierung von großen Datenmengen und Eingänge, Entscheidungen, die auf konkrete Regeln machen — mit weniger Vorurteilen als Menschen, aber immer noch von Algorithmen und Datensätzen durch den Menschen ausgewählt induzierten.
Während Menschen sind besser auf dem authentischen Emotionen und den Aufbau von Beziehungen erleben, formulieren Fragen und Erklärungen über Skalen und Quellen, entscheiden, wie begrenzte Ressourcen über Abmessungen verwenden strategisch (einschließlich der Aufgaben Maschinen tun sollten und welche Daten sie geben), Herstellung von Produkten und Ergebnisse verwendbar für die Menschen und die Kommunikation über sie, Entscheidungen nach abstrakten Werte.
In Bezug auf, was dies für Bildung, es bedeutet, dass wir die Ziele der Ausbildung sich ändern sollte, sich auf tiefes Lernen: Relevanz dessen, was gelehrt wird,, zu bauen Motivation, und Personalisierung des Was und Wie; Vielseitigkeit, erschaffen "Renaissance Menschen", Das bringt Robustheit Gesicht, was das Leben an uns wirft; Transfer, die Versicherung, dass, was wir in den engen Grenzen von Schulen lernen, Handlungsfähigkeit führt zu in realen Situationen.
Amüsant, AI Erfolge der letzten Nutzung „deep learning“ Algorithmen, und in den Bereichen Bildung Kreisen haben wir darüber gesprochen, „tiefer Lernen,“So ist es wirklich„tief + zusammen tiefes Lernen“!
Wir können bald unsere Arbeitsplätze verdanken Algorithmen. Die Unternehmen sind mit ihnen Bewerber auszuwählen. Wie lange dauert es, bis ein Algorithmus bestimmt, wer an der Harvard akzeptiert werden? Was bedeutet das alles für die Bildung?
Unternehmen und Hochschulen wurden anhand quantitative und qualitative Kriterien für eine lange Zeit, in Screening-Kandidaten: SAT-Ergebnisse, GPAs, zahlen Waage, Marke früherer Arbeitgeber, etc. All dies wird verwendet, um über die Eignung eines Kandidaten zu entscheiden. Es bleibt viel menschlichen Entscheidungen überlassen, und wir denken im Allgemeinen, dass die Menschen unfehlbar sind. Die Realität ist, dass die Prozesse mit Unvollkommenheiten behaftet sind: Richter vergeben härtere Strafen im späten Vormittagen, Lehrer Grad schlechter die ersten und letzten Aufsätze, Ärzte sind nicht in der Lage mit allen Fortschritten in ihrem Bereich zu halten, etc. Ich würde einen Tag begrüßen, an dem die Algorithmen die Langeweile bewältigen, und die Menschen treffen die weisen Entscheidungen unbelastet. Natürlich, dies bedeutet, dass wir nicht im Stich gelassen die Algorithmen diktieren Entscheidungen klug sein würden, wie wir mit der Polizei Fällen im ganzen Land zu sehen, wie die Algorithmen bestehende Postleitzahl Voreingenommenheit codiert hat ...
Dennoch, Arbeitgeber und Universitäten gleichermaßen suchen auf gut abgerundeten global gebildeten Bewerber, die Lage, nicht nur moderne Wissen wie Technik und Unternehmertum zu meistern, Sozialwissenschaften und Informationskompetenz, sondern sind auch Hand: kreativ, kritische Denker, die kommunikative und kollaborative sind; Anzeige Zeichenqualitäten: Achtsamkeit, Neugier, Mut, Elastizität, Ethik und Führung; anzupassen und lernen, wie man über Meta-Learning-Fähigkeiten mit einem Wachstum Mentalität zu lernen und metacognition.
“AI wird immer in irgendwelchen und alle Anwendungen eingebettet, wie bei großen Rechen. Es ist so allgegenwärtig und unsichtbar wie Mikroprozessoren in Auto-breaking Systemen zum Beispiel immer.” — Charles Fadel
Die Geschwindigkeit, mit der maschinellen Lernen verbessert ist entmutigend. Ist Maschinelles Lernen auch im Labor gehören? Sollte nicht jeder in der Gesellschaft verstehen, wie diese Maschinen ihre Fakten bestimmen? Was bedeutet das für die Bildung?
ray Dalio, Bridge Hedge-Fonds-Milliardär, in der Financial Times erklärt:
„Wir sind für eine Welt geleitet, wo Sie entweder in der Lage sein Algorithmen zu schreiben und sprechen diese Sprache, oder durch Algorithmen ersetzt werden…“ und ich stimme zu. Wir werden das Entstehen einer „Priesterschaftsklasse“ erleben, bei denen, die in der Lage sind, Algorithmen zu entwerfen und zu verwenden, im Vergleich zu denen, die mit ihren Konsequenzen leben werden, Daher müssen Bildungssysteme sicherstellen, dass *jeder* ausreichend rechnen und algorithmisch in der Lage ist. Alle Felder werden quantitativ, mit der möglichen Ausnahme der Philosophie; Biologie in Darwin-Zeiten war früher beschreibend und heute ist sie hauptsächlich analytisch. Weiter, dies bedeutet die erneute Bedeutung der Ethik als Studium für alle.
Das Wissen von Algorithmen auf einer bestimmten Aufgabe oder eine Domäne angesammelt wird bald die Erkenntnis Wissenschaftler Zwerg hat sie über Jahrhunderte angesammelt. Sind Machine Learning Informatiker besser als menschliche Wissenschaftler gegeben, dass sie in viel mehr Daten betrachten und analysieren es schneller als jeder Mensch Wissenschaftler jemals könnte?
Wie bereits beschrieben, Die Algorithmen sind besser als Menschen, wenn die Datensätze klar und sauber sind, und die anwendung eng. Sie beschleunigen zweifellos unseren Fortschritt, zum Beispiel über Beschleunigung Genomik. Jedoch, zu erklären, dass sie als menschliche Wissenschaftler im Großen und Ganzen besser ist, ist eine nicht zu rechtfertigen Strecke in diesem Stadium, es ist wie wenn man sagt, dass, weil Computer schneller als Menschen sind bei der Berechnung, sie sind bessere Mathematiker. Wir arbeiten in Symbiose, und immer so - wie Augmented Menschen.
Darüber, wie diese Fähigkeiten in der Zukunft entwickeln könnten, ist es natürlich unmöglich zu sagen,, aber mit Milliarden von Dollar werden auf der ganzen Welt investiert, AI wird immer in irgendwelchen und alle Anwendungen eingebettet, wie bei großen Rechen. Es ist so allgegenwärtig und unsichtbar wie Mikroprozessoren in Auto-breaking Systemen zum Beispiel immer.
“Brauchen wir nicht Künstliche Intelligenz Generalized (AGI) Zeugen großer Störungen! Wir werden auch mit geringen Fähigkeiten den „Tod durch tausend Schnitte“ erleben – zum Beispiel, ein Barcodeleser oder ein RF-ID-Tag bereits automatisierte Arbeitsplätze weg, mit Null Intelligenz.” — Charles Fadel
Als nächstes ist der ultimative Algorithmus – eine, die aus den Daten etwas lernen kann – Wer ist bereit für die?
Niemand ist, und ob und wann dies geschieht,, es wird die ultimative Herausforderung für die Menschheit sein. Jedoch, wir sind weit, weit weg, laut den besten Experten auf diesem Gebiet. Wir haben enorme Bottom-up-Fortschritte gesehen, aber wir fehlen mehrere Durchbrüche Künstliche Intelligenz Generalized zu erreichen (AGI).
Natürlich, wie oben besprochen, wir brauchen AGI keine größeren Störungen zu bezeugen! Wir werden auch mit geringen Fähigkeiten den „Tod durch tausend Schnitte“ erleben – zum Beispiel, ein Barcodeleser oder ein RF-ID-Tag bereits automatisierte Arbeitsplätze weg, mit Null Intelligenz.
Dies bringt uns zurück in die Strategie der Vielseitigkeit Pflege, wie ein Schweizer Taschenmesser: Es ist möglicherweise nicht das beste Werkzeug für einen einzelnen Job, aber es ist eine breite Basis zu ziehen, wenn die Notwendigkeit entsteht,, und kann geschärft werden, wie während eines Lebens benötigt.
Nichts, Menschheit steht vor einer Vielzahl von Problemen wie der globale Erwärmung, finanzielle Instabilität, Diktatoren und Populisten, Ungerechtigkeiten, usw., was meinen Informatiker-Cousin dazu bringt, zu witzeln, dass „wir uns viel mehr um natürliche Dummheit als um künstliche Intelligenz kümmern sollten“. Hier gibt es wirklich etwas zu bedenken.
C. M. Rubin und Charles Fadel
(Alle Fotos sind mit freundlicher Genehmigung von CMRubinWorld)
Begleiten Sie mich und weltweit renommierten Vordenkern wie Sir Michael Barber (Vereinigtes Königreich), DR. Michael Block (US-), DR. Leon Botstein (US-), Professor Ton Christensen (US-), DR. Linda Hammond-Liebling (US-), DR. MadhavChavan (Indien), Charles Fadel (US-), Professor Michael Fullan (Kanada), Professor Howard Gardner (US-), Professor Andy Hargreaves (US-), Professor Yvonne Hellman (Niederlande), Professor Kristin Helstad (Norwegen), Jean Hendrickson (US-), Professor Rose Hipkins (Neuseeland), Professor Cornelia Hoogland (Kanada), Herr Jeff Johnson (Kanada), Frau. Chantal Kaufmann (Belgien), DR. EijaKauppinen (Finnland), Staatssekretär TapioKosunen (Finnland), Professor Dominique Lafontaine (Belgien), Professor Hugh Lauder (Vereinigtes Königreich), Herr Ken Macdonald (Vereinigtes Königreich), Professor Geoff Masters (Australien), Professor Barry McGaw (Australien), Shiv Nadar (Indien), Professor R. Natarajan (Indien), DR. PAK NG (Singapur), DR. Denise Papst (US), Sridhar Rajagopalan (Indien), DR. Diane Ravitch (US-), Richard Wilson Riley (US-), Sir Ken Robinson (Vereinigtes Königreich), Professor Pasi Sahlberg (Finnland), Professor Manabu Sato (Japan), Andreas Schleicher (PISA, OECD), DR. Anthony Seldon (Vereinigtes Königreich), DR. David Shaffer (US-), DR. Kirsten Sivesind (Norwegen), Kanzler Stephen Spahn (US-), Yves Theze (LyceeFrancais US-), Professor Charles Ungerleider (Kanada), Professor Tony Wagner (US-), Sir David Watson (Vereinigtes Königreich), Professor Dylan Wiliam (Vereinigtes Königreich), DR. Mark Wormald (Vereinigtes Königreich), Professor Theo Wubbels (Niederlande), Professor Michael Young (Vereinigtes Königreich), und Professor Zhang Minxuan (China) wie sie das große Bild Bildung Fragen, die alle Nationen heute konfrontiert erkunden.
Die Global Search for Education Community-Seite
C. M. Rubin ist der Autor von zwei weit Lese Online-Serie für den sie eine 2011 Upton Sinclair Auszeichnung, "Die Global Search for Education" und "Wie werden wir gelesen?"Sie ist auch der Autor von drei Bestseller Bücher, Inklusive The Real Alice im Wunderland, ist der Herausgeber des CMRubinWorldund ist ein Disruptor Foundation Fellow.
Folgen Sie C. M. Rubin auf Twitter: www.twitter.com/@cmrubinworld
Jüngste Kommentare