“Θα πρέπει να αλλάζει τους στόχους της εκπαίδευσης για να επικεντρωθεί στην βαθύτερη μάθηση: Συνάφεια του τι διδάσκεται, για τη δημιουργία κινήτρων, και εξατομίκευση του τι και πώς; Ευστροφία, για να δημιουργήσω 'Αναγέννηση του ανθρώπου», η οποία φέρνει την αντοχή να αντιμετωπίσει ό, τι φέρει η ζωή μας; ΜΕΤΑΦΟΡΑ, εξασφαλίζοντας ότι αυτό που μαθαίνουμε στα στενά όρια των σχολείων, μεταφράζεται σε ενέργειες στην καταστάσεις της πραγματικής ζωής.” — Charles Fadel
Υπολογιστές μαθαίνοντας από τα μεγάλα στοιχεία έχουν δημιουργήσει μια νέα πηγή γνώσης για την κοινωνία.
Οι υπολογιστές μπορούν ήδη να μας πει πολλά πράγματα, συμπεριλαμβανομένων οποίοι μέχρι σήμερα και τι αποθέματα για να αγοράσει. Και δεδομένης της ταχύτητας με την οποία αναπτύσσονται, πόσο καιρό θα είναι πριν από τους υπολογιστές μπορεί να γράψει δοκίμια γυμνασίου μας ή να μιλήσει οποιαδήποτε ξένη γλώσσα, ή ακόμη και να μας οδηγήσει στο σχολείο?
Charles Fadel είναι ο ιδρυτής του Κέντρου Σπουδών Επανασχεδιασμός και συγγραφέας Τεσσάρων διαστάσεων Εκπαίδευση: Οι ικανότητες εκπαιδευόμενοι πρέπει να πετύχετε. Αυτός ακριβώς δίδαξε την πρώτη φορά τάξη στο Harvard Graduate School of Παιδείας στις «Μηχανική Μάθηση + Ανθρώπινα Μάθηση».
Μας ενώνει το Η Σφαιρική Αναζήτηση για Εκπαίδευση για να συζητήσουν το πώς οι μαθητές θα συμβαδίσει με τις μηχανές.
“Θα δούμε την εμφάνιση ενός «ιερατείο τάξη» από εκείνους που είναι σε θέση να σχεδιάσει και τη χρήση αλγορίθμων εναντίον εκείνων που θα ζουν με τις συνέπειές τους, οπότε επιβάλλεται σε εκπαιδευτικά συστήματα για να διασφαλιστεί ότι όλοι * * είναι αρκετά αριθμώ και αλγοριθμικά ικανό.” — Charles Fadel
Κάρολος, το ένα τρίτο του συνόλου των γάμων ξεκινήσει απευθείας σύνδεση. Αυτοματοποιημένα προγράμματα συναλλαγών έχουν αντικατασταθεί 60-70% της ανθρώπινης εμπορίας. Ένας αλγόριθμος μπορεί σύντομα να είναι σε θέση να καλέσει 911 και, ενδεχομένως, να σώσει τις ζωές μας. Τι σημαίνει αυτό για την εκπαίδευση?
Πρώτα απ 'όλα, ας θέσουμε τα όρια για το τι μπορεί και τι δεν μπορεί να κάνει Μηχανική Μάθηση / ΑΙ - τουλάχιστον σε αυτό το στάδιο. Έχουμε δει τεράστια πρόοδος σε παιχνίδια όπως το σκάκι, Πηγαίνετε και πόκερ, πεδία όπως η ομιλία και αναγνώριση γραφικού χαρακτήρα και τη σύνθεση, μουσική σύνθεση, και τα λοιπα. Ωστόσο,, όπως εκπληκτικό, καθώς αυτό είναι, που εκπροσωπούν το λεγόμενο «οριοθετείται προβλήματα», όπου οι κανόνες είναι σαφείς και περιορισμένη, ακόμη και αν ο χώρος λύση είναι ευρύ.
Έτσι, AI είναι ήδη ανώτερη σε επαναλαμβανόμενη και πρόβλεψης των καθηκόντων, εργασίες που εξαρτώνται από υπολογιστική ισχύ, ταξινόμηση τεράστιες ποσότητες δεδομένων και των εισροών, τη λήψη αποφάσεων με βάση συγκεκριμένους κανόνες — με λιγότερες προκαταλήψεις από τον άνθρωπο, αλλά εξακολουθεί να επάγεται από αλγορίθμους και τα σύνολα δεδομένων που επιλέγονται από τον άνθρωπο.
Ενώ οι άνθρωποι είναι καλύτερα σε βιώνει αυθεντικά συναισθήματα και την οικοδόμηση σχέσεων, διατύπωση ερωτήσεις και εξηγήσεις σε κλίμακες και πηγές, να αποφασίσει τον τρόπο χρήσης των περιορισμένων πόρων σε ολόκληρη διαστάσεις στρατηγικά (Συμπεριλαμβάνονται τα οποία καθηκόντων μηχανές πρέπει να κάνουμε και τι στοιχεία για να τους δώσει), καθιστώντας τα προϊόντα και τα αποτελέσματα μπορούν να χρησιμοποιηθούν για τον άνθρωπο και την επικοινωνία για τους, τη λήψη αποφάσεων σύμφωνα με τις αφηρημένες αξίες.
Όσο για το τι σημαίνει αυτό για την εκπαίδευση, αυτό σημαίνει ότι θα πρέπει να αλλάζει τους στόχους της εκπαίδευσης να επικεντρωθεί σε βαθύτερη μάθηση: Συνάφεια του τι διδάσκεται, για τη δημιουργία κινήτρων, και εξατομίκευση του τι και πώς; Ευστροφία, για να δημιουργήσω "Αναγέννηση του ανθρώπου", η οποία φέρνει την αντοχή να αντιμετωπίσει ό, τι φέρει η ζωή μας; ΜΕΤΑΦΟΡΑ, εξασφαλίζοντας ότι αυτό που μαθαίνουμε στα στενά όρια των σχολείων, μεταφράζεται σε ενέργειες στην καταστάσεις της πραγματικής ζωής.
ψυχαγωγικό, επιτυχίες της Διεθνούς Αμνηστίας αργά χρήση αλγορίθμων «βαθιά μάθηση», και στην εκπαίδευση κύκλους έχουμε μιλήσει για «βαθύτερη μάθηση,»Έτσι είναι πραγματικά«βαθύ + βαθύτερη μάθηση»μαζί!
Σύντομα μπορεί να χρωστάμε τη δουλειά μας σε αλγορίθμους. Οι εταιρείες αυτές χρησιμοποιούν για την επιλογή υποψηφίων εργασίας. Πόσο καιρό είναι μέχρι ένας αλγόριθμος καθορίζει ποιος δεκτή στο Χάρβαρντ? Τι σημαίνουν όλα αυτά για την εκπαίδευση?
Οι εταιρείες και πανεπιστήμια χρησιμοποιούν ποσοτικά και ποιοτικά κριτήρια για μεγάλο χρονικό διάστημα, οι υποψήφιοι ελέγχου: SAT βαθμολογίες, GPAs, μισθολογικές κλίμακες, εμπορικό σήμα της πρώην εργοδότες, και τα λοιπα. τα οποία χρησιμοποιούνται για να αποφασίσει σχετικά με εφαρμογή ενός υποψηφίου. Υπάρχουν πολλά αριστερά προς τα ανθρώπινα αποφάσεις, και γενικά πιστεύουν ότι οι άνθρωποι είναι αλάθητος. Η πραγματικότητα είναι ότι οι διαδικασίες είναι γεμάτη ατέλειες: δικαστές απονέμουν αυστηρότερες ποινές σε αργά το πρωί συνεδρίες, δάσκαλοι βαθμού πιο άσχημα τα πρώτα και τα τελευταία δοκίμια, οι γιατροί είναι σε θέση να συμβαδίσει με όλες τις εξελίξεις στον τομέα τους, και τα λοιπα. Θα ήθελα να καλωσορίσω μια ημέρα όπου οι αλγόριθμοι χειριστεί την ανία, και οι άνθρωποι κάνουν τις σοφές επιλογές χωρίς επιβαρύνσεις. Φυσικά, Αυτό σημαίνει ότι θα ήθελα να είναι σοφός σε μην αφήσει οι αλγόριθμοι υπαγορεύουν αποφάσεις, όπως βλέπουμε με την αστυνομία περιπτώσεις σε όλη τη χώρα, όπως οι αλγόριθμοι έχουν κωδικοποιηθεί υπάρχουσες προκαταλήψεις ταχυδρομικό κώδικα ...
Παρολο Αυτα, Οι εργοδότες και τα πανεπιστήμια όσο κοιτάζει καλά-στρογγυλευμένο σε παγκόσμιο επίπεδο εγγράμματοι αιτούντες, ικανή όχι μόνο mastering σύγχρονης γνώσης όπως η μηχανική και την επιχειρηματικότητα, κοινωνικών επιστημών και της πληροφοριακής παιδείας, αλλά και οι Ειδικευμένοι: δημιουργικός, κριτικά σκεπτόμενα άτομα που είναι επικοινωνιακές και συνεργατικές; ιδιότητες Οθόνη χαρακτήρων: mindfulness, περιέργεια, θάρρος, ελαστικότητα, την ηθική και την ηγεσία; προσαρμοστούν και να μάθουν πώς να μαθαίνουν μέσω ικανότητες Meta-Learning με νοοτροπία ανάπτυξη και μεταγνώση.
“AI γίνεται όλο και ενσωματωμένο σε οποιαδήποτε και όλες τις εφαρμογές, όπως είναι υπολογιστών σε μεγάλες. Καθίσταται ως πανταχού παρούσα και αόρατη, όπως μικροεπεξεργαστές συστημάτων αυτοκινήτων-σπάσιμο για παράδειγμα.” — Charles Fadel
Η ταχύτητα με την οποία βελτιώνεται μηχανικής μάθησης είναι τρομακτικό. Μήπως μηχανικής μάθησης, ακόμη και ανήκουν στο εργαστήριο? Σε περίπτωση που δεν είναι όλοι στην κοινωνία να κατανοήσουν πώς αυτές οι μηχανές καθορίσει τα γεγονότα τους? Τι σημαίνει αυτό για την εκπαίδευση?
ray Dalio, δισεκατομμυριούχος Bridgewater των hedge funds, δήλωσε στους Financial Times:
«Είμαστε επικεφαλής για έναν κόσμο όπου είστε είτε πρόκειται να είναι σε θέση να γράψει αλγορίθμους και να μιλούν τη γλώσσα, ή να αντικατασταθεί από αλγόριθμους ...»και συμφωνώ. Θα δούμε την εμφάνιση ενός «ιερατείου τάξη» από εκείνους που είναι σε θέση να σχεδιάσει και τη χρήση αλγορίθμων εναντίον εκείνων που θα ζουν με τις συνέπειές τους, οπότε επιβάλλεται σε εκπαιδευτικά συστήματα για να διασφαλιστεί ότι όλοι * * είναι αριθμώ αρκετά και αλγοριθμικά σε θέση να. Όλα τα πεδία είναι όλο και ποσοτική, με την πιθανή εξαίρεση της Φιλοσοφίας; Βιολογία στο Darwin φορές χρησιμοποιείται για να είναι περιγραφική και τώρα είναι ως επί το πλείστον αναλυτικά. Περαιτέρω, Αυτό συνεπάγεται την ανανεωμένη σημασία της Ηθικής ως πρόγραμμα σπουδών για όλους.
Η γνώση που συσσωρεύεται από αλγόριθμους για οποιαδήποτε εργασία ή τομέα θα νάνος σύντομα οι επιστήμονες γνώσεις έχουν συσσωρευτεί εδώ και αιώνες. Είναι Machine Learning Υπολογιστών επιστήμονες καλύτερη από την ανθρώπινη επιστήμονες, δεδομένου ότι μπορούν να εξετάσουμε πολύ περισσότερα δεδομένα και να αναλύσει πιο γρήγορα από ό, τι οποιαδήποτε ανθρώπινη επιστήμονας θα μπορούσε ποτέ?
Όπως περιγράφηκε νωρίτερα, οι αλγόριθμοι είναι καλύτερα από τους ανθρώπους, όταν τα σύνολα δεδομένων είναι σαφείς και καθαρές, και η εφαρμογή περιορίσετε. Κάνουν αναμφίβολα επιταχύνει την πρόοδό μας, για παράδειγμα μέσω επιτάχυνση της γονιδιωματικής. Ωστόσο,, να δηλώσει ότι είναι σε γενικές γραμμές καλύτερα από ό, τι ανθρώπινα επιστήμονες είναι μια αδικαιολόγητη έκταση σε αυτό το στάδιο, είναι σαν να λέμε ότι επειδή οι υπολογιστές είναι πιο γρήγορα από ό, τι οι άνθρωποι σε υπολογισμό, είναι καλύτερα Μαθηματικοί. Δουλεύουμε σε συμβίωση, και όλο και περισσότερο έτσι - όπως Augmented Ανθρώπους.
Όσο για το πώς αυτές οι δυνατότητες θα μπορούσε να εξελιχθεί στο μέλλον, είναι φυσικά αδύνατο να πει, αλλά με δισεκατομμύρια δολάρια που επενδύονται σε όλο τον κόσμο, AI γίνεται όλο και ενσωματωμένο σε οποιαδήποτε και όλες τις εφαρμογές, όπως είναι υπολογιστών σε μεγάλες. Καθίσταται ως πανταχού παρούσα και αόρατη, όπως μικροεπεξεργαστές συστημάτων αυτοκινήτων-σπάσιμο, για παράδειγμα,.
“Δεν χρειαζόμαστε Τεχνητή Νοημοσύνη γενικευμένων (AGI) για να βεβαιώσει σημαντικές διαταραχές! Θα βιώνουν «θάνατο από χίλια τεμάχια», ακόμη και με δυνατότητες χαμηλού επιπέδου - για παράδειγμα,, ένας αναγνώστης γραμμωτού κώδικα ή μια ετικέτα αναγνωριστικό RF ήδη αυτοματοποιημένες εργασίες μακριά, με μηδενική νοημοσύνη.” — Charles Fadel
Επόμενο είναι ο τελικός αλγόριθμος – ένα που είναι ικανό να μάθει τίποτα από τα δεδομένα – ο οποίος είναι έτοιμος γι 'αυτό?
Κανείς δεν είναι, και εάν και όταν αυτό συμβαίνει, θα είναι η απόλυτη πρόκληση για την ανθρωπότητα. Ωστόσο,, ΕΙΜΑΣΤΕ μακρια, μακριά σύμφωνα με τους καλύτερους ειδικούς στον τομέα. Έχουμε δει τεράστια πρόοδο κάτω προς τα πάνω, αλλά μας λείπουν αρκετές καινοτομίες για την επίτευξη Τεχνητή Νοημοσύνη γενικευμένων (AGI).
Φυσικά, όπως συζητήθηκε παραπάνω, δεν χρειάζεται AGI να παρακολουθήσουν σημαντικές διαταραχές! Θα βιώνουν «θάνατο από χίλια τεμάχια», ακόμη και με δυνατότητες χαμηλού επιπέδου - για παράδειγμα,, ένας αναγνώστης γραμμωτού κώδικα ή μια ετικέτα αναγνωριστικό RF ήδη αυτοματοποιημένες εργασίες μακριά, με μηδενική νοημοσύνη.
Αυτό μας φέρνει πίσω στη στρατηγική της καλλιεργώντας Ευελιξία, σαν ελβετικός σουγιάς: μπορεί να μην είναι το καλύτερο εργαλείο για κάθε μεμονωμένη εργασία, αλλά είναι μια μεγάλη βάση για να αντλήσει από ανάλογα με τις ανάγκες, και μπορεί να ακονισμένα, όπως απαιτείται κατά τη διάρκεια της ζωής του ατόμου.
Τούτου λεχθέντος, η ανθρωπότητα βρίσκεται αντιμέτωπη με μια πληθώρα προβλημάτων, όπως η υπερθέρμανση του πλανήτη, οικονομική αστάθεια, δικτάτορες και λαϊκιστές, ανισότητες, κ.λπ., η οποία καθιστά επιστήμονα υπολογιστή μου ξάδελφος πείραγμα ότι «θα πρέπει να είναι πολύ περισσότερο ανησυχούν για φυσική ηλιθιότητα από της τεχνητής νοημοσύνης». Υπάρχει κάτι για να σκεφτείς εδώ πράγματι.
C. M. Rubin και Charles Fadel
(Όλες οι φωτογραφίες είναι ευγενική προσφορά του CMRubinWorld)
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 CMRubinWorldκαι είναι ένα Ίδρυμα Fellow δι'υπερήχων.
Ακολουθήστε C. M. Rubin στο Twitter: www.twitter.com/@cmrubinworld
Πρόσφατα σχόλια