“Deberíamos estar cambiando los objetivos de la educación para centrarse en el aprendizaje más profundo: Relevancia de lo que se enseña, para construir la motivación, y la personalización del qué y cómo; Versatilidad, crear 'los seres humanos renacimiento’, que reúne robustez para enfrentar lo que la vida nos lanza; Transferir, asegurando que lo que aprendemos en los estrechos confines de las escuelas, se traduce en accionabilidad en situaciones de la vida real.” — Charles Fadel
Las computadoras de aprendizaje a partir de datos grandes han creado una nueva fuente de conocimiento para la sociedad.
Equipos ya nos pueden decir muchas cosas, incluyendo quién hasta la fecha y qué acciones comprar. Y dada la velocidad a la que se están desarrollando, cuánto tiempo pasará antes de que las computadoras pueden escribir nuestros ensayos de secundaria o no habla ningún idioma extranjero, o incluso llevarnos a la escuela?
Charles Fadel es el fundador del Centro de Rediseño Curricular y autor de De cuatro dimensiones Educación: Las competencias los estudiantes necesitan para tener éxito. Él sólo enseñó el primer clase en Harvard Graduate School of Education de "Aprendizaje automático + Aprendizaje Humano”.
Se une a nosotros en La Búsqueda Global para la Educación para discutir cómo los alumnos van a seguir el ritmo de las máquinas.
“Vamos a ver el surgimiento de una ‘clase sacerdotal’ de los que son capaces de diseñar y utilizar algoritmos vs los que van a vivir con sus consecuencias, por lo que corresponde sistemas educativos para asegurar que todo el mundo * * es lo suficientemente competente en el cálculo algorítmico y capaz.” — Charles Fadel
Charles, un tercio de todos los matrimonios se inicia en línea. programas de operación automatizados han reemplazado 60-70% de trata de seres humanos. Un algoritmo pronto podría ser capaz de llamar 911 y posiblemente salvar nuestras vidas. ¿Qué significa esto para la educación?
Ante todo, vamos a establecer algunos límites sobre lo Machine Learning / IA puede y no puede hacer - por lo menos en esta etapa. Hemos visto grandes avances en los juegos como el ajedrez, Ir y el póker, campos tales como el habla y reconocimiento de escritura y síntesis, composición musical, etc. Sin embargo, tan sorprendente como que es, que representan los llamados “problemas” delimitadas donde las reglas son claras y limitadas, incluso si el espacio de la solución es amplia.
Así AI ya es superior en las tareas repetitivas y predictivos, tareas que giran en torno a la potencia de cálculo, la clasificación de enormes cantidades de datos y entradas, la toma de decisiones sobre la base de reglas concretas — con menos sesgos que los humanos, pero todavía inducida por los algoritmos y los conjuntos de datos seleccionados por los seres humanos.
Mientras que los humanos son mejores para experimentar emociones auténticas y la construcción de relaciones, la formulación de preguntas y explicaciones a través de escalas y fuentes, decidir cómo utilizar los recursos limitados a través de dimensiones estratégicamente (incluyendo que las máquinas de tareas debería estar haciendo y qué datos para darles), la fabricación de productos y resultados útiles para los seres humanos y comunicar acerca de ellos, la toma de decisiones de acuerdo a los valores abstractos.
En cuanto a lo que esto significa para la educación, esto implica que debemos estar cambiando los objetivos de la educación para centrarse en aprendizaje más profundo: Relevancia de lo que se enseña, para construir la motivación, y la personalización del qué y cómo; Versatilidad, crear "los seres humanos renacimiento", que reúne robustez para enfrentar lo que la vida nos lanza; Transferir, asegurando que lo que aprendemos en los estrechos confines de las escuelas, se traduce en accionabilidad en situaciones de la vida real.
Graciosamente, éxitos de uso finales de algoritmos de aprendizaje “profunda” de AI, y en los círculos de educación que hemos estado hablando de “aprendizaje más profundo,”Lo que es realmente“de profundidad + aprendizaje más profundo”, junto!
Pronto podría deber a nuestros puestos de trabajo a los algoritmos. Las empresas están usando para seleccionar a los solicitantes de empleo. ¿Cuánto tiempo hasta que un algoritmo determina que ha aceptado en Harvard? ¿Qué significa todo esto para la educación?
Empresas y universidades han estado utilizando criterios cuantitativos y cualitativos por un largo tiempo, en los candidatos de cribado: los resultados del SAT, GPA, las escalas salariales, la marca de los patrones anteriores, etc. todos los cuales se utilizan para decidir en forma de un candidato. Hay una gran cantidad de izquierda a decisiones humanas, y por lo general pensamos que los seres humanos son infalibles. La realidad es que los procesos están llenos de imperfecciones: jueces otorgan penas más severas en las sesiones finales de la mañana, Los profesores del grado más pobremente los primeros y últimos ensayos, los médicos son incapaces de mantenerse al día con todos los avances en su campo, etc. Yo daría la bienvenida a un día donde los algoritmos manejan el tedio, y los seres humanos hacen las decisiones inteligentes sin la carga. Por supuesto, esto implica que estaríamos a gota a no dejar que los algoritmos dictan decisiones como vemos con casos policiales en todo el país ya que los algoritmos han codificado los prejuicios existentes de código postal ...
Sin embargo, empleadores y universidades por igual están buscando en bien redondeado solicitantes a nivel mundial alfabetizados, capaz de no sólo el dominio de los conocimientos modernos como la ingeniería y el espíritu empresarial, ciencias sociales y la alfabetización informacional, sino que también son expertos: creativo, pensadores críticos que son comunicativa y colaborativa; cualidades de visualización de caracteres: atención plena, curiosidad, valor, resistencia, la ética y el liderazgo; adaptarse y aprender a aprender a través de habilidades meta-aprendizaje con mentalidad de crecimiento y la metacognición.
“AI se está incrustado en cualquiera y todas las aplicaciones, como se computación en general. Cada vez es tan omnipresente e invisible como microprocesadores en sistemas de auto-rotura, por ejemplo.” — Charles Fadel
La velocidad a la que el aprendizaje de máquina está mejorando es desalentador. ¿La máquina de aprendizaje aún tiene cabida en el laboratorio? En caso de que no todo el mundo en la sociedad entender cómo estas máquinas determinan sus hechos? ¿Qué significa esto para la educación?
Ray Dalio, multimillonario fondo de cobertura Bridgewater, se indica en el Financial Times:
“Vamos camino a un mundo en el que está bien va a ser capaz de escribir algoritmos y hablamos ese idioma, o ser reemplazado por algoritmos ...”y estoy de acuerdo. Vamos a ver el surgimiento de una “clase sacerdotal” de aquellos que son capaces de diseñar y utilizar algoritmos vs los que van a vivir con sus consecuencias, por lo que corresponde sistemas educativos para asegurar que todo el mundo * * es lo suficientemente competente en el cálculo y algoritmos capaces. Todos los campos son cada cuantitativa, con la posible excepción de Filosofía; Biología en tiempos Darwin solía ser descriptiva y ahora es sobre todo analítica. Además, esto implica la renovada importancia de la ética como un curso de estudio para todo el mundo.
El conocimiento acumulado por los algoritmos en cualquier tarea o dominio dado pronto empequeñecer los conocimientos científicos se han acumulado durante siglos. Son la máquina de aprendizaje Los informáticos mejor que los científicos humanos, dado que pueden mirar muchos más datos y analizarlo más rápido que cualquier científico del hombre podría?
Como se describió anteriormente, los algoritmos son mejores que los seres humanos cuando los conjuntos de datos son claros y limpios, y la aplicación a reducir. Ellos, sin duda, acelerar nuestro progreso, por ejemplo a través de aceleración genómica. Sin embargo, a afirmar que son ampliamente mejor que los científicos humanos es un tramo injustificable en esta etapa, que es como decir que porque las computadoras son más rápidos que los seres humanos en el cálculo, que son mejores matemáticos. Trabajamos en simbiosis, y cada vez más - como seres humanos Aumentada.
En cuanto a cómo estas capacidades podrían evolucionar en el futuro, por supuesto es imposible decir, pero con mil millones de dólares que se invirtieron en todo el mundo, AI se está incrustado en cualquiera y todas las aplicaciones, como se computación en general. Cada vez es tan omnipresente e invisible como microprocesadores en sistemas de auto-rotura, por ejemplo.
“No necesitamos Inteligencia Artificial Generalizado (AGI) para presenciar grandes trastornos! Vamos a estar experimentando “la muerte por mil cortes”, incluso con capacidades de bajo nivel - por ejemplo,, un lector de código de barras o una etiqueta de ID de RF puestos de trabajo ya automatizados de distancia, con la inteligencia cero.” — Charles Fadel
El siguiente es el algoritmo final – uno que es capaz de aprender cualquier cosa de los datos – que está listo para ese?
Nadie es, y si y cuando esto sucede, será el último desafío para la humanidad. Sin embargo, estamos lejos, lejos de acuerdo con los mejores expertos en la materia. Hemos visto un enorme progreso de abajo hacia arriba, pero nos faltan varios avances para alcanzar artificial Generalizado de Inteligencia (AGI).
Por supuesto, como se discutió anteriormente, no necesitamos AGI para presenciar grandes trastornos! Vamos a estar experimentando “la muerte por mil cortes”, incluso con capacidades de bajo nivel - por ejemplo,, un lector de código de barras o una etiqueta de ID de RF puestos de trabajo ya automatizados de distancia, con la inteligencia cero.
Esto nos lleva de nuevo a la estrategia de nutrir Versatilidad, como una navaja suiza: puede que no sea la mejor herramienta para cualquier trabajo sencillo, pero es una base amplia para sacar de en caso de necesidad, y puede ser afilada según sea necesario durante la vida de uno.
Dicho esto, la humanidad se enfrenta a una multitud de problemas como el calentamiento global, la inestabilidad financiera, dictadores y populistas, desigualdades, etc., lo que hace que mi primo científico de la computación burla que “debemos ser mucho más preocupados por la estupidez natural que de la inteligencia artificial”. No es algo para reflexionar aquí de hecho.
C. M. Rubin y Charles Fadel
(Todas las fotos son cortesía de CMRubinWorld)
Únete a mí y reconocidos a nivel mundial los líderes de opinión, incluyendo a Sir Michael Barber (Reino Unido), DR. Michael Bloquear (EE.UU.), DR. Leon Botstein (EE.UU.), Profesor Clay Christensen (EE.UU.), DR. Linda Darling-Hammond (EE.UU.), DR. MadhavChavan (India), Charles Fadel (EE.UU.), El profesor Michael Fullan (Canada), El profesor Howard Gardner (EE.UU.), El profesor Andy Hargreaves (EE.UU.), Profesor Yvonne Hellman (Países Bajos), Profesor Kristin Helstad (Noruega), Jean Hendrickson (EE.UU.), Profesor Rose Hipkins (Nueva Zelanda), Profesor Cornelia Hoogland (Canada), Honorable Jeff Johnson (Canada), Señora. Chantal Kaufmann (Bélgica), DR. EijaKauppinen (Finlandia), Secretario TapioKosunen Estado (Finlandia), Profesor Dominique Lafontaine (Bélgica), El profesor Hugh Lauder (Reino Unido), Señor Ken Macdonald (Reino Unido), Profesor Geoff Masters (Australia), Profesor Barry McGaw (Australia), Shiv Nadar (India), Profesor R. Natarajan (India), DR. PAK NG (Singapur), DR. Denise Papa (Estados Unidos), Sridhar Rajagopalan (India), DR. Diane Ravitch (EE.UU.), Richard Wilson Riley (EE.UU.), Sir Ken Robinson (Reino Unido), Profesor Pasi Sahlberg (Finlandia), El profesor Manabu Sato (Japón), Andreas Schleicher (PISA, OCDE), DR. Anthony Seldon (Reino Unido), DR. David Shaffer (EE.UU.), DR. Kirsten Immersive Are (Noruega), Canciller Stephen Spahn (EE.UU.), Yves Theze (LyceeFrancais EE.UU.), Profesor Charles Ungerleider (Canada), Profesor Tony Wagner (EE.UU.), Sir David Watson (Reino Unido), Profesor Dylan Wiliam (Reino Unido), DR. Marcos Wormald (Reino Unido), Profesor Theo Wubbels (Países Bajos), El profesor Michael Young (Reino Unido), y el profesor Zhang Minxuan (De China) a medida que exploran las cuestiones de educación cuadro grande que todas las naciones se enfrentan hoy.
La Búsqueda Global para la Educación Comunitaria Página
C. M. Rubin es el autor de dos ampliamente leído serie en línea por la que recibió un 2011 Premio Upton Sinclair, "La Búsqueda Global por la Educación" y "¿Cómo lo Leer?"Ella es también el autor de tres libros más vendidos, Incluido The Real Alice in Wonderland, es el editor de CMRubinWorldy es una Fundación Disruptor Fellow.
Siga C. M. Rubin en Twitter: www.twitter.com/@cmrubinworld
Comentarios recientes