“אנחנו צריכים להיות שינוי מטרות החינוך להתמקד בלמידה מעמיקה יותר: רלוונטי של מה שמלמד, לבנות מוטיבציה, והתאמה אישית של מה ואיך; רבגוני, ליצור 'בני אדם רנסנס", אשר מביא החוסן להתמודד מה שהחיים מזמנים לנו; לְהַעֲבִיר, לבטח כי מה שאנו לומדים במרחב הצר של בתי ספר, מיתרגם פעולות בניתוח מצבים בחיים האמיתיים.” — צ'ארלס פאדל
מחשבי למידה מנתונים גדולים יצרו מקור ידע חדש עבור חברה.
מחשבים כבר יכולים לספר לנו דברים רבים, כולל מי עד כה ומה מניות לקנות. ובהתחשב המהירות שבה הם מפותחים, כמה זמן יעבור עד שמחשבים יוכלו לכתוב מסות בתיכון שלנו או לדבר בכל שפה זרה, או אפילו להסיע אותנו לבית הספר?
צ'ארלס פאדל הוא המייסד של המרכז לעיצוב מחדש Curriculum ומחבר ארבעה-מימדי החינוך: ללומדי המיומנויות צריכים כדי להצליח. הוא פשוט לימד בכיתה הראשונה אי פעם בבית הספר למוסמכים הרווארד החינוך על "למידת מכונה + למידה אנושה".
הוא מצטרף אלינו גלובל החיפוש לחינוך כדי לדון כיצד לומד ישמור על קשר עם המכונות.
“אנחנו הולכים לראות את הופעתה של "מעמד כהונה" של מי שמסוגלים של תכנון ושימוש באלגוריתמי vs מי יחיה עם ההשלכות שלהם, כך מן הראוי מערכות חינוך יבטיח * כולם * הוא לְמַסְפֵּר מספיק ומסוגל אלגוריתמי.” — צ'ארלס פאדל
צ'ארלס, שליש מכלל הנישואים מתחילים באינטרנט. תוכניות מסחריות אוטומטיות החליפו 60-70% מסחר אנושי. אלגוריתם תוכל בקרוב לקרוא 911 ואולי להציל את חיינו. מה זה אומר עבור חינוך?
קודם כל, בואו להקים כמה גבולות על מה לומד / AI יכול ולא יכול לעשות - לפחות בשלב זה. ראינו התקדמות עצומה משחקים כגון שחמט, לכו פוקר, שדות כגון דיבור וזיהוי כתב יד וסינתזה, רכב מוסיקה, וכו '. עם זאת, מדהים כמו זה, הם מייצגים "בעיות מתוחמות" כביכול שבו הכללים ברורים ומוגבלים, גם אם חלל הפתרון הוא רחב.
אז AI הוא כבר מעולה משימות חוזרות חזויות, משימות שעליהם תלוי על כוח חישובית, לסיווג כמויות של נתונים ותשומות ענקיות, קבלת החלטות בהתבסס על כללים בטון — עם הטיות פחות מאשר בני אדם, אבל עדיין המושרה על ידי אלגוריתמי ערכות נתונים שנבחרו על ידי בני אדם.
בעוד בני אדם טובים יותר חווים רגשות אותנטיים ובניית קשרים, גיבוש שאלות והסברים על פני סולמות ומקורות, להחליט כיצד להשתמש במשאבים מוגבלים על פני ממדים אסטראטגי (כולל אילו משימות מכונות צריכות לעשות ומה נתונים כדי לתת להם), שיפור מוצרי תוצאות שמישות עבור בני אדם מתקשר עליהם, קבלת החלטות על פי ערכים מופשטים.
באשר מ'זת'ומרת לחינוך, זה מרמז כי אנחנו צריכים להיות שינוי מטרות החינוך להתמקד למידה מעמיקה יותר: רלוונטי של מה שמלמד, לבנות מוטיבציה, והתאמה אישית של מה ואיך; רבגוני, ליצור "בני אדם רנסנס", אשר מביא החוסן להתמודד מה שהחיים מזמנים לנו; לְהַעֲבִיר, לבטח כי מה שאנו לומדים במרחב הצר של בתי ספר, מיתרגם פעולות בניתוח מצבים בחיים האמיתיים.
משעשע, ההצלחות של AI של אלגוריתמים "למידה עמוקה" שימוש מאוחר, ובחוגים לחינוך אנחנו כבר מדברים על "למידה עמוקה יותר," אז זה באמת "עמוק + למידה עמוקה" יחד!
אנו עשויים בקרוב חבים העבודות שלנו אלגוריתמים. חברות משתמשות בהם כדי לבחור מועמדים לעבודה. כמה זמן זה עד אלגוריתם שקובע מי קיבל בהרווארד? מה המשמעות של כל זה עבור חינוך?
חברות ואוניברסיטות בן השתמשו קריטריונים כמותיים ואיכותיים במשך זמן רב, ב מועמדי הקרנה: ציוני פסיכומטרי, GPAs, לשלם קשקשים, מותג של מעסיקים לשעבר, וכו '. כל אשר משמשים כדי להחליט על ההתאמה של מועמד. יש הרבה נותר החלטות אנושיות, ואנחנו בדרך כלל חושבים שבני האדם אינו טועה. המציאות היא כי התהליכים הם רצופים פגמים: השופטים לפסוק ענישה חמורה יותר בהפעלות הבוקר המאוחרות, מורים בכיתה יותר גרוע החיבורים כמה והאחרונה הראשון, רופאים אינם מסוגלים לשמור על קשר עם כל ההתקדמות בתחום שלהם, וכו '. הייתי בברכה ביום שבו אלגוריתמים להתמודד עם שעמום, ואת בני האדם לעשות את הבחירות החכמות פרקה. כמובן, זה מרמז שנהיה חכם בבית לא נותן את האלגוריתמים להכתיב החלטות כפי שאנו רואים עם מקרי משטרה ברחבי הארץ כמו האלגוריתמים מקדדים הטיות מיקוד קיימות ...
אף על פי כן, מעסיקים ואוניברסיטאות כאחד מסתכלים היטב מעוגלות גלובלי מועמדים יודע קרוא וכתוב, מסוגל לא מאסטרינג הידע המודרני היחיד כגון הנדסה ויזמות, מדעי החברה ואוריינות מידע, אבל גם הם מיומנים: יצירתי, חשיבה ביקורתית שנמצאות תקשורתיים שיתופיים; תצוגת איכויות תווים: mindfulness, סקרנות, אומץ, כּוֹשֵׁר הִתאוֹשְׁשׁוּת, אתיקה ומנהיגות; להסתגל וללמוד כיצד ללמוד באמצעות היכולות-Learning Meta עם חשיבה צמיחה מטאקוגניציה.
“AI הופכת מוטבעת כל בקשות, כפי מחשוב רחב. זה הופך להיות כמו בכל מקום ולא נראה כמו מעבד במערכות-שבירות מכונית למשל.” — צ'ארלס פאדל
המהירות שבה למידת מכונה משתפר הוא מרתיע. האם מכונת הלמידה אפילו שייכת במעבדה? האם לא כולם בחברה להבין איך מכשירים אלה לקבוע עובדות שלהם? מה זה אומר עבור חינוך?
ריי Dalio, מיליארדר קרן הגידור ברידג'ווטר, כאמור ה- Financial Times:
"אנחנו הולכים לקראת עולם שבו אתה או הולך להיות מסוגל לכתוב אלגוריתמים ולדבר ששפה, או להיות מוחלף על ידי אלגוריתמים ..." ואני מסכים. אנחנו הולכים לראות את הופעתה של "מעמד כהונה" של מי שמסוגלים של תכנון ושימוש באלגוריתמי vs מי יחיה עם ההשלכות שלהם, כך מן הראוי מערכות חינוך יבטיח * שכולם * הוא לְמַסְפֵּר מספיק ואובייקטיבי מסוגלים. כל השדות הופכים כמוני, למעט אולי לפילוסופיה; ביולוגיה בזמני דרווין הייתה אמורה להיות תיאורים ועכשיו זה בעיקר אנליטיים. נוסף, זה מרמז על החשיבות המחודשת של אתיקה כמו לימודים לכולם.
הידע שנצבר על ידי אלגוריתמים על כל משימת נתונה או תחום בקרוב מגמד את מדעני הידע שצבר במשך מאות שנים. האם מחשב לומד מדענים טובים יותר מדענים אנושיים בהתחשב בעובדה שהם יכולים להסתכל הרבה יותר נתונים ולנתח אותו מהר יותר מכל מדען אנושי מסוגל לכך בכלל?
כפי שתואר קודם לכן, האלגוריתמים טובים יותר בני אדם כאשר ערכות הנתונים ברורות ונקיות, ואת היישום לצמצם. הם ללא ספק אין להאיץ את ההתקדמות שלנו, למשל באמצעות גנומיקה זירוז. עם זאת, להצהיר כי הם טובים יותר רחבים מאשר מדענים אנושיים היא מתיחה מוצדקת בשלב זה, זה כמו להגיד שבגלל מחשבים הם מהירים מאשר בני אדם בשעת חישוב, הם מתמטיקאים טובים. אנחנו עובדים בסימביוזה, ויותר מכך - כבני אדם Augmented.
באשר כיצד יכול אלה עלולים להתפתח בעתיד, זה כמובן בלתי אפשרי לספר, אבל עם מיליארדי דולרים מושקעים ברחבי העולם, AI הופכת מוטבעת כל בקשות, כפי מחשוב רחב. זה הופך להיות כמו בכל מקום ולא נראה כמו מעבד במערכות-שבירות מכונית למשל.
“אנחנו לא צריכים מודיעין הכללי מלאכותי (AGI) עד שיבושים גדולים! אנחנו נהיה חווים "מוות על ידי אלף חתכים" אפילו עם יכולות ברמה נמוכה - למשל, קורא ברקוד או תג מזהה RF כבר עבודות אוטומטיות משם, עם אפס אינטליגנציה.” — צ'ארלס פאדל
התחנה הבאה היא האלגוריתם האולטימטיבי – אחד כי הוא מסוגל ללמוד משהו מן הנתונים – מי מוכן לזה?
אף אחד לא, ואם וכאשר זה יקרה, זה יהיה האתגר האולטימטיבי עבור האנושות. עם זאת, אנחנו רחוקים, רחוק פי מיטב המומחים בתחום. ראינו התקדמות מלמטה למעלה עצומה, אבל חסרים לנו כמה פריצות דרך להגיע מלאכותי כללי מודיעין (AGI).
כמובן, כפי שפורט לעיל, אנחנו לא צריכים AGI לחזות שיבושים גדולים! אנחנו נהיה חווים "מוות על ידי אלף חתכים" אפילו עם יכולות ברמה נמוכה - למשל, קורא ברקוד או תג מזהה RF כבר עבודות אוטומטיות משם, עם אפס מודיעין.
זה מביא אותנו בחזרה לאסטרטגיה של וטיפוח רבגוני, כמו סכין הצבא השוויצרי: זה לא יכול להיות הכלי הטוב ביותר עבור כל עבודה יחידה, אבל זה בסיס רחב כדי לשאוב ממנו כפי הצורך, וניתן חדד לפי הצורך במהלך חייו של אחד.
שאמרו ש, האנושות ניצבת בפני מספר רב של בעיות כגון התחממות כדור הארץ, יציבות פיננסית, דיקטטורים פופוליסטים, inequities, וכו ', מה שהופך דודו מדען מחשב שלי מתבדח ואומר "אנחנו צריכים להיות הרבה יותר מודאגים טיפשות טבעית יותר של אינטליגנציה מלאכותית". יש משהו להרהר כאן אכן.
C. M. רובין וצ'רלס פאדל
(כל התמונות הן באדיבות CMRubinWorld)
הצטרף אליי ולמנהיגי מחשבה מוכרת בעולם כולל סר מייקל ברבר (בריטניה), DR. מיכאל בלוק (ארה"ב), DR. ליאון בוטשטיין (ארה"ב), פרופסור קליי כריסטנסן (ארה"ב), DR. לינדה דרלינג-Hammond (ארה"ב), DR. MadhavChavan (הודו), צ'ארלס פאדל (ארה"ב), פרופ 'מיכאל Fullan (קנדה), פרופ 'הווארד גרדנר (ארה"ב), פרופ 'אנדי הארגריבס (ארה"ב), פרופ 'איבון הלמן (הולנד), פרופ 'קריסטין Helstad (נורווגיה), ז'אן הנדריקסון (ארה"ב), פרופ 'רוז Hipkins (ניו זילנד), פרופ 'קורנליה הוגלנד (קנדה), הכבוד ג'ף ג'ונסון (קנדה), גברת. שנטל קאופמן (בלגיה), DR. EijaKauppinen (פינלנד), מזכיר המדינה TapioKosunen (פינלנד), פרופ 'דומיניק לפונטיין (בלגיה), פרופ 'יו לאודר (בריטניה), לורד קן מקדונלד (בריטניה), פרופ 'ג'ף מאסטרס (אוסטרליה), פרופ 'בארי McGaw (אוסטרליה), שיב נדאר (הודו), פרופ 'R. נטריגין (הודו), DR. PAK NG (סינגפור), DR. דניז אפיפיור (ארה"ב), שרידהר ךאג'גופלן (הודו), DR. דיאן ראוויטש (ארה"ב), ריצ'רד וילסון ריילי (ארה"ב), סר קן רובינסון (בריטניה), פרופ Pasi Sahlberg (פינלנד), פרופ Manabu סאטו (יפן), אנדריאס שלייכר (PISA, OECD), DR. אנתוני סלדון (בריטניה), DR. דוד שפר (ארה"ב), DR. קירסטן Immersive Are (נורווגיה), קנצלר סטיבן ספאן (ארה"ב), איב Theze (LyceeFrancais ארה"ב), פרופ 'צ'רלס Ungerleider (קנדה), פרופ 'טוני וגנר (ארה"ב), סר דייוויד ווטסון (בריטניה), פרופסור דילן Wiliam (בריטניה), DR. מארק Wormald (בריטניה), פרופ 'תיאו Wubbels (הולנד), פרופ 'מייקל יאנג (בריטניה), ופרופ 'Minxuan ג'אנג (סין) כפי שהם לחקור שאלות חינוך תמונה הגדולות שכל המדינות מתמודדות היום.
גלובל החיפוש לחינוך עמוד קהילה
C. M. רובין הוא המחבר שתי סדרות מקוונות רבים קוראות שלהיא קיבלה 2011 הפרס אפטון סינקלר, "גלובל החיפוש לחינוך" ו- "איך תוכלו לקרוא?"היא גם מהחבר של שלושה ספרים רבי מכר, כולל אליס בארץ הפלאות Real, הוא המוציא לאור של CMRubinWorldוהוא משבש קרן עמית.
עקוב C. M. רובין בטוויטר: www.twitter.com/@cmrubinworld
תגובות אחרונות