“Dovremmo cambiando gli obiettivi della formazione di concentrarsi su di apprendimento più profondo: Rilevanza di ciò che viene insegnato, per costruire la motivazione, e personalizzazione del cosa e come; Versatilità, creare 'l'uomo del Rinascimento’, che porta la robustezza ad affrontare qualunque vita getta contro di noi; Trasferimento, assicurando che ciò che impariamo nei confini stretti delle scuole, si traduce in impugnabilità in situazioni di vita reale.” — Charles Fadel
I computer che imparano dai grandi dati hanno creato una nuova fonte di conoscenza per la società.
I computer possono già dirci molte cose, comprese le persone che fino ad oggi e ciò che gli stock di acquistare. E, data la velocità con cui sono in fase di sviluppo, quanto tempo ci vorrà prima che i computer possono scrivere i nostri saggi di scuola superiore o di parlare qualsiasi lingua straniera, o addirittura guidare noi a scuola?
Charles Fadel is the founder of the Center for Curriculum Redesign and author of Quadridimensionale Istruzione: Le competenze studenti hanno bisogno per avere successo. He just taught the first-ever class at Harvard Graduate School of Education on “Machine Learning + Apprendimento umano”.
Egli si unisce a noi in Il Global Ricerca per l'Educazione per discutere di come gli studenti saranno tenere il passo con le macchine.
“Stiamo andando a vedere la nascita di una ‘classe sacerdotale’ di coloro che sono in grado di progettare e utilizzare algoritmi vs coloro che vivranno con le loro conseguenze, quindi è doveroso sistemi di istruzione per garantire che * tutti * basta numerate e algoritmicamente capace.” — Charles Fadel
Charles, un terzo di tutti i matrimoni iniziare on-line. programmi di trading automatici hanno sostituito 60-70% del trading umana. Un algoritmo potrebbe presto essere in grado di chiamare 911 ed eventualmente salvare le nostre vite. Che cosa significa questo per l'istruzione?
Prima di tutto, let’s establish some boundaries about what Machine Learning/AI can and cannot do – at least at this stage. We have seen tremendous advances in games such as chess, Andare e il poker, settori quali il riconoscimento vocale e della scrittura a mano e la sintesi, composizione musicale, etc. Tuttavia, incredibile come questo è, essi rappresentano i cosiddetti “problemi delimitate”, in cui le regole sono chiare e limitate, anche se lo spazio soluzione è ampio.
Così AI è già superiore in attività ripetitive e predittiva, attività che cerniera sul potenza di calcolo, classificando enormi quantità di dati e gli ingressi, prendere decisioni sulla base di regole concrete — con meno pregiudizi degli umani, ma ancora indotta da algoritmi e insiemi di dati scelti dagli esseri umani.
Mentre gli esseri umani sono meglio a vivere emozioni autentiche e sviluppando relazioni, la formulazione di domande e spiegazioni diverse scale e fonti, decidere come utilizzare le risorse limitate attraverso le dimensioni strategicamente (Compresi che compiti macchine dovrebbe fare e quali sono i dati per dare loro), realizzazione di prodotti e risultati utilizzabili per gli esseri umani e comunicare su di essi, prendere decisioni in base a valori astratti.
Per quanto riguarda ciò che questo significa per l'istruzione, ciò implica che dovremmo cambiando gli obiettivi della formazione di concentrarsi su apprendimento più profondo: Rilevanza di ciò che viene insegnato, per costruire la motivazione, e personalizzazione del cosa e come; Versatilità, creare "l'uomo del Rinascimento", che porta la robustezza ad affrontare qualunque vita getta contro di noi; Trasferimento, assicurando che ciò che impariamo nei confini stretti delle scuole, si traduce in impugnabilità in situazioni di vita reale.
Divertente, successi di utilizzo in ritardo algoritmi “di apprendimento profondo” di AI, e nei circoli di educazione che abbiamo parlato di “apprendimento più profondo,”Così è davvero“profonda + più profondo di apprendimento”insieme!
Potremmo presto dovere i nostri posti di lavoro algoritmi. Le aziende li utilizzano per selezionare i candidati di lavoro. Quanto tempo è che fino a quando un algoritmo determina che ha accettato ad Harvard? Che cosa significa tutto questo per l'istruzione?
Le aziende e le università hanno utilizzato criteri quantitativi e qualitativi per lungo tempo, a candidati di screening: SAT scores, GPA, tabelle salariali, marca di ex datori di lavoro, etc. all of which are used to decide on a candidate’s fit. There is a lot left to human decisions, and we generally think that humans are infallible. The reality is that the processes are fraught with imperfections: giudici assegnano pene più severe in sessioni tarda mattinata, insegnanti di grado più scarsamente i primi e gli ultimi saggi, i medici non sono in grado di tenere il passo con tutti i progressi nel loro campo, etc. I would welcome a day where the algorithms handle the tedium, and the humans make the wise choices unburdened. Naturalmente, questo implica che saremmo saggi a non lasciare che gli algoritmi di dettare decisioni come vediamo con i casi di polizia in tutto il paese, come gli algoritmi hanno codificato pregiudizi CAP esistenti ...
Tuttavia, i datori di lavoro e le università allo stesso modo stanno guardando a tutto tondo i candidati a livello globale alfabetizzati, grado non solo di padroneggiare conoscenze moderne come l'ingegneria e l'imprenditorialità, scienze sociali e competenza informativa, ma anche sono qualificati: creativo, pensatori critici che sono comunicativo e collaborativo; qualità di visualizzazione Carattere: consapevolezza, curiosità, coraggio, elasticità, etica e leadership; adattarsi e imparare ad imparare tramite abilità meta-apprendimento con mentalità di crescita e di metacognizione.
“AI sta diventando incorporato in ogni e tutte le applicazioni, come calcolare in generale. Sta diventando come onnipresente e invisibile come microprocessori nei sistemi di auto-rottura per esempio.” — Charles Fadel
La velocità con cui l'apprendimento automatico sta migliorando è scoraggiante. Ha Machine Learning anche appartengono in laboratorio? Qualora non tutti nella società capire come queste macchine determinano i loro fatti? Che cosa significa questo per l'istruzione?
Ray Dalio, Bridgewater hedge fund miliardario, dichiarato nel Financial Times:
“Siamo diretti per un mondo in cui si sta andando ad essere sia in grado di scrivere algoritmi e parla quella lingua, or be replaced by algorithms…” and I agree. We are going to see the emergence of a “priesthood class” of those who are capable of designing and using algorithms vs those who will live with their consequences, so it behooves education systems to ensure that *everyone* is numerate enough and algorithmically capable. All fields are becoming quantitative, con la possibile eccezione della filosofia; Biology in Darwin times used to be descriptive and now it is mostly analytical. Ulteriormente, questo implica la rinnovata importanza dell'etica come un corso di studi per tutti.
La conoscenza accumulata da algoritmi in un dato compito o dominio sarà presto impallidire gli scienziati della conoscenza hanno accumulato nel corso dei secoli. Sono Machine Learning Computer scienziati meglio di scienziati umani dato che essi possono guardare molti più dati e analizzarli velocemente di qualsiasi scienziato umano potrebbe mai?
Come descritto in precedenza, gli algoritmi sono meglio di esseri umani quando i set di dati sono chiari e puliti, and the application narrow. They do undoubtedly accelerate our progress, per esempio tramite accelerazione genomica. Tuttavia, affermare che essi sono sostanzialmente migliori di scienziati umani è un tratto ingiustificabile in questa fase, è come dire che perché i computer sono più veloci degli umani a calcolare, they are better Mathematicians. We work in symbiosis, e sempre così - come Humans Augmented.
Riguardo a come queste funzionalità potrebbero evolvere in futuro, è ovviamente impossibile dire, ma con miliardi di dollari investiti in tutto il mondo, AI sta diventando incorporato in ogni e tutte le applicazioni, come calcolare in generale. Sta diventando come onnipresente e invisibile come microprocessori nei sistemi di auto-rottura, per esempio.
“We do not need Artificiale generalizzato Intelligenza (AGI) to witness major disruptions! We will be experiencing “death by a thousand cuts” even with low-level capabilities – for instance, un lettore di codice a barre o un tag RF ID posti di lavoro già automatizzati via, con intelligenza zero.” — Charles Fadel
Il prossimo è l'algoritmo finale – uno che è in grado di imparare qualsiasi cosa, da dati – che è pronta per questo?
Nessuno è, e se e quando questo accade, it will be the ultimate challenge for humanity. Tuttavia, siamo lontani, far off according to the best experts in the field. We have seen tremendous bottom-up progress, ma ci manca diverse innovazioni per raggiungere Artificiale Generalized Intelligenza (AGI).
Naturalmente, come discusso in precedenza, non abbiamo bisogno di testimoniare AGI gravi perturbazioni! We will be experiencing “death by a thousand cuts” even with low-level capabilities – for instance, un lettore di codice a barre o un tag RF ID posti di lavoro già automatizzati via, con intelligenza nullo.
Questo ci riporta alla strategia di nutrire Versatilità, come un coltellino svizzero: it may not be the best tool for any single job, ma è un'ampia base di attingere all'occorenza, e può essere affilata come necessario durante la vita.
Detto, umanità sta affrontando una moltitudine di problemi come il riscaldamento globale, instabilità finanziaria, dittatori e populisti, disuguaglianze, eccetera, which makes my computer scientist cousin quip that “we should be a lot more concerned about natural stupidity than of artificial intelligence”. There is something to ponder here indeed.
C. M. Rubin e Carlo Fadel
(Tutte le foto sono per gentile concessione di CMRubinWorld)
Unitevi a me e leader di pensiero di fama mondiale tra cui Sir Michael Barber (Regno Unito), Dr. Michael Block (Stati Uniti), Dr. Leon Botstein (Stati Uniti), Il professor Argilla Christensen (Stati Uniti), Dr. Linda di Darling-Hammond (Stati Uniti), Dr. MadhavChavan (India), Charles Fadel (Stati Uniti), Il professor Michael Fullan (Canada), Il professor Howard Gardner (Stati Uniti), Il professor Andy Hargreaves (Stati Uniti), Il professor Yvonne Hellman (Paesi Bassi), Il professor Kristin Helstad (Norvegia), Jean Hendrickson (Stati Uniti), Il professor Rose Hipkins (Nuova Zelanda), Il professor Cornelia Hoogland (Canada), Onorevole Jeff Johnson (Canada), Sig.ra. Chantal Kaufmann (Belgio), Dr. EijaKauppinen (Finlandia), Sottosegretario di Stato TapioKosunen (Finlandia), Il professor Dominique Lafontaine (Belgio), Il professor Hugh Lauder (Regno Unito), Signore Ken Macdonald (Regno Unito), Il professor Geoff Masters (Australia), Il professor Barry McGaw (Australia), Shiv Nadar (India), Il professor R. Natarajan (India), Dr. PAK NG (Singapore), Dr. Denise Papa (Stati Uniti), Sridhar Rajagopalan (India), Dr. Diane Ravitch (Stati Uniti), Richard Wilson Riley (Stati Uniti), Sir Ken Robinson (Regno Unito), Professor Pasi Sahlberg (Finlandia), Il professor Manabu Sato (Giappone), Andreas Schleicher (PISA, OCSE), Dr. Anthony Seldon (Regno Unito), Dr. David Shaffer (Stati Uniti), Dr. Kirsten Immersive Are (Norvegia), Cancelliere Stephen Spahn (Stati Uniti), Yves Theze (LyceeFrancais Stati Uniti), Il professor Charles Ungerleider (Canada), Il professor Tony Wagner (Stati Uniti), Sir David Watson (Regno Unito), Professor Dylan Wiliam (Regno Unito), Dr. Mark Wormald (Regno Unito), Il professor Theo Wubbels (Paesi Bassi), Il professor Michael Young (Regno Unito), e il professor Zhang Minxuan (Porcellana) mentre esplorano le grandi questioni educative immagine che tutte le nazioni devono affrontare oggi.
Il Global Ricerca per l'Educazione della Comunità Pagina
C. M. Rubin è l'autore di due ampiamente lettura serie on-line per il quale ha ricevuto una 2011 Premio Upton Sinclair, "Il Global Search per l'Educazione" e "Come leggeremo?"Lei è anche l'autore di tre libri bestseller, Compreso The Real Alice in Wonderland, è l'editore di CMRubinWorlded è un disgregatore Foundation Fellow.
Segui C. M. Rubin su Twitter: www.twitter.com/@cmrubinworld
Commenti recenti