“ہم گہری سیکھنے پر توجہ مرکوز کرنے کی تعلیم کے مقاصد کو تبدیل کیا جائے چاہئے: سکھایا ہے اس کی مطابقت, حوصلہ افزائی کی تعمیر کے لیے, اور کیا کے شخصی اور کیسے; استرتا, بنانا 'پنرجہرن انسانوں', جس جو کچھ بھی زندگی ہم پر ڈالی ہے کا سامنا کرنے کے نظام کو طاقت لاتا ہے; منتقلی, ہم اسکولوں کی تنگ confines میں جان جو کہ انشورنس, حقیقی زندگی کے حالات میں actionability میں ترجمہ کرتا ہے.” — چارلس فاضل
بڑے اعداد و شمار سے سیکھنے کمپیوٹر معاشرے کے لئے علم کا ایک نیا ذریعہ پیدا کیا ہے.
کمپیوٹر کو پہلے ہی ہمیں بہت سی چیزیں بتا سکتے ہیں, تاریخ سے جو بھی شامل ہے اور کیا اسٹاک کو خریدنے کے لئے. اور رفتار جس میں انہوں نے تیار کیے جا رہے ہیں دی, اس سے پہلے کمپیوٹرز ہمارے ہائی اسکول کے مضامین لکھنے یا کسی بھی غیر ملکی زبان بول سکتے ہیں کہ یہ کب تک ہو جائے گا, یا اس سے بھی اسکول سے گاڑی چلانے کے?
چارلس فضل نصاب redesign کے اور کے مصنف کے لئے سینٹر کے بانی ہیں چار جہتی تعلیم: مہارت سیکھنے کامیابی کے لیے ضروری. وہ صرف پر تعلیم کی ہارورڈ یونیورسٹی کے گریجویٹ سکول میں پہلی کلاس سکھایا "مشین لرننگ + انسانی سیکھنا ".
وہ میں ہمیں شامل ہو جاتا ہے تعلیم کے لئے گلوبل تلاش بحث کرنے کے متعلمین مشینوں کے ساتھ رکھنے کے گا کہ کس طرح.
“ہم ڈیزائن کے قابل ہیں وہ لوگ جو کے ایک 'کہانت کلاس' کے قیام کو دیکھنے کے لئے جا رہا ہے اور الگورتھم ان کے نتائج کے ساتھ زندہ رہے گا وہ لوگ جو بمقابلہ استعمال کر رہے ہیں, تو یہ ہے کہ * سب * کافی گننا اور الگوردھمک صلاحیت رکھتا ہے کو یقینی بنانے کے نظام تعلیم زیب دیتا ہے.” — چارلس فاضل
چارلس, تمام شادیوں میں سے ایک تہائی شروع آن لائن. خودکار ٹریڈنگ کے پروگراموں کی جگہ لے لی 60-70% انسانی ٹریڈنگ کے. ایک الگورتھم جلد کو فون کرنے کے قابل ہو سکتا ہے 911 اور ممکنہ طور پر ہماری زندگی کو بچانے کے. اس تعلیم کے لئے کیا مطلب ہے?
سب سے پہلے, اس مرحلے پر کم از کم - کی مشین لرننگ / AI اور نہیں کر سکتا کر سکتے ہیں کے بارے میں کچھ حدود قائم کرنے دو. ہم جیسے شطرنج کے کھیل میں زبردست پیشگی دیکھا ہے, جاؤ اور پوکر, جیسا کہ تقریر اور لکھاوٹ تسلیم اور ترکیب شعبوں, موسیقی کی ساخت, وغیرہ. تاہم, یہ ہے کے طور پر کے طور پر حیرت انگیز, وہ نام نہاد "جکڑے ہوئے مسائل" جہاں قوانین واضح اور محدود ہیں کی نمائندگی, یہاں تک حل خلا وسیع ہے تو.
لہذا AI پہلے سے ہی بار بار اور امکانات کاموں میں بہتر ہے, کمپیوٹیشنل اقتدار پر قبضہ کہ کاموں, اعداد و شمار اور آدانوں کی بھاری مقدار کی درجہ بندی, کنکریٹ قوانین کی بنیاد پر فیصلے کرنے — انسانوں سے کم جانبدار نظریات سے, لیکن اب بھی یلگوردمز اور ڈیٹا سیٹ انسانوں کی طرف سے منتخب کر حوصلہ افزائی.
انسانوں مستند جذبات اور تعلقات کی تعمیر کا سامنا کر میں بہتر ہیں جبکہ, ترازو اور ذرائع بھر سوالات اور وضاحتوں تشکیل, سامری طول و عرض بھر محدود وسائل استعمال کرنے کے لئے کس طرح کا فیصلہ (سمیت کاموں مشینیں کر رہی ہے اور ان کو کون سا ڈیٹا دینے کے لئے کیا جانا چاہئے جس), مصنوعات اور نتائج انسانوں کے لئے قابل استعمال بنانے اور ان کے بارے میں بات چیت, خلاصہ اقدار کے مطابق فیصلے کرنے.
اس تعلیم کے لئے کیا مطلب ہے کرنے کے طور پر, یہ ہم پر توجہ مرکوز کرنے کی تعلیم کے مقاصد کو تبدیل کرنے کے کیا جانا چاہئے کہ اس کا مطلب گہری سیکھنے: سکھایا ہے اس کی مطابقت, حوصلہ افزائی کی تعمیر کے لیے, اور کیا کے شخصی اور کیسے; استرتا, بنانا "پنرجہرن انسانوں", جس جو کچھ بھی زندگی ہم پر ڈالی ہے کا سامنا کرنے کے نظام کو طاقت لاتا ہے; منتقلی, ہم اسکولوں کی تنگ confines میں جان جو کہ انشورنس, حقیقی زندگی کے حالات میں actionability میں ترجمہ.
Amusingly, دیر سے استعمال "گہری سیکھنے" یلگوردمز کے AI کی کامیابیاں, اور تعلیم کے حلقوں میں ہم "گہری سیکھنے کے بارے میں بات کی گئی ہے,گہری "تو یہ واقعی ہے" + گہری سیکھنے "ایک ساتھ!
ہم جلد الگورتھم کو ہماری ملازمتوں کی مرہون منت سکتا. کمپنیاں ملازمت کے امیدواروں کو منتخب کرنے کے لئے ان کا استعمال کر رہے. ایک الگورتھم کا تعین کرتا ہے جب تک ہارورڈ میں قبول کر لیا ہے جو کتنا وقت ہے? یہ سب تعلیم کے لئے کیا مطلب ہے?
کمپنیاں اور یونیورسٹیوں میں ایک طویل وقت کے لئے ماتراتمک اور گتاتمک معیار پر استعمال کر رہے ہیں, اسکریننگ امیدواروں میں: SAT اسکورز, GPAs کے, ترازو ادا کرے, سابق آجروں کے برانڈ, وغیرہ. جن میں سے سب ایک امیدوار کے فٹ پر فیصلہ کرنے کے لئے استعمال کر رہے ہیں. انسانی فیصلوں کو چھوڑ دیا ایک بہت ہے, اور ہم عام انسانوں معصوم ہیں کہ لگتا ہے. حقیقت عمل imperfections کے ساتھ بھرا ہو جاتا ہے: ججوں دیر صبح کے سیشن میں سخت جملوں ایوارڈ, اساتذہ کی گریڈ زیادہ غیر تسلی بخش پہلے چند اور گزشتہ مضامین, ڈاکٹروں کو ان کے میدان میں تمام ترقی کے ساتھ رکھنے کے قابل نہیں ہیں, وغیرہ. مجھے الگورتھم tedium میں سنبھال جہاں ایک دن خیر مقدم کریں گے, اور انسانوں unburdened وار انتخاب کر دے. کورس, یہ ہم نہیں دے الگورتھم فیصلوں کا تعین ہم پورے ملک میں پولیس کے معاملات کے ساتھ دیکھ کے طور پر الگورتھم موجودہ زپ کوڈ تعصبات انکوڈنگ ہے پر وار ہو جائے گا کہ اس کا مطلب ...
کے باوجود, آجروں اور یکساں یونیورسٹیوں میں اچھی طرح گول عالمی سطح ساکشر درخواست دہندگان تلاش کر رہے ہیں, صرف اس طرح انجینئرنگ اور کاروبار کو فروغ جدید علوم پر عبور حاصل نہیں کے قابل, سماجی علوم اور معلومات خواندگی, بلکہ ہنر مند ہیں: تخلیقی, تنقیدی مفکرین ڈائیلاگ اور باہمی تعاون ہیں جو; ڈسپلے کریکٹر خصوصیات: Mindfulness کی, تجسس, ہمت, لچک, اخلاقیات اور قیادت; اپنانے اور ترقی ذہنیت اور metacognition ساتھ میٹا سیکھنا صلاحیتوں کے ذریعے سیکھنے کے لئے کس طرح جاننے کے.
“AI کسی بھی اور تمام ایپلی کیشنز میں سرایت بنتا جا رہا ہے, بڑے پیمانے پر کمپیوٹنگ جاتا ہے کے طور پر. یہ مثال کے طور پر گاڑی توڑ نظام میں مائکروپروسیسروں جتنا ہر جگہ اور پوشیدہ ہوتا جا رہا ہے.” — چارلس فاضل
جس میں رفتار مشین لرننگ بہتر ہو رہی ہے خطرناک ہے. مشین لرننگ بھی لیب میں تعلق رکھتا? ان مشینوں کو ان حقائق کا تعین کس طرح کے معاشرے میں ہر کوئی سمجھنا چاہئے? اس تعلیم کے لئے کیا مطلب ہے?
رے Dalio, برج واٹر ہیج فنڈ اربپتی, فنانشل ٹائمز میں بیان:
"ہم ایک ایسی دنیا میں آپ کو یا تو الگورتھم لکھنے کے لئے کے قابل ہو جائے کرنے کے لئے جا رہے ہیں جہاں کے لئے سربراہی اور یہ کہ زبان بولتے رہے, یا الگورتھم کی طرف سے تبدیل کیا جائے ... "اور میں مانتا ہوں. ہم ڈیزائن کے قابل ہیں وہ لوگ جو کے ایک "پجاری کلاس" کے قیام کو دیکھنے کے لئے جا رہا ہے اور الگورتھم ان کے نتائج کے ساتھ زندہ رہے گا وہ لوگ جو بمقابلہ استعمال کر رہے ہیں, تو یہ ہے کہ * ہر کوئی یقین کرنے کے لئے تعلیم کے نظام زیب دیتا ہے * گننا کافی اور الگوردھمک صلاحیت رکھتا ہے. تمام شعبوں مقداری بن رہے ہیں, فلسفہ کے ممکنہ رعایت کے ساتھ; ڈارون دور میں حیاتیات وضاحتی کرنے کے لئے استعمال کیا اور اب یہ زیادہ تر تجزیاتی ہے. مزید, اس سب کے لئے مطالعہ کا ایک کورس کے طور پر اخلاقیات کی تجدید کی اہمیت کا مطلب.
علم کو جلد ہی علم سائنسدانوں بونا گے کسی بھی کام یا ڈومین پر الگورتھم کی طرف سے جمع صدیوں کے دوران جمع کیا ہے. وہ بہت زیادہ اعداد و شمار کو نظر آتے ہیں اور کسی بھی انسانی سائنسدان کبھی کر سکتے تھے کے مقابلے میں تیزی سے یہ تجزیہ کر سکتے ہیں کہ دی انسانی سائنسدانوں کے مقابلے میں مشین لرننگ کمپیوٹر سائنسدانوں بہتر ہیں?
جیسا کہ پہلے بیان, ڈیٹا سیٹ واضح اور صاف ہیں جب الگورتھم انسانوں سے بہتر ہیں, اور درخواست کو محدود. وہ بلاشبہ ہماری ترقی کو تیز کرتے, تیز رفتار اپ جینومکس کے ذریعے مثال کے طور پر. تاہم, بیان کرنا ہے کہ وہ انسانی سائنسدانوں سے زیادہ موٹے طور پر بہتر ہیں کہ اس مرحلے پر ایک ناجائز مسلسل ہے, کمپیوٹرز کا حساب لگانے میں انسانوں سے زیادہ تیز ہیں کیونکہ یہ کہہ رہے ہیں کہ کی طرح ہے, وہ بہتر گنیتشتھ ہیں. ہم symbiosis میں کام, اور تیزی تو - فروزاں انسانوں کے طور پر.
ان کی صلاحیتوں کے مستقبل میں تیار ہو سکتا ہے کس طرح, یہ بتانے کے لئے ناممکن کورس کی ہے, لیکن اربوں ڈالر دنیا بھر میں سرمایہ کاری کی جا رہی کے ساتھ, AI کسی بھی اور تمام ایپلی کیشنز میں سرایت بنتا جا رہا ہے, بڑے پیمانے پر کمپیوٹنگ جاتا ہے کے طور پر. یہ مثال کے طور پر گاڑی توڑ نظام میں مائکروپروسیسروں جتنا ہر جگہ اور پوشیدہ ہوتا جا رہا ہے.
“ہم ضرورت نہیں ہے مصنوعی سامانییکرت انٹیلی جنس (AGI) بڑے تعطل کا مشاہدہ کرنے! ہم بھی کم سطح کی صلاحیتوں کے ساتھ "ایک ہزار کمی سے موت" کا سامنا ہو گا - مثال کے طور پر, ایک بار کوڈ ریڈر یا ایک آریف شناختی ٹیگ کے پاس پہلے خود کار ملازمتوں دور, صفر انٹیلی جنس کے ساتھ.” — چارلس فاضل
اگلا، دوسرا اپ حتمی الگورتھم ہے – ڈیٹا سے کچھ بھی سیکھنے کے قابل ہے کہ ایک کو – جو اس کے لئے تیار ہے?
کوئی نہیں ہے, اور اگر اور جب ایسا ہوتا ہے, یہ انسانیت کے لئے حتمی چیلنج ہو جائے گا. تاہم, ہم دور ہیں, دور میدان میں سب سے بہتر ماہرین کے مطابق. ہم زبردست نچلی سطح تک پیش رفت دیکھی ہے, لیکن ہم مصنوعی سامانییکرت انٹیلی جنس تک پہنچنے کے لئے کئی کامیابیاں لاپتہ ہیں (AGI).
کورس, اوپر بات چیت کے طور پر, ہم بڑے تعطل کا مشاہدہ کرنے AGI کی ضرورت نہیں ہے! ہم بھی کم سطح کی صلاحیتوں کے ساتھ "ایک ہزار کمی سے موت" کا سامنا ہو گا - مثال کے طور پر, ایک بار کوڈ ریڈر یا ایک آریف شناختی ٹیگ کے پاس پہلے خود کار ملازمتوں دور, صفر انٹیلی جنس کے ساتھ.
یہ استرتا کی پرورش کی حکمت عملی کے لئے ہمیں واپس لاتا ہے, ایک سوئس آرمی چاقو کی طرح: یہ کسی ایک کام کے لئے سب سے بہتر ذریعہ نہیں ہو سکتا, لیکن یہ ضرورت پڑی طور سے اپنی طرف متوجہ کرنے کے لئے ایک وسیع بنیاد ہے, اور کسی کی زندگی کے دوران ضرورت کے مطابق تیز کیا جا سکتا.
اس نے کہا, انسانیت جیسے گلوبل وارمنگ کے مسائل کی ایک بھیڑ کا سامنا ہے, مالیاتی عدم استحکام, آمروں اور عوامی مقبولیت, عدم مساوات, وغیرہ, جس نے اپنے کمپیوٹر سائنسدان کزن زندہ دلی ہے کہ "ہم نے ایک بہت مصنوعی ذہانت کے مقابلے میں قدرتی حماقت کے بارے میں زیادہ فکر مند ہونا چاہئے" ہوتا ہے. یقینا یہاں غور کرنے کے لئے کچھ بھی نہیں ہے.
C. M. روبن اور چارلس فضل
(تمام تصاویر CMRubinWorld کے سوپیی ہیں)
سر مائیکل باربر سمیت میرے ساتھ اور عالمی سطح پر معروف فکری رہنماؤں (برطانیہ), ڈاکٹر. مائیکل بلاک (امریکہ), ڈاکٹر. لیون Botstein (امریکہ), پروفیسر مٹی Christensen کے (امریکہ), ڈاکٹر. لنڈا ڈارلنگ-ہیمنڈ (امریکہ), ڈاکٹر. MadhavChavan (بھارت), چارلس فاضل (امریکہ), پروفیسر مائیکل Fullan (کینیڈا), پروفیسر ہاورڈ گارڈنر (امریکہ), پروفیسر اینڈی Hargreaves نے (امریکہ), پروفیسر کریں Yvonne ہلمین (نیدرلینڈ), پروفیسر کرسٹن Helstad (ناروے), جین Hendrickson نے (امریکہ), پروفیسر گلاب Hipkins (نیوزی لینڈ), پروفیسر Cornelia Hoogland (کینیڈا), فاضل جیف جانسن (کینیڈا), مسز. چینٹل کوفمین (بیلجیم), ڈاکٹر. EijaKauppinen (فن لینڈ), سٹیٹ سیکرٹری TapioKosunen (فن لینڈ), پروفیسر ڈومینک Lafontaine (بیلجیم), پروفیسر ہیو Lauder (برطانیہ), رب کین میکڈونلڈ (برطانیہ), پروفیسر جیف ماسٹرز (آسٹریلیا), پروفیسر بیری McGaw (آسٹریلیا), شیو ندار (بھارت), پروفیسر R. نٹراجن (بھارت), ڈاکٹر. PAK NG (سنگاپور), ڈاکٹر. ڈینس پوپ (امریکہ), شریدر رازگوپالن (بھارت), ڈاکٹر. ڈیانے Ravitch (امریکہ), رچرڈ ولسن ریلی (امریکہ), سر کین رابنسن (برطانیہ), پروفیسر Pasi Sahlberg (فن لینڈ), پروفیسر Manabu ساتو (جاپان), Andreas کی Schleicher (پیسا, او ای سی ڈی), ڈاکٹر. انتھونی Seldon نے (برطانیہ), ڈاکٹر. ڈیوڈ Shaffer کے (امریکہ), ڈاکٹر. کرسٹن عمیق کر رہے ہیں (ناروے), چانسلر اسٹیفن Spahn (امریکہ), ایوز Theze (LyceeFrancais امریکہ), پروفیسر چارلس Ungerleider (کینیڈا), پروفیسر ٹونی ویگنر (امریکہ), سر ڈیوڈ واٹسن (برطانیہ), پروفیسر Dylan کے Wiliam (برطانیہ), ڈاکٹر. مارک Wormald (برطانیہ), پروفیسر تیو Wubbels (نیدرلینڈ), پروفیسر مائیکل نوجوان (برطانیہ), اور پروفیسر Minxuan جانگ (چین) وہ تمام اقوام کو آج سامنا ہے کہ بڑی تصویر تعلیم سوالات دریافت کے طور پر.
تعلیم کمیونٹی پیج کے لئے گلوبل تلاش
C. M. روبن وہ ایک موصول ہوئی ہے جس کے لئے دو بڑے پیمانے پر پڑھا سیریز کے مصنف ہے 2011 میں Upton سنکلیئر ایوارڈ, "عالمی تعلیم کے لئے تلاش کریں" اور "ہم کس طرح پڑھیں گے?"وہ تین bestselling کتابوں کے مصنف بھی ہے, سمیت Wonderland میں یلس اصلی, کے ناشر ہے CMRubinWorldاور ایک Disruptor فاؤنڈیشن فیلو.
C پر عمل کریں. M. ٹویٹر پر روبن: www.twitter.com/@cmrubinworld
حالیہ تبصرے