Огонь в огне: почему нам нужно использовать ИИ, чтобы конкурировать с ним

Как можно использовать искусственный интеллект для повышения человеческого интеллекта и коренного изменения нашего способа обучения

Искусственный интеллект быстро проникает в организации почти во всех секторах и отраслях. В прошлом году на звонке по доходам генеральный директор Google Сундар Пичаи объявил, что технический гигант переходит к компании, ориентированной на ИИ. С тех пор Пичаи удвоил свое обещание, расширив исследования ИИ с огромным толчком в Китае и переименовав исследовательское подразделение в Google AI. Хотя Google явно является лидером в этой области, Google, по сути, делает то же самое, что и большинство других компаний, проводящих эту революцию: использует ИИ для создания более умных машин.

Достижения в области искусственного интеллекта и машинного обучения, несомненно, являются мощными и увлекательными, особенно когда эта технология обещает упростить жизнь и взять на себя рутинную работу. Роботы-помощники, автономные транспортные средства, дроны и даже смартфоны — все они предоставляют огромное количество данных; возможности кажутся безграничными. Однако это благоговение превращается в панику, когда дело доходит до того, что ИИ угрожает нашему существованию. Согласно отчету за 2017 год, около 38% рабочих мест в США могут быть упразднены в результате автоматизации в течение следующих 15 лет. Это делает нашу экономику наиболее восприимчивой к безработице, вызванной искусственным интеллектом, среди всех других высокоразвитых стран.

Почему? Я считаю, что ответ может лежать глубоко внутри нашей системы образования. Несмотря на то, что наша система развивалась на протяжении многих лет, она по-прежнему сильно устарела. Это неоднократно подтверждается тем, что американские студенты продолжают отставать от своих сверстников в тех же самых экономически развитых странах, которым неслучайно прогнозировали лучшие результаты в борьбе с ИИ.

Пересмотр обучения в классе и на рабочем месте

Методы, используемые как для преподавания, так и для изучения материала, остались довольно застойными, но темпы технического прогресса требуют изменений, если мы хотим оставаться актуальными. С наступлением эпохи ИИ этот разрыв потенциально может увеличиться еще больше. Исторически сложилось так, что инструктор обучает группу заранее определенной теме в течение запланированного периода времени, используя различные визуальные инструменты для передачи контента, по которому студенты в конечном итоге будут проверены. Конечно, за последние несколько десятилетий мы добавили в смесь некоторые компьютеры и случайную «смерть от Powerpoint». Однако до сих пор, насколько технологии действительно способствовали радикальным улучшениям в самом обучении?

В последний раз система образования США претерпевала сколько-нибудь заметные изменения, возможно, во время промышленной революции. К сожалению, в то время как это принесло бесплатное государственное образование, оно также привело к предполагаемому универсальному классу, который мешает образованию по сей день. Большая часть этой давней учебной среды на самом деле существует в разительном контрасте с тем, что когнитивная наука описывает как идеальные условия для обучения. Он ограничивает время, затрачиваемое учащимся на запоминание информации, и построен на стандартизированных оценках, которые поощряют краткосрочную зубрежку, а не истинное запоминание и понимание.

Держу пари, что история отразит перестройку и модернизацию нашей системы образования, совпадающую с другим ключевым периодом: информационным веком. Столкнувшись с эпохой, когда мы зависим от технологий практически во всех аспектах нашей повседневной жизни, что, если мы найдем им лучшее применение? Если американские школьники улучшат успеваемость в таких областях, как математика и естествознание, направятся ли они к будущему с более плодотворными перспективами и возможностями? Если бы мы догнали другие страны по результатам образования и обучению, которое дополняет то, как на самом деле работает мозг, могли бы мы повысить наши шансы против роста автоматизации? Можем ли мы использовать ИИ не только для того, чтобы сделать машины умнее, но и для того, чтобы сделать людей умнее?

Я, конечно, так думаю, и крайне важно, чтобы мы начали работать в этом направлении — и быстро. Многие роли, которые могут быть полностью автоматизированы, будут упразднены, но эксперты предсказывают, что искусственный интеллект и робототехника на самом деле создадут миллионы новых рабочих мест, многие из которых будут более привлекательными и более продуктивными по сравнению с теми, которые они заменили. Однако проблема, с которой столкнется большинство населения, заключается в адаптации набора навыков для удовлетворения требований таких ролей. В последнем отчете Всемирного экономического форума о будущем рабочих мест говорится, что потенциал для новой технологической экспансии чаще всего останавливается из-за многомерного дефицита навыков как на местном, так и на глобальном рынке труда. Ожидается, что такие пробелы станут единственным наиболее распространенным препятствием для внедрения технологий в разных отраслях.

В конце концов, жесткая традиционная учебная среда не ограничивалась только начальным, средним и послесредним образованием. Он также пронизывает специальную и техническую подготовку кадров практически во всех областях. Обучение как в классе, так и на рабочем месте необходимо пересмотреть, чтобы помочь преодолеть эти пробелы в навыках. Что, если рабочим было трудно усвоить не сами навыки, а проблема заключалась в нашем фундаментальном подходе к обучению?

Где традиционное обучение встречается с машинным обучением

Существенный фактор, способствующий отсутствию эволюции в обучении в течение последних двух тысячелетий, можно свести к забытому элементу в традиционной экосистеме. Исторически сложилось так, что основное внимание уделялось главным образом двум основным аспектам, с небольшими изменениями в процессе за последние 2 500 лет: «что» — содержание, размещаемое перед учащимися, и «где » — распространение контента среди учащихся в определенной среде. Хотя и предмет, и окружающая среда жизненно важны для процесса обучения, ключевой компонент был в значительной степени игнорирован; «как». Средний. Доставка. Последняя миля в процессе обучения и связь между изучаемым материалом, тем, как мозг работает над его обработкой, и тем, как конкретный человек сохраняет знания. Enter — мощное и своевременное сочетание проверенных принципов когнитивной науки, беспрецедентной доступности данных и алгоритмов искусственного интеллекта.

Здесь ключевыми являются две конкретные концепции: адаптивное распределенное обучение (т. е. разнесение обучения во времени) и практика поиска (активные попытки вспомнить ранее изученный материал).

Вы помните даты, которые вы запомнили после ночного занятия по истории, или как считать до ста по-французски? К сожалению, для большинства из нас ответ отрицательный. Почему? Потому что снова и снова исследования показывают, что информация, полученная с помощью зубрежки, не запоминается и практически не имеет долгосрочных преимуществ для истинной передачи знаний. Это явление известно как кривая забывания или скорость, с которой что-то забывается после того, как оно было выучено впервые. Исследователи также обнаружили, что для более успешного сохранения информации существует предсказуемое оптимальное время для просмотра информации.

За последние несколько лет технологии предоставили нам возможность применять когнитивные теории обучения в реальном мире. Проверяя персонализированные уникальные данные с помощью алгоритмов машинного обучения и искусственного интеллекта, мы перешли от теоретического понимания обучения и небольших экспериментов к полномасштабным реальным реализациям. В Cerego мы разработали способность не только повышать удержание учащихся, но и повышать скорость их обучения. Наша команда работала с более чем пятью миллионами пользователей и добилась значительных результатов как в сфере образования, так и в частном и государственном секторах. Когда группа студентов-стоматологов в Нью-Йоркском университете начала использовать этот подход, класс успешно сдал экзамен на уровне 99,7%; до использования технологии ее историческая проходимость достигала всего 80 процентов.

Потенциал ИИ для повышения человеческого интеллекта и производительности выходит за рамки простого улучшения учебного процесса для учащихся. Он расширен для предоставления ранее невидимых данных, которые позволяют инструкторам и менеджерам определять и применять уникальные подходы, повышающие удержание. Он также может предсказывать будущую производительность, распознавая и выделяя конкретные характеристики, которые являются уникальными для учащегося. Такие показатели могут звучать как футуристические надежды по сравнению с принятыми в настоящее время методами оценки и персонализации, но правда в том, что это будущее состояние намного ближе, чем вы могли бы ожидать.

Как и в случае с наиболее значительными реформаторскими усилиями или периодами значительной эволюции, путь явно не ясен, и нет свода правил, которым нужно следовать. Вполне предсказуемо, что одним из очевидных шагов на пути к широкому внедрению оптимизированных методов обучения является образование и обмен знаниями по этой теме. Исторически так сложилось, что именно потребитель или конечный пользователь инициирует и требует изменений — часто в основном из-за покупательной способности. Когда дело доходит до обучения, каждый из нас является конечным пользователем в той или иной степени, и мы все будем приносить пользу. Возможно, у некоторых наступила усталость от ИИ, но мы все можем согласиться с тем, что оживление процесса обучения — гораздо более захватывающее использование технологии, чем приложения и машины, которые в конечном итоге позволяют нам меньше думать и делать.

ИИ никуда не денется, и мы начинаем обнаруживать, что, если он основан на науке о мозге и предоставлен учащимся в правильном формате, он может повысить производительность человека. Увеличивая таким образом человеческий потенциал, мы, возможно, сможем начать закрывать растущие пробелы в навыках и гарантировать, что у нас есть возможность успешно работать вместе с роботами, вместо того, чтобы подвергаться риску полной замены.

Автор Эндрю Смит Льюис, генеральный директор и соучредитель Cerego