Η τεχνητή νοημοσύνη με τη μορφή των μεγάλων γλωσσικών μοντέλων έχει κάνει δυναμική την παρουσία της στη ζωή μας και μετασχηματίζει πολλαπλούς τομείς καθημερινής δραστηριότητας. Υπάρχει η πεποίθηση ότι αυξάνει την παραγωγικότητα σε όλους τους τομείς, ειδικότερα όπου απαιτείται η ταχεία παραγωγή περιεχομένου. Ήδη οι εκπρόσωποι των big tech μιλούν για παραγωγή μεγάλου μέρους του κώδικα των πληροφοριακών τους συστημάτων από εργαλεία AI.
Τις τελευταίες ημέρες υπάρχει έντονη συζήτηση για το πώς η τεχνητή νοημοσύνη εντάσσεται με ορμή στα εκπαιδευτικά συστήματα μεγάλων δυνάμεων όπως η Κίνα ή οι ΗΠΑ, μάλιστα από το δημοτικό. Από την άλλη, υπάρχουν οι φωνές που θεωρούν ότι η εισαγωγή της τεχνητής νοημοσύνης στην εκπαίδευση ισοδυναμεί με καταστροφή. Η αλήθεια είναι ότι βρισκόμαστε σε ένα κρίσιμο σταυροδρόμι σε ό,τι αφορά το πώς μετασχηματίζεται η εκπαίδευση λόγω της σαρωτικής επέλασης της τεχνητής νοημοσύνης και ανοίγει πλέον η συζήτηση για το κατά πόσο κλείνει ένας ιστορικός κύκλος σε ό,τι αφορά την αμφισβήτηση της κυριαρχίας του βιβλίου στη διαμόρφωση και προώθηση της γνώσης.
Δεν είναι προφανώς εύκολες οι απαντήσεις, ούτε είναι καλή πρακτική να απορρίψεις μετά βδελυγμίας το chatGPT, γιατί απλά οι μαθητές και οι μαθήτριες όλων των βαθμίδων έχουν ήδη αρχίσει να το χρησιμοποιούν καθώς και άλλα LLMs καθημερινά στη ζωή τους ως προσωπικό εκπαιδευτή ή ακόμα και λύτη σε διαγωνίσματα ή εργασίες.
Από την έως τώρα εμπειρία μου στη χρήση των LLMs για εκπαιδευτική χρήση έχω να κομίσω τα εξής, λέγοντας εκ των προτέρων και εμφατικά ότι η ισχύς των απόψεων μου αφορά τον παρόντα χρόνο, μια και η εξέλιξη των LLMs είναι πραγματικά εντυπωσιακή τα τελευταία δύο χρόνια και χαρακτηρίζεται από διαρκή και θεαματική βελτίωση στην παραγωγή περιεχομένου.
Επίπεδο κατανόησης του ερωτώντος: Τα LLMs δεν μπορούν εύκολα να κατανοήσουν το γνωστικό επίπεδο του υποκειμένου που τους κάνει μία ερώτηση, οπότε πολλές φορές η απάντησή του LLM προκαλεί μεγαλύτερη σύγχυση στο υποκείμενο. Αντιθέτως, ένας δάσκαλος ή μια δασκάλα, με τη σημασία της λέξης που εμπνέει τους εκπαιδευόμενους σε όλες τις βαθμίδες, μπορεί πολύ πιο αποτελεσματικά να κατανοήσει τι ακριβώς θέλει να ρωτήσει ο εκπαιδευόμενος, και άρα να του δώσει απάντηση που θα τον οδηγήσει πιο κοντά στην κατανόηση ενός θέματος.
Παραγωγικότητα και LLM: Η αύξηση της παραγωγικότητας στην εργασία του υποκειμένου που δυνητικά μπορεί να παρέχει το LLM προαπαιτεί το υποκείμενο να γνωρίζει ακριβώς τι θέλει να του παρέχει το LLM. Με άλλα λόγια, το LLM βοηθά στη βελτιστοποίηση της παραγωγικότητας αυτών που είναι ήδη παραγωγικοί. Στο επίπεδο της εκπαίδευσης αυτό μεταφράζεται ως περαιτέρω βελτίωση σε κατανόηση όρων, εννοιών, συνδυαστικών ζητημάτων, εφόσον προϋπάρχει ικανοποιητική κατανόηση και αντίληψη των βασικών εννοιών σε ένα αντικείμενο. Στην καθημερινή παρατήρηση της χρήσης του chatGPT, για παράδειγμα από τους φοιτητές-φοιτήτριές μου, συμπεραίνω ότι πολλές φορές τους οδηγεί σε λάθος κατευθύνσεις διότι απλά δεν έχουν κατανοήσει ποιο είναι το πρόβλημα, το οποίο καλείται μια τεχνική να λύσει, και αναλώνονται στο να κατανοήσουν την τεχνική ως ακολουθία βημάτων, όπως μαθαίνει ένας υπολογιστής να εκτελεί έναν αλγόριθμο χωρίς φυσικά να κατανοεί τη σημασία των βημάτων. Μεταξύ μας, η ζημιά αυτή έχει συντελεστεί εδώ και χρόνια από την εξετασιοκεντρική λογική όλου του εκπαιδευτικού συστήματος, από την πρωτοβάθμια εκπαίδευση (βλ. εξετάσεις για εισαγωγή στα πρότυπα σχολεία) έως την ανώτατη εκπαίδευση, όπου η μηχανική εκμάθηση τεχνασμάτων για την επίλυση ασκήσεων υπονομεύει την πολύπλευρη κατανόηση.
LLM και νέα γνώση: Τα LLMs απαντούν από ικανοποιητικά ως σχεδόν αλάνθαστα σε ζητήματα που αποτελούν βασικές και καλά εγκαθιδρυμένες γνώσεις. Για παράδειγμα, αν το ρωτήσει κανείς να αναλύσει τους νόμους του Νεύτωνα, θα το κάνει κατά τεκμήριο καλά. Αν όμως ερωτηθεί για πολύ πρόσφατη γνώση με μεγάλο συντελεστή καινοτομίας, υπάρχει η πιθανότητα να κάνει λάθη, ακόμα και να προτείνει πηγές που είτε είναι λανθασμένες είτε δεν υπάρχουν. Οφείλω να ομολογήσω ότι στις πιο πρόσφατες εκδόσεις έχουν μειωθεί πολύ οι περιπτώσεις υπόδειξης μη υπαρκτών πηγών.
Μπορούν τα LLMs να είναι χρήσιμα στην εκπαίδευση; Θεωρώ πώς ναι. Μερικές ιδέες που εφαρμόζω και σε προσωπικό επίπεδο είναι οι ακόλουθες:
LLM σε πιστοποιημένη βάση δεδομένων: Τo LLM μπορεί να είναι πιο αποτελεσματικό αν του ζητηθεί να απαντήσει σε κάποιο ερώτημα, αλλά στη βάση κάποιων καλά ελεγμένων κειμένων που εμπιστεύεται και χρησιμοποιεί ο εκπαιδευτής και εν γένει η ακαδημαϊκή κοινότητα. Έτσι η δημιουργία αποθετηρίου με έγκυρα βιβλία ή δημοσιεύσεις και η χρήση αυτού ως τη βιβλιογραφία αναφοράς για το LLM οριοθετεί αποτελεσματικά το LLM ώστε οι απαντήσεις να αφορούν συγκεκριμένο πεδίο αλλά και γνωστικό υπόβαθρο. Είναι για παράδειγμα άλλο να απαντήσει για τους φυσικούς νόμους και τα μαθηματικά εργαλεία αυτών, όταν απευθύνεται σε μαθητές λυκείου, και άλλο σε φοιτητές τμημάτων φυσικής. Με αυτό τον τρόπο το βιβλίο ως κύριο μέσο μετάδοσης και διαμόρφωσης της γνώσης δεν εκτοπίζεται από την τεχνητή νοημοσύνη, αλλά κυρίως υποστηρίζεται από αυτή.
LLM και κριτική σκέψη: Ο εκπαιδευτής μπορεί να δημιουργήσει ωραία λυμένα παραδείγματα με τη χρήση αυτής και να συστήσει καλές πρακτικές χρήσης της από τους εκπαιδευόμενους. Για παράδειγμα, αν πρόκειται για μαθητικό πληθυσμό, μπορεί ο εκπαιδευτής να προτείνει τεχνικές διαμόρφωσης του prompt (έτσι ονομάζεται η ερώτηση που δίνεις στο LLM). Όσο και αν αυτό δεν μοιάζει να έχει εκπαιδευτική αξία, στην ουσία καλλιεργεί στους μαθητές την κριτική σκέψη, διότι για την επίλυση ενός προβλήματος, το άλφα και το ωμέγα είναι να τεθεί σωστά η ερώτηση. Θέτοντας σωστά την ερώτηση, ο εκπαιδευόμενος μπορεί και χωρίς το LLM να φτάσει μόνος τους στην απάντηση, υπό την προϋπόθεση ότι έχει ήδη επενδύσει χρόνο στη μελέτη ενός αντικειμένου. Άρα ένα LLM μπορεί να βοηθήσει τους μαθητές να κατανοήσουν στην πράξη ότι κανείς φτάνει πιο γρήγορα στη λύση και κατανόηση ενός προβλήματος αν κάνει τις σωστές ερωτήσεις.
Ως κατακλείδα, θα ήθελα να τονίσω ότι LLM και φυσική διδασκαλία πάνε μαζί και όχι χωριστά. Με την έλευση των LLMs ουδείς μπορεί εύκολα να αξιολογήσει σε ποιο βαθμό έχει συμβάλει το LLM στη διαμόρφωση μιας εργασίας ή στην επίλυση μιας άσκησης. Αυτό πρακτικά σημαίνει ότι η εκπαίδευση πλέον χρειάζεται περισσότερο ανθρώπινο δυναμικό παρά ποτέ. Αφενός, η όποια αξιολόγηση του εκπαιδευόμενου πρέπει να πραγματοποιείται κυρίως προφορικά σε συνδυασμό με το κείμενο-εργασία που θα έχει ετοιμάσει ο εκπαιδευόμενος. Αφετέρου, η χρήση των ίδιων των εργαλείων τύπου LLM και η καλώς εννοούμενη ψηφιακή εκπαίδευση που σκοπεύει να αμβλύνει τις ανισότητες και να υποστηρίξει τους πιο αδύναμους μαθητές απαιτεί μικρότερες τάξεις και περισσότερο προσωπικό που όχι μόνο κατανοεί το επιστημονικό του αντικείμενο, αλλά έχει επιμορφωθεί επαρκώς και στην αξιοποίηση της ψηφιακής τεχνολογίας.
