VU mokslininkai apie privalomą dirbtinio intelekto mokymą mokyklose: „Ar mes galime užsimerkti, kai ateina naujovės?“
Mokyklose pagal atnaujintas bendrojo ugdymo programas mokiniai nuo šių metų rugsėjo bus mokomi ir apie dirbtinį intelektą (DI). Nacionalinei švietimo agentūrai paskelbus apie šią naujovę, spaudoje ir tarp mokytojų kilo nerimo banga – ar tikrai esame tam pasiruošę? Ar pakaks mokytojams žinių? Kas juos paruoš? Vilniaus universiteto (VU) Matematikos ir informatikos fakulteto (MIF) profesorė Valentina Dagienė įsitikinusi, kad ši naujovė reikalinga: „Ar mes galime užsimerkti, kai ateina naujovės?”
80-ųjų karta mokėsi iš knygų, dabartinė – su „ChatGPT“
Pasak mokslininkės, didžiausia stresą mokytojams kelia nežinomybė, staigūs ministerijos planai, mokomosios medžiagos ir priemonių stygius: „Kai atsirado internetas, irgi buvo keliamas klausimas – ar mokyti apie tai ir svarbiausia – kaip mokyti? Dabar mūsų kasdienybė nebeįsivaizduojama be interneto. Panaši situacija ir su dirbtinu intelektu – mes negalime neigti, kai jis yra ir jis yra jau visur. Reikia galvoti, kaip padėti mokytojams, kad jie galėtų perteikti būtinas žinias ir įgūdžius mokiniams.“
VU MIF Informacinių technologijų prodekanas prof. Povilas Treigys dirbtinio intelekto įtraukimą į mokymo procesą vertina teigiamai: „80-ųjų karta ėjo į paskaitas ir mokėsi iš knygų bibliotekose ar konspektų, 90-jųjų ir 2000-ųjų kartos – iš „Google“ paieškos. Natūralu, kad progresuojant technologijoms dabar galima mokytis naudojant „ChatGPT“. Tačiau mokslininkas pabrėžia, kad tam reikalingas žinių pagrindas, nes dirbtinio intelekto įrankiais ne visada galima pasitikėti. Tą svarbu suprasti ir mokytojams, ir mokiniams.
„Dirbtinis intelektas atsirado ne šiandien, moksliniai darbai ir eksperimentai prasidėjo daugiau kaip prieš pusšimtį. Tačiau tik dabar dirbtinio intelekto technologijos taip pagerėjo, paspartėjo, išaugo, kad galėjo būti pritaikytos kasdienėse veiklose“, – apie technologinį proveržį sako prof. V. Dagienė. Ji pabrėžia, kad dirbtinis intelektas auga eksponentiniu greičiu ir negalima į tai nekreipti dėmesio: „Galime palyginti su daugeliu technologijų, kad ir automobilių (variklio) atsiradimu: irgi buvo baiminamasi, kad arkliai, vežėjai neteks darbo, kad bus daug avarijų ir pan., bet automobilius gamino, jais ėmė važinėti vis daugiau žmonių ir tiesiog nebūtų galima įsivaizduoti kitaip gyvenimo.“
Jai antrina ir prof. P. Treigys, teigdamas, kad negalima ignoruoti to, kas jau dabar yra, DI niekur nedings ir jo bus visur tik daugiau: „Jau dabar sparčiai besivystančioje srityje reikia pradėti kalbėti apie mašinų „politiką“ ir DI algoritmų naudojimo etiką. Kuo anksčiau mokiniai tai supras, tuo labiau užtikrinti būsime dėl protingo pritaikymo.“ Dar 1970 m. Marvinas Minskis žurnalui „Life Magazine“ teigė, jog prireiks apie 8-erių metų tam kad DI pranoktų vidutiniškai išsilavinusio žmogaus intelektą, taip neįvyko, tačiau srities raida nestovi vietoje: jau dabar turime autonomines mašinas, spręsdami problemas bendraujame su programiniais robotais, mums rodomos reklamos pritaikytos mūsų pomėgiams – visa tai darbo algoritmai gebantys apsimokyti.
Mėnuo – pakankamas laikas bendriesiems DI principams išmokti
Didžiausia atnaujintos bendrojo ugdymo programos rizika – teisingai įžvelgti mokytojų poreikius ir sugebėti suprantamai jiems pateikti tai, ko reikia. O sudominus reikia parodyti daugiau, kad mokytojai galėtų sužavėti mokinius informatikos mokslu. Dirbtinis intelektas kaip tik tai suteikia.
„Bendrųjų programų atnaujinimo projektas sukelia rizikų, bet palyginus jų naudą, tai rizikos numenksta, – sako prof. V. Dagienė, – galime džiaugtis, kad informatikos ugdymo programa yra nuo pradinių klasių iki pat mokyklos baigimo. Tiesa, 11 ir 12 klasėje informatika yra pasirinktinis dalykas, tačiau pasirinkus galima gauti nuo 3 iki 6 valandų per savaitę (minimumas – trys valandos). Ko gera mes esame viena iš nedaugelio šalių, kurios turi tie daug informatikai skirtų valandų. Ar sugebame jas tinkamai išnaudoti?“
Dirbtinio intelekto principai jau seniai žinomi, Alanas Turingas šiuos pristatė 1950 m. konferencijoje. Pats principas kaip veikia save apsimokantys algoritmai yra pakankamai paprastas. Prof. P. Treigys pateikia pavyzdį, kuriame aiškina, kad 10-12 klasių mokiniams paaiškinti, kaip sukurti algoritmą galintį išspręsti loginę IR/ARBA operaciją užtrunka apie pamoką, kas yra klasifikavimas ir klasterizavimas (arba kaip mokiniai gali pritaikyti Euklido atstumą sprendžiant bazinius DI uždavinius) dar dvi – tai tikrai ne raketų mokslas.
„Manau, mėnuo pakankamas laikas bendriesiems DI principams išmokti. Ar tai bus padengta didžioji dalis mašininio mokymo algoritmų veikimo – tikrai ne, tam reikia tikrai gilių žinių apie algebrinius skaičiavimus, statistinius skirstinius, dalines išvestines ir kt.“, – sako P. Treigys. Pasak mokslininko, svarbu nebandyti per trumą laiką aprėpti didžiosios dalies DI ir labai kruopščiai atsirinkti tematikas, kurias mokytojai ir patys galėtų suvokti, o po to nuosekliai perteikti mokiniams.
Nauja programa – pirmųjų metų iššūkiai
Prof. V. Dagienė dalyvauja bendrojo ugdymo programų atnaujinimo darbo grupėje ir prisidės prie nuotolinių mokymų pedagogams. Ji pritaria, kad galbūt tai daroma šiek tiek paskubomis, bet turime reaguoti į pokyčius. Galbūt pirmais metais bus mokama silpniau, bet bus dėtas pirmas žingsnis ir pokyčiai užtvirtinti programose.
„Bendrojo ugdymo programų kūrimas – ilgas, varginantis procesas. Darbo grupėje diskutavome įvairių šalių pavyzdžius, susidarėme pagrindinių konceptų, kurių reikia mokyti, tinklą, sudėliojome pagal klases, paskui aprašinėjome pasiekimų lygius (jų keturi). Paskui pristatinėjome švietimo politikams, asociacijoms, mokytojams. Sulaukėme pastabų, diskutavome, taisėme, vėl pristatinėjome. Programų tekstas nedėkingas tuo, kad yra kondensuotas, trumpas ir mokytojai nejaučia, kiek giliai reikia mokyti. Konkretinti, pripildyti programas pavyzdžiais visuomet rizikinga. Ir taip mūsų bendrosios programos yra per ilgos, per daug konkretybių“, – pasakoja prof. V. Dagienė. Lūkesčiai aiškūs – kad mokiniams būtų įdomios informatikos pamokos, kad jie išmoktų žvelgti giliau į technologijas ir tai kas lypi už kompiuterio, jog norėtų projektuoti naujus kompiuterius.
Dirbtinio intelekto gebėjimai priklauso tik nuo mūsų
Visuomenėje netylant diskusijoms, kad dirbtinio intelekto temos įtrauktos į atnaujintas programas per anksti, prof. V. Dagienė nesutinka: „Tame nematau jokio skubotumo. Juk dirbtinis intelektas jau visur greta mūsų, tad ar galime mokykloje vaizduoti, jog jo nėra, nekalbėti apie tai?“ Pasak mokslininkės, yra daugybė temų iš dirbtinio intelekto, kiek filmų sukurta, kiek visko prigalvota. Mokslininkė, daugybę metų dirbanti su moksleiviais iš viso pasaulio, pabrėžia, kad ir žmogaus ir dirbtinio intelekto gebėjimai priklauso tik nuo mūsų: „Kokio mes norime dirbtinio intelekto, kaip jį „auginti“, „mokyti“, „auklėti“ – taip dirbtinis intelektas mokosi (atskira tema „mašininis mokymasis“) iš mūsų ir jo gebėjimai, kokybė priklauso nuo mūsų. Apie tai galima ir reikia kalbėtis jau su pradinukais.“
Prof. V. Dagienė išskiria, kad mokytojams labai trūksta mokymų, seminarų, paskaitų, dirbtuvių ir, be abejo, mokomosios medžiagos. Ir pateikia puikų pavyzdį: „Stebiuosi estais, kurie sugebėjo perduoti pagrindinių vadovėlių rengimą universitetams! Universitetų (daugiausiai Talino ir Tartu) komandos pasidalina temomis ir internete parengia mokytojams ir mokiniams mokomuosius išteklius. Pirmais metais jie ne itin kokie, tačiau mokytojai patys gali papildyti, pasitaisyti. Kasmet galima lengvai atnaujinti medžiagą.“
„Universitetų indėlis – šviesti bendruomenę, rodyti gerąsias praktikas, kelti etinius ir teisinius taikymo klausimus ir jokiais būdais neužsimerkti į tuos dalykus kurie jau yra“, – sako VU MIF IT prodekanas prof. P. Treigys. Mokslininkas įsitikinęs, kad reikia mokyti bendruomenę apie galimas DI taikymo galimybes ir su tuo susijusias rizikas. Labai aiškiai atkreipti dėmesį , jog DI „nejaučia“ ir klysta – tai yra tik algoritmas. Visa DI pritaikymo atsakomybė yra subjekto taikančio algoritmą užduotims spręsti pusėje.
„Informatikos mokytojams reikia paskaitų įvairiomis dirbtinio intelekto temomis, skirtingo lygio. Reikėtų parengti užduočių, žaidimų (tai daro vokiečiai, pavyzdžiui, Paderborno universitetas ar Berlyno Freie universitetas), galima gauti iš jų, išversti, pritaikyti. Reikia kalbėti apie duomenis, didelius duomenis, jų panaudojimą. Reikia kalbėti apie neuroninius tinklus ir jų taikymą. Visa tai galima puikiai sieti su matematikos temomis“, – gerosiomis užsienio praktikomis dalinasi prof. V. Dagienė.
Mokymo proceso permainos
Dar viena iš problemų – atsiradus dirbtiniam intelektui prasilenkia mokytojų ir mokinių žinios. Jaunoji karta žingeidi, gerai moka anglų kalbą, jau patys pasitelkia į pagalbą dirbtinio intelekto įrankius rašant rašinius, kuriant vizualizacijas ir skaidres. Tad užduotis mokykloje sukurti prezentaciją nebetenka prasmės – mokytojas turi sugebėti arba atskirti, kad darbai atlikti pasitelkus dirbtinio intelekto įrankius, arba kitaip formuluoti užduotis. Mokslininkė įsitikinusi – būtinai turime įtraukti naujausias technologijas, pavyzdžiui, mokytis naudoti pamokose „ChatGTP“: „Pagalvokime, juk naudojamės grafikus braižančiomis programomis, vertimo programomis ir pan. Greitai taip pat visur naudosimės „ChatGTP“ ar panašiais dirbtinio intelekto įrankiais. Tik reikės išmokti protingai jais naudotis ir dar daugiau – juos išmokyti spręsti mums reikalingus uždavinius.“
Prof. V. Dagienė turbūt vienintelė mokslininkė apie kurios veiklas žino visi – nuo Lietuvos penktoko iki Japonijos mokytojo: „Pastaruosius metus daugiau dėmesio skiriu pradinių klasių mokytojams, juos mokau informatinio mąstymo temų: duomenų analizės, abstrahavimo, algoritmavimo, uždavinių dekomponavimo, modeliavimo, sprendimų vertinimo, apibendrinimo. Turiu pasakyti, kad pradinių klasių mokytojai labai žingeidūs, aktyvūs, jiems norisi daug žinoti. Su Turku universitetu (Suomija) sutarėme, kad jie mūsų mokykloms duoda nemokamai virtualiąją mokymosi aplinką ViLLE – ją papildėme informatinio mąstymo užduotimis 1-4 klasėms, toliau kuriame užduotis 5-9 klasėms.“
Prof. P. Treigys kaip pavyzdį pateikia greitą natūralios kalbos apdorojimo (NLP) algoritmų pažangą. „ChatGPT“ tapo prieinama kiekvienam ir išpopuliarėjo per trumpą laiką – programėlė vis geriau supranta ir generuoja į žmogų panašų tekstą, GPT-3.5 modelis jau pademonstravo įspūdingą gebėjimą generuoti nuoseklius ir į kontekstą atsižvelgiančius atsakymus. Tačiau jau dabar atsiranda tyrimų, kurie rodo jog generuojamo teksto atsakymo tikslumas žymiai krenta. Tad generuotų tekstų naudojimas turėtų būti itin kruopščiai tikrinamas.
Dar vienas iššūkis mokytojams – ne visi moka anglų kalbą, o būtent šia kalba labiausiai išvystyti DI produktai. Pasak prof. P. Treigio, taip jau yra, jog didžioji dalis NLP ir generatyvinių algoritmų veikia anglų kalba, tad kalbos išmanymas yra pageidautinas, tačiau tai nėra būtinybė. Mokslininkas dalinasi patarimais, ką daryti, norint naudotis populiariais įrankiais, bet nemokant kalbos: „Tekstams versti puikiai tinka Deepl.com, prezentacijoms generuoti Gamma.com, o tekstams rašyti jau minėtas GPT modelis ar Grammarly.com. Visi šie sprendimai turi DI komponentą, tad generuotų tekstų naudojimas turėtų būti keliskart tikrinamas.
Prof. V. Dagienė dalinasi pastebėjimais iš Mo Gawdat knygos „Scary Smart. The Future of Artifical Intelligence and How You Can Save Our World“. Joje autorius suformuoja ir pagrindžia tris neišvengiamybes: dirbtinis intelektas bus visur; dirbtinis intelektas pranoks žmones; nutiks blogų dalykų. „Taigi turime mokytis ir mokyti, suprasti, diskutuoti dirbtinio intelekto temomis, kad kuo protingiau pranoktų mus, kad kuo mažiau blogų dalykų nutiktų, o nutikus, mokėtume juos spręsti“, – sako mokslininkė.
