Автор Ульрик Юул Кристенсен
То, что поначалу казалось таким новым и удивительным, вдруг начало вызывать страх. Инструменты на базе ИИ, известные как большие языковые модели, или LLM, наиболее известным из которых является ChatGPT, вызвали страх устаревания человеческого знания.
Такая нервозность понятна. В конце концов, последние достижения перенесли ИИ в область человеческого языка, и это кажется неудобным. Это как если бы ChatGPT и другие LLM прошли тест Тьюринга, который долгое время был Святым Граалем для компьютеров, чтобы «сойти» за человека, демонстрирующего интеллект.
Страх перед ИИ отрицает гораздо более важный и убедительный момент. Как мы сейчас видим в передовых моделях адаптивного обучения, следующее поколение ИИ открывает больше возможностей для людей, а не против них. В частности, ИИ может произвести революцию в способах обучения людей за счет большей персонализации.
Вот пять прорывов в области ИИ, которые изменят способ, которым люди развивают свои знания и навыки, чтобы стать более компетентными, особенно на рабочем месте. Первые четыре относятся к искусственному интеллекту, специально разработанному для образования, а последние показывают, как LLM, такие как Chat-GPT, изменят нашу способность извлекать выгоду из первых четырех.
1. Образовательные модели на базе искусственного интеллекта, ориентированные на предметную область, обеспечивают большую персонализацию и 100%-й уровень профессионализма. Ранние попытки использовать ИИ для обучения в предметной области часто приводили учащихся в замешательство. По сути, ИИ запутанно прыгал вокруг предмета. Вскоре стало очевидно, что эта технология должна представлять контент таким образом, чтобы он был намного ближе к тому, как работает человеческий мозг. Сегодня новейшие инструменты обучения на основе ИИ могут упорядочивать контент в соответствии с темпом и производительностью человека интеллектуальным и оперативным образом. Это то, что может сделать опытный преподаватель, определяя, где учащийся испытывает затруднения и нуждается в дополнительной поддержке, а где учащийся уже освоил содержание и не нуждается в дальнейшем повторении.
Этот уровень персонализации позволяет каждому человеку накапливать свои знания и приобретать навыки. Почти каждый учащийся может достичь 100-процентного мастерства в содержании — по каждой отдельной цели обучения. Просто у некоторых людей это займет больше времени, чем у других. Например, в одной большой группе корпоративных учащихся мы обнаружили, что самые быстрые ученики достигли 100% компетентности за 12 минут, тогда как самым медленным ученикам потребовалось 2 часа и более. Эта разница была значительной по порядку величины, но что из этого? Самым важным было довести всех до полного мастерства.
Совсем недавно с другим нашим корпоративным клиентом мы наблюдали сокращение разрыва между самыми быстрыми и самыми медленными учениками, достигающими мастерства. Мы изучаем эти результаты, чтобы выяснить, почему. Возможно, эта группа учащихся просто более однородна. Это также может быть отражением того, что предмет просто стал проще. Однако нам любопытно, возможно ли, что модели улучшаются так, что даже самые медленные учащиеся могут быстрее проходить материал с той же 100%-й достигнутой компетентностью.
2. ИИ, который действует как «бесконечно терпеливая бабушка». Представьте себе бабушку, которая садится, чтобы научить чему-то любимого внука, никогда не торопясь, не сдаваясь и не переходя к следующему делу. Вместо этого она продолжает объяснять, представлять дополнительные материалы, делать обзоры и подбадривать — и все это при том, что этот внук остается мотивированным и заинтересованным. Вот что может сделать образовательная модель на базе ИИ. Технология учится у учащегося, реагируя на человека и адаптируясь к нему (а не наоборот).
В то же время этот «бабушкин» подход также можно использовать для выявления учащихся из группы риска, которым требуется дополнительное внимание. Мы видим это в человеческих отношениях между учителем и учеником или наставником и подопечным. Вместо того, чтобы провалиться сквозь трещины и остаться позади, этот ученик вовлечен и испытывает постепенный прогресс. Это очень эффективно для раскрытия неиспользованного потенциала людей, но ни одна организация не может позволить себе масштабное внедрение репетиторства. Однако с моделями на базе ИИ, которые копируют подход репетитора, они могут.
3. Улучшение удержания и переосмысление переобучения. После того, как организации тратят усилия и средства на обучение людей, последнее, что они хотят делать, — это переобучать, просто чтобы поддерживать их в актуальном состоянии. И все же мы знаем, что многое из того, что люди узнают, используя традиционные подходы — сидеть на этом семинаре или щелкать эти слайды и отвечать на вопросы в конце — не приводит к долговременному запоминанию знаний. Однако, как мы видим в различных областях, от медицины до оборонной промышленности, адаптивные модели, использующие образовательный ИИ для персонализации обучения, также улучшают сохранение знаний.
Примером может служить Американская кардиологическая ассоциация (AHA), которая сертифицирует медицинских работников по навыкам спасения жизни. В прошлом этим специалистам приходилось часто проходить переподготовку, что было значительными затратами для больничной системы, а также означало, что людям приходилось отсутствовать на работе, чтобы пройти обучение. Однако, применяя персонализированный адаптивный подход к обучению, AHA может позволить людям оставаться сертифицированными, постоянно обновляя свои знания и изучая новейшие методы.
4. Использование образовательного ИИ для помощи в обучении людей — чтобы использовать больше ИИ. Несомненно, искусственный интеллект продолжает внедряться в то, как выполняются рабочие места, например автоматизация задач. Эффекты не будут ограничены фабричным цехом; работники умственного труда также почувствуют вторжение ИИ. Как недавно заметил журнал Time: «Эти инструменты искусственного интеллекта, несомненно, упростят нашу работу и избавят нас от раздражения и времени, связанных с составлением заметок, ответами на электронные письма и написанием компьютерного кода. Они помогут нам быстрее усваивать информацию, такую как отчеты об исследованиях, и сделают мощные инструменты редактирования мультимедиа доступными для использования с помощью простых текстовых команд».
Вместо того, чтобы бояться сбоев в том, как выполняется работа, это возможность для людей продвинуться дальше по цепочке знаний. ИИ будет играть большую роль в этой трансформации. Во-первых, ИИ может выполнять некоторые задачи более низкого уровня, которые, откровенно говоря, не требуют критического мышления, творчества и общения, которыми славятся люди. Во-вторых, как мы уже говорили, ИИ поможет людям освоить более сложные навыки. Вот пример из нашей собственной компании. До недавнего времени мы обнаруживали, что GPT недостаточно точен, чтобы использовать генерируемый им контент в моделях обучения. Однако теперь последняя итерация — GPT-4, которой приписывают «более безопасные и полезные ответы» — может генерировать контент, эквивалентный тому, что мог бы создать инженер по базовому обучению. Так что же происходит с этими инженерами? Их можно повысить с помощью адаптивного обучения на основе ИИ, чтобы они стали более продуктивными в таких областях, как принятие решений и оценка более тонких решений о контенте.
5. Большие языковые модели, такие как ChatGPT, значительно снизят стоимость создания контента для образовательных моделей ИИ. Основным препятствием для получения пользы от образовательного ИИ — даже в более широком масштабе — была стоимость курирования контента для этого метода доставки. Крупные издатели, такие как McGraw-Hill и Collins, изменили свои процессы разработки контента, начав несколько лет назад. Это потребовало огромных инвестиций и радикальных изменений в редакционных процессах. То же самое относится и к другим крупным участникам, таким как ежегодная сертификация AHA миллионов работников здравоохранения или последний шаг CITI Group к адаптивному обучению с участием сотен людей, инициирующих эти изменения. Тем не менее, ChatGPT уже доказал, что контент можно курировать и доставлять за небольшую часть текущей стоимости, и это откроет шлюзы для преобразования существующего образования в образовательные платформы ИИ.
Мы смотрим вперед, и новейшие достижения позволят нам более эффективно развертывать существующие технологии. Мы сможем создавать контент, улучшать системы, а также быстрее предвидеть и обнаруживать проблемы.
В сфере образования — и, в частности, обучения на рабочем месте — это означает, что модели на основе ИИ могут улучшать человеческие знания и улучшать формирование навыков и навыков. Вместо того, чтобы рассматривать эту технологию как угрозу, пришло время взглянуть на ИИ как на широкий спектр инструментов с большей сложностью и большим количеством применений, чем мы когда-либо считали возможным.
