AI, læring og illusionen om viden
Kunstig intelligens er på få år blevet en integreret del af både uddannelse, vidensarbejde, i virksomheder og i vores interaktioner på sociale medier. Samtidig rejser udviklingen en række fundamentale spørgsmål: Hvad sker der med menneskelig læring, når svarene altid er tilgængelige? Hvad sker der med refleksion, kreativitet og kritisk tænkning, når AI kan producere et færdigt resultat på sekunder? Og hvordan sikrer vi, at AI bliver et værktøj til læring frem for en genvej uden læring?
Debatten er ofte polariseret. Nogle ser AI som en trussel mod uddannelse, mens andre ser teknologien som den største demokratisering af viden i menneskehedens historie.
Virkeligheden ligger sandsynligvis et sted imellem.
Traditionel læring versus AI-assisteret læring
Traditionel læring bygger grundlæggende på, at mennesker selv arbejder sig gennem stoffet. Det indebærer ofte fejl, frustrationer, blindgyder og gentagne forsøg. Selvom processen kan virke ineffektiv, er det netop kampen med stoffet og søgningen efter viden, der skaber dyb forståelse.
Mange husker oplevelsen fra studietiden: Man sad søndag aften med en næsten umulig opgave (og i konkurrence med kærestens behov for nærhed eller en god film) og kæmpede sig gennem forskellige løsningsforsøg. Fristelsen til at kigge i facitlisten var stor. Når man gjorde det, blev opgaven ganske vist løst, men læringen udeblev ofte. Senere viste det sig, at man ikke selv kunne løse en tilsvarende opgave, fordi man aldrig havde gennemgået den mentale proces, der skaber læring og forståelse.
Det samme problem kan opstå med generativ AI. En elev kan få produceret en velskrevet rapport eller en perfekt analyse på få sekunder. Resultatet kan være overbevisende, men spørgsmålet er, om eleven reelt har tilegnet sig den nødvendige viden.
Der er allerede tegn på denne udfordring. Når elever afleverer AI-assisterede opgaver, kan karaktererne være høje, men ved mundtlige eller skriftlige prøver uden hjælpemidler viser det sig ofte, at forståelsen er væsentlig mindre, end det afleverede arbejde gav indtryk af.
På sociale medier som LinkedIn og Facebook ser vi allerede en udvikling, hvor en stigende del af opslag, kommentarer og artikler produceres helt eller delvist ved hjælp af AI. Resultatet er ofte velformuleret og informativt, men spørgsmålet er, hvorvidt det er personens egen vide og hvor læringen rent faktisk finder sted, hvis mennesker blot fungerer som mellemled mellem en chatbot og en publiceringsplatform. Prøv fx at tjekke Kunstig intelligens-vidensgrupper på de nævnte medier og bemærk dialogerne, der ofte er lagt på et højt akademisk Ph.d.-niveau, men går man tættere på, vil man hurtigt bemærke, at personerne bag ikke selv har den viden, som de giver udtryk for i dialogerne. Så her sidder der masser af mennesker, som blot laver ”copy and paste”.
Udviklingen stopper heller ikke her. AI-agenter kan allerede i dag autonomt generere indhold, besvare henvendelser, udføre analyser og interagere med andre AI-systemer. I princippet kan hele diskussioner opstå mellem digitale aktører med begrænset menneskelig involvering. Aktiviteten kan være høj, men menneskelig refleksion, kreativitet og læring er ikke nødvendigvis til stede. Risikoen er derfor, at vi forveksler produktion af indhold med produktion af viden.
Der er nemlig forskel på at have adgang til viden og at tilegne sig viden. AI giver næsten ubegrænset adgang til information og færdige løsninger, men læring opstår først, når den enkelte aktivt bearbejder, udfordrer og anvender denne viden. Risikoen er derfor ikke, at AI ved for meget, men at mennesker tænker for lidt.
AI som den personlige underviser
Men historien stopper ikke her.
Paradoksalt nok er AI muligvis også det mest effektive læringsværktøj, der nogensinde er skabt.
Den traditionelle undervisning er ofte designet til gennemsnittet. En lærebog starter på side 1 og gennemgår emnet i en fast rækkefølge, uanset hvad den enkelte allerede ved. For mange er det ineffektivt. Hvis man allerede behersker 70 procent af stoffet, kan det føles som spild af tid at gennemgå det hele igen.
Her åbner AI nye muligheder.
En moderne chatbot kan fungere som en personlig underviser, der starter præcis dér, hvor den lærende befinder sig. Den kan teste eksisterende viden, identificere videnshuller og målrette undervisningen mod de områder, hvor behovet er størst.
Hvis man lærer bedst gennem matematiske definitioner, kan AI forklare tingene præcist og formelt. Hvis man lærer bedst gennem eksempler og intuition, kan den tilpasse undervisningen derefter. Har man en halv time til rådighed, kan undervisningen vare en halv time. Har man 3 timer, kan den gå i dybden og selv stille afklarende spørgsmål, til eleven.
Det afgørende er, at læringen bliver individualiseret på en måde, som tidligere ville have krævet en personlig underviser. AI kan løbende identificere, hvad man allerede ved, hvad man har misforstået, og hvad man mangler at lære. Dermed kan den fokusere indsatsen dér, hvor læringsudbyttet er størst.
Den afgørende forskel er derfor ikke, om AI bruges eller ej. Den afgørende forskel er, hvordan AI bruges.
Bruges AI til at levere svarene, risikerer man at springe læringsprocessen over.
Bruges AI derimod til at stille spørgsmål, udfordre forståelsen, identificere videnshuller og guide læring, kan AI-teknologien potentielt accelerere læring markant, og samtidig skabe enestående ny (gruppe) viden. (Læs fx Superminds by Thomas W. Malone | MIT Center for Collective Intelligence af Professor Malone, som jeg har haft fornøjelsen af som en fantastisk spændende underviser.)
Skal vi lære det samme som før?
AI rejser også et mere grundlæggende spørgsmål: Skal vi overhovedet lære det samme som tidligere generationer?
Da lommeregneren blev almindelig, forsvandt behovet for at udføre omfattende beregninger i hånden. Da computeren kom, blev mange manuelle processer automatiseret. Alligevel stoppede vi ikke med at undervise i matematik. Fokus flyttede sig gradvist fra mekanisk udregning til forståelse af principperne bag.
Noget tilsvarende kan være ved at ske med AI.
Måske bliver det mindre vigtigt at kunne huske alle algoritmer, metoder og detaljer udenad. Til gengæld bliver det vigtigere at forstå, hvornår en metode skal anvendes, hvilke antagelser den bygger på, hvilke begrænsninger den har, og hvordan kvaliteten af resultatet vurderes.
Fremtidens kompetencer handler sandsynligvis mindre om at kunne reproducere information og mere om at kunne formulere de rigtige spørgsmål, tænke kritisk, validere svar og kombinere viden fra forskellige områder.
Det betyder ikke, at grundlæggende færdigheder bliver irrelevante. Tværtimod. Uden en vis basal forståelse bliver det vanskeligt at vurdere, om AI leverer et korrekt svar. Men balancen mellem udenadslære og forståelse kan være ved at forskyde sig.
Konklusion
AI kan uden tvivl føre til overfladisk læring, hvis teknologien primært bruges til at få produceret svar, opgaver og indhold uden egen indsats. Risikoen er, at vi forveksler adgang til viden med faktisk forståelse.
Men AI kan også blive den mest personlige og effektive underviser, vi nogensinde har haft. En underviser, der konstant tilpasser sig den enkeltes niveau, identificerer videnshuller og hjælper med at lukke dem.
Derfor er spørgsmålet måske ikke, om AI gør mennesker dummere eller klogere.
Det afgørende spørgsmål er, om vi bruger AI til at tænke mindre eller til at lære mere.
Brug AI til at lære, ikke til at slippe for at lære.
Michael K. Kærgaard
📞 +45 28 40 20 09
📧 kontakt@aintelligence.dk
🌐 www.aintelligence.dk
Skriv et svar