Làm thế nào chúng ta có thể sử dụng AI để cải thiện giáo dục?

Trước hết, tôi cần nói với bạn rằng tôi là giáo sư mới vào nghề tại một trong những trường đại học khoa học đời sống. Với khoảng 20 năm kinh nghiệm làm việc trong vai trò CNTT, tôi đã tập trung năm người cuối cùng vào việc giảng dạy và tư vấn. Và từ kinh nghiệm của tôi, phương pháp giáo dục của chúng tôi có thể được cải thiện trong tương lai. Và, vì lĩnh vực sở thích cá nhân của tôi có liên quan mật thiết đến thế giới công nghệ AI và ML, nên tôi muốn thảo luận về cách sử dụng những công cụ này để cải thiện giáo dục khoa học đời sống.

Để bắt đầu, hãy để tôi đặt tên cho mục đích chung của giáo dục đại học. Đó là sự phát triển của một sinh viên khả năng mới để thực hiện các hành động chuyên nghiệp nhất định. Và cách duy nhất để có được một khả năng mới là lấy thông tin lý thuyết về nó là gì và sau đó tự mình thực hành các hành động liên quan dưới sự giám sát của giáo sư. Quá trình này thường kết thúc bằng một bài kiểm tra hoặc bài kiểm tra để đánh giá xem khóa đào tạo có thành công hay không.

Hiện tại, trong hầu hết các trường hợp, tất cả các bước này đều do con người cung cấp. Nhưng có thực sự cần thiết phải lặp lại cùng một học kỳ đào tạo sau học kỳ cho mỗi thế hệ sinh viên? Và điều gì sẽ xảy ra khi loài người phải đối mặt với nhu cầu thành lập một thuộc địa xa xôi trên các vì sao? Chúng ta có thực sự cần phải đưa toàn bộ giảng viên Oxford và MIT đến đó không? Tôi đoán là không, hoặc ít nhất sẽ khó thuyết phục hầu hết các giáo sư lớn tuổi đào tạo thành phi hành gia.

Hãy thử thêm một số cấu trúc ở đây.

Thông tin lý thuyết

Tôi tin rằng các bài giảng là phần phù hợp nhất của quá trình giáo dục bị loại trừ khỏi việc cung cấp kiến ​​thức trực tiếp do con người thực hiện. Trong hầu hết các trường hợp, nó đã được thực hiện với các bài giảng và sách giáo khoa được ghi sẵn. Và trong nhiều tình huống, chúng tôi nhận thấy rằng chỉ cần một anh chàng ngẫu nhiên trên YouTube có thể giải thích điều gì đó theo yêu cầu nếu chúng tôi bỏ lỡ điều đó trong lớp.

Chúng ta có cần cải thiện điều gì đó với AI ở đây không hay nó đã hoàn hảo rồi? Tất nhiên chúng tôi làm! Và nó chỉ là thời điểm hoàn hảo cho việc này. Chúng tôi đã chứng kiến ​​quá trình tạo hình ảnh và video thực tế bằng cách sử dụng các mô hình AI Khuếch tán ổn định và Midjourney. Nó không chỉ là về nghệ thuật và giải trí. Chúng tôi sắp có các bài giảng tổng hợp, theo yêu cầu với khả năng tương tác với giảng viên.

Hãy lùi lại một bước. Trước hết, chúng ta cần một nguồn để có được tất cả kiến ​​thức này cho bài giảng.

Nó có thể là gì:

Phiên bản văn bản của bài giảng (được đọc to bằng công cụ chuyển văn bản thành giọng nói do AI cung cấp)

Sách giáo khoa cho khóa học (để tóm tắt các sự kiện trong bài giảng bằng thuật toán chuyển văn bản thành trừu tượng)

Phần kiến ​​thức để trích xuất dữ liệu với một truy vấn nhất định, ví dụ: cơ sở dữ liệu ấn phẩm khoa học (để xác định các câu trả lời liên quan đến ý nghĩa trong văn bản với các mô hình máy biến áp như GPT-3)

Đây có thể được coi là một bước tiến và nó không phải là một công nghệ cho tương lai xa; tất cả các thành phần đã có sẵn. Nó chỉ chờ đợi nhu cầu từ sinh viên và các kỹ sư AI có trình độ để giúp các giáo sư cung cấp các công cụ đơn giản cho chính họ. Trên thực tế, nó sẽ giống như một cuộc trò chuyện trực tiếp với người thật hoặc trong một nhóm nhỏ để nhận tất cả tài liệu và đừng ngại ngắt lời nếu bạn cần một số chi tiết hoặc lặp lại điều gì đó từ lớp trước. Cách tiếp cận này sẽ loại bỏ các vấn đề đối với những học sinh nhút nhát ở hàng cuối cùng, vì nó chỉ là một thuật toán mà bạn đang nói chuyện và không có hại gì khi đặt những câu hỏi ngu ngốc, giống như khi bạn nói chuyện với Siri hoặc Alexa. Về mặt trực quan, bạn có thể sử dụng mũ bảo hiểm VR hoặc chỉ một màn hình tùy thích. Trên màn hình, bạn có thể thấy bất kỳ người nào trên thế giới, chẳng hạn như một người đàn ông lớn tuổi giống Albert Einstein hoặc một cô gái trẻ. Mục tiêu duy nhất là khiến bạn quan tâm và nhận được càng nhiều dữ liệu từ khóa học của bạn càng tốt. Tất nhiên, không có giới hạn ở đây; bạn hoàn toàn có thể tránh những người thuyết trình trực quan và xem các tài liệu trực quan phù hợp cũng được sắp xếp theo thuật toán.

Đào tạo thực tiễn

Chắc chắn, bạn có thể thực hành trên các mô hình toán học đại diện cho cơ thể con người hoặc thiết bị phòng thí nghiệm hóa học trong môi trường ảo. Và nó đã có thể thực hiện được mà không cần AI hoặc chỉ là những cải tiến nhỏ dựa trên AI. Nhưng hãy hỏi bất kỳ ai: anh ta có muốn đến gặp một bác sĩ chỉ nhận được tất cả kinh nghiệm của mình trong bệnh viện ảo không? Tất nhiên, câu trả lời sẽ là không. Những lý do cho điều này là rất khách quan.

Cảm xúc của bạn hoạt động khác trong cuộc sống thực so với trong mô phỏng.

Các tình huống trong mô phỏng được giới hạn trong một danh sách các biến thể nhất định.

Có rất nhiều yếu tố bổ sung không thể có trong sách giáo khoa hoặc khóa đào tạo và các kỹ năng cần thiết để làm việc với chúng chỉ có thể đạt được thông qua trải nghiệm thực tế.

Trí tuệ nhân tạo chưa thể làm được gì nhiều để nâng cao cảm xúc của bạn trong các mô phỏng, vì vậy hiện tại hạn chế này vẫn còn. Tuy nhiên, khi nói đến các biến thể và thay đổi đột ngột trong một tình huống, AI có thể hỗ trợ cung cấp các tình huống do quy trình tạo ra với mức độ cao các yếu tố ngẫu nhiên liên quan. Và dữ liệu cho các quy trình này có thể được thu thập từ nhiều nguồn dữ liệu khác nhau, giống như chúng ta đã thảo luận trong phần trước. Vì vậy, AI ít nhất sẽ cải thiện các bài tập thực hành ảo hiện tại.

Hãy để chúng tôi chuyển sang thực hành thực tế và suy nghĩ về cách AI có thể giúp chúng tôi ở đây. Để bắt đầu, nó sẽ có thể cung cấp các giải thích và dữ liệu lý thuyết theo yêu cầu, như đã được mô tả trước đó trong nhiệm vụ thực tế. Thông thường khi ngồi trên ghế sa lông nghe giảng, chư vị không có câu hỏi nào, nhưng ngay khi chư vị phải tự mình làm một việc gì đó, chư vị sẽ có rất nhiều câu hỏi. Không phải lúc nào bạn cũng có thể có giáo viên bên cạnh để hỏi, vì vậy giảng viên ảo của chúng tôi sẽ rất hữu ích.

Kiểm tra tất cả các tiến bộ và kết quả là một khía cạnh khác của thực hành sẽ đòi hỏi nhiều nỗ lực nhất từ ​​​​giáo viên. Trong hầu hết các trường hợp, một học sinh sẽ nhận ra rằng mình đã làm điều gì đó sai khi bắt đầu công việc của mình chứ không phải khi kết thúc. Và kết quả là anh ta sẽ phải bắt đầu mọi thứ lại từ đầu. AI có thể được sử dụng như một công cụ giám sát quy trình, báo cáo cho học sinh nếu có bất kỳ lỗi nào có thể dễ dàng sửa chữa. Đó là một thực hành tốt từ quan điểm sư phạm, vì sẽ không có khuôn mẫu sai nào in sâu vào não của học sinh. Giám sát quy trình AI có thể được thực hiện bằng phân tích luồng video hoặc âm thanh hoặc bằng các phương tiện khác để nhận dữ liệu liên quan. Hiện tại, chúng tôi có các giải pháp này được sử dụng để kiểm soát quy trình sản xuất hoặc ví dụ như để kiểm tra kỹ năng nói của người học ngoại ngữ.

Để phát triển một môi trường đào tạo như vậy không phải là một nhiệm vụ dễ dàng, và càng khó để giữ cho nó được cập nhật. Nhưng theo quan điểm của tôi, nó hoàn toàn xứng đáng và có thể là một nền tảng thống nhất được nhiều trường đại học sử dụng với những điều chỉnh phù hợp.

đánh giá kỹ năng

Trong nhiều trường hợp, quá trình đánh giá kỹ năng được tự động hóa và thực hiện với các loại bài kiểm tra và bài tập khác nhau. Trí tuệ nhân tạo có thể đóng vai trò gì trong tình huống này?

Tạo bài kiểm tra là một trong những loại hoạt động ít được các giáo sư ưa thích hơn, vì bạn cần tạo ra các câu trả lời sai và cung cấp nhiều biến thể của nhiệm vụ để tránh gian lận.

Bài kiểm tra miệng là bài tốn nhiều thời gian nhất trong số đó.

Nó cũng sẽ cần nỗ lực để kiểm tra bài kiểm tra viết. Bạn cũng phải để mắt đến các phòng để ngăn chặn sinh viên gian lận.

Mô hình AI mà chúng tôi đã mô tả trong phần lý thuyết có thể được sử dụng để tạo câu hỏi và câu trả lời từ tài liệu bài giảng, sách giáo khoa hoặc các nguồn dữ liệu khác. Các bài kiểm tra này có thể được tạo theo yêu cầu, vì vậy sẽ không có cách nào để ghi nhớ các câu trả lời đúng. Và không có vấn đề gì với việc đưa ra câu trả lời sai. Ngoài ra, chúng tôi có thể sử dụng GAN (Mạng đối thủ chung) để đánh giá các thử nghiệm của mình. Ví dụ: kiểm tra xem kết quả kiểm tra sẽ liên quan như thế nào đến lượng dữ liệu được sử dụng cho đào tạo.

Các bài kiểm tra miệng có thể được thực hiện bởi các giảng viên ảo của chúng tôi trong phần đầu tiên. Về mặt công nghệ, không có sự khác biệt. Bạn cần tạo câu hỏi, xử lý câu trả lời, yêu cầu làm rõ nếu cần và so sánh mức độ gần gũi của câu trả lời với câu được tạo (dựa trên ý nghĩa, không phải từ chính xác). Quá trình này cũng có thể được kiểm tra và cải thiện với mô hình GAN.

Các bài kiểm tra viết có thể được kiểm soát bởi các hệ thống giám sát video dựa trên AI để ngăn chặn gian lận, tương tự như cách chúng giúp kiểm soát nhân viên trên dây chuyền lắp ráp mặc đồng phục. Và các câu trả lời bằng văn bản, tất nhiên, có thể được kiểm tra bằng các công cụ AI theo cách tương tự như câu trả lời bằng miệng, ngoại trừ sự cần thiết phải nhận dạng giọng nói.

Phần kết luận

Tôi tin rằng chúng tôi đã sẵn sàng để tạo ra một khóa học hoàn toàn tự động. Chắc chắn rằng nhiều nhà lãnh đạo quan điểm học thuật sẽ không vui khi cho phép điều này, vì đó sẽ là một thách thức đối với họ khi thay đổi hệ thống đã không thay đổi nhiều trong hàng trăm năm. Nhưng điều này không có nghĩa là chúng ta không cần các giáo sư và chuyên gia về quá trình giáo dục nữa; sẽ luôn có nhu cầu tối ưu hóa và cập nhật các công cụ này, không chỉ từ góc độ kỹ thuật mà còn từ khía cạnh giáo dục và thiết yếu. Nếu chúng tôi có thể cung cấp sự tự động hóa như vậy, nó sẽ giúp loại bỏ sự thiên vị trong việc cung cấp giáo dục và đánh giá kỹ năng. Nó sẽ dẫn đến một bước nhảy vọt hoàn toàn mới cho toàn thể nhân loại.