เราจะใช้ AI เพื่อพัฒนาการศึกษาได้อย่างไร

ก่อนอื่น ฉันต้องบอกคุณว่าฉันเป็นอาจารย์มือใหม่ที่มหาวิทยาลัยวิทยาศาสตร์เพื่อชีวิตแห่งหนึ่ง ด้วยประสบการณ์การทำงานในบทบาทด้านไอทีประมาณ 20 ปี ฉันได้มุ่งเน้นการสอนและการให้คำปรึกษาห้ารายการสุดท้าย และจากประสบการณ์ของฉัน แนวทางการศึกษาของเราสามารถปรับปรุงได้ในอนาคต และเนื่องจากความสนใจส่วนตัวของฉันเกี่ยวข้องกับโลกของเทคโนโลยี AI และ ML อย่างใกล้ชิด ฉันจึงอยากหารือว่าเครื่องมือเหล่านี้สามารถใช้เพื่อปรับปรุงการศึกษาด้านชีววิทยาศาสตร์ได้อย่างไร

เริ่มต้นด้วย ให้ฉันตั้งชื่อวัตถุประสงค์ทั่วไปของการศึกษาระดับอุดมศึกษา เป็นการพัฒนาความสามารถใหม่สำหรับนักเรียนในการดำเนินการทางวิชาชีพบางอย่าง และวิธีเดียวที่จะได้รับความสามารถใหม่คือการได้รับข้อมูลทางทฤษฎีเกี่ยวกับสิ่งที่เป็นแล้วฝึกฝนการกระทำที่เกี่ยวข้องด้วยตนเองภายใต้การดูแลของอาจารย์ของคุณ กระบวนการนี้มักจะจบลงด้วยการทดสอบหรือการสอบเพื่อประเมินว่าการฝึกอบรมนั้นสำเร็จหรือไม่

ในปัจจุบัน ในกรณีส่วนใหญ่ ขั้นตอนทั้งหมดนี้จัดทำโดยมนุษย์ แต่จำเป็นหรือไม่ที่จะต้องเรียนภาคเรียนซ้ำภาคเรียนซ้ำสำหรับนักศึกษาแต่ละรุ่น? และจะเกิดอะไรขึ้นเมื่อมนุษยชาติต้องเผชิญกับความจำเป็นในการจัดตั้งอาณานิคมอันห่างไกลในดวงดาว? เราจำเป็นต้องพาทั้งคณะของ Oxford และ MIT ไปด้วยหรือไม่? ฉันเดาว่าไม่ หรืออย่างน้อยก็เป็นการยากที่จะโน้มน้าวให้อาจารย์สูงอายุส่วนใหญ่ฝึกเป็นนักบินอวกาศ

ลองเพิ่มโครงสร้างที่นี่

ข้อมูลเชิงทฤษฎี

ฉันเชื่อว่าการบรรยายเป็นส่วนที่เกี่ยวข้องมากที่สุดของกระบวนการศึกษาที่จะถูกแยกออกจากการถ่ายทอดความรู้แบบตัวต่อตัวที่กระทำโดยมนุษย์ ในกรณีส่วนใหญ่จะทำไปแล้วกับการบรรยายและตำราเรียนที่บันทึกไว้ล่วงหน้า และในหลายๆ สถานการณ์ เราพบว่าแค่ผู้ชายสุ่มๆ บน YouTube ก็สามารถอธิบายบางอย่างได้ตามต้องการ หากเราพลาดในชั้นเรียน

เราจำเป็นต้องปรับปรุงบางอย่างกับ AI ที่นี่ไหม หรือมันสมบูรณ์แบบแล้ว แน่นอนเราทำ! และเป็นเวลาที่เหมาะสำหรับสิ่งนี้ เราได้เห็นการสร้างภาพและวิดีโอที่สมจริงโดยใช้โมเดล AI Midjourney และ Stable Diffusion ไม่ใช่แค่ศิลปะและความบันเทิงเท่านั้น เราเกือบจะมีการบรรยายเชิงสร้างสรรค์ตามความต้องการพร้อมความสามารถในการโต้ตอบกับวิทยากร

ถอยออกมาหนึ่งก้าว ก่อนอื่น เราต้องการแหล่งความรู้ทั้งหมดนี้สำหรับการบรรยาย

สิ่งที่อาจเป็น:

การบรรยายในรูปแบบข้อความ (ให้อ่านออกเสียงโดยเครื่องมือแปลงข้อความเป็นคำพูดที่ขับเคลื่อนโดย AI)

หนังสือเรียนสำหรับหลักสูตร (เพื่อสรุปข้อเท็จจริงในการบรรยายด้วยอัลกอริทึมจากข้อความเป็นนามธรรม)

องค์ความรู้เพื่อดึงข้อมูลด้วยแบบสอบถามบางอย่าง เช่น ฐานข้อมูลสิ่งพิมพ์ทางวิทยาศาสตร์ (เพื่อระบุคำตอบที่เกี่ยวข้องกับความหมายในข้อความด้วยแบบจำลองหม้อแปลงเช่น GPT-3)

นี่อาจถือเป็นการก้าวไปข้างหน้า และไม่ใช่เทคโนโลยีสำหรับอนาคตอันไกลโพ้น ส่วนประกอบทั้งหมดมีอยู่แล้ว กำลังรอเพียงความต้องการจากนักศึกษาและวิศวกร AI ที่มีคุณสมบัติเหมาะสมในการช่วยอาจารย์ในการจัดหาเครื่องมือง่ายๆ สำหรับตนเอง ในทางปฏิบัติ การรับเนื้อหาทั้งหมดควรมีลักษณะเหมือนการสนทนาส่วนตัวหรือเป็นกลุ่มเล็กๆ และอย่ากลัวที่จะขัดจังหวะหากต้องการรายละเอียดหรือทำซ้ำบางอย่างจากชั้นเรียนก่อนหน้า วิธีนี้จะขจัดปัญหาสำหรับนักเรียนที่ขี้อายในแถวสุดท้าย เนื่องจากเป็นเพียงอัลกอริทึมที่คุณกำลังพูดด้วย และไม่มีประโยชน์ที่จะถามคำถามโง่ๆ เช่นเดียวกับเมื่อคุณพูดคุยกับ Siri หรือ Alexa ในด้านการมองเห็น คุณสามารถใช้หมวกกันน็อค VR หรือเพียงแค่หน้าจอก็ได้ตามที่คุณต้องการ บนหน้าจอ คุณสามารถเห็นใครก็ได้ในโลกนี้ เช่นชายสูงอายุที่มีลักษณะคล้ายกับอัลเบิร์ต ไอน์สไตน์ หรือหญิงสาว เป้าหมายเดียวคือทำให้คุณสนใจและรับข้อมูลจากหลักสูตรของคุณให้ได้มากที่สุด แน่นอนว่าไม่มีข้อ จำกัด ที่นี่ คุณสามารถหลีกเลี่ยงการนำเสนอด้วยภาพได้เลยและดูสื่อภาพที่เหมาะสมซึ่งจัดเรียงโดยอัลกอริทึม

การฝึกภาคปฏิบัติ

คุณสามารถฝึกฝนแบบจำลองทางคณิตศาสตร์ที่เป็นตัวแทนของร่างกายมนุษย์หรืออุปกรณ์ห้องปฏิบัติการเคมีในสภาพแวดล้อมเสมือนจริงได้ และเป็นไปได้อยู่แล้วโดยไม่ต้องใช้ AI หรือการปรับปรุงเล็กๆ น้อยๆ บนพื้นฐาน AI แต่ถามใครก็ได้: เขาต้องการไปพบแพทย์ที่ได้รับประสบการณ์ทั้งหมดของเขาในโรงพยาบาลเสมือนจริงหรือไม่? แน่นอนคำตอบคือไม่ เหตุผลนี้มีวัตถุประสงค์มาก

อารมณ์ของคุณทำงานในชีวิตจริงแตกต่างจากในสถานการณ์จำลอง

สถานการณ์ในการจำลองถูกจำกัดไว้ที่บางรายการของตัวแปร

มีปัจจัยเพิ่มเติมมากมายที่ไม่สามารถรวมไว้ในหนังสือเรียนหรือหลักสูตรการฝึกอบรม และทักษะที่จำเป็นในการทำงานกับสิ่งเหล่านี้สามารถได้รับจากประสบการณ์ในชีวิตจริงเท่านั้น

มีไม่มากที่ AI จะสามารถปรับปรุงความรู้สึกของคุณในการจำลองได้ ดังนั้นสำหรับตอนนี้ ข้อจำกัดนี้ยังคงมีอยู่ อย่างไรก็ตาม เมื่อพูดถึงความผันแปรและการเปลี่ยนแปลงอย่างฉับพลันของสถานการณ์ AI สามารถช่วยในการจัดเตรียมสถานการณ์ที่สร้างตามขั้นตอนโดยมีปัจจัยสุ่มที่เกี่ยวข้องในระดับสูง และข้อมูลสำหรับขั้นตอนเหล่านี้สามารถรวบรวมได้จากแหล่งข้อมูลต่างๆ เช่นเดียวกับที่เรากล่าวถึงในส่วนที่แล้ว อย่างน้อยที่สุด AI จะปรับปรุงแบบฝึกหัดเสมือนจริงในปัจจุบัน

ให้เราเปลี่ยนไปใช้การปฏิบัติจริงและคิดว่า AI จะช่วยเราได้อย่างไร ในการเริ่มต้น จะสามารถให้คำอธิบายและข้อมูลเชิงทฤษฎีตามต้องการ ตามที่ได้อธิบายไว้ก่อนหน้านี้ในระหว่างการปฏิบัติงานจริง เป็นเรื่องปกติที่ในขณะที่ฟังการบรรยายบนโซฟา คุณจะไม่มีคำถามใดๆ แต่ทันทีที่คุณต้องทำบางสิ่งด้วยตัวเอง คุณจะมีคำถามมากมาย เป็นไปไม่ได้ที่จะมีครูคอยถามอยู่ข้างๆ ตลอดเวลา ดังนั้นวิทยากรเสมือนของเราจะมีประโยชน์มาก

การตรวจสอบความคืบหน้าและผลลัพธ์ทั้งหมดเป็นอีกลักษณะหนึ่งของการปฏิบัติที่ครูผู้สอนต้องใช้ความพยายามมากที่สุด ในกรณีส่วนใหญ่ นักเรียนจะตระหนักว่าเขาได้ทำอะไรผิดตั้งแต่เริ่มงานและไม่ใช่ในตอนท้าย และด้วยเหตุนี้เขาจะต้องเริ่มต้นทุกอย่างตั้งแต่เริ่มต้น สามารถใช้ AI เป็นเครื่องมือตรวจสอบกระบวนการ โดยรายงานให้นักเรียนทราบหากมีข้อผิดพลาดที่สามารถแก้ไขได้ง่าย เป็นแนวทางปฏิบัติที่ดีจากมุมมองของการสอน เนื่องจากจะไม่มีรูปแบบที่ผิดพลาดใด ๆ ที่จะประทับอยู่ในสมองของนักเรียน การตรวจสอบกระบวนการ AI สามารถทำได้ด้วยการวิเคราะห์สตรีมวิดีโอหรือเสียง หรือด้วยวิธีอื่นเพื่อรับข้อมูลที่เกี่ยวข้อง ปัจจุบันเรามีโซลูชันเหล่านี้ที่ใช้ควบคุมกระบวนการผลิตหรือตรวจสอบทักษะการพูดของผู้เรียนภาษาต่างประเทศ

การพัฒนาสภาพแวดล้อมการฝึกอบรมดังกล่าวไม่ใช่เรื่องง่าย และยากยิ่งกว่าที่จะปรับปรุงให้ทันสมัยอยู่เสมอ แต่จากมุมมองของฉัน ถือว่าคุ้มค่าอย่างยิ่ง และอาจเป็นแพลตฟอร์มที่รวมเป็นหนึ่งเดียวที่มหาวิทยาลัยหลายแห่งใช้พร้อมการปรับเปลี่ยนที่เกี่ยวข้อง

การประเมินทักษะ

ในหลายกรณี กระบวนการประเมินทักษะจะเป็นไปโดยอัตโนมัติและทำแบบทดสอบและแบบฝึกหัดประเภทต่างๆ ปัญญาประดิษฐ์มีบทบาทอย่างไรในสถานการณ์นี้

การสร้างแบบทดสอบเป็นหนึ่งในประเภทกิจกรรมที่อาจารย์ไม่ค่อยชอบ เพราะคุณต้องสร้างคำตอบผิดและจัดเตรียมงานที่หลากหลายเพื่อหลีกเลี่ยงการฉ้อโกง

การสอบปากเปล่าใช้เวลานานที่สุดในบรรดาทั้งหมด

นอกจากนี้ยังต้องใช้ความพยายามในการตรวจสอบการสอบข้อเขียน คุณต้องจับตาดูห้องเพื่อป้องกันนักเรียนโกง

แบบจำลอง AI ที่เราอธิบายในส่วนทางทฤษฎีสามารถใช้เพื่อสร้างคำถามและคำตอบจากเนื้อหาการบรรยาย ตำราเรียน หรือแหล่งข้อมูลอื่นๆ การทดสอบเหล่านี้สามารถสร้างขึ้นได้ตามความต้องการ ดังนั้นจึงไม่มีทางที่จะจำคำตอบที่ถูกต้องได้ และไม่มีปัญหากับการสร้างคำตอบที่ไม่ถูกต้อง นอกจากนี้ เราสามารถใช้ GAN (Generative Adversarial Network) เพื่อประเมินการทดสอบของเรา ตัวอย่างเช่น ตรวจสอบว่าผลการทดสอบจะสัมพันธ์กับจำนวนข้อมูลที่ใช้สำหรับการฝึกอบรมอย่างไร

การสอบปากเปล่าสามารถทำได้โดยวิทยากรเสมือนจริงของเราสำหรับส่วนแรก ในด้านเทคโนโลยีไม่มีความแตกต่างกัน คุณต้องสร้างคำถาม ประมวลผลคำตอบ ขอคำชี้แจงหากจำเป็น และเปรียบเทียบว่าคำตอบนั้นใกล้เคียงกับคำตอบที่สร้างขึ้นมากน้อยเพียงใด (ตามความหมาย ไม่ใช่คำที่แน่นอน) กระบวนการนี้สามารถตรวจสอบและปรับปรุงได้ด้วยโมเดล GAN

การสอบข้อเขียนสามารถควบคุมโดยระบบวิดีโอเฝ้าระวังที่ใช้ AI เพื่อป้องกันการโกง คล้ายกับวิธีที่ช่วยควบคุมบุคลากรในสายการผลิตให้สวมเครื่องแบบ และแน่นอนว่าคำตอบที่เป็นลายลักษณ์อักษรสามารถตรวจสอบได้ด้วยเครื่องมือ AI ในลักษณะเดียวกับคำตอบปากเปล่า โดยไม่จำเป็นต้องมีการรู้จำเสียง

บทสรุป

ผมเชื่อว่าเราพร้อมที่จะสร้างหลักสูตรการเรียนรู้อัตโนมัติเต็มรูปแบบ แน่นอนว่าผู้นำความคิดเห็นทางวิชาการจำนวนมากจะไม่พอใจที่จะอนุญาตสิ่งนี้ เนื่องจากจะเป็นความท้าทายสำหรับพวกเขาในการเปลี่ยนแปลงระบบ ซึ่งไม่ได้เปลี่ยนแปลงมากนักเป็นเวลาหลายร้อยปี แต่ไม่ได้หมายความว่าเราไม่ต้องการอาจารย์และผู้เชี่ยวชาญด้านกระบวนการศึกษาอีกต่อไป จำเป็นต้องเพิ่มประสิทธิภาพเครื่องมือเหล่านี้อยู่เสมอและปรับปรุงให้ทันสมัยอยู่เสมอ ไม่เพียงแต่จากมุมมองทางเทคนิคเท่านั้น แต่ยังต้องมาจากด้านการศึกษาและจำเป็นด้วย หากเราสามารถจัดหาระบบอัตโนมัติดังกล่าวได้ ก็จะช่วยขจัดอคติในความพร้อมด้านการศึกษาและการประเมินทักษะ มันจะส่งผลให้เกิดก้าวกระโดดใหม่สำหรับมวลมนุษยชาติ