Новое исследование Института Алана Тьюринга, опубликованное в июне, показывает, что в Великобритании почти один из четырех детей в возрасте от 8 до 12 лет использует инструменты искусственного интеллекта (ИИ), такие как ChatGPT. Поскольку учащиеся начинают работать с такими инструментами в столь раннем возрасте, как никогда раньше возникает необходимость разработки учебных материалов, которые помогут им понять, как работает ИИ.

Одна из главных проблем с ИИ в том, что трудно понять, как эти инструменты функционируют. В чат-боте вы вводите запрос, и инструмент выдает ответ, но то, что происходит между этими этапами, невидимо. Для педагогов это создает проблему: как помочь молодым людям стать вдумчивыми и творческими пользователями ИИ, если технология кажется закрытой коробкой?

На нашем майском научном семинаре мы приветствовали Матти Тедре и Хенриикку Вартияйнен из Университета Восточной Финляндии. Они годами занимаются вопросами преподавания об ИИ и были разочарованы существующими образовательными платформами: многие из них либо слишком сложны, вызывают вопросы приватности, либо требуют навыков программирования, которыми не обладают все ученики (и учителя). В ответ они создали отмеченный наградами инструмент, пригодный для использования в классе, который делает технологию ИИ более прозрачной и практической.

Практический способ преподавать ИИ в школах

Матти и Хенриикка начали с обсуждения уникальных проблем обучения молодых учащихся технологиям ИИ. Многие ученики начинают с «народных теорий», например полагая, что компьютеры понимают язык так же, как люди. Эти заблуждения могут оказаться удивительно стойкими.

Они также указали на более широкие проблемы:

  • Абстрактный характер ИИ означает, что существует очень мало основанных на исследованиях подходов к его эффективному преподаванию.
  • Усвоение концепций ИИ требует продолжительной практики и изменений в учебной программе, а не нескольких разовых вмешательств.
  • В таких странах, как Финляндия, где программирование не входит в обязательную программу, любой учебный инструмент должен быть без кода, чтобы быть доступным.

Чтобы решить эти проблемы, Матти и Хенриикка три года соавторски разрабатывали инструменты и подходы вместе с местными школами, учителями и более чем 200 учениками. Их подход основан на образовательной теории и наборе ключевых принципов обучения ИИ:

  • Отказ от кода для инклюзивности: устранение необходимости программирования снижает барьер для входа как для учителей, так и для учеников.
  • Ориентация на учащихся и соавторский дизайн: каждая часть опыта разрабатывается в сотрудничестве со школами, чтобы сделать его увлекательным и релевантным.
  • Работа с персональными данными: учащиеся создают и работают со своими собственными наборами данных, что делает опыт более вовлекающим и личностно значимым.
  • Интеграция с предметами школы: интеграция концепций ИИ в другие предметы помогает сделать применения ИИ более конкретными для учащихся.
  • Фокус на конкретных приложениях: вместо обучения о «генерическом» ИИ внимание уделяется конкретным и понятным приложениям, таким как распознавание лиц.
  • Практические эксперименты: проектная деятельность помогает учащимся понять сложные идеи, такие как предвзятость, справедливость и социальное влияние.
  • Совместное обучение: работа в группах помогает учащимся рефлексировать, задавать вопросы и учиться друг у друга.

GenAI Teachable Machine: открыть коробку

Разочарованные существующими платформами, требующими навыков программирования, вызывающими опасения по поводу приватности или не позволяющими совместную работу, команда Матти и Хенриикки разработала GenAI Teachable Machine — инструмент без кода, работающий в браузере, предназначенный для того, чтобы сделать ключевые концепции ИИ осязаемыми. В центральном исследовании команда использовала инструмент с финскими учениками 4–7 классов (10–14 лет). Это отличный вводный инструмент, который также можно использовать с младшими и старшими учениками.

Матти продемонстрировал, как инструмент реализует их ключевые принципы обучения ИИ на простом творческом проекте. Используя перчаточных кукол, он обучил модель распознавать четыре разных класса: фон, зайчик, спокойный волк и злой волк. Для каждого класса он назначил конкретное действие: звук, изображение или и то, и другое. Этот практический процесс дает ученикам прямую видимую связь от данных, которые они могут создать (изображения перчаточных кукол), до конечного поведения модели (выводимые звуки и изображения). Они изучают классификаторы, обучение и уровни уверенности не как абстрактные определения, а как творческие инструменты, которыми они могут управлять.

Но обучение действительно начинается, когда что-то не работает как ожидалось. Ученики могут легко открыть свои модели на телефонах с автоматически созданным QR-кодом и затем перемещаться по классу, чтобы тестировать их. В этот момент они быстро замечают, насколько хрупкой может быть технология ИИ. Например, простая модель распознавания, обученная на определенных цветах или признаках, может перестать работать при изменении освещения или при смене рубашки. Эти «сбои» превращаются в мощные уроки. Например, приложение для распознавания лиц, обученное в основном на учениках со светлыми волосами, может плохо работать для человека с темными волосами — что сразу порождает обсуждение предвзятости. Как сказал Матти, ученики очень быстро начинают задавать глубокие вопросы.

GenAI Teachable Machine также позволяет ученикам применять свои модели в физическом мире. Подключаясь к простому недорогому набору робототехники, ученики могут использовать свои модели для управления моторами, светодиодами и другими исполнительными механизмами. Этот шаг в физический мир объясняет фундаментальные концепции, которые трудно понять в чисто виртуальной среде. Ученики узнают о причинно-следственных связях: классификации их модели запускают реальные физические действия. Они также узнают о необходимости модельно-представления мира — понимании того, как работает физический мир — и видят, что им приходится нести ответственность за то, что происходит, когда их абстрактные модели имеют реальные последствия.

Сочетая платформу без кода с практическими, хорошо продуманными учебными опытами, Матти, Хенриикка и их команда показывают, как может выглядеть образование по ИИ: практичным, доступным и основанным на реальном понимании. Их работа помогает учащимся заглянуть внутрь «коробки» и дает им инструменты для критического мышления о технологиях ИИ, которые становятся частью их повседневной жизни.

Если вы педагог и хотите включить тему ИИ в свое преподавание, вы можете попробовать GenAI Teachable Machine на его официальном сайте.

Вам также могут быть полезны наши собственные ресурсы Experience AI, которые разработаны, чтобы помочь вам и вашим ученикам ориентироваться в быстро меняющемся мире технологий ИИ и машинного обучения.

В сентябре Матти и его команда вернутся, чтобы обсудить другие способы обучения молодых людей технологиям ИИ.

Чтобы зарегистрироваться и принять участие в семинаре Матти во вторник 9 сентября с 17:00 до 18:30 по британскому летнему времени, нажмите кнопку ниже. Мы затем отправим вам информацию о присоединении. Надеемся увидеть вас там.

Расписание наших предстоящих семинаров доступно онлайн. Вы можете посмотреть записи прошлых семинаров на странице предыдущих семинаров.

  • Воображая прогресс учеников в эпоху генеративного ИИ
  • Использование генеративного ИИ для преподавания информатики: выводы из исследований
  • Интеграция генеративного ИИ в курсы вводного программирования
  • Поддержка учителей в интеграции ИИ в школьное образование по информатике K–12
  • Празднование результатов: Клубы кодирования процветают в Кении и Южной Африке
  • Адаптация наших учебных ресурсов по информатике для Ориссы — путь, пройденный до сих пор