Zakaj se učiti, če telefon vse ve?
Umetna inteligenca nam lahko ponudi odgovore, ne more pa namesto nas zgraditi razumevanja
Danes ima skoraj vsakdo z mobilnim telefonom v žepu dostop do ogromne količine znanja, ki mu je na voljo tudi v slovenščini. Umetna inteligenca zna z besedami, ki jih uporabnik razume, v nekaj sekundah pojasniti pojem, povzeti knjigo, izpeljati račun ali predlagati rešitev težave. Zato se zdi, da se bo moral naš odnos do učenja v teh novih razmerah temeljito spremeniti.
Če lahko za vsak podatek vprašamo telefon, čemu bi si sploh še zapomnili letnice, formule ali definicije? Če nam zna dober model umetne inteligence razumljivo razložiti skoraj karkoli, zakaj bi se še trudili z učenjem in izgradnjo lastnega razumevanja?
Odgovor na to dilemo je preprostejši, kot se morda zdi. Umetna inteligenca nikakor ni odpravila potrebe po znanju. Odpravila je predvsem možnost, da bi golo ponavljanje naučenih formulacij še naprej zamenjevali za razumevanje. Površno znanje se je prej dalo skrivati za strokovnim besednjakom in lepimi stavki, danes pa zna takšne stavke sestaviti vsak telefon. Kar ostane, je tisto, česar ta naprava ne more narediti namesto nas.
Da bi razumeli, v čem je razlika, si predstavljajmo običajen študijski dan. Pred nami je strokovno besedilo, ki ga beremo, podčrtujemo in sledimo logiki avtorja. Ko po nekaj urah ponovno preletimo označene dele, nas preplavi prijeten občutek domačnosti. »Saj to vendar razumem,« si rečemo. »To je povsem logično.«
Prav tu se zgodi ena najpogostejših napak pri učenju. Občutek, da nam je nekaj znano, zamenjamo za to, da nekaj zares vemo. Možgani varčujejo z energijo, zato lahkotnost branja hitro razglasijo za razumevanje. A med tem, da informacijo prepoznamo, ko jo imamo pred očmi, in tem, da jo znamo samostojno priklicati, razložiti in uporabiti, je velika razlika.
Pravo učenje se začne šele takrat, ko miselno udobje zavestno prekinemo. Knjigo zapremo, predse postavimo prazen list in poskušamo isto vsebino razložiti s svojimi besedami. Takrat se prvič zares pokaže, koliko smo se naučili. Spomin je luknjičav, prave besede ne najdemo, miselna struktura se zamaje že ob prvem zahtevnejšem vprašanju.
Večina to izkušnjo doživi kot neuspeh in se hitro zateče nazaj k ponovnemu branju. A raziskave učenja kažejo ravno nasprotno: neprijetno brskanje po spominu, zatikanje in napake niso ovira pri učenju, temveč njegov motor. Brez tega napora se v glavi ne zgodi nič zares trajnega.
Toda priklic sam po sebi še ni razumevanje. Ko iz spomina iztisnemo, kar zmoremo, pred nami pogosto ostanejo razdrobljeni koščki znanja. Ključni korak se zgodi šele potem: te koščke moramo povezati v smiselno celoto in jih umestiti v širši zemljevid tistega, kar že vemo. Nov pojem zares razumemo šele takrat, ko ga znamo povezati z drugimi pojmi, z njim nekaj razložiti, ga uporabiti v novem primeru in ga po potrebi tudi omejiti.
Prav tega dela ni mogoče prepustiti telefonu. Model umetne inteligence nam lahko ponudi razlago, analogijo, primer ali povzetek, ne more pa namesto nas zgraditi notranjega zemljevida znanja. Ta nastane šele skozi lasten miselni napor: skozi priklic, primerjanje, prevajanje strokovnega jezika v svojega, popravljanje napak in ponovno poskušanje.
Za trajno in uporabno znanje sta pomembna še čas in prepletanje vsebin. Snov, ki jo poskušamo osvojiti v eni sami intenzivni seansi, hitro zbledi iz spomina. Znanje mora dozoreti. To pomeni, da ga moramo pustiti, da delno potone v pozabo, nato pa ga čez nekaj dni ali tednov znova priklicati. Prav trenutek, ko je priklic težak, je za utrjevanje znanja pogosto najbolj dragocen.
Podobno velja za prepletanje. Če vedno rešujemo en sam tip naloge, hitro dobimo občutek, da snov obvladamo. A pravo razumevanje nastane šele, ko pojme srečamo v različnih kontekstih. Takrat se učimo tudi prepoznavati, kateri problem sploh imamo pred seboj in katero orodje je zanj primerno.
Vzemimo preprost primer. V šoli se večina nauči, da je evolucija »preživetje najbolj prilagojenih«. Stavek se zdi razumljiv in ga mnogi uporabljajo samozavestno. Toda če ga pogledamo natančneje, hitro vidimo, da ni jasno, kaj prilagojenost pomeni in glede na kaj se meri.
Kdor si je formulacijo zgolj zapomnil, jo bo ponavljal tudi v napačnih kontekstih. V njej bo morda videl nekakšen napredek vrst proti vedno popolnejšim oblikam. Kdor pojem razume, pa ve, da gre za reprodukcijsko uspešnost v danem okolju, ne za abstraktno odličnost. Razume, zakaj se prilagojenost spremeni, ko se spremeni okolje, zakaj bakterija ni »manj razvita« od živali in zakaj lahko pojem brez ustreznega okvira hitro zdrsne v tavtologijo: preživijo tisti, ki preživijo.
Tu postane jasno, zakaj dober učitelj nikoli ni bil zgolj vir podatkov. Podatki so bili že prej v učbenikih, danes pa so dostopni skoraj povsod. Naloga učitelja je drugačna: učencu pomaga zgraditi osnovno zanesljivo miselno strukturo, na katero lahko nato samostojno dodaja nove plasti.
Zato bi se moralo tudi preverjanje znanja premakniti od reproduciranja podatkov k preverjanju razumevanja. Pomembno ni le, ali učenec pozna pravilen odgovor, temveč ali ga zna razložiti v novem kontekstu, najti napako v prepričljivo napisanem, a pomanjkljivem argumentu, povezati pojem z drugim področjem ali abstrakten problem prevesti v konkretne korake. Pri takšnih nalogah dostop do telefona ne pomaga veliko, če človek nima lastnega miselnega modela.
Dostopnost orodij umetne inteligence zato ne pomeni konca učenja. Pomeni prej konec izgovora, da je učenje zgolj kopičenje podatkov. Kakovostni podatki so danes zlahka dostopni. Redkejša in dragocenejša je zmožnost, da jih ovrednotimo, povežemo, uporabimo in po potrebi tudi zavrnemo. Znanje se začne takrat, ko znamo naučeno obnoviti, razložiti, povezati z drugim znanjem in uporabiti v novem kontekstu. Umetna inteligenca nam lahko pri učenju zelo pomaga, ne more pa se učiti namesto nas.
https://www.delo.si/mnenja/kolumne/zakaj-se-uciti-ce-telefon-vse-ve