Artificiell intelligens inom utbildning

AI kommer att påverka samhället fundamentalt. Arbetsuppgifter kommer att förändras och vissa yrken kommer att försvinna helt. Samtidigt finns det andra yrken som kommer finnas kvar väldigt länge. Vissa tror dessutom att dessa blir väsentligare. Några exempel på sådana yrken är pedagoger och psykologer. Tekniska begränsningar inom bland annat taligenkänning och social interaktion är det som gör att AI kommer förmodligen begränsas till lärarassistenter eller instruktörer, åtminstone under en överskådlig framtid.

Det är svårt att ge en definition på vad AI är med tanke på att det utvecklas ständigt och täcker större möjligheter hela tiden. Experter är inte överens om en entydig definition. Man skulle kunna beskriva det som ett datorsystem som använder sig av data för att efterlikna människors och andra djurs intelligens. Utvecklingen sker relativt fort och det blir allt viktigare att fundera på hur våra utbildningar ska se ut, från grundskola till universitet. Exempelvis väljer fler den humanistiska utbildningen i USA på grund av att intresset ökar. 

Exempel på AI-tillämpningsområden

• Resonemang
• Planering
• Kunskap (utbildning)
• Inlärning
• Perception
• Naturlig språkbearbetning

Maskininlärning, som är ett område inom AI, är metoder för att bygga ett system som lär sig själv att bli bättre på något genom att göra samma sak om och om igen. Varje gång systemet “provar” igen så lär den sig vad den kan göra bättre till nästa gång. En av metoderna heter övervakat inlärning och kräver träningsdata som vi människor tillför. Det vill säga att om inte den data som vi tillför är av god kvalitet så kommer systemet göra misstag. Övervakningssystem som misstänker människor baserat på utseende är exempel på rasistisk AI, och sådant händer om den träningsdata som systemet tränar på innehåller “rasistisk” data. AI skulle alltså kunna förvärra diskriminering om man implementerar det på ett felaktigt sätt. Man sätter inte upp villkor på samma sätt som tidigare vilket innebär att man tappar lite av kontrollen på köpet. Endast vältestade system bör således vara lämpliga och relevanta.

Inom utbildning kan det innebära att systemet får träna på bedöma elever utefter deras förmågor och färdigheter. Innehåller träningsdata rättssäkra bedömningar så kommer systemet förr eller senare bli bättre än oss pedagoger på att bedöma elever rättssäkert vad gäller vissa kunskapskrav. I början gäller det tydligt mätbara kunskaper, exempelvis är det lättare för datorn att mäta kunskaper i matematik jämfört med teater. 

Vi vet att eleven utvecklas i större utsträckning samt effektivare om:

• eleverna får individanpassade uppgifter.
• uppgifterna är väl designade och tydliga.
• eleverna känner att uppgifterna är meningsfulla.

Vi vet också att feedback är en av de viktigaste faktorerna för elevernas utveckling. 

Genom AIEd (artificial intelligence in education) erbjuds elever möjligheten att lära sig på ett mer personligt, flexibelt, inkluderande och engagerande sätt. Det ger också läraren verktygen att ta reda på vad och hur eleven lär sig genom att skapa visuella rapporter på all insamlad data. Detta kan läraren sedan ta hjälp av för att skapa sofistikierade lärmiljöer vilket annars hade varit omöjligt.

Intelligent Tutoring Systems (ITS) använder sig av AI-tekniker för att simulera en undervisning där en lärare per elev tillämpas. Systemet fungerar som lärare och den levererar inlärningsaktiviteter som matchar elevens kognitiva behov och ger regelbunden feedback i den utsträckning som eleven är i behov av. Eleven blir lämpligen utmanad, vilket skulle göra att elever verkligen utvecklas i sin egna takt istället för att behöva anpassa sig till medel eller sakta ner sin inlärning.

Adaptiv gruppbildning är också en möjlighet där systemet delar upp elever i grupper utifrån de parametrar som bestäms av pedagogen. Systemet skulle kunna identifiera och skapa gruppkonstellationer som är mest lämplig för en given uppgift. Exempelvis om eleverna ligger på samma kognitiva nivå, har samma intressen eller som helt enkelt kompletterar varandra med olika kompetenser och färdigheter som kanske skulle göra det enklare att lösa uppgiften. Behovet av att stanna upp och testa eleverna elimineras helt med tanke på att bedömning byggs in i själva aktiviteterna (t.ex. genom ett spel). Detta innebär att systemet hela tiden har koll på elevens kunskaper och utveckling, i realtid. Tiden kan istället läggas på att hitta effektiva sätt att utveckla elevens mindset, genom motivation samt ta reda på hur eleven ifråga faktiskt lär sig bäst. 

Utöver ovanstående exempel kan AI även kombineras med Virtuell verklighet (VR) och Förstärkt verklighet (AR), vilket kommer göra det möjligt för elever att visualisera och testa saker som inte varit möjligt att testa förr. Det kan handla om att interagera med atomer, molekyler eller uppleva ett annat eller historiskt samhälle. Man skulle även kunna träna på uppträda framför en stor publik och bygga upp sitt självförtroende innan man uppträder “på riktigt”.

Flera experter menar att det kommer bli allt viktigare att träna människor i etik och moral. En kraftfull AI i fel händer kan snabbt leda till destruktiva situationer. Dels på grund av ovanstående exempel men också om det skulle exempelvis användas för autonoma vapen och ännu värre, i kombination med ansiktsigenkänning. I Kina experimenterar man med AI väldigt mycket, även inom utbildning. De använder ansiktsigenkänning för betalning, lokalisering och för att räkna antalet gånger som elever tittar ner på sin mobil. De mäter t.o.m. elevernas koncentrationsnivå under lektioner och prov. https://youtu.be/JMLsHI8aV0g

AI kommer att tillämpas i skolor och andra delar av samhället i högre utsträckning, mer och mer för varje år. Frågan är hur lärarens arbetsuppgifter ändras när AI tar över delar som exempelvis rättning, administration, genererade individanpassade uppgifter, etc? Fördelarna med AI är många och nackdelarna finns det faktiskt en del av också, speciellt om man skulle tillämpa det på fel sätt eller vid tillfällen då det faktiskt inte ger någon positiv effekt. Insamlad data om hur eleverna lär sig kommer förmodligen tydligare visa vad skolorna kan förbättra. Politiker kan använda sig av det för att faktiskt skapa berikande reformer baserad på gedigen data. Vi behöver diskutera och förbereda för en framtid där AI är en del av skolan och tillämpas på ett adekvat sätt, där det skapar enorma positiva effekter. Utvecklingen måste alltså ske med hänsyn till bland annat hjärnforskning, informationssäkerhet och med lärandet i fokus. 

Vill du läsa mer om AI rekommenderar jag att läsa om:

• Supervised learning (Övervakad inlärning)
• Unsupervised learning (Oövervakad inlärning)
• Reinforcement learning (Betingad inlärning)
• Neural Networks (Neurala nätverk)