האם צריך ללמד אוריינות בינה מלאכותית?

לפני כתשע שנים, כשהגעתי לחטיבת תקשוב וטכנולוגיות בחינוך, השתתפתי בכתיבת ועריכת מסמך המגדיר מהי ״אוריינות טכנולוגית ודיגיטלית״ ואיך צריך ללמד אתה בבתי-הספר.

היום, לפי הגדרות עדכניות אוריינות דיגיטלית היא הבסיס לאוריינות החדשה המדוברת- אוריינות בינה מלאכותית.

בפוסט הזה אציג תחילה את אחת ההגדרות לאוריינות בינה המלאכותית משנת 2020, ואתחיל כאן את הדיון אתכם לגבי העדכון הנדרש להגדרה זו, ולאחר מכן אמנה מעט מההצעות לפתח אותה כיום אצל ילדים, נוער ומבוגרים.

המושג ״אוריינות״ קיים כבר כמעט רבע מאה ותפס מקום של כבוד בשיח החינוכי. המקור של המושג מקבוצת הלונדון גרופ החדשה NLG משנת 2000. הם קראו לבסס ריבוי אוריינויות Multiliteracies בחברה. מאז הביטוי להיות אוריין התרחב מאוד. כולנו בחינוך עסוקים בפיתוח אוריינות מתמטית, אוריינות לשונית, אוריינות מדעית, אוריינות פיננסית, אוריינות חזותית (נושא הדוקטורט שלי וחלק נכבד מהאתר שלי- ראו בנושא אינפוגרפיקה ואוריינות חזותית) ועוד.

לא פלא שעם כניסת הבינה המלאכותית הג׳נרטיבית ב-2022 המושג אוריינות מוחל גם עליה.

אבל מה זה אומר?

חלק מהתשובה קיבלתי מקריאה במאמר שהפכתי למצגת. את המצגת אני מביאה בפני אנשי חינוך בחודשים האחרונים.

אשמח לשתף חלק ממנה כאן על מנת להניע שיח מקצועי אתכן.ם. שם המאמר: What is AI Literacy? Competencies and Design Considerations, 2020

הוא מסכם מאמרים רבים שעוסקים בהגדרת המושג אוריינות בינה מלאכותית. שימו לב, הוא פורסם שנתיים לפני ה״הייפ״ הגדול של פריצת הבינה המלאכותית הג׳נרטיבית, לכן יש להתייחס אליו כמאמר מבשר ולא כמוביל את החידושים האחרונים. אבל עדיין אפשר ללמוד ממנו הרבה.

במאמר זה ״אוריינות בינה מלאכותית״ מוגדרת כך:

מקבץ יכולות המאפשרות לאנשים להעריך באופן ביקורתי טכנולוגיות בינה מלאכותית, לנהל תקשורת ולשתף פעולה באופן אפקטיבי עם בינה מלאכותית ולהשתמש בכלי בינה מלאכותית לצרכי עבודה, למידה ותקשורת.

המאמר מתייחס לזיקה החזקה של השלישיה: אוריינות בינה מלאכותית+אוריינות דיגיטלית+אוריינות מידע

כך הצגתי את הזיקה בשקופית.

שקופית מתוך מצגת בנושא אוריינות בינה מלאכותית

הכותבים של המאמר הזה קבעו כי אוריינות דיגיטלית ואוריינות מידע הכרחיות לכל מי שמשתמשים ביישומי הבינה המלאכותית.

אני מסכימה מאוד. היום, כשיש לכל אחד ואחת אפשרות לייצר אתרים, אפליקציות, מאמרים, ציורים, שירים וסרטים שלמים בקלות כאילו יש להם ידע רלוונטי בתכנות, חשוב מאוד ליישם ביקורתיות לצד אוריינות דיגיטלית.

לעומת זאת, כותבי המאמר ב2020 לא חשבו שלמידת מכונה, אוריינות מדעית וכתיבה בשפת קוד חשובות למשתמשים.

אני שמה את האבחנה הזו בצד, בעיקר מפני שהמאמר לא עדכני.

בואו רגע נתייחס לשלישיה- אוריינות בינה מלאכותית, אוריינות מידע ואוריינות דיגיטלית.

אוריינות בינה מלאכותית מורכבת מגוף ידע וכישורים בארבע קטגוריות:

1. הכרת המושגים בתחום AI

כשאומרים הכרת מושגים, מתייחסים לידע (דקלרטיבי).

להכיר מושגים בבינה מלאכותית זה אומר-

• להבדיל בין יישומים מבוססי AI לאחרים

• להבין מהי אינטליגנציה אנושית ומהי אינטליגנציה מלאכותית

• לדעת שבינה מלאכותית היא בינתחומית ומשלבת מערכות קוגניטיביות, רובוטיקה ולמידת מכונה

• להבחין בין בינה מלאכותית צרה לכללית

2. הכרת האפשרויות לבצע פעולות בעזרת AI

לפני שמפעילים את הכלים הרבים הנמצאים בכל מקום... אוריין בינה מלאכותית צריך-

• להכיר את החוזקות והמגבלות של כלי AI שונים (בדגש על בינה מלאכותית ג׳נרטיבית- תוספת שלי)

• להתנסות באופן פעיל בכלים שונים תוך יישום ביקורתיות ואיתור כשלים

• לחשוב על שימושים עתידיים ועל עולם רווי AI (היות והתחום נמצא בחיתוליו ומתפתח מהר יותר מכל טכנולוגיה המוכרת לאדם)

3. הכרת האופן בו AI עובד זה לא סתם שניתן לקבל תוצרים מהממים כאלה תוך שניות מעטות. אוריינית בינה מלאכותית (אני משתמשת לסרוגין באורייין ובאוריינית כי אני מנסה להתייחס לשני הג׳נדרים באופן שווה) מבינה איך פועלות מערכות קוגניטיביות, רובוטיקה ולמידת מכונה. לדוגמה, היא מבינה ש-

• מערכות קוגניטיביות המייצגות מידע לוקחות מידע מהעולם ומתרגמות אותו לשפת מחשב. וכן שבתהליך זה המידע עובר הפשטה וחלקו "אובד בתרגום"

• מערכות קוגניטיביות לקבלת החלטות הן כמו "קופסה שחורה" למשתמש. רצוי לפתח דרכים לקבל מהמכונה הסברים על אופן ניתוח המידע כדי לאתר כשלים והטיות. Explainable AI

• קיימים שלבים בלמידת מכונה. שלבים אלה כוללים אתגרים שונים עבור משתמשים. משתמשים חדשים צריכים לאמץ פרקטיקות כדי להתמודד עם מודלים מנטליים שגויים (זה אינו 'אורקאל' שיודע הכל אלא מודל סטטיסטי מורכב). ML steps

• מתכנתים שיוצרים את יישומי הבינה המלאכותית ממלאים תפקידים חשובים בשיפור המערכות הללו, ובשיפורם לצרכים של משתמתשים שונים

• על המשתמשים להיות מסוגלים להעריך כיצד המכונה השתמשה במידע עליו התאמנה כמו-כן, ניתנת חשיבות במאמר בסעיף זה ליישום ביקורת על המידע ועל אופן העיבוד שלו על-ידי המכונה. כלומר- אוריינות מידע בעידן הבינה המלאכותית. אוריינות מידע ביישומי בינה מלאכותית תכלול-

• הבנת האופן בו המכונה לומדת ממידע שהתאמנה עליו, ואף משתמשת במידע חדש שאנחנו נותנים לה ללמידה על-מנת לבקר תהליכים אלה- Critical Engagement

• הבנת האופן בו המכונה מעבדת את המידע ומייצרת תוצרים חדשים, יסייע לנו להתייחס לסוגיות של זכויות יוצרים ולהטיות של התוצרים שהמכונה נותנת לנו

• הפעלת ביקורת על המידע שמתקבל מיישומי הבינה המלאכותית, תוך מודעות למגבלות, הטיות ושגיאות

התעייפתם? טוב, לא בכל יום יש מהפכה שמגיעה במהירות כזו וסוחפת אחריה את.. נו... את כל העולם בערך.

ממשיכים עם סעיף 3. ברשותכם:

כאן אוריינות בינה מלאכותית מתחברת לרובוטיקה. כן. מה שקראתם.

אז מה עוד צריכה ברת האוריין בינה מלאכותית לדעת? היא חייבת -

• להבין שמערכות קוגניטיביות פועלות גם במרחב הפיסי באמצעות יישומי רובוטיקה. לדוגמה, הן יכולות להגיב לפקודות וגם לעולם הפיסי באמצעות חיישנים

• להכיר את האפשרות של תקשורת בין רובוטים למחשבים המשתמשים בבינה מלאכותית. כלומר, איך חיישנים מאפשרים לרובוטים להגיב לשינויים בסביבה הפיסית באמצעות הפעלת בינה מלאכותית

ואני הוספתי משהו קצת יותר עתידני למאמר. כי זה פשוט כבר כאן.

• הבנת האופן בו ממשקי אדם-מכונה BCI פועלים כדי לתת הזדמנות שווה לבעלי מוגבלויות בחברה. אני מבטיחה להרחיב על כך בפוסטים הבאים.

ולבסוף, אני יודעת שחיכיתם לזה...הנה זה מגיע-

4. אתיקה בעולם רווי AI חשוב לדון היום בכיתות, בבתים ובחברת הילדים והנוער בהיבטים הערכיים של בינה מלאכותית כפי שאנחנו דנים בסוגיות של אתיקה ברשת כבר כמה עשרות שנים. אלו הנושאים המוזכרים במאמר-

• מעקב ופרטיות

• אובדן משרות

• מידע מוטעה

• סינגולריות (דאגה לשלום האנושות)

• קבלת החלטות מבוססת AI

• גיוון קבוצות בחברה ושוויון בייצוג המגוון האנושי

• הטיות של האלגוריתם

• שקיפות

• אחריותיות ומניעת אפליה

טוב,

עכשיו ממש מסקרן אותי לדעת מה אתן.ם חושבים על זה-

האם צריך ללמד אוריינות בינה מלאכותית בבית-הספר? או שגם הפעם התלמידים יסתדרו בכוחות עצמם?

האם צריך לפתח אוריינות בינה מלאכותית בבתי הספר?

• 0%כמובן. ממש חשוב ללמד זאת
• 0%לא. זה מתפתח באופן טבעי
• 0%זה חשוב, אבל אי אפשר לצפות מבתי הספר לעשות זאת

חלק מהפוסטים שלי עוסקים בנושאים הללו ומציעים פעולות או דיון לכיתה. לדוגמה- ״מי מפחד מבינה מלאכותית?״ עוסק בשאלה של אובדן משרת ההוראה ומעודד לצייד את התלמידים שלנו בכלים מעשיים וידע על האופן בו מנהלים מערכות יחסים ולהרבות בפרקטיקות שמתרגלות אותם בשימור מערכות יחסים עם בני אדם אחרים.

הפוסט ״על gpt וכריכים אחרים״ עוסק בנושא ההטיות במידע המוצג על ידי היישום המפורסם. ואילו הפוסט ״שניים בסירה אחת- שיתופיות בעידן הבינה המלאכותית״ עוסק בשאלה של החלפת השותפות שבין אנשים לשותפות עם המכונה וכניסתם של הרובוטים לחיינו בעתיד הקרוב.

לידיעתכם,

בחודשים האחרונים צוות במשרד החינוך פיתח פרקטיקות לשילוב בינה מלאכותית ג'נרטיבית בבתי-הספר.

וגם פורסם מסמך הנחיות למנהלים, מורי מורים וצוותי החינוך לגבי כללים ונהלים בנושא.

אני בטוחה שיש הרבה מה לדון ביחד בנושאים הללו.

את המשך הדיון אני מציעה לקיים בקבוצת הוואצאפ החדשה של האתר

לקבוצת הוואצאפ

אשמח מאוד אם תצטרפו לחברות Log In באתר כדי להיות מנויים לאתר ולהשתתף בשיח בנושא הפוסט.

בנוסף, זכרו שניתן להזמין הרצאה מעוררת השראה גם בנושא ChatGPT טכנולוגיה וחדשנות בחינוך היום.

בהצלחה מורי המאה ה-21!