Специалистов по обучению беспокоит, что ИИ сможет предоставлять людям весь спектр информации по профессиональным вопросам. Зачем тогда нужны курсы и лекторы?
👉 Во-первых, для интерпретации теоретических знаний. На бумаге все просто, а как это работает на практике?
Трудно поверить, но даже в точных науках формулы, написанные на доске, в жизни ведут себя нелинейно — есть допущения и определенные условия получения нужного результата. Говорят, эти практические знания и передавали в университетских лекториях пожилые профессора советской инженерной школы.
👉 Во-вторых, в условиях легкого доступа к нужной информации курсы естественным образом могут превращаться в практикумы, лабораторные работы, дискуссионные встречи. Все это уже есть в образовательном опыте, вопрос в осознанном использовании инструментов практического обучения.
Декан экономического факультета МГУ Александр Аузан об искусственном интеллекте в образовании:
ИИ распространяется как торфяной пожар — скрыто, но неизбежно. Рискну предположить, что нынешняя система школьного и высшего образования из-за этого изменится даже быстрее, чем рынок труда. В ближайшие 3-5 лет она просто сгорит с привычными нам контрольными, тестами и экзаменами.
Это говорит не о закате образования, а о необходимости его трансформации, перехода из области теоретизирования в область практического применения полученных знаний. А что, если аудитория уступит место производственной площадке, теплице, комнате для совещаний, тренинговому залу?
Вот там и посмотрим, насколько качественно ИИ поможет выковать подкову, вырастить урожай и решить 1001 проблему реальной жизни.
Еще хочу познакомить вас с очень ценным (на мой взгляд) опытом, которым делятся бывшие топы Тандера ⤵️
При оцифровке опыта директоров гипермаркетов удалось создать базу знаний, которая очень быстро выводила новичков на заданный уровень. Но через какое-то время система замкнулась сама на себя — и новички, и опытные директора все больше пользовались советами ИСУ и в какой-то момент полностью перешли под ее управление. Развитие системы остановилось.
Что нужно было делать? — задают вопрос руководители, оборачиваясь назад и анализируя прошлый опыт.
1. Создать «полигон», где работа велась без использования ИИ-ИСУ. Внешние, разнообразные события, решаемые директорами без подсказок.
2. Системный бенчмарк индустриальных игроков, как они решают операционные вопросы, и внесение этого опыта в систему.
3. Моделирование новых ситуаций, потребление внешней информации о потребительских предпочтениях, изменениях в законодательстве, научно-техническом прогрессе и т.д.
Это бесконечная матрешка опыта, который дается от большей системы, который необходимо изучать, моделировать ситуации, анализировать произошедшие реальные ситуации, вырабатывать решения и обучать систему ниже уровнем, т.е. непрерывно нужны различные источники опыта внешней среды, смешиваемые (добавляемые) в систему.
Большая часть компаний, обольщенные тем, что можно процессы упростить за счет наличия нейронок, находятся на пороге ловушки, в которой у них теряется адаптация к новому, потому что «кормят» уже существующей (условно «старой информацией»), и, как следствие, процессы в компании перестают развиваться, замыкаются «сами в себе». Первое улучшение за счет «подтягивания среднего показателя» сейчас радует, и появляются шутки (в которых только доля шутки) про увольнение дорогостоящих специалистов. Но на следующем этапе будет снижаться функция адаптации к новому, и, как следствие, падение системы. Чтобы этого не происходило, нужно во всех процессах, где люди пытаются интегрировать нейронки, учитывать это и оставлять независимый от ИИ интеллектуальный центр, который будет «подкармливать» информацией алгоритмы и вырабатывать новые решения.
Как вам такая мысль? 😊
Диана Зверева и Команда сообщества Digital Learning