Antony Mahé: «Προσοχή στις (υπερ)υποσχέσεις» – FEDE

Ο διδάκτωρ κοινωνιολογίας, διευθυντής σπουδών στο Eranos, μέλος της Επιτροπής Εμπειρογνωμόνων της FEDE, Antony Mahé αναλογίζεται τους δεσμούς μεταξύ τεχνητής νοημοσύνης και εκπαίδευσης

Ποιες είναι οι εκπαιδευτικές συνεισφορές της τεχνητής νοημοσύνης;

Ως κοινωνιολόγος που ειδικεύεται στην ψηφιακή οικονομία, είμαι αρκετά δύσπιστος σχετικά με αυτές τις υποτιθέμενες συνεισφορές. Ωστόσο, σημειώνω μερικές ενδιαφέρουσες υποσχέσεις σχετικά με τη λειτουργία «προσαρμοστικής μάθησης», δηλαδή τη συνεκτίμηση από την τεχνητή νοημοσύνη του ρυθμού μάθησης και του επιπέδου κάθε εκπαιδευόμενου. Υπάρχει επίσης μια υπόσχεση πρόβλεψης των κινδύνων της εγκατάλειψης του σχολείου που δεν μπορεί να αφήσει κανέναν αδιάφορο σε αυτό το σημαντικό πρόβλημα.

Ποια είναι τα όρια μιας τέτοιας χρήσης;

Ένα από τα μεγαλύτερα προβλήματα αφορά την (υπερ)υπόσχεση εξατομικευμένης μάθησης. Ο καθένας έχει τον δικό του ρυθμό, ο καθένας τις ορέξεις του, χάρη στην τεχνητή νοημοσύνη υποσχόμαστε tailor-made. Δεν υπάρχουν ενδείξεις ότι η έλλειψη εξατομίκευσης έλειπε στις συσκευές εκμάθησης. Αυτό έρχεται ακόμη και σε αντίθεση με την εκπαίδευση, που είναι, κατά τη γνώμη μου, ένα συλλογικό έργο που λαμβάνει χώρα σε αυτό που κάνει «κοινό»: κοινή γνώση, κοινή μάθηση σε έναν κοινό τόπο. Υπάρχει ένα συλλογικό πλαίσιο που είναι απαραίτητο και που μου φαίνεται ότι έρχεται σε αντίθεση με το υποκείμενο «à la carte» με την τεχνητή νοημοσύνη. Αυτό έρχεται επίσης σε αντίθεση με αυτό που ονομάζεται διαφοροποιημένη παιδαγωγική, που απαιτεί από τον δάσκαλο να διακρίνει τους ρυθμούς μάθησης σε μια τάξη και να προσαρμόζει τα μαθήματα σε κάθε ομάδα μαθητών.

Από ηθικής πλευράς, ποια θα ήταν τα μέτρα που πρέπει να ληφθούν για την καλύτερη χρήση της τεχνητής νοημοσύνης;

Υπάρχουν ήδη πολλά ηθικά μέτρα. Σκέφτομαι αυτά που υποδεικνύονται από την UNESCO στα οποία προσυπογράφω. Νομίζω ότι πρέπει πάνω απ’ όλα να ξανασκεφτούμε το ψηφιακό μοντέλο που ανταποκρίνεται πάνω απ’ όλα σε οικονομικά συμφέροντα που βασίζονται στη συλλογή και επεξεργασία δεδομένων (τα οποία χρησιμοποιούνται για πολλά άλλα πράγματα εκτός από τη διδασκαλία, για παράδειγμα εξατομικευμένες διαφημίσεις , πειράματα τύπου “eye tracking” κ.λπ. .) και σχετικά με τη μεγιστοποίηση των συνδέσεων με πλατφόρμες (ακόμα και αν είναι εκπαιδευτικές), επειδή μια σύνδεση καταλήγει πάντα να δημιουργεί έσοδα. Θα πρέπει να σκεφτούμε περισσότερο πώς η τεχνητή νοημοσύνη μπορεί να ενισχύσει τη συλλογικότητα στη μάθηση, να συνδέσει τους μαθητές μεταξύ τους, να δημιουργήσει μια κοινότητα αντί να δούμε την τεχνητή νοημοσύνη ως έναν τρόπο κατακερματισμού της μάθησης για να προσαρμόζεται υποτίθεται σε κάθε εγκέφαλό μας.