Представьте себе следующий сценарий. Школьная система в маленьком городке во Флориде больше не может справляться с количеством учеников, которые не посещают школу на регулярной основе. Прогулы находятся на катастрофическом уровне. Отчаявшись найти решение и желая получить больше информации, директор школы загружает все соответствующие данные (с защитой конфиденциальности) в стороннюю фирму по обработке данных на основе ИИ для анализа. Используя эти данные и общедоступные данные городской автобусной системы, полиции, судов, библиотек и спортивных залов и даже общедоступной сети Wi-Fi, система способна определить резкое различие между «типами» прогульщиков. В то время как у некоторых прогульщиков нет оправдания своему прогулу, другие, по-видимому, отсутствуют в основном из-за требований, предъявляемых к ним друзьями и семьей, работодателями, иммиграционной службой, полицией, и даже из-за необходимости ездить на работу на большие расстояния. Работа. Основываясь на своем «понимании» действующих сил, система на основе ИИ способна предлагать предварительные решения, которые ни один человек не может предложить с таким же уровнем уверенности — именно потому, потому что ни один человек не в состоянии соответствовать возможностям современного ИИ.

Трудно понять идею о том, что машина может «знать» лучше, чем администраторы, преподаватели, родители, преподаватели или даже сами учащиеся, как решать проблемы в образовании. Но это далеко от научной фантастики. Как никогда прежде, передовые алгоритмы производят расчеты и предоставляют услуги в сфере образования, с которыми до недавнего времени успешно могли справиться только люди-эксперты. Огромное количество переменных, участвующих в формировании политики, и обычно требуемые нюансы суждений сделали невозможным для тех, кто занимается образованием, «переложить» принятие решений на машины. Аналитика, основанная на данных, за последние двадцать лет, безусловно, внесла ценный вклад в понимание и способствовала более эффективному принятию решений, но эти методы и системы никоим образом не являются «интеллектуальными». Они просто не способны проявлять здравый смысл — применять мудрость так, как мы ассоциируем это с человеческим мозгом.

Сейчас этот ландшафт изменился. Системы на основе искусственного интеллекта в сфере образования и за ее пределами теперь могут сравниться и превзойти специалистов-людей во всех ключевых областях, включая вычислительную мощность, глубину и широту знаний, креативность и принятие решений. В случае с примером прогула, представленным выше, система на основе ИИ, вероятно, сможет предоставить школе не только невероятно подробный анализ, но и анализ, проводимый через призму таких факторов, как расизм, гендерная идентичность, бедность, образовательный статус и любые другие факторы. другие факторы, к которым система может получить доступ. Используется электронное факсимиле субъективного человеческого суждения, но гораздо более основанное на фактах и ​​гораздо более свободное от предубеждений, от которых страдают большинство человеческих решений. И эти системы становятся все лучше и лучше в том, что они делают со временем и при достаточном объеме опыта. Как человеческие конструкции, алгоритмы не свободны от предвзятости, но они гораздо лучше способны распознавать предвзятость и противодействовать ей, потенциально привнося подлинную строгость в анализ данных в образовании, которого раньше не хватало. ИИ способен разрабатывать решения, которые с большей вероятностью будут восприняты общественностью как свободные от предвзятости.

Это чрезвычайно важно, потому что современная образовательная политика, особенно образовательная реформа, неизбежно упирается в пределы наших текущих знаний и возможностей, а также ограниченность ресурсов, которыми мы располагаем для выполнения этой работы. Как всегда, мы стараемся сделать все возможное с определенной суммой денег, определенной инфраструктурой и определенным объемом знаний о том, что работает лучше всего. Но наши знания о том, что работает лучше всего, на протяжении десятилетий, если не столетий, были фрагментарными, основанными больше на идеологии, теории и индивидуальном опыте, чем на фактах. Аналитика, основанная на данных, за последние пару десятилетий оказала неоднозначное влияние, в основном потому, что слишком легко «исказить» цифры в поддержку той или иной идеологической позиции. Вопросы размера класса и тестирования в классе являются показательными примерами. Аналитика, основанная на данных, за прошедшие годы дала удивительно противоречивые результаты в отношении обоих. Контекст, оказывается, очень важен. И каков конечный результат этой неясности? Наполовину готовые инициативы, которые масштабируются и применяются повсеместно без надежной поддержки данных. Иногда данных не существует, но иногда данные существуют и «отбираются» для поддержки политики, в которой определенные заинтересованные стороны имеют большой личный интерес.

Именно здесь «интеллект» ИИ может оказать глубокое и, возможно, преобразующее влияние. В отчете Research and Markets, опубликованном в середине 2018 года, говорится, что использование искусственного интеллекта в образовании в США увеличится почти на 50 % в период до 2021 года. Количество сторонних поставщиков услуг по обработке данных на основе ИИ услуг огромен и растет, и с жесткой конкуренцией между этими компаниями услуги, которые они предоставляют, становятся все более доступными. Растущая способность администраторов, учреждений, инструкторов, аналитических центров, политиков, студенческих групп и других загружать огромное количество образовательных данных и получать взамен подробные, объективные результаты — и в очень короткие сроки — беспрецедентна. Ряд компаний в США, в том числе Content Technologies и Carnegie Learning, находятся в процессе создания «интеллектуальных» платформ доставки информации, которые включают ИИ, чтобы предлагать функции обучения, тестирования и обратной связи учащимся от дошкольного до колледжа. Опираясь на биографические данные учащихся, исторические данные учащихся, текущие данные об успеваемости и множество других источников данных, платформы выявляют «пробелы в знаниях» и предоставляют информацию, которая нужна учащимся. По словам разработчиков, одним из будущих источников данных вполне может быть выражение лица ученика, когда он или она учится (или не учится). Положительные или отрицательные выражения, вероятно, направят систему в разных направлениях в зависимости от предполагаемых потребностей.

За пределами Соединенных Штатов и остального развитого мира ИИ предлагает беспрецедентные возможности для помощи в образовании в областях, где инфраструктура недостаточно развита, а ресурсы часто отсутствуют. В некоторых из этих стран — например, в Китае и Бразилии — даже разрозненные образовательные данные, загруженные в системы на основе ИИ, можно конструктивно использовать для разработки, реализации и поддержки программ «дистанционного обучения», подпитываемых мощью ИИ. Сложные, гибкие и персонализированные образовательные программы, доставляемые через Интернет на ноутбуки и мобильные телефоны, могут удовлетворить потребности отдельных учащихся. Но ИИ также может отвечать потребностям всей образовательной системы, постоянно собирая и анализируя образовательные данные в массовом масштабе. Это позволяет системе предлагать государству политические рецепты по минимально возможной цене.

Ключ, по словам Кристин Нассергодси в недавней статье Forbes на тему ИИ и образования, — это данные, и чем их больше, тем лучше. Школы по своей природе богаты данными, но текущие модели сбора данных редко выходят за рамки успеваемости, посещаемости и поведения. Для эффективного обучения ИИ нужны огромные объемы точных данных. ЮНЕСКО недавно подчеркнула важность разработки государствами качественных и инклюзивных систем данных в качестве предварительного условия для их систем образования и их населения, которые извлекают выгоду из ИИ. Чем больше данных будет доступно системам на основе ИИ, тем более широкими, «нестандартными» и в конечном итоге эффективными будут предлагаемые вмешательства для решения таких проблем, как прогулы, высокий процент отсева, плохая успеваемость на экзаменах и достижения на основе гонки. пробелы. Способность ИИ выйти за рамки основанной на данных аналитики последних двух десятилетий и подражать человеческому мышлению и творчеству просто ошеломляет. То же самое относится к его «осведомленности» о переменных реального мира (таких как время и социально-экономические различия), а также к формулированию вмешательств, их тестированию и извлечению уроков из результатов, и все это без необходимости сначала потерпеть неудачу в реальном мире. Регулируя почти бесконечное количество переменных, заинтересованные стороны могут извлечь из наборов данных, которые они загружают, чрезвычайно подробную, почти интимную картину образовательных процессов и результатов. При правильном выполнении анализ и рекомендации ИИ труднее отвергнуть как продукт предвзятости и с большей вероятностью будут восприниматься всерьез.

Без сомнения, искусственный интеллект произведет революцию в образовании в Соединенных Штатах. Как разворачивается эта революция и в какой степени она помогает студентам и поддерживает хороших учителей и администраторов, еще предстоит увидеть. Но с чрезвычайно мощными (и доступными) сервисами обработки данных ИИ, повсеместно распространенными как онлайн, так и офлайн, практически все заинтересованные стороны в сфере образования теперь имеют возможность позволить «думающим» машинам оценивать свои данные и определять политику. В конце концов, чем больше данных предоставляется этим системам, тем «умнее» и проницательнее они становятся. Продолжая развивать свои бурно развивающиеся (и уже приносящие удовлетворение) отношения с ИИ, преподаватели, администраторы и другие сотрудники ясно демонстрируют свою огромную веру в одну из самых важных и преобразующих технологий нашей жизни.

Первоначально опубликовано на https://www.linkedin.com.