Hur AI kommer att revolutionera mänskligt lärande – men inte som du tror

Det som till en början verkade så nytt och fantastiskt har plötsligt börjat väcka rädsla. De AI-drivna verktygen som kallas stora språkmodellereller LLMs – den mest kända av dem är ChatGPT – har höjt spöket av mänsklig kunskap som blivit föråldrad.

Sådan nervositet är förståeligt. När allt kommer omkring har de senaste genombrotten fört AI till det mänskliga språkets rike – och det känns obehagligt nära hemmet. Det är som om ChatGPT och andra LLM:er har klarat Turing testsom länge har varit den heliga graal för datorer att “passera” som människa genom att visa intelligens.

Rädsla för AI förnekar en mycket större och mer övertygande punkt. Som vi för närvarande ser i banbrytande adaptiva inlärningsmodeller, öppnar nästa generations AI upp mer potential för människor – inte mot dem. I synnerhet har AI potential att revolutionera hur människor lär sig genom större personalisering.

Här är fem AI-genombrott som kommer att förändra hur människor utvecklar sina kunskaper och färdigheter för att bli mer kompetenta, särskilt på arbetsplatsen. De fyra första adresserar AI speciellt utvecklad för utbildning – medan de sista visar hur LLM:er som Chat-GPT kommer att förändra vår förmåga att dra nytta av de fyra första.

1. Domänspecifika, pedagogiska AI-drivna modeller möjliggör större anpassning – och 100 % färdighet. Tidiga försök att använda AI för att leverera domänspecifik inlärning överväldigade ofta eleverna. I huvudsak hoppade AI runt ämnet på ett förvirrande sätt. Snabbt blev det uppenbart att denna teknik behövde presentera innehåll på ett sätt som var mycket närmare hur den mänskliga hjärnan fungerar. Idag kan de senaste AI-drivna inlärningsverktygen sekvensera innehåll för att matcha en individs takt och prestanda på ett intelligent och lyhört sätt. Detta är vad en erfaren handledare kan göra, genom att identifiera var en elev kämpar och behöver mer stöd, och där eleven redan har bemästrat innehållet och inte behöver granskas ytterligare.

Denna nivå av personalisering gör det möjligt för varje person att bygga upp sina kunskaper och skaffa sig färdigheter. Nästan alla elever kan nå 100 % behärskning av innehållet – över varje enskilt lärandemål. Det kommer bara att ta vissa människor längre tid än andra. I en stor grupp av företagsinlärare, till exempel, fann vi att de snabbaste eleverna uppnådde 100 % kompetens på 12 minuter, medan de långsammaste eleverna tog 2 timmar eller mer. Den skillnaden var betydande i termer av storleksordning – men hur är det med det? Det viktigaste var att få alla till fulla kunskaper.

På senare tid har vi med en annan av våra företagskunder sett en minskning av klyftan mellan de snabbaste och de långsammaste eleverna som uppnår färdigheter. Vi studerar dessa resultat för att ta reda på varför. Kanske är denna grupp av elever helt enkelt mer homogen. Det kan också reflektera att ämnet helt enkelt är lättare. Vi är dock nyfikna på om det kan vara möjligt att modellerna förbättras så att även de långsammaste eleverna kan ta sig igenom materialet snabbare, med samma 100%-iga kompetens uppnådd.

2. AI som fungerar som en “oändligt tålmodig mormor.” Föreställ dig en mormor som sätter sig ner för att lära ett älskat barnbarn något – aldrig rusar eller ger upp och går vidare till nästa sak. Istället fortsätter hon att förklara, presentera ytterligare material, granska och uppmuntra – allt samtidigt som hon säkerställer att detta barnbarn förblir motiverat och engagerat. Det är vad en pedagogisk, AI-driven modell kan göra. Teknik lär sig av eleven, reagerar och anpassar sig till människan (i motsats till tvärtom).

Samtidigt kan detta “mormorsmässiga” tillvägagångssätt också användas för att upptäcka riskstuderande som behöver extra uppmärksamhet. Vi ser detta i den mänskliga kopplingen mellan en lärare och en elev eller en mentor och en adept. I stället för att falla mellan stolarna och bli kvar, är den eleven engagerad och upplever stegvisa framsteg. Detta är mycket effektivt för att avslöja människors outnyttjade potential, men ingen organisation har råd att implementera handledning i stor skala. Med AI-drivna modeller som replikerar handledarens tillvägagångssätt kan de dock.

3. Förbättra retention – och tänka om omskolning. När väl organisationer går igenom ansträngningen och kostnaden för att utbilda människor i första hand, är det sista de vill göra omskola, bara för att hålla dem uppdaterade. Och ändå vet vi att mycket av det människor lär sig med traditionella metoder—gå igenom detta seminarium eller klicka dig igenom dessa bilder och svara på frågor i slutet—översätts inte till långsiktig kunskapsretention. Men som vi ser inom områden från medicin till försvarsindustrin, förbättrar adaptiva modeller som använder pedagogisk AI för att anpassa inlärningen också kunskapsbevarandet.

Ett exempel är American Heart Association (AHA), som certifierar vårdpersonal i livräddande färdigheter. Tidigare var dessa yrkesverksamma tvungna att omskola sig ofta, vilket var en betydande kostnad för sjukhussystemet och också innebar att människor var tvungna att vara borta från sina jobb för att få utbildningen. Genom att anta en personlig, adaptiv inlärningsmetod kan AHA dock tillåta människor att förbli certifierade genom att uppdatera sina kunskaper och lära sig de senaste teknikerna på en kontinuerlig basis.

4. Att använda pedagogisk AI för att utbilda människor – att använda mer AI. Utan tvekan fortsätter AI att göra intåg i hur jobb utförs, som att automatisera uppgifter. Effekterna kommer inte att begränsas till fabriksgolvet; kunskapsarbetare kommer också att känna AI:s intrång. Som Tid tidskrift observerade nyligen, “Dessa AI-verktyg kommer säkerligen att effektivisera vårt arbete och ta en del av irritationen och tiden med att skriva anteckningar, svara på e-postmeddelanden och skriva datorkod. De kommer att hjälpa oss snabbare att smälta information som forskningsrapporter och göra kraftfulla multimediaredigeringsverktyg användbara genom enkla textkommandon.”

Istället för att frukta störningarna i hur arbetet utförs, är detta en möjlighet för människor att ta sig längre upp i kunskapskedjan. AI kommer att spela en stor roll i denna transformation. För det första kan AI ta på sig vissa uppgifter på lägre nivå som, helt ärligt, inte kräver det kritiska tänkande, kreativitet och kommunikation som människor är kända för. För det andra, som vi har diskuterat, kommer AI att hjälpa människor att lära sig mer avancerade färdigheter. Här är ett exempel från vårt eget företag. Tills nyligen fann vi att GPT inte var tillräckligt korrekt för att använda innehållet det genererade i inlärningsmodeller. Nu är dock den senaste iterationen—GPT-4, som tillskrivs “säkrare och mer användbara svar” – kan generera innehåll som motsvarar vad en grundläggande inlärningstekniker skulle kunna producera. Så, vad händer med dessa ingenjörer? De kan uppfostras med hjälp av AI-drivet adaptivt lärande för att bli mer produktiva inom områden som beslutsfattande och utvärdering av mer nyanserade samtal om innehållet.

5. Stora språkmodeller – som ChatGPT – kommer att avsevärt minska kostnaderna för att göra innehåll för pedagogiska AI-modeller. Den primära hämmaren för att dra nytta av pedagogisk AI – även i större skala – har varit kostnaden för innehållskurationer för denna leveransmetod. Storskaliga förlag som McGraw-Hill och Collins har förändrat sina processer för innehållsutveckling, med början för flera år sedan. Det krävde massiva investeringar och radikala förändringar av de redaktionella processerna. Detsamma gäller andra storskaliga aktörer som AHA:s certifiering av miljontals vårdpersonal varje år, eller CITI Groups senaste drag till adaptivt lärande som involverar hundratals människor som driver dessa förändringar. ChatGPT har dock redan bevisat att innehåll kan kureras och levereras till en bråkdel av den nuvarande kostnaden, och det kommer att öppna portarna för att omvandla befintlig utbildning till pedagogiska AI-plattformar.

När vi blickar framåt kommer de senaste genombrotten att göra det möjligt för oss att implementera befintlig teknik mer effektivt. Vi kommer att kunna skapa innehåll, förbättra system och förutse och upptäcka problem snabbare.

Inom utbildningsområdet – och i synnerhet lärande på arbetsplatsen – innebär detta att AI-drivna modeller kan uppgradera mänsklig kunskap och förbättra kompetensutveckling och färdigheter. Istället för att se den här tekniken som ett hot är det dags att se på AI som ett brett utbud av verktyg med större sofistikerade och fler användningsområden än vi någonsin trodde var möjligt.