Штучний інтелект не замінить освіту — якщо ми самі цього не дозволимо

Поки випускні церемонії оспівують нове покоління освічених молодих людей, в повітрі зависло тривожне питання: чи не зробить штучний інтелект усе їхнє навчання марним?

Багато CEO вважають, що так і буде. Вони описують майбутнє, де ШІ замінить інженерів, лікарів і навіть викладачів. Наприклад, гендиректор Meta Марк Цукерберг нещодавно заявив, що ШІ витіснить інженерів середньої ланки, які пишуть код. А керівник NVIDIA Дженсен Хуанг узагалі оголосив програмування застарілим.

Співзасновник Microsoft Білл Гейтс, попри те що визнає стрімкий розвиток ШІ «вражаючим і навіть лячним», одночасно вірить у його силу — зробити елітні знання доступними для всіх. Він також уявляє світ, у якому штучний інтелект замінює програмістів, медиків і вчителів, пропонуючи безкоштовні якісні консультації та навчання.

ШІ не мислить самостійно — поки що

Попри ажіотаж, ШІ наразі не здатен думати самостійно або діяти без участі людини. І те, чи стане він корисним інструментом у навчанні, чи навпаки — загрозою для критичного мислення, залежить від ключового вибору: ми дозволимо ШІ просто передбачати шаблони? Чи вимагатимемо від нього пояснень, обґрунтувань і дотримання законів реального світу?

Машинам потрібне людське судження. Не лише для контролю за результатами, а й для вбудовування наукових обмежень, які задають напрямок і забезпечують осмисленість.

Фізик Алан Сокал порівняв чат-ботів зі студентом, який «середньо відповідає» на усному іспиті. За його словами, коли ШІ «знає» відповідь — він її дає, а коли не знає — майстерно видає нісенітницю. Якщо користувач не дуже тямить у темі, він цього може й не помітити. І це влучно описує природу знань ШІ: імітація розуміння без справжнього концептуального підґрунтя.

Тому креативні моделі штучного інтелекту часто не можуть відрізнити правду від вигадки, а культурні нюанси — це взагалі окрема проблема. І коли вчителі хвилюються, що ШІ-репетитори можуть завадити розвитку критичного мислення, а лікарі — що алгоритми помиляться в діагнозі, вони говорять про одне й те саме: машинне навчання чудово розпізнає шаблони, але не має глибокого розуміння, яке базується на досвіді, логіці й науковому методі.

ШІ має дотримуватись законів природи — якому ми його навчимо

Тут на сцену виходить нова хвиля в розвитку ШІ — моделі, що вбудовують людське знання в саму суть навчання. Приклади таких систем — PINNs (Physics-Informed Neural Networks) та MINNs (Mechanistically Informed Neural Networks). Назви технічні, але суть проста: ШІ працює краще, коли дотримується правил. Це можуть бути закони фізики, біологічні системи або соціальні процеси. А значить — людське знання як ніколи потрібне.

Замість того щоб алгоритм просто шукав шаблони в минулих даних, ми навчаємо його базуватись на наукових законах. Наприклад, є ферма лаванди в Індіані, де точний час цвітіння критичний для якості продукції. Стандартна модель ШІ може витратити час на непотрібні патерни, тоді як MINN відразу враховує біологію рослин, умови температури, світла й вологи. Вона видає прогноз, заснований на реальних фізико-хімічних процесах. Але щоб це працювало, модель має знати, як влаштований світ — а це вже наука, створена людьми.

Або приклад у медицині: нещодавня модель MINN, розроблена в Rochester Institute of Technology, виявляє пухлини грудей на основі теплових зображень. Але замість сліпого розпізнавання, вона враховує фізику теплообміну в тканинах. У результаті — може точно визначити місце та розмір пухлини, бо розуміє, як хвороба порушує теплову картину тіла.

Головний висновок: людство потрібне. Ще й як.

ШІ стає складнішим — але це не загроза. Це виклик. Людям треба залишатись критичними й не мовчати, коли алгоритми генерують нісенітницю, упередження чи небезпечні помилки. Це не слабкість технологій — це сила людини. І це означає, що наше власне знання має розвиватись, щоб ми могли контролювати ШІ, скеровувати його та гарантувати, що він приносить користь, а не шкоду.

Найбільша небезпека — не в тому, що ШІ стане надто розумним. А в тому, що ми перестанемо мислити самі. Якщо почнемо ставитись до нього як до непогрішимого оракула, ми можемо втратити здатність сумніватися, аналізувати й помічати нісенітниці.

Але все ще можна змінити. Ми можемо створювати системи, що залишаються прозорими, інтерпретованими та вкоріненими в знаннях, етиці й культурі. Держава може фінансувати дослідження зрозумілого ШІ. Університети — навчати студентів поєднувати галузеву експертизу з технологіями. А розробники — створювати системи, як-от MINNs чи PINNs, які не гублять зв’язку з реальністю. Кожен із нас — як користувач, громадянин і виборець — може вимагати, щоб ШІ служив науці й об'єктивній істині, а не просто статистичним збігам.

ШІ не знищить освіту і не замінить людину. Але ми можемо втратити самих себе, якщо забудемо, як мислити, сумніватися і чому справжнє знання таке важливе.

Авторка: Дар’я Бровченко

Джерело