Stworzenie zautomatyzowanego systemu do nauczania było dotychczas zajęciem żmudnym i mało praktycznym. Amerykańscy badacze znaleźli na to sposób

Sztuczna inteligencja jako nauczyciel? Dlaczego nie. Systemy nauczania oparte na sieciach neuronowych istnieją już dziś. Ale zanim zaczną działać, trzeba je rzecz jasna nauczyć, czego mają uczyć i jak mają to robić.

Sęk w tym, że do tej pory automatyzacja procesu nauczania nie była szczególnie owocna. Owszem, można było konstruować narzędzia i systemy, także oparte na sztucznej inteligencji – ale to wszystko zabierało cenny czas. Był to proces na tyle żmudny, że bardziej opłacalne było zatrudnienie nauczycieli.

„Studenci mogą nauczyć się jednego sposobu rozwiązywania problemu i to może wystarczyć”, mówi Daniel Weitekamp, doktorant na wydziale Interakcji Człowiek – Komputer amerykańskiego Carnegie Mellon University. „Ale inteligentny system nauczania musi się nauczyć wszystkich dróg do rozwiązania problemu”, jeśli ma uczyć, jak rozwiązywać problemy, a nie tylko je rozwiązywać.

Najbardziej obiecująca w tej metodzie jest łatwość w obsłudze narzędzia. Lekcje do zautomatyzowanego nauczania mogą więc tworzyć sami nauczyciele (a nie programiści)

Badacze z Carnegie Mellon University od lat pracują nad rozwijaniem takich systemów. Jak podają, nauczenie ich „automatycznego nauczyciela” (czyli opartego na sieci neuronowej systemu do przekazywania i sprawdzania wiedzy uczniów) wymagało ręcznego wprowadzania zestawów reguł – co zajmowało około 200 godzin pracy specjalistów. Nawet po odkryciu „drogi na skróty” (polegającej na wskazywaniu wszystkich sposobów rozwiązania problemu zamiast najlepszych) zajmowało to od 40 do 50 godzin.

Jednak wiele zagadnień jest bardziej złożonych i opisanie „wszystkich możliwych rozwiązań” może być po prostu niemożliwe, więc droga na skróty była wykluczona. Pozostawały setki godzin uczenia „automatycznego nauczyciela” – tylko po to, by mógł nauczyć jednego zagadnienia.

Ale badacze znaleźli na to sposób. Zatrudnili sztuczną inteligencję do tworzenia reguł, które trzeba było dotychczas wprowadzać ręcznie. To, jak piszą, pozwala stworzyć półgodzinną lekcję w pół godziny. A to, przyznajmy, kuszące. Przecież raz stworzoną lekcję można wykorzystywać z kolejnymi grupami lub rocznikami uczniów.

Pracę na ten temat badacze mieli zaprezentować podczas konferencji Conference on Human Factors in Computing Systems (CHI 2020), która z powodu pandemii została jednak odwołana. Opublikowano ją w Association for Computing Machinery’s Digital Library.

Metoda wykorzystana przez badaczy to tak zwane „programowanie na przykładzie” (programming by example), nazywane także programowaniem demonstracyjnym. Polega na uczeniu komputerowego algorytmu nowego zachowania przez demonstracje na konkretnych przykładach. Wyjątkowość metody opracowanej przez naukowców z CMU polega na tym, że to, jak uczniowie się uczą, symuluje sztuczna inteligencja i to ona tworzy reguły. Łatwy w użyciu interfejs pozwala na nanoszenie poprawek do systemu.

Adres filmu na Youtube: https://www.youtube.com/watch?v=S9Gp2j7I5mU

CMU prezentuje swoje rozwiązanie do automatycznego nauczania matematyki.
Źródło: CMUComputerScience / YouTube

Na razie w opublikowanej pracy badacze wykazali skuteczność swojego systemu w przypadku dodawania, ale ten sam system sprawdzono wcześniej w rozwiązywaniu równań, dodawaniu ułamków, opisywaniu reakcji chemicznych, zadaniach z gramatyki języka angielskiego i szkolnych eksperymentach naukowych.

Najbardziej obiecująca w metodzie opracowanej przez naukowców z CMU jest natomiast łatwość w obsłudze. Lekcje do zautomatyzowanego nauczania mogą więc tworzyć sami nauczyciele (a nie programiści).

„Systemy uczenia maszynowego napotykają często problemy w tych samych miejscach, co studenci” – mówi Ken Koedinger, jeden z autorów pracy i psycholog, który bada interakcje człowiek – komputer. „Można więc sobie wyobrazić, że podczas uczenia komputerowego systemu uzyskujemy też wgląd w to, co stanowi problem w nauczaniu ludzi właśnie dlatego, że problem napotkała maszyna”.

System opracowany przez badaczy z CMU uczy się rozwiązywać problemy nie tylko w sposób, którego go nauczono. Może również wyciągać wnioski natury ogólnej i stosować je do innych problemów w danej dziedzinie.

„Dotychczas jedynym sposobem na stworzenie inteligentnego sztucznego nauczyciela było pisanie reguł dla sztucznej inteligencji. Teraz robi to sama”, mówi Koedinger.

Czy nauczyciele będą tracić pracę? Raczej zyskają narzędzie do wykorzystania na lekcji i zadawania prac domowych. Systemy nauczania obejmują – przynajmniej na razie – wąskie wycinki wiedzy, a nie całe dziedziny.

Źródło: Carnegie Mellon University