Pastelowy szkic dziecka korzystającego z AI przy pracy domowej, symbolizujący różnicę między samodzielną nauką a oddawaniem myślenia chatbotowi.

Czy AI pomaga dzieciom się uczyć, czy tylko szybciej odrabiać zadania?

AI w edukacji · prace domowe · egzamin bez wspomagaczy Lepiej i szybciej zadania robi się ejajem Wystarczy przekleić treść albo cyknąć fotę. Wynik przychodzi szybko, nagroda przychodzi natychmiast, a mózg uczy się prostego schematu: im mniej wysiłku, tym lepiej. 🧠 +30% szybsze prace domowe z AI −20% słabsze wyniki na egzaminach 30 mies. monitorowania uczniów Czy AI to dopalacz? Kiedy narzędzie daje szybki wynik bez wczytywania się w problem, zaczyna działać jak poznawczy skrót. Dziecko dostaje ocenę, oszczędza czas i uczy się nie tyle przedmiotu, ile sposobu omijania wysiłku. 26 811 dzieci z klas 7–12 objętych obserwacją +18% lepsze oceny z prac domowych -18 -24% gorsze wyniki egzaminów wysokiej stawki Oliwa sprawiedliwa wychodzi na egzaminach Prace domowe wyglądają lepiej, ale egzaminy pisane bez dostępu do AI pokazują inną historię. Najmocniejsze negatywne efekty pojawiają się długofalowo – dopiero po dwóch latach. Największe różnice widać w przedmiotach społecznych, gdzie liczy się rozumienie kontekstu i argumentacja, następnie w przedmiotach ścisłych, czyli STEM, oraz w językach obcych, gdzie praktyka jest trudna do zastąpienia samym wynikiem. Kto traci najbardziej? Najgorzej wypadają najmłodsi uczniowie oceniani najwyżej, zwłaszcza chłopcy oraz grupa, która regularnie outsourcuje prace domowe na AI. Użycie jako wsparcie Dzieci, które pracują z AI, ale poświęcają na zadania podobnie dużo czasu jak rówieśnicy bez AI, doświadczają tylko niewielkich strat edukacyjnych. Użycie jako zastępstwo Gdy chatbot odrabia zadanie zamiast ucznia, ocena może rosnąć, ale trening rozumienia, pamięci i samodzielnego pisania znika. A gdyby Twoje dziecko miało w piwnicy kogoś, kto odrabia za nie wszystkie zadania? Po latach kto ma wiedzę i umiejętności? Kto ma wyćwiczoną „mózgownicę”? Ten, kto dostawał piątki za wynik, czy ten, kto naprawdę przechodził przez proces uczenia się? Puenta: AI może pomagać w nauce, ale nie powinno zastępować samego aktu myślenia. Mniej wysiłku ≠ więcej kompetencji

Umiemy - Nowoczesna przestrzeń szkoleniowa z rzutnikiem, flipchartem i kamerą do nagrań wideo

Kompetencje nieautomatyzowalne w erze AI, praktyczne warsztaty i coaching dla organizacji

O kompetencjach przyszłości słyszymy coraz głośniej co najmniej od dekady – czyli mniej więcej tyle ile dr Iwo Zmyślony prowadzi warsztaty i szkolenia, wcześniej dydaktyka, badania i doktorat. Z grubsza chodzi o naszą inteligencję ogólną – zdolność do odkrywania zupełnie nowej wiedzy oraz adaptacji wiedzy posiadanej. Czyli m.in. o tzw. badania podstawowe, przełomowe odkrycia i zmianę paradygmatów. A w biznesie m.in. o synergię, rezyliencję, kreatywność, agile, głębokie innowacje (tzw. rewolucyjne), przywództwo, reputację, kapitał społeczny, know-how, problem finding, pamięć organizacji czy zarządzanie zmianą. Krótko mówiąc: to wszystko, czego AI dziś nie umie i czego nie będzie umieć. Przynajmniej dopóki nie powstanie nowa technologia – inna niż te, które znamy. Good, Minsky itp. fantazjowali o niej już przeszło pół wieku temu, a od przeszło dwóch dekad nazywamy ją „AGI”. Ja długo forsowałem „kompetencje człowiecze”, ale ostatnio mówię „nieautomatyzowalne”. Nie ma automatów cyfrowych, mechanicznych czy obliczeniowych, przy pomocy których by można je zastąpić bez straty dla procesów i zadań, w których z nich korzystamy – czy to w nauce, czy w biznesie, czy w innych obszarach. Niektórzy próbują je dzielić na „społeczne”, „poznawcze” i „emocjonalne”. Inni od lat promują „Power Skills”. „Miękkie” z obiegu raczej wypadają. Ostatecznie równie dobrze chodzi o Growth Mindset (C. Dweck, M.C. Murphy, D. Yeager), tzw. myślenie wolne (D. Kahneman) oraz neuroplastyczność i neurosynchronię (M. Platt, A. Schore). Najnowszy raport World Economic Forum po raz kolejny odgrzewa te kotlety, tym razem jako „Human Advantage” i „New Economy Skills”. Z ciekawostek – na ich rozwój potrzeba SETEK dni coachingu (średnio ok. 200), łatwo je utracić (skills atrophy, deskilling), a część jest w istotnym stopniu „transformowana” przez AI. Dlaczego tak trudno je rozwijać i wdrażać? Ponieważ – w przeciwieństwie do tzw. „twardych”, to nie są kompetencje jednostek, ale kompetencje zespołów i organizacji. Do ich rozwoju nie wystarczy trening, potrzebna jest motywacja i zaangażowanie (commitment). A co za tym idzie – przywództwo i kultura. Skoro szukasz szkolenia z kompetencji przyszłości, to prawdopodobnie widzisz już to, co widzą liderzy HR i zarządy: AI przyspiesza pracę, ale nie „dowozi” tego, co decyduje o przewadze — adaptacji, przełomowych pomysłów, kultury współpracy i jakości decyzji pod presją. Ten program (warsztaty + wdrożenie) pomaga zespołom zbudować Human Advantage: zestaw umiejętności, których nie da się sensownie zastąpić automatem bez strat dla procesu, reputacji i wyniku. Co naprawdę znaczy „kompetencje przyszłości” (i dlaczego to nie są „miękkie”) Jeśli zakładasz, że „kompetencje przyszłości” to kolejna moda, to szybko zauważysz różnicę: chodzi o inteligencję ogólną w praktyce — zdolność do odkrywania nowej wiedzy, zmiany paradygmatów i adaptacji posiadanego know-how w warunkach niepewności. W biznesie przekłada się to na konkret: To nie są „kompetencje jednostki”. To kompetencje zespołów i organizacji, a więc ich rozwój wymaga nie tylko treningu, ale też motywacji, zaangażowania i kultury. Dlaczego rozwój trwa setki dni (i czemu łatwo je utracić) Jeśli myślisz o rozwoju tych umiejętności jak o kursie „do odhaczenia”, to dane szybko ustawiają oczekiwania: mediana czasu potrzebnego na realny wzrost wybranych kompetencji human-centric (w coachingu) wynosi ok. 129–245 dni, a dla części osób dojście do poziomu wysokiej biegłości potrafi zająć powyżej 500–700 dni (90. percentyl, zależnie od kompetencji). Przykładowe mediany (50% grupy) z wykresu: Do tego dochodzi zjawisko skills atrophy / deskilling: gdy organizacja nie wzmacnia zachowań w procesach, kompetencje znikają szybciej, niż powstały. Dlatego program jest projektowany jako wdrożenie, a nie jednorazowe „event szkoleniowy”. FAQ Jeśli zastanawiasz się, czy to bardziej szkolenie czy transformacja odpowiadamy to jest wdrożenie kompetencji w kulturze i procesach. Ile trwa program?Skoro realny rozwój wymaga utrwalenia, najczęściej zaczynamy od pilota (warsztaty + pierwsze wdrożenia), a potem wzmacniamy coachingiem i rytuałami w cyklu kilku tygodni / miesięcy — zależnie od skali. Czy…

Umiemy - Nowoczesna przestrzeń szkoleniowa z rzutnikiem, flipchartem i kamerą do nagrań wideo

Podcast o AI na kanale Dariusza Rosiaka

Trudno nie cenić jakości jego dziennikarstwa. Obok „Raportu międzynarodowego” Jurasza i Parafianowicza, to dla mnie główne źródło rzetelnej analizy spraw, na których się nie znam, a które mnie ciekawią. Dlatego nas zaskoczył. ChatGPT ratuje życie? Z najnowszego odcinka wynika, że ChatGPT uratował życie. A nawet dwa życia. W pewnym momencie autor Adrian Bąk nawet retorycznie pyta, czy sam ten fakt nie uzasadnia wyjątkowej wartości owej technologii i potrzeby dalszego jej rozwoju. Po co powstał ChatGPT? Dowiadujemy się również po co w ogóle powstał ChatGPT: „Bardzo wcześnie zdawaliśmy sobie sprawę z tego, że to jest nieuniknione i niewiarygodnie istotne, że żeby zbudować sztuczną inteligencję generalnego użytku (…) cyfrowy mózg (…) będzie to zmiana paradygmatu na poziomie cywilizacji (…) było dla nas bliskie sercu, że ta technologia będzie miała pozytywny wpływ (…)” „Chciałbym, żeby AI pozwoliło ludziom osiągać to, co chcą osiągać i żeby pozwoliło ludziom stać się lepszymi samymi sobą. To jest takie moje marzenie” mówi Wojciech Zaremba. Przewidywania dotyczące AI W odpowiedzi na pytanie nad czym obecnie pracuje, zaczyna „przewidywać”, że w najbliższych latach: Pięć etapów rozwoju generatywnej AI Po czym sprzedaje 5 etapów rozwoju gen ai: (1) Przechodzi test Turinga (2) Modele rozumujące (3) Modele agentowe (4) Naukowiec (5) Inteligencja obsługująca całą firmę Analiza narracji Ten kuriozalny model dobrze sprzedaje właśnie strategię rozwoju nie tyle generatywnej ai, ale przedsiębiorstwa OpenAI, wycenianego obecnie na 500 mld USD, które póki co nie generuje zysków, lecz przynosi straty. Zaremba jest jego pracownikiem i współzałożycielem. Czy to oznacza, że wciąż jest idealistą, bezinteresownym, genialnym naukowcem? Nie przesądzam. Być może. Tyle, że to opowieść. Błyskotliwa narracja, której się pięknie słucha, nawet ze wzruszeniem. Poza ową narracją „prawda nie istnieje” – jak niedawno wyznał jeden z protagonistów AI w PL. Odcinek „Limitów AI” i technologiczny kicz Akurat z Kasia Zaniewska i Edyta Sadowska nagraliśmy 14 odcinek „Limitów AI”. Rozmawiamy o technologicznym kiczu, czyli o tych narracjach, które w interesie wielkich korporacji odwracają naszą uwagę od kosztów, ograniczeń i ryzyk rozwijanych przez nie technologii. Kluczowe pytania Kto na tych narracjach korzysta? Kto traci? Czym jest dziś dziennikarstwo? Czym różni się od PR?

AI dla Sceptyków Szkolenie Iwo Zmyślony

Dlaczego AI nie jest (jeszcze) inteligentne: wyjaśnia François Chollet -analizujemy na Umiemy

Kamienie milowe AI to nie dowód inteligencji Od zwycięstwa AlphaGo w 2016 po sukcesy GPT-4o i OpenAI o3 w 2024 – każde z tych osiągnięć prezentowane jest jako krok ku AGI. Jednak wg François Cholleta to błędna narracja. Systemy AI nie posiadają ogólnej inteligencji – wykonują wąskie zadania dzięki dopasowanym architekturom i ogromnym zasobom danych oraz mocy obliczeniowej. „memorize – fetch – apply” – tak Chollet opisuje działanie dzisiejszych systemów generatywnych AI. Czym jest prawdziwa inteligencja według Cholleta Chollet – badacz DNN i twórca testu ARC-AGI – twierdzi, że inteligencja to: To przeciwieństwo dzisiejszych LLM-ów, które przetwarzają dane pasywnie, bazując na wzorcach z treningu. Dlaczego obecny paradygmat AI nie prowadzi do AGI Chollet krytykuje dominujące podejście tzw. „scaling laws”. Trening modeli na coraz większych danych nie prowadzi do generalnej inteligencji – prowadzi do coraz lepszej interpolacji, nie generalizacji. Inteligencja ogólna wymaga zmiany architektury i założeń, nie tylko skali. Czym jest test ARC-AGI i jak mierzyć inteligencję Test ARC-AGI nie sprawdza, czy maszyna zna fakty, ale czy potrafi się ich nauczyć od zera. Przykład: nie liczy się, jak dobrze AI gra w szachy, ale jak szybko się ich nauczy – bez wcześniejszego kodowania reguł. Porównanie podejść do AGI Podejście Opis Plusy Minusy Test-Time Computing (TTC) Więcej zasobów na nowe zadania, bez zmiany modelu Szybsza reakcja Brak głębokiej adaptacji Test-Time Training (TTT) Fine-tuning modelu podczas zadania Większa elastyczność Ryzyko overfittingu, duże koszty Program Synthesis Tworzenie dedykowanych programów przy wsparciu DNN Największa szansa na „myślenie wolne” Wciąż wymaga nadzoru człowieka 2016 – AlphaGo wygrywa z mistrzem Go 2018 – AlphaStar wygrywa z ludźmi w StarCraft II 2019 – MuZero gra w gry komputerowe ucząc się poprze granie 2020 – AlfaFold analizuje i przewiduje trójwymiarowe struktury białek lepiej od człowieka 2022 – Cicero od Meta AI wygrywa w „Dyplomację” 2023 – AMIE i PaLM od googla diagnozują choroby lepiej od lekarzy (i są milsze) 2024 – ChatGPT 4o przechodzi Test Turinga 2024 – OpenAI o3 wygrywa z ludźmi w zadaniach z kodowania, matematyki i nauk przyrodniczych Wbrew temu, co hajpują mainstreamowe media, żaden z tych „kroków milowych” nie świadczy bynajmniej o „narodzinach istoty nowego gatunku”, ani o nieuchronnej ścieżce wykładniczego wzrostu, na którą wkroczyła ludzkość ku zagładzie. Mało tego, żadne z tych osiągnięć nie świadczy i nie może świadczyć ani o nadludzkiej inteligencji testowanych maszyn, ani nawet o ich wysokiej inteligencji. Najwyżej o wciąż jak najbardziej ludzkiej (i wciąż niedostępnej maszynom) OGÓLNEJ inteligencji ich twórców — architektów modeli, którzy je projektują i trenują pod konkretne benchmarki. Powyższy wniosek wynika z koncepcji Françoisa Cholleta — jednego z prekursorów deep-learning, doświadczonego architekta i badacza DNN (Deep Neural Networks), wieloletniego Senior Staff Engineer w Google (2015-2024), laureata Global Swiss AI Award (2021), uznanego niedawno za jedną ze 100 najbardziej wypływowych osób w świecie AI. Dlaczego sukcesy AI nie świadczą o inteligencji? Bo każdy z nich możemy wyjaśnić rozwiązaniami, które z inteligencją nie mają nic wspólnego — czysto mechanicznym (1) memoryzowaniem matematycznych procedur odwzorowujących statystyczne korelacje ukryte (przed człowiekiem) w zbiorach treningowych, (2) pasywnym przywoływaniem tych procedur w przypadkach, które maszyna sklasyfikuje jako podobne oraz (3) generowaniem na tej podstawie najbardziej prawdopodobnych zachowań typu obraz, muzyka, diagnoza lub kolejne słowo w ciągu wyrażeń (jak to Chollet dosadnie ujmuje: „memorize – fetch – apply”), tudzież (4)„brute force computing”, tj. dorzucaniem do modelu jeszcze więcej mocy obliczeniowych i jeszcze więcej danych. Chollet wielokrotnie podkreśla, że dotyczy to wszystkich systemów generatywnej AI opartych na DNN, zwłaszcza popularnych LLM-ów, które z premedytacją nazywa „interpolacyjnymi bazami danych” – interpolative databases tudzież „repozytoriami programów wektorowych” – repository of vector programs. Czym jest inteligencja? Wg Cholleta globalne środowisko AI bardzo długo ALBO kompletnie ignorowało to…

Newsletter

Give your inbox some love with new products, tips, & more.


    © Umiemy 2024

    Shopping cart

    0
    image/svg+xml

    No products in the cart.

    Continue Shopping