Новые законы робототехники. Апология человеческих знаний в эпоху искусственного интеллекта - Фрэнк Паскуале
Шрифт:
Интервал:
Закладка:
Например, на рабочем месте обычно требуется общаться с коллегами и начальником. Упражнения в классе могут предполагать подобное общение. В одних случаях учащийся может ощущать уверенность в себе и считать себя компетентным; в других для того, чтобы попробовать что-то новое, нужна определенная смелость. В той мере, в какой работа требует определенного взаимодействия людей друг с другом, трудно понять, как все это может быть симулировано технологией.
Ангажирование – не та проблема, которая поддается простому решению. Однажды я спросил выдающегося инженера Google о его опыте сетевого образования. Он сказал, что движение, определившее моду на массовые открытые онлайн-курсы, позволило предоставлять учащимся отличную информацию, однако оно застопорилось, когда возник вопрос мотивации (это наблюдение подтверждалось высоким показателем отсева учеников на таких курсах). Учитывая проблемы машинной манипуляции и нарушения конфиденциальности, вероятно, преподавателям вообще не стоит стремиться к разработке машин, превосходящих людей в способностях мотивировать учащихся. Этот аргумент еще больше относится к демократическому гражданству; ядром сотрудничества в гражданских проектах является проблема человеческих отношений[193].
Энтузиасты технообразования, желающие заменить преподавателей программами, легко забывают об одной из наиболее важных ролей университета в современном обществе – он должен проводить незаинтересованный анализ различных предметов, таких как философия, история, искусство или компьютерные науки. Между серьезным исследованием и качественным образованием всегда возникает синергия, которая позволяет передовым мыслителям понимать историю своей области и передавать эти знания студентам. Если традиционное единство преподавания и исследований развалится, это может порвать связи между созданием знаний и их распространением как секторами университетской деятельности. Для развития истинно увлеченных научных исследований нам нужны исследователи, которые обязаны объяснять значение своей работы студентам и широкой публике, а также некоторая критическая масса преподавательского состава, который делает вклад и в научные знания, а не только передает их студентам.
Простая неолиберальная позиция
История образовательной политики отмечена постоянным конфликтом между традиционалистскими, профессиональными и открытыми или экспериментальными концепциями обучения. С точки зрения традиционалистов, первичная цель образования – познакомить новые поколения с общей (пусть и развивающейся) сокровищницей «лучшего, что было обдумано и сказано»[194]. Прагматические модернизаторы боролись с традиционалистами, делая упор на профессиональной потребности в таком обучении студентов, которое готовило бы к рабочему месту. Бихевиористы поддерживали эту линию практичности, предложив методы зубрежки, благодаря которым учащиеся должны быстро овладевать знаниями. Экспериментаторы выступали против такого подхода. Они говорили, что, учитывая значительную скорость социальных изменений, было бы неразумно делать ставку на какое-то одно знание, которое может преподаваться как традиционными методами, так и путем компьютерной зубрежки в высокотехнологичных классах. Вместо этого надо учить тому, как, собственно, учиться, то есть ключевому навыку, необходимому студентам. Также экспериментаторы признавали значение локальных вариаций в приоритетах и направлениях.
К сожалению, вертикальные «показатели успеваемости» утвердились сегодня среди неолиберальной элиты, принимающей решения. В их понимании образования как «подготовки рабочих кадров» профессиональные идеи сочетаются с бихевиористскими. Такой подход при поддержке ИИ может стать еще более точным и манипулятивным. Один из способов спроектировать идеальную систему образования-вести отсчет от требований работодателей, которые впоследствии будут нанимать студентов. Каждый год свободным остается определенное число рабочих мест в искусстве, дизайне, программировании, менеджменте и десятках других категорий. Выпускники образовательных программ либо находят позиции, либо страдают от безработицы. С этой точки зрения образовательная политика представляет собой всего лишь проблему согласования. Если рабочие места для программистов не заполняются, деканы должны заставить больше студентов специализироваться на информатике или устраивать «учебные лагеря по программированию», где навыкам кодирования могут после выпуска учиться студенты, специализировавшиеся в области английской литературы. В будущем профилирование интеллекта и психометрия позволят сопоставлять людей с позициями, которые более всего соответствуют их навыкам и склонностям. Рекрутеры – искусственные интеллекты уже оценивают людей, подавших заявки, на соответствие «духу фирмы», тогда как резюме сортируются алгоритмическими системами. Под влиянием подобных практик автоматизированного найма учебные заведения могут перестраивать свои курсы и свою деятельность, чтобы давать студентам те навыки и установки, которые более всего соответствуют рабочим местам там, где они понадобятся.
В той мере, в какой руководители индустрий хотят, чтобы работников в будущем понукали роботы или алгоритмы, их, конечно, вполне логично загонять в школы с механическими учебными планами и с хорошо контролируемыми преподавателями, что ведет к роботизации самого преподавательского состава. Эта перспектива может показаться мрачной, но, если судить по словам некоторых непримиримых критиков ведущих образовательных систем, это стало бы лишь естественным завершением худших аспектов развития образования. Например, Никил Гойал утверждал, что стандартизация закрепилась еще в начале XX в., когда фабричный труд и монотонные офисные задачи стали шаблоном для стандартизации учебных классов[195].
Эксперт по образованию Одри Уоттерс исследовала, как бихевиористские парадигмы образования определили «нарратив Кремниевой долины», представляющий распространенную там точку зрения на высшее образование[196]. Она раскопала удивительные документы и проекты начала XX в. Первые американские патенты на «обучающие машины» были выданы более ста лет назад. Сидни Пресси, психолог из государственного университета Огайо, стал известным благодаря разработке в 1924 г. «автоматического учителя»[197]. «Тестирующая машина» Пресси заставляет студентов выбирать один из пяти вариантов, а потом тут же дает реакцию, показывающую, правильно ответил студент или нет (индикатором сзади, который фиксировал число
правильных ответов)[198]. Каждое нажатие кнопки (или ответ) передвигает лист трафаретной бумаги, чтобы перейти к следующему вопросу. В этой машине многовариантные тесты были реализованы по модели Тэйлора, что позволяло освободить учителя от необходимости проверять каждую работу отдельно.
Гарвардский психолог Б. Ф. Скиннер развил бихевиористскую модель машины Пресси. Скиннер прославился развитием психологических моделей таких первопроходцев психологии, как Павлов. Знаменитая собака Павлова училась ассоциировать звук звонка с кормлением, а потому выделяла слюну (и, вероятно, радостно предвкушала еду), когда хозяин звонил в звонок. Скиннер полагал, что тот же механизм стимула и вознаграждения управляет и человеческим поведением. К середине XX в. он убедился в том, что «учитель как простой механизм подкрепления устарел, и
