„Ya-Qin Zhang agentų ligoninės skaitmeninė aplinka rodo dirbtinio intelekto potencialą paspartinti medicinos mokymą, naudojant modeliavimą (Nature 645, 852–855; 2025).
Universitetai galėtų panašiai panaudoti dirbtinį intelektą, kad padėtų studentams mokytis, sprendžiant išsamias, prasmingas problemas, kaip alternatyvą formaliam mokymui.
Kūdikiai kalbą įgyja pasinerdami į kalbą ir taisydami, o ne atlikdami gramatikos pratimus.
Matematikai dažnai intuityviai suvokia sprendimus, prieš konstruodami formalius įrodymus.
Tsinghua universitete sukūrėme dirbtinio intelekto sistemas, leidžiančias studentams pasinerti į konkrečias disciplinas – nuo aplinkos mokslų iki pramonės inžinerijos. Pastebėjome, kad studentai, kurie tiesiogiai bendravo su šiomis sistemomis, įgijo gilesnį supratimą, nei tie, kurie lankė įprastas paskaitas. Pirmiausia jie lavino intuiciją; vėliau formali teorija tapo įrankiu paaiškinti tai, ką jie jau netiesiogiai žinojo.
Ši seka yra svarbi. Linijinis mokymas suteikia pirmenybę problemoms, kurias jau galime suformuluoti, paruošdamas kvalifikuotus tikrintojus, bet prastus problemų radėjus. Dirbtinis intelektas gali padaryti pameistrystę labiau pritaikomą, suteikdamas neribotą suasmenintą praktiką, akimirksniu diagnozuodamas klaidingas sampratas ir teikdamas instrukcijas, kai studentai susiduria su kliūtimis. Tai išlaisvina žmones mokytojus mentorystės, etinio mąstymo ir koučingo srityse.
Universitetams kyla klausimas ne apie tai, kaip dirbtinis intelektas gali paspartinti turinio teikimą, o apie tai, kaip dirbtinis intelektas gali padėti mums pertvarkyti mokymąsi. Šis pokytis ugdo novatorius.“ [1]
Štai kodėl mes, Vakarai, neturime retųjų žemių elementų magnetams, reikalingiems šiuolaikinėse technologijose. Inovacijos yra svarbios. Mes apie jas kalbame. Mes jų nedarome.
1. Nature 646, 1060 (2025) By Shuaiguo Wang
Komentarų nėra:
Rašyti komentarą