Wyścig nie do wygrania? Czy edukacja w świecie sztucznej inteligencji jest jeszcze potrzebna?

To kwestia produktywności, a nie zastąpienia?

Amerykański Departament ds. Efektywności Rządu (ang. DOGE), pod (nieformalnym) kierownictwem Elona Muska, masowo rozszerza zastosowanie GrokAI do zarządzania sprawami milionów Amerykanów. Brytyjska policja wprowadza nowe narzędzia sztucznej inteligencji do tłumaczenia dokumentów, klasyfikacji spraw wymagających priorytetu, a nawet do wykrywania trendów w rozwiązywaniu spraw kryminalnych. Oba przypadki łączy jedno – coraz szersze zastosowanie AI. Różni je jednak podejście do wykorzystania narzędzia. W przeciwieństwie do DOGE, brytyjska policja chce, by AI zwiększyła produktywność pracowników – policjant będzie mógł skupić się np. na pracy w terenie, zamiast na dokumentacji.

O tym, że podejście brytyjskiej policji może być bardziej zrównoważone, zdążył przekonać się już departament DOGE. Po masowych zwolnieniach w amerykańskiej administracji przyszła pora na refleksję – ekspertyza i doświadczenie pracowników nadal mają znaczenie.

Entuzjazm związany z wykorzystaniem sztucznej inteligencji często pomija warunek jej skutecznego działania – konieczności krytycznej oceny, czy zaproponowana odpowiedź jest prawidłowa. Prawdą jest, że np. lekarz z większym prawdopodobieństwem wykryje groźną chorobę z pomocą narzędzi AI. Manipulacją byłoby jednak twierdzenie, że można to zrobić bez weryfikacji i bez odpowiedzialności człowieka.

Jakie zawody przetrwają „szturm” sztucznej inteligencji?

To pytanie dominuje aktualną debatę o wpływie sztucznej inteligencji na rynek pracy. Często słyszymy, że warto szkolić się w zawodzie X, a temat Y odejdzie w zapomnienie. Dyskusja pomija jednak sedno sprawy – czym naprawdę jest kształcenie się w konkretnym zawodzie? To nic innego jak nabywanie zestawu umiejętności. Studiowanie informatyki różni się od studiowania chemii, ale część umiejętności się pokrywa. Chociaż umiejętności informatyczne mogą być coraz częściej podatne na automatyzację ze strony sztucznej inteligencji, informatycy posiadają inne umiejętności analityczne, które mogliby wykorzystywać w innych sektorach gospodarki – np. w farmaceutyce. Do podobnych zmian dochodzi wewnątrz samego zawodu. Na znaczeniu mogą zyskać sprawy powiązane z cyberbezpieczeństwem, kosztem dzisiejszego popytu np. na projektowanie stron internetowych. Spisywanie losu informatyków na straty jest zdecydowanie przesadzone.

Pytanie, w jakich zawodach i dziedzinach wiedzy powinniśmy się rozwijać, jest wtórne. Nawet jeśli AI potrafiłaby zautomatyzować znaczną część umiejętności, uczelnie mogą dostosować program nauczania. Tak stało się w Szwajcarii podczas transformacji cyfrowej. Badacze z Zurychu pokazali, że aktualizacje programów edukacyjnych przynoszą korzyści uczniom. Im więcej nowych umiejętności zastępuje stare, tym większe korzyści płacowe odnoszą absolwenci.

Czy dzięki AI przebranżowienia będą prostsze?

W badaniu przeprowadzonym przez IBS w projekcie SkilMeeT analizowaliśmy podobieństwa między zawodami – czyli w jakim stopniu wymagane umiejętności się pokrywają i jak trudno uzupełnić luki w umiejętnościach. Na tej podstawie zbudowaliśmy miarę „odległości”, która pozwala ocenić, jak trudne jest przebranżowienie.

Im więcej umiejętności na wysokim poziomie wymaga zawód, tym bardziej można nazwać go „skomplikowanym”. Dzięki skonstruowanej przez nas mierze wskazaliśmy najbardziej skomplikowane zawody (np. inżynier mechatroniki) i takie, do których najłatwiej się przenieść (np. kelner). Skomplikowanie zawodu było powiązane pozytywnie z płacami – im więcej umiejętności średnio posiadali pracownicy, tym większych płac mogli oczekiwać. Zaskakujące jednak jest to, że „skomplikowanie” zawodów było pozytywnie powiązane z potencjalnym zastosowaniem AI – im bardziej złożony zawód, tym większe możliwości automatyzacji.

Jest to znaczące odróżnienie od wcześniejszych fal transformacji technologicznych, gdzie automatyzacji w pierwszej kolejności podlegali pracownicy o niskich kompetencjach.

Nie oznacza to jednak, że nauka i przebranżowienie będą łatwiejsze dzięki AI. W naszej analizie sprawdziliśmy, jak zmieniło się wykorzystanie umiejętności w pracy na przestrzeni ostatniej dekady. Dystans między zawodami zmniejszył się – teoretycznie powinno być łatwiej się przebranżowić. Ale to tylko rachunkowy efekt – dystanse zmalały, bo nasze umiejętności są coraz częściej na niższym poziomie. W efekcie, choć „odległość” się skróciła, samo przebranżowienie jest równie trudne, a nawet trudniejsze, bo startujemy z niższego poziomu.

Czy sztuczna inteligencja „wypełni” luki edukacyjne?

Krytyczne myślenie i odpowiedzialność to nadal cenne umiejętności. Wbrew temu, co sugerują firmy produkujące nowe gadżety edukacyjne, tych kompetencji nie da się zdobyć bez solidnej wiedzy. To mit edukacyjny. Jak (krytycznie) ocenić działanie banku centralnego, nie rozumiejąc mechanizmów obiegu pieniądza? Jak zrozumieć przemiany polityczne w USA bez znajomości historii? Wyjaśnienie nie rodzi się w próżni – musimy inwestować w budowanie wiedzy, a nie tylko uczyć się obsługi narzędzi AI.

Proste ćwiczenie wykonywane przez np. Chat-GPT, mimo zakumulowanych terabajtów faktów, nie zawsze musi prowadzić do uzyskania prawidłowej odpowiedzi.  To, na czym uczą się algorytmy sztucznej inteligencji może nie odzwierciedlać rzeczywistości. I na tym polega główna wartość krytycznego myślenia. Czy uczniowie potrafią zauważyć, kiedy sztuczna inteligencja się myli?

Na to pytanie spróbował odpowiedzieć amerykański zespół naukowców. Uczniom zaprezentowano zadanie z matematyki.  Podzielono ich na 3 grupy w zależności od dostępu do narzędzi AI – 1) brak dostępu, 2) dostęp do narzędzia AI, które celowo ma się pomylić, 3) dostęp do narzędzia, które podawało prawidłową informację. Wśród uczniów z grupy pierwszej, 15% udzieliło poprawnej odpowiedzi, w porównaniu do 3% w grupie drugiej oraz 97% w grupie trzeciej. Oznacza to, że uczniowie częściej udzielają nieprawidłowej odpowiedzi, jeśli jest to wynik wnioskowania AI. Chociaż część z nich mogłaby poprawnie odpowiedzieć na zadanie, poczucie o niemylności AI przewyższa krytyczne spojrzenie na wybrane zagadnienie i jego rozwiązanie.

Jak zmieniać edukację? Więcej matematyki, mniej języka polskiego?

Otwartym pytaniem pozostaje to, jak zmieniać edukację, by zachować jej wartość. W debacie publicznej czasem pojawiają się próby wartościowania edukacji. Po wypowiedzi Sławomira Mentzena dotyczącej wprowadzenia płatnych studiów w Polsce, Krzysztof Stanowski skomentował, że kierunki ważne powinny być bezpłatne, a inne kierunki powinny być płatne, ponieważ są tylko realizacją czyjegoś hobby. Czy aby na pewno przesunięcie akcentu na kompetencje techniczne to dobra decyzja z punktu widzenia społeczeństwa?

Zespół badaczy z Kanady i USA analizował wpływ takiej zmiany na losy rumuńskiej młodzieży. Wyniki? Reforma nie wpłynęła znacząco na wybory studiów – nadal decydowały zainteresowania, a nie trudność kierunku. Jednak nowy program edukacyjny sprawił, że u chłopców częściej pojawiały się skrajnie prawicowe poglądy, trudności w relacjach rówieśniczych oraz mniejsze zainteresowanie czytaniem.

Dlaczego? Bo to nauki humanistyczne i społeczne rozwijają krytyczne myślenie. Dyskusja, formułowanie argumentów, rozumienie innych perspektyw – to wszystko kształtuje kompetencje społeczne i obywatelskie. Nauki matematyczno-przyrodnicze oferują często jednoznaczne odpowiedzi. Przeniesienie ciężaru edukacji na umiejętności techniczne może sprawić, że młodzież podobnie zacznie postrzegać rzeczywistość społeczną. To ryzyko. W obliczu charyzmatycznych polityków i braku krytycznego podejścia młodzież może ulec radykalnym poglądom. Jeśli trwałość wspólnoty mierzymy trwałością demokracji, porzucenie kształcenia humanistycznego może być nie tylko kosztowne, ale i niebezpieczne. A przed radykalizmem, sztuczna inteligencja nas nie ochroni.

Artykuł Wojciecha Szymczaka pt. „Wojciech Szymczak: Czy w świecie AI edukacja jest jeszcze potrzebna” został opublikowany na portalu Rzeczpospolita