Innowacje w nauczaniu – uczenie głębokie

Dynamika dyskusji na temat zagrożeń, jakie niesie za sobą sztuczna inteligencja w kontekście rozwoju współczesnego świata i miejsca, które zajmuje w nim człowiek, każe po raz kolejny zastanowić się nad kształtem współczesnej edukacji. Z jednej strony dostrzegamy coraz wyraźniej, że nauczanie w szkołach jest coraz bardziej powierzchowne. Z drugiej widzimy, że rozwój technik cyfrowych prowadzi do nowych rozwiązań, które coraz bardziej naśladują funkcjonowanie ludzkiego umysłu oraz wykorzystują procesy przypominające uczenie się nas samych. Ale z tym zastrzeżeniem, że w przypadku maszyn i oprogramowania procesy te dzieją się szybciej i w daleko szerszym zakresie. Czy jesteśmy w stanie konkurować – ba, wygrać – ze sztuczną inteligencją? Ciekawym kontekstem do tego typu rozważań może być zestawienie dwóch modeli tzw. uczenia głębokiego (deep learning).

Zejść głębiej

Od lat w środowisku zajmującym się rozwojem edukacji toczy się nieustanna dyskusja, jak uczyć mądrzej, głębiej i w sposób jak najtrwalszy. W związku z lawinowym napływem nowych treści nauczyciele zastanawiają się, jak skoncentrować poznanie na tym, co najważniejsze. Internet oraz media generują nieograniczone zasoby nowych danych. Próba ich przetworzenia na treści, doświadczenia i umiejętności, z którymi powinni zetknąć się uczniowie, wzmacnia jedynie powierzchowność uczenia się. Ogranicza możliwość poznania oraz nabycia wprawy w korzystaniu z tego, co najważniejsze. Amerykanie o takiej edukacji mówią a mile wide, an inch deep – szeroka na kilometr, głęboka na centymetr. Wszystko wskazuje na to, że trzeba odwrócić priorytety – zamienić powierzchowność na to, co kluczowe. Uczyć się głębiej.

Zmiana perspektywy

Czas skupić się na podstawowej tajemnicy uczenia się. Zrezygnować z nauki na pamięć – szybkiej, niedbałej, uniemożliwiającej zapamiętanie nawet powodu, dla którego w ogóle mieliśmy się czegoś nauczyć. Co jednak decyduje o tym, że chcemy uczyć się czegoś naprawdę? I w jakich sytuacjach zapamiętujemy poznane treści oraz nabyte umiejętności na długo? Na te pytania odpowiadają w książce Uczyć (się) głębiej Jay McTighe oraz Harvey F. Silver. Ten pierwszy to były dyrektor Maryland Assessment Consortium – stowarzyszenia okręgów szkolnych pracujących nad jakością kształcenia w amerykańskim stanie Maryland. Harvey Silver to z kolei doświadczony pedagog, prezenter i trener, który przeprowadził tysiące warsztatów dla szkół i organizacji edukacyjnych w całych Stanach Zjednoczonych.

Autorzy publikacji podkreślają, że konieczne jest skupienie oferty edukacyjnej wokół idei możliwych do zastosowania w różnych dziedzinach życia. Rozwijanie i pogłębianie rozumienia treści w miejsce omawiania jak największej liczby niepowiązanych ze sobą faktów. Ujmowanie opracowywanych w klasie zagadnień w taki sposób, by badać je w szerszych kontekstach. Chodzi o to, aby skupiać się na działaniach umożliwiających zastosowanie uzyskanej wiedzy i umiejętności w różnych dziedzinach. Ciekawie wygląda zestawienie proponowanych metod z założeniami przyświecającymi tworzeniu sztucznej inteligencji. Ona również wykorzystuje „głębokie uczenie się”, wzmocnione jednak procedurami uczenia się maszynowego.

Polecamy i zapraszamy:

Uczenie maszynowe

Uczenie maszynowe (machine learning) to efekt adaptacji do przestrzeni IT rozwiązań, jakimi dysponuje żywy człowiek. Chodzi o stworzenie cyfrowego odwzorowania układu nerwowego pod postacią tzw. sieci neuronowych. Proces uczenia się jest następstwem pracy systemu nerwowego, który konsekwentnie odnotowuje zmiany zachodzące w otoczeniu i wywołuje związane z nimi adekwatne reakcje organizmu. Powtarzające się bodźce i towarzyszące im reakcje powodują z kolei powstawanie, a z czasem wzmacnianie określonych połączeń międzyneuronowych. Decydują one o efektach uczenia się i korzystania z nabytych w ten sposób kompetencji. Kluczem dla całości jest umiejętne pozyskiwanie informacji, przetwarzanie ich i celowe wykorzystywanie dla zaspokojenia określonych potrzeb.

W podobny sposób działa uczenie maszynowe. Zakłada przygotowanie komputerów do samodzielnej nauki na podstawie pozyskiwanych danych i doskonalenie możliwości ich wykorzystywania w miarę potwierdzenia trafności kolejnych ich zastosowań. Co najważniejsze, opisywany proces nie jest do końca zaprogramowany. Można by powiedzieć, że w jakimś zakresie działa „intuicyjnie”. System szuka, znajduje potwierdzenie i buduje na tej podstawie właściwy algorytm. Podstawą są możliwie duże bazy danych. Użyte procedury projektowane są w celu odnajdywania wzorców i korelacji, a następnie formułowania propozycji trafnych dla konkretnych sytuacji. Dzięki dynamice i wykorzystywanym zasobom („cały internet”) rozwiązania, które korzystają z metod uczenia maszynowego, z czasem stają się coraz skuteczniejsze.

Uczenie głębokie

Podstawową techniką uczenia maszynowego jest technika uczenia głębokiego. Przy jej pomocy programy komputerowe uczą się tego, co dla ludzi jest czymś naturalnym: rozwijania się na podstawie przetwarzania informacji. Program uczy się rozpoznawać i reagować na zadania klasyfikowane automatycznie z wykorzystaniem pozyskiwanych obrazów, tekstu lub dźwięku. Siłą programu jest to, że może osiągać wyniki z niezwykłą dokładnością, przekraczającą na ogół wydajność możliwą do uzyskania przez człowieka.

Podsumowując, uczenie głębokie ma na celu pozyskiwanie, analizowanie i wykorzystywanie danych w celu kreowania kolejnych rozwiązań pozwalających szybciej i lepiej przetwarzać informacje oraz tworzyć kolejne algorytmy postępowania. Obejmuje więc nie tylko twórczą adaptację danych, ale stanowi też podstawę do skutecznej modyfikacji naszych metod uczenia się. Człowiek nie jest w stanie wygrać z maszyną w kontekście szybkości pozyskiwania i przetwarzania informacji. Może jednak rozwijać w sobie szczególną wrażliwość na celowe i kreatywne wykorzystywanie danych dla uzyskiwania rezultatów nieoczywistych. Może w tym pomóc rozwijanie kompetencji w zakresie głębokiego uczenia się proponowanych przez McTighe’a i Silvera.

Uczenie głębokie w szkole

Rozwiązania nakierowane na głębokie uczenie się uczniów zakładają przede wszystkim pracę nad rozwojem umiejętności wykorzystywania faktów, przykładów, obserwacji i doświadczeń w celu szybszego oraz pełniejszego analizowania treści i relacji pojęciowych. Zachęcają do samodzielnego nadawania znaczeń i pomagają zrozumieć oraz przyswoić więcej z tego, co dzieje się podczas lekcji. Głębokie uczenie pozwala też na bieżąco przekształcać zbiory przypadkowych faktów w spójną i uporządkowaną całość. Przygotowuje do samodzielnego, twórczego myślenia i stosowania wiedzy w nowych kontekstach. To ważny aspekt uczenia kompetencyjnego rozumianego jako przygotowanie do podejmowania najbardziej odpowiednich do sytuacji działań. Stosowania w praktyce tego, z czym uczniowie zetknęli się wcześniej jedynie w kontekście szkolnym. Mają się oni nauczyć nie tylko coś odtworzyć, ale przede wszystkim właśnie tworzyć.

Obszary uczenia głębokiego

McTigh i Silver na podstawie badań oraz własnych nauczycielskich doświadczeń określili siedem umiejętności głębokiego uczenia się:

• tworzenie pojęć;
• robienie notatek i podsumowywanie;
• porównywanie;
• czytanie służące rozumieniu;
• przewidywanie, stawianie pytań i hipotez;
• wizualizacja i tworzenie przedstawień graficznych;
• przyjmowanie różnorodnych perspektyw.

Praca nad tworzeniem pojęć ma przygotować uczniów do uogólniania na podstawie przykładów. Do tworzenia własnych definicji, potwierdzania ich i skutecznej obrony. Do rozwoju myślenia indukcyjnego, korzystającego z różnych odniesień oraz form argumentowania. Robienie notatek i podsumowań rozwija i doskonali umiejętność syntezy oraz porządkowania informacji. Ułatwia odtwarzanie kluczowych treści i powtarzanie materiału. Stanowi dobrą podstawę do wykorzystywania zasobów w nowym kontekście, a także dzielenia się nimi z innymi. Porównywanie to dobry punkt wyjścia do argumentowania, rozwiązywania problemów czy podejmowania (lub współpodejmowania) decyzji. To praca z takimi narzędziami jak tabele czy diagramy, która może także opierać się na określonych kryteriach.

Z kolei czytanie służące rozumieniu rozwija umiejętności wyodrębniania z tekstu ważnych informacji i formułowania wniosków. To praktyka wyszukiwania informacji odpowiadających na zadane pytania czy analiza tekstu w kontekście założonej perspektywy. Kolejne umiejętności służą uruchamianiu myślenia spekulatywnego, dzięki któremu można formułować pytania, a także hipotezy weryfikujące analizowaną rzeczywistość. W ten sposób przygotowujemy uczniów do eksperymentowania i potwierdzania słuszności lub niesłuszności powziętych założeń. Rozwijania praktyki szybkiego notowania oraz wykorzystywania obrazów zamiast słów. Wizualizowania proponowanych rozwiązań zarówno w wersji dosłownej, jak i z wykorzystaniem metafory.

Ucząc (się) głębiej, sięgając wyżej

Szkoła przez lata działała na podstawie powtarzalnych algorytmów postępowania. W sposób szczególny ten schemat wzmocniła powszechność zewnętrznych badań poziomu osiągnięć uczniów. Nową normą stało się nie tyle uczenie, ale porównywanie wyników testów uzyskiwanych przez uczniów. W rezultacie szkoła zaczęła coraz bardziej przypominać fabrykę, taśmowo produkującą absolwentów, tak jak w teledysku do piosenki Pink Floyd Another Brick in the Wall. Czas to zmienić. Fundamentem procesu uczenia się głębokiego jest przyjmowanie różnorodnych perspektyw. To w istotnym zakresie różni człowieka od sztucznej inteligencji. Kreatywność, innowacyjność, abstrakcja to różne aspekty analizy oraz syntezy dokonywanych według różnych kryteriów. Generujących różne zastosowania. Pozwalających na wyzwolenie się z rutyny i automatyzmu myślenia. To sposób na zyskanie dystansu do siebie samego, własnych przekonań i schematów działania. Promujmy postawy zachowywania się jak twórczy i potrafiący przekraczać swoje własne możliwości człowiek. Nie jak maszyna!

Źródła:
What Is Deep Learning? 3 Things You Need to Know, MathWorks [online].
Coursera Staff, What Is a Machine Learning Engineer? (+ How to Get Started), 29.11.2023, Coursera [online].
Jay McTighe i Harvey F. Silve, Uczyć (się) głębiej. Jak to zrobić na lekcji, tłum. A. Dzierzgowska, Warszawa 2021.

Dowiedz się więcej:

Autor tego tekstu jest jednym z prelegentów konferencji
HOLISTIC TALK: Prawda. Dobro. Humanizm (17 lutego, Bielsko-Biała).
Program i bilety: holistictalk.pl
Z kodem: HTpartner24 kupisz bilet za jedyne 99 zł (regularna cena: 159 zł).