Przemek Stolarski pracuje jako learning designer dla PwC w Bostonie, gdzie wykorzystuje swoją szeroką wiedzę o procesach uczenia się przy projektowaniu kursów, gier, symulacji edukacyjnych oraz bootcampów poświęconych tematyce sztucznej inteligencji czy zrównoważonego rozwoju. W przeszłości, Przemek pracował w tej samej roli również na University of Massachusetts. Posiada również bogate doświadczenie jako trener debatowania; w tej roli pracował w liceach w Wielkiej Brytanii i w Polsce a swoje zajęcia prowadził w ponad 15 różnych krajach.
Wykształcenie zdobywał na Harvard University, gdzie ukończył studia magisterskie (Ed.M) na kierunku Learning Design, Innovation, and Technology oraz na SOAS, University of London gdzie zdobył licencjat ze stosunków międzynarodowych i antropologii społecznej.
Rozmawiamy dziaj między innymi o tym… Czy AI naprawdę może uczyć lepiej niż człowiek? Jakie umiejętności będą kluczowe w świecie, w którym wszystko możesz wygooglować? I czy w edukacji mamy do czynienia z rewolucją… czy raczej z wielkim nieporozumieniem?
Przemek pokazuje, że w epoce czatu GPT nie wystarczy już „wiedzieć” – trzeba umieć z tą wiedzą pracować. I że przyszłość edukacji to nie tylko nowe narzędzia, ale przede wszystkim nowe podejście do myślenia, pamięci i… białych kartek.
Kilka kluczowych tematów naszej rozmowy:
- Czy system edukacji ma jeszcze sens?
Dlaczego dostęp do wiedzy to nie wszystko – i dlaczego dobry nauczyciel będzie w przyszłości ważniejszy niż kiedykolwiek? - Czy AI umie debatować?
Przemek był świadkiem pojedynku mistrza debat z maszyną IBM. Co z tej konfrontacji zapamiętał – i jak zmieniła jego podejście do ludzkich umiejętności? - Jak naprawdę działa krytyczne myślenie?
Co ma wspólnego szachista i neurolog? I dlaczego umiejętność logicznego myślenia nie istnieje… bez wiedzy. - Case study jako narzędzie nauki
Dlaczego case studies w edukacji są tak potężne? I jak Przemek tworzy własne… z pomocą ChatGPT. - Debaty, dzieci i uproszczone AI-podcasty
Jak pracować z 13-latkami nad myśleniem argumentacyjnym? I jak technologia pozwala dopasować trudne tematy do poziomu ucznia?
Cytaty, które warto zapamiętać?
„Krytyczne myślenie? Nikt nie wie, czym dokładnie jest – ale każdy twierdzi, że jest kluczowe.”
„Poezji w szkole uczymy się tak, żeby nigdy nie umieć jej napisać.”
„To nie jest czas, żeby uczyć się mniej. To czas, żeby uczyć się mądrzej.”
To rozmowa dla tych, którzy…
Projektują kursy, uczą, szkolą i budują systemy edukacyjne. Szukają nowych dróg w świecie sztucznej inteligencji. Chcą zrozumieć, dlaczego AI nie zabije edukacji – tylko zmusi nas, byśmy ją w końcu przemyśleli od nowa.
Zapraszam do słuchania!
—
Masz chwilę? Jeśli podoba Ci się 99 Twarzy AI, zostaw ocenę i recenzję – dzięki temu możemy docierać do jeszcze większej liczby słuchaczy!
Dobrego dnia i niech #AI będzie z Wami wszystkimi!
Transkrypcja rozmowy
Disclaimer. Droga Czytelniczko, Drogi Czytelniku – mała uwaga dotycząca transkrypcji rozmowy. Jak się pewnie domyślasz – transkrypcja została przygotowana z wykorzystaniem magii LLM. Proszę o wyrozumiałość, gdyby pojawiły się w niej niewielkie błędy, literówki, etc. Żeby mieć pewność co do wszystkich wypowiedzi – polecam posłuchać, zamiast czytać. Ukłony.
Karol
Przemku, witam Cię serdecznie. Kolejna twarz AI, kolejny gość, kolejna historia. Kim jesteś, co robisz, czym się zajmujesz?
Przemysław
Dziękuję bardzo za zaproszenie. Pracuję w PwC jako Learning Designer, czyli projektuję procesy uczenia się, głównie w kontekście korporacyjnym. Są to więc różnego rodzaju szkolenia, symulacje, gry edukacyjne i bootcampy dotyczące wielu różnych rzeczy, ale dwa dominujące tematy w ostatnich latach to sztuczna inteligencja i zrównoważony rozwój. Poza moją główną pracą zawodową jestem również trenerem debatowania i przemawiania publicznego. I choć może się wydawać, że nie jest to dziedzina, w której sztuczna inteligencja miałaby dużo do zaprezentowania, to myślę, że jest jedną z tych, która zostanie najbardziej przez nią zrewolucjonizowana – nawet jeżeli nie sama dziedzina, to przynajmniej umiejętności, które są tam używane.
Karol
A czy są zawody podobne jak w szachach między ludźmi a sztuczną inteligencją, podobnie w sztuce oratorstwa i dyskusji?
Przemysław
Takich zawodów jeszcze nie ma, ale były już próby organizowania takich pojedynków i właśnie taki pojedynek jest jednym z powodów, dla którego tutaj dzisiaj siedzę. Kilka lat temu IBM w ramach swojego wyzwania technologicznego – organizują takie wyzwania co bodajże dziesięć lat, kiedy wewnątrz firmy odbywa się konkurs na stworzenie technologii, która zrewolucjonizuje świat – stworzył maszynę nazywającą się Project Debater. To był właśnie jeden z takich projektów, podobnie jak dwadzieścia parę lat temu algorytm szachowy czy w którymś momencie Watson, maszyna odpowiadająca na pytania teleturniejowe.
Kilka lat temu miałem okazję oglądać na żywo debatę pomiędzy Harishem Natarajanem, mistrzem debatowania, a właśnie sztuczną inteligencją. I o ile wtedy człowiek wygrał tę debatę, to myślę, że dzisiaj mogłoby już być nieco inaczej. Na pewno w tamtym czasie było to coś, co zrobiło na mnie tak niesamowite wrażenie, że od tamtego momentu zainteresowanie sztuczną inteligencją we mnie siedzi. Myślę, że był to przełomowy moment.
Karol
A opowiesz o tym wrażeniu, o tym momencie, o tej debacie? Czym ona się wyróżniała na tle innych? Jaki był temat debaty?
Przemysław
Tematem debaty było to, czy należy subsydiować, czy należy dotować żłobki.
Karol
Codzienność.
Przemysław
Codzienność i również debata niezbyt fascynująca pod kątem emocji, bardzo techniczna, żaden górnolotny temat. Myślę, że temat został wybrany właśnie dlatego, że spodziewano się, iż w tego rodzaju temacie sztuczna inteligencja poradzi sobie bardzo dobrze, ponieważ będzie mogła korzystać z dużo większego zasobu wiedzy niż przeciętny czy nawet nieprzeciętny człowiek – bo mistrzowie debatowania bardzo często są raczej nieprzeciętnymi ludźmi. Ale myślę, że założono, że sztuczna inteligencja będzie jednak miała ten zasób wiedzy większy.
Styl debatowania, który ta maszyna przedstawiła, był całkowicie inny niż to, jak prezentują to ludzie. Ludzie zazwyczaj są w stanie przytoczyć dwa, trzy przykłady, jedno case study, jedne badania naukowe i obudować to retoryką, kwiecistymi słowami, pokazać w bardzo ustrukturyzowany sposób, dlaczego coś się zadzieje w taki czy inny sposób. Ta maszyna nie radziła sobie z tym tak dobrze; strukturyzowanie myśli nie było jeszcze wtedy tak fenomenalne i przede wszystkim ten kwiecisty język też był raczej trochę sztuczny, można powiedzieć, koślawy.
Natomiast to, co zrobiło na mnie niesamowite wrażenie, to odpowiadanie na to, co mówił właśnie Harish, ten mistrz debatowania, przeciwko któremu debatowała maszyna. Dlatego że w debatach pomiędzy ludźmi to jest właśnie największe wyzwanie. Wystarczy obejrzeć jakąkolwiek debatę przedwyborczą – bardzo często kandydaci nie odpowiadają na pytania dziennikarzy, a już na pewno nie odpowiadają na swoje argumenty. I o ile, jeżeli chodzi o polityków, jest w tym na pewno jakiś element cynizmu i jest to też zamierzone, o tyle jest to wielkie wyzwanie, żeby przetworzyć te wszystkie informacje, w jakiś sposób zainkorporować je do swojej wizji świata, którą chcemy przedstawić, i odpowiedzieć jeszcze na to, co mówi druga strona.
A ta maszyna robiła to fenomenalnie, można by powiedzieć, że robiła to nawet lepiej niż ludzie, ponieważ była w stanie wychwycić tak szczegółowe informacje, które się pojawiały w mowach – bo tam było kilka mów, to była debata trochę jak w ping-pongu: minuta dla jednej strony, minuta dla drugiej strony, czy coś w tym stylu. Ta maszyna robiła to fenomenalnie i na mnie to zrobiło tak wielkie wrażenie, że zacząłem kwestionować w ogóle, czy my jako ludzie jeszcze będziemy kiedyś uznawali umiejętności związane z debatowaniem za takie wyjątkowo ludzkie, za definiujące ludzką inteligencję.
Karol
Test Turinga zdaje się być już czymś nieaktualnym.
Przemysław
Test Turinga jest na pewno już nieaktualny od, myślę, że można powiedzieć, dziesiątek lat. No bo w latach dziewięćdziesiątych właśnie została stworzona technologia odpowiedzialna za szachy, a myślę, że Turing nie wyobrażał sobie raczej, że kiedykolwiek maszyna będzie w stanie grać w szachy równie skutecznie jak ludzie, ale również prezentując bardzo ludzkie, czasami można by powiedzieć, błędy, bo tak też się zdarzało w początkowych fazach tego algorytmu. Także na pewno test Turinga nie jest już czymś, co możemy uznawać za jakikolwiek wyznacznik rozwoju sztucznej inteligencji, przynajmniej tej generatywnej.
Karol
Jak patrzysz na system edukacji, na to, w jaki sposób funkcjonuje szkoła podstawowa, liceum, studia wyższe, to moje pytanie jest takie: czy twoim zdaniem system edukacji nadąża za technologią i za tym, co się dzieje? Mam takie wrażenie, że tak jak kiedyś rzeczywiście biblioteki i uczelnie wyższe były źródłem wiedzy, tak teraz ta wiedza leży na wyciągnięcie ręki dla każdego.
Przemysław
Na pewno nie nadąża i myślę, że to jest absolutnie niekontrowersyjne zdanie. Raczej nikt nie zgodziłby się z postawieniem sprawy, że szkoły robią dobrą robotę, jeżeli chodzi o rozumienie, jak działa technologia, ale również odpowiadanie na wyzwania, które się pojawiają wokół tego.
Ale chciałbym przestrzec – i myślę, że to będzie też bardzo widoczne w naszej rozmowie dzisiaj, bo jest wiele kwestii, które o to zahaczają – przed takim spojrzeniem na sprawę, w którym dewaluujemy rolę wiedzy. Dlatego, że wiedza, mimo iż jest bardzo łatwo dostępna w dzisiejszym świecie, jest nadal fundamentem wielu różnych umiejętności, w których maszyny nie są w stanie nas zastąpić, w których sztuczna inteligencja nie jest w stanie nas zastąpić. Uważam, że ogromnym mitem jest to, że ze względu na rozwój technologii, czy w szczególności AI, nauczanie jest przeżytkiem, a teraz wszyscy będziemy się uczyć.
Uważam, że jest wręcz przeciwnie. Myślę, że to właśnie dobry nauczyciel będzie na wagę złota w najbliższych latach. I to właśnie sposób przekazywania wiedzy, a nie tylko zostawianie ludzi samopas, żeby w jakiś sposób tę wiedzę posiedli i się nauczyli, będzie wyznacznikiem najbliższych lat.
Chętnie o tym opowiem więcej, ale jeszcze chciałem tylko zaznaczyć, że w gruncie rzeczy, jeżeli chodzi o dostępność wiedzy, to akurat pojawienie się sztucznej inteligencji nie zrobiło za dużej różnicy. To raczej pojawienie się wyszukiwarek internetowych miało tutaj większe znaczenie. Być może sztuczna inteligencja rewolucjonizuje w jakiś sposób selekcję informacji, natomiast niekoniecznie jest to pozytywna rewolucja, bo bardzo często wiemy, że AI halucynuje, daje nam też różnego rodzaju informacje, które są zmyślone czy po prostu nieprawdziwe.
Karol
Chyba że korzystamy z NotebookLM.
Przemysław
Chyba że korzystamy z NotebookLM. Może warto też wytłumaczyć słuchaczom, na czym ta technologia polega. Jest to dosyć fascynująca aplikacja, która potrafi tworzyć podcasty na podstawie notatek czy różnych innych źródeł. Możemy tam wrzucić książkę, czasopismo, artykuł i wygenerowana jest rozmowa, nie różniąca się wiele od tej naszej. Być może nawet żarty w takiej rozmowie są trochę lepsze, może płynność tej rozmowy również jest lepsza, nie ma „ą”, „ę” i tak dalej. Jak najbardziej przypomina to podcast z każdego punktu widzenia.
Ten NotebookLM potrafi też robić niesamowite rzeczy, ponieważ generuje bardzo często analizę i interpretację informacji w taki sposób, w jaki nawet człowiek by o tym nie pomyślał. Myślę, że warto tutaj przytoczyć mały eksperyment, który wykonaliśmy tuż przed tą rozmową. Wrzuciliśmy do tej aplikacji białą kartkę, pustego PDF-a, spodziewając się właściwie nie wiadomo czego. I o ile podsumowanie pisemne, tekstowe, po prostu stwierdziło, że jest to biała kartka, a więc nie można wywnioskować nic z tego, co znajduje się w dokumencie, to podcast, który został wygenerowany, trwa cztery minuty. Nie przesłuchaliśmy go jeszcze w całości, ale wiemy, że w pierwszej minucie dwoje prowadzących zastanawia się, co oznacza – z takiego, można powiedzieć, punktu widzenia prawie że interpretacji sztuki – pusta kartka.
I to jest coś, co myślę, że jeszcze kilka miesięcy temu, rok temu – już trochę gubię rachubę, ChatGPT pojawił się prawie dwa lata temu – więc jeszcze przed udostępnieniem szerokiej publiczności ChatGPT, coś takiego byłoby raczej w granicach jakiegoś performansu artystycznego w Muzeum Sztuki Nowoczesnej, aniżeli eksperymentu, który możemy wykonać, siedząc w studiu nagraniowym.
Karol
Mało tego, Przemek, łapię się już na tym, że czasami rozmawiamy z moimi rozmówcami na temat różnych funkcjonalności w kategorii życzeń i mówimy: „O, fajnie byłoby, żeby ta czy inna funkcjonalność pojawiła się kiedyś w przyszłości”. Okazuje się, że w międzyczasie, kiedy przygotowuję odcinek do publikacji, ta funkcjonalność już jest. I to zabiera kilka tygodni.
Przemysław
Tak, i bardzo często te funkcjonalności powstają z inicjatywy nie deweloperów czy firm odpowiadających za te technologie, a właśnie użytkowników. Ten proces kokreacji technologii, można powiedzieć, demokratyzacji również rozwoju technologii, jest niewątpliwie czymś pięknym, czymś, co chyba śniło się twórcom internetu, a dopiero teraz staje się rzeczywistością. Ja akurat na ten aspekt rozwoju sztucznej inteligencji patrzę niesamowicie pozytywnie.
Karol
Porozmawiajmy zatem o nauce, która jest twoją osią zainteresowań. Jak zmieniała się przez ostatnie lata?
Przemysław
Trudno mówić tutaj oczywiście o jakimś dominującym trendzie, bo gdzie spojrzeć, tam te zjawiska będą inne; systemy edukacyjne różnią się dosyć mocno między sobą. W każdym kraju to wygląda trochę inaczej, mamy dużo zjawisk, które są również sprzeczne ze sobą. Ale warto chyba powiedzieć o takim wycinku, który jest dosyć globalny. Mianowicie w przeszłości wartość czy autorytet szkoły bądź uniwersytetu wynikały przede wszystkim z monopolu, które te instytucje miały na, z jednej strony…
Karol
Dobro rzadkie?
Przemysław
Tak, to było jak najbardziej dobro rzadkie. Te instytucje miały monopol, który z jednej strony wynikał z dostępu do wiedzy – ale to się już zaczęło zmieniać bardzo dawno temu – ale przede wszystkim miały monopol ze względu na to, że wydawały tak zwane credentials.
Karol
Kwalifikacje?
Przemysław
To jest słowo, na które niestety w języku polskim nie ma zbyt jasnego odpowiednika. Chyba moglibyśmy powiedzieć o „potwierdzeniu kwalifikacji”. Chodzi o dyplomy, ale rozumiane bardzo szeroko – zarówno dyplomy uczelniane, jak również to, że ktoś może po prostu pochwalić się ukończeniem szkoły, świadectwem i tak dalej. Przez wiele dziesiątek czy setek lat skończenie uniwersytetu było wyznacznikiem tego, że ktoś coś potrafi, że wiąże się z tym jakiś prestiż, że są jakieś dowody na to, że ta osoba coś sobą reprezentuje. To nigdy nie był system idealny, ale był tak mocno osadzony w naszej rzeczywistości, że właściwie nie wyobrażano sobie innej możliwości weryfikacji umiejętności czy wiedzy.
Ten monopol dalej istnieje, ale jest bardzo mocno kwestionowany z dwóch różnych źródeł. Z jednej strony mamy przede wszystkim to, co widzimy na co dzień, czyli dostęp do wiedzy, dostęp do umiejętności, możliwość tak łatwego nauczenia się wielu różnych rzeczy poza tradycyjnymi instytucjami szkolnymi czy edukacyjnymi, że przeciętny człowiek zastanawia się, jaka jest wartość na przykład dyplomu. Z drugiej strony mamy też po prostu kryzys tożsamościowy szkoły czy uniwersytetu i to, że idąc tradycyjną ścieżką edukacyjną, tak naprawdę każdy zastanawia się czasami, po co uczymy się pewnych rzeczy i kwestionuje wartość tego wszystkiego.
Więc takie chyba najbardziej dominujące zjawisko, które widzę w ostatnich dziesiątkach lat, a może nawet zostało uwydatnione na przestrzeni ostatnich pięciu czy dziesięciu lat, to właśnie próby przełamania tego monopolu. Na ten moment jeszcze nieskuteczne w większości przypadków, ale na przykład branża IT jest dobrym przykładem tego, że wartość dyplomu jest troszeczkę już umniejszona i istnieje bardzo dużo różnych alternatywnych ścieżek pozyskiwania kwalifikacji.
Karol
Trudno sobie wyobrazić prawnika, lekarza czy architekta, który zdobywałby wiedzę tylko i wyłącznie w sposób nieformalny.
Przemysław
Jak najbardziej. Przede wszystkim tam, gdzie mamy dużą odpowiedzialność, bardzo ważne jest też to, żeby jakieś instytucje regulujące jednak istniały. Natomiast przesłanie, z którym dzisiaj chyba przychodzę, jest takie: nawet jeżeli dobór treści, których uczymy się w szkołach czy na uniwersytetach, nawet jeżeli metody przekazywania tych treści są dalekie od ideału, a czasami również bardzo krzywdzące – bo szkoła jest bardzo często również instytucją przemocową, niestety, także w tym kraju – to wydaje mi się, że konkluzją nigdy nie powinno być to, że przekazywanie wiedzy nie ma już znaczenia.
Naprawdę, to jest wniosek, do którego bardzo często dochodzą ludzie, którzy nie znają się na edukacji, a którzy o edukacji mówią w taki właśnie zdroworozsądkowy, „na chłopski rozum” sposób. Wydaje im się, że różnego rodzaju umiejętności można łatwo oddzielić od wiedzy, że są to dwie różne kategorie – fakty to jedna sprawa, a umiejętności to druga. Uważają, że fakty się już nie liczą, bo wszystko można sobie wygooglować, bo sztuczna inteligencja jest w stanie to wszystko wyselekcjonować, a liczyć się będą tylko umiejętności. Ludzie często mówią o krytycznym myśleniu, o kreatywności, o podejmowaniu decyzji.
I o ile ja się zgadzam z tym, że faktycznie tak jest, że coraz bardziej priorytetyzowane jest znaczenie tych umiejętności, to pozyskiwanie ich, to, jak wchodzimy w ich posiadanie, jest pochodną wiedzy. Lekarze, o których tutaj powiedziałeś, są świetnym przykładem.
Mamy klasyczną książkę, o której już mówiliśmy, „Developing Talent in Young People” Benjamina Blooma, sprzed wielu lat. On tam przeanalizował 125 różnych przykładów osób wyjątkowo uzdolnionych w różnych dziedzinach. Jeden z przykładów, który mi bardzo mocno zapadł w pamięć, to neurologowie. Ludzie, którzy są świetnymi neurologami, zawsze, ale to absolutnie zawsze, są również niesamowici, jeżeli chodzi o ogólną wiedzę medyczną. Jeżeli przetestujemy ich z wiedzy dotyczącej ludzkiej anatomii czy tych części medycyny, które teoretycznie nie są związane z tym konkretnym, małym wycinkiem neurologii, oni są w tych dziedzinach tysiąc razy lepsi niż wszyscy inni – czy lekarze z innych dziedzin, czy neurolodzy, którzy nie są tak dobrzy jak oni.
Dlaczego? Właśnie dlatego, że bardzo często te umiejętności, które nam się wydają być czymś innym niż tylko posiadanie faktów, są pochodną tych faktów, które posiadamy. To, że neurologowie potrafią na przykład diagnozować bardzo sprawnie rzadkie choroby…
Karol
I często diagnozują to, czego nie widać.
Przemysław
I diagnozują to, czego nie widać. Nie wynika to z tego, że oni jakoś specjalnie trenowali tę konkretną umiejętność w oderwaniu od reszty wiedzy medycznej, tylko po prostu mają tak bogatą wiedzę medyczną, że praktycznie na poziomie podświadomości rozpoznają wzory, których inni nie widzą. I to jest coś naprawdę niesamowitego.
A jeżeli tylko mogę, jeszcze jeden przykład, chyba z tej samej książki, a być może z innego researchu Bluma – szachiści są też bardzo ciekawym przykładem. Arcymistrzowie szachowi, ludzie, którzy są bardzo dobrzy w szachach, wygrywają zawody i tak dalej – jeżeli da się im jakąś pozycję szachową i 10 czy 15 sekund na znalezienie najlepszego ruchu, to są w tym fenomenalni. Pod warunkiem, że ułożenie figur na szachownicy ma z ich punktu widzenia sens, to znaczy nie zostało zrobione przypadkowo, tylko jest to przykład wzięty z jakiejś rzeczywistej rozgrywki. Natomiast jeżeli te figury są ułożone przypadkowo – zgodnie z zasadami gry, ale przypadkowo, w taki sposób, że normalny szachista patrzy na to i myśli sobie: „Kto tu coś takiego zrobił, to nie ma żadnego sensu” – to oni wcale nie są lepsi niż ludzie, którzy dopiero zaczynają grać w szachy. I to jest naprawdę fascynujące i pokazuje znaczenie wiedzy, znaczenie takiej ekspertyzy, która jest bardzo konkretna i specyficzna dla danej dziedziny.
Karol
To jest dokładnie ta sama sytuacja z AlphaGo i ten ruch, który był traktowany jako całkowicie bezsensowny w pojedynku komputera z człowiekiem w Go?
Przemysław
Chyba nie wiem, o jakim przykładzie teraz mówisz.
Karol
Mówię o tym pojedynku człowiek kontra maszyna w chińską grę Go.
Przemysław
Aha, w Go. Jasne. Tak, tak, tak. To też gdzieś mi się obiło o uszy ten przykład.
Karol
I tam ruch, który zadecydował o zwycięstwie maszyny, był komentowany jako absurdalny.
Przemysław
Tak. To jest też przykład na, można powiedzieć, kreatywność maszyn, która jest czasami naprawdę szokująca. Jaką można z tego konkluzję wyciągnąć? Oczywiście, z intelektualnego punktu widzenia takie przykłady jak gra w Go i takie absurdalne ruchy są bardzo ciekawe, bo pokazują nam również granice, które maszyny przekraczają.
Natomiast w życiu, w różnego rodzaju zawodach czy w rozwoju naukowym, przede wszystkim jednak chcemy myśleć w sposób troszeczkę bardziej przewidywalny, w sposób, który jest zgodny z założeniami jakiejś dziedziny wiedzy. Bo na przykład w medycynie, być może raz na jakiś czas taki przebłysk geniuszu i fenomenalna diagnoza faktycznie jest wynikiem jakiejś przypadkowej kreatywności, do której byłyby zdolne maszyny, ale zdarza się to chyba tylko głównie w serialu „Dr House”. Przede wszystkim mówimy jednak o diagnozach, które wydają się być przebłyskiem geniuszu dla ludzi, którzy nie wiedzą o medycynie, neurologii czy innych dziedzinach tak wiele. Natomiast dla tych lekarzy są one wynikiem dziesiątek lat ciężkiej pracy, zdobywania wiedzy, poznawania swojej dziedziny i praktykowania zawodu.
Karol
To jak zatem się uczyć teraz, w erze AI?
Przemysław
Odpowiedź jest tutaj, myślę, nieco paradoksalna, być może nawet kontrowersyjna. Myślę, że z jednej strony możemy powiedzieć, że zmienia się bardzo dużo, a z drugiej strony, że tak naprawdę niewiele. Co przez to rozumiem?
Sztuczna inteligencja na pewno uwydatniła, że człowiek jest wyjątkowo łatwy do zastąpienia w wielu miejscach. To wszystko, co sprowadza się do podążania za procedurą, nie wymaga wiele dokładności, to, co jest przewidywalne, powtarzalne – te wszystkie rzeczy AI wykonuje albo już teraz lepiej, albo za chwilę będzie wykonywać lepiej. Tam natomiast, gdzie jest wymagana zdolność krytycznego myślenia, podejmowania decyzji, wykazania się jakimś osądem, tam sztuczna inteligencja może być bardzo dużym wsparciem – na przykład przy pisaniu książek, jak mogliśmy usłyszeć w ostatnim odcinku twojego podcastu – ale nie zanosi się na to jednak, żeby zastąpiła człowieka w tych wielu różnych dziedzinach.
I choć ten trend, w którym umiejętność rozwiązywania problemów, negocjacji czy nawet publicznego przemawiania jest czymś ważnym – ja nie chciałbym go ignorować i na pewno możemy się spodziewać przyspieszenia tego trendu – to myślę, że jednak ważniejsze jest to, żebyśmy pamiętali, że nie powinniśmy wywracać świata do góry nogami. Powinniśmy się uczyć w sposób, który respektuje to, jak działa nasz mózg, w sposób, który respektuje rolę pamięci i w sposób, który pamięta o tym, że umiejętności, o których przed chwilą mówiliśmy, są bardzo często pochodną wiedzy, są bardzo często specyficzne dla poszczególnych dziedzin. Powinniśmy raczej dalej uczyć matematyki, języka polskiego i historii, a nie zastępować ich np. przedmiotem „Kompetencje XXI wieku”. Bo nawet jeżeli te kompetencje XXI wieku istnieją, to są one tak naprawdę kompetencjami, które istnieją wewnątrz tychże dziedzin, o których właśnie mówiłem.
Karol
A gdybyś miał dać radę naszym słuchaczom, jak uczyć się logicznego myślenia, jak poprawiać pamięć?
Przemysław
Myślę, że tę odpowiedź można podzielić na dwie części. Zacznijmy od logicznego myślenia. Przede wszystkim kwestia logicznego myślenia też jest czymś, co w dużej mierze jest specyficzne dla dziedziny wiedzy, w której operujemy. To też jest udowodnione w różnego rodzaju badaniach naukowych, które na przykład pokazują, że szachiści wcale nie są lepsi w innego rodzaju łamigłówkach logicznych, co może być dosyć szokujące, bo wydaje nam się, że za szachami stoją jakieś takie ogólne umiejętności.
Karol
Praktyka i wiedza w określonej domenie. Tak, tak.
Przemysław
To jest przesłanie, z którym na pewno dzisiaj przychodzę, bo myślę, że w tych wszystkich rozmowach, których jestem częścią lub które słyszę na temat sztucznej inteligencji, bardzo często jest to zapominane. Więc na pewno z jednej strony musimy po prostu pamiętać, że musimy się dobrze uczyć naszych konkretnych dziedzin. I to w każdej dziedzinie będzie oznaczało co innego, natomiast zdolność do logicznego myślenia będzie na pewno w dużej mierze pochodną tego, jak będziemy operować w danej dziedzinie.
Karol
Będę drążył ten temat. Gdybyś miał powiedzieć i gdybyśmy mieli dać radę naszym słuchaczom, jak nauczyć się podstaw logiki, która moim zdaniem jest całkowicie pomijana w systemie edukacji, jeżeli chodzi o szkołę podstawową czy liceum?
Przemysław
A właśnie, to była druga część mojej odpowiedzi. Z drugiej strony mamy na pewno do czynienia też z mechanizmami, które są dosyć łatwe do zgeneralizowania pomiędzy różnymi dziedzinami. Są na pewno jakieś, można powiedzieć, podstawy czy logiki, czy krytycznego myślenia, które można zauważyć w wielu różnych dziedzinach.
Podam dwie metody, czy raczej rodzaje metod, które są ogólnie rzecz biorąc w uczeniu bardzo ważne, ale już z pewnością ważne w uczeniu zdolności do podejmowania decyzji w logiczny sposób.
Po pierwsze, mamy zjawisko, które się nazywa Cognitive Apprenticeship, które można przetłumaczyć troszeczkę koślawo jako „poznawcze naśladownictwo” albo „poznawcze czeladnictwo”, jeżeli byśmy chcieli użyć troszeczkę archaicznego terminu.
Karol
Już to lubię, bo ja lubię się uczyć, mając za wzór jakiś model.
Przemysław
Dokładnie. Słowo, którego tutaj użyłem, „czeladnictwo”, jest nieprzypadkowe. Tak jak w średniowieczu mieliśmy cechy rzemiosła i bardzo często uczenie się, na przykład przyuczanie do bycia szewcem czy kowalem, sprowadzało się do tego, że czeladnik obserwował mistrza przez wiele lat, tak bardzo często jest to również skuteczna metoda nauki, jeżeli chodzi o umiejętności, które nie mają nic wspólnego z dotykaniem przedmiotów czy pracą ręczną.
Na czym polega takie poznawcze naśladownictwo? Polega na tym, że obserwujemy albo pracujemy bezpośrednio z ludźmi, którzy są bardzo dobrzy w danej dziedzinie, i te osoby mówią nam, jak przebiega ich proces myślowy, w jaki sposób analizują informacje, jak widzą na przykład częste błędy, co ich zdaniem powoduje te częste błędy, jak przebiega proces, w który się angażują. I to jest coś, co jest bardzo trudne do osiągnięcia w jakikolwiek inny sposób. Uczenie się wielu różnych elementów krytycznego myślenia czy logiki jest bardzo trudne bez właśnie takiego naśladownictwa, dlatego że bardzo często mistrzostwo wynika właśnie z doświadczenia i z pewnego rodzaju, można by powiedzieć, nawet niewypowiedzianych mechanizmów, które są znane tylko ekspertom w danej dziedzinie. Oczywiście, jest coś takiego jak nauka o logice i są zasady logiki matematycznej czy logiki używanej w filozofii, które jak najbardziej można posiąść, czytając książki, oglądając wykłady i tak dalej, ale przede wszystkim chodzi nam jednak o zastosowanie logiki, krytycznego myślenia czy na przykład argumentacji w konkretnych dziedzinach. I o ten krok aplikacji jest bardzo trudno bez właśnie takiego poznawczego naśladownictwa.
A drugi aspekt, o którym powiem już bardzo krótko, to są po prostu różnego rodzaju techniki pracy z naszą pamięcią krótkoterminową oraz długoterminową i obniżania czegoś, co nazywamy ładunkiem kognitywnym (cognitive load). Najprostszy sposób, żeby to wytłumaczyć, to chyba wyobrazić sobie analogię, w której założymy, że każde zadanie, do którego podchodzimy, czy to jest stworzenie tabelki w Excelu, czy odpowiedzenie na jakieś pytanie, właściwie jakikolwiek wysiłek intelektualny, wiąże się z wykorzystaniem jakiejś energii w naszym mózgu. Oczywiście używam tutaj bardzo nienaukowych terminów, żeby tylko uprościć sprawę. Niestety, zasoby tej energii są ograniczone i raczej niezmienialne. Człowiek nie jest w stanie przetworzyć zbyt wielu informacji w jednym momencie i to generalnie rzecz biorąc wcale się nie zmienia, jeżeli porównujemy ludzi dobrze wykształconych i źle wykształconych, ekspertów i początkujących.
Natomiast możemy zmienić to, jak dużo zasobów energii wymaga od nas jakieś zadanie. Między innymi jedną z metod na to jest po prostu posiadanie dużej wiedzy w danej dziedzinie, ale innymi metodami jest też ograniczanie różnego rodzaju rozpraszaczy, rozkładanie problemów na czynniki pierwsze, używanie różnego rodzaju pomocy, które pomagają nam zmniejszyć tę ilość mentalnej energii wymaganej w danym momencie.
Klasyczny przykład na to, to jest na przykład mnożenie czy dzielenie pisemne – obniżanie naszego ładunku kognitywnego. Bardzo mało osób jest w stanie w pamięci pomnożyć, powiedzmy, 44 razy 57. Możesz spróbować teraz, ale myślę, że to wymaga jednak…
Karol
Powyżej 2,5 tysiąca, tak?
Przemysław
Tak. No i możemy tutaj troszeczkę pooszukiwać i spróbować oczywiście gdzieś tam to zaparkować, ale jednak zrobienie tego w pamięci, bez skorzystania z kalkulatora czy zapisania sobie tego gdziekolwiek, dla większości ludzi jest wyzwaniem. Być może ci, którzy robią to na co dzień, potrafiliby zrobić to trochę szybciej czy w ogóle to zrobić, ale generalnie rzecz biorąc, zawsze to będzie wyzwaniem. Natomiast zrobienie tego pisemnie nie jest wielkim problemem, dlatego że po prostu rozbijamy to zadanie na mniejsze części. I to jest przykład tego, jak każdy z nas to robi w życiu codziennym, ucząc się tego w szkole podstawowej. Natomiast jest wiele różnych okazji do korzystania właśnie z tej zasady obniżania ładunku kognitywnego również w naszej pracy zawodowej czy w różnego rodzaju dziedzinach, którymi się zajmujemy. To może być choćby nawet korzystanie z tablicy i rozpisywanie sobie jakiegoś problemu, z którym się spotykamy, na trzy różne aspekty, z którymi musimy sobie poradzić, albo tworzenie pytań pomocniczych, na które musimy odpowiedzieć, żeby rozwiązać jakiś większy problem.
Karol
Tablica albo biała kartka, którą ja osobiście uwielbiam. Czasami się śmieję, że moje życie jest zorganizowane właśnie na luźno fruwających białych kartkach, ale dla mnie najlepsza przestrzeń do brainstormingu to jest albo tablica, albo kartka.
Przemysław
Tak jest. Jak najbardziej zgadzam się, że jest to bardzo pomocne.
Karol
Jak sądzisz zatem, patrząc na rozwój modeli językowych, na to, jak mogą myśleć, wnioskować, myśleć logicznie, to jakie umiejętności będą stawały się ważne dla nas, ludzi, teraz? Komunikacyjne? Bo teraz, przepraszam, że ci wchodzę w słowo, ale jak myślę o tym pytaniu, to zobacz – my sami musimy w odpowiedni sposób, póki co, dobrze formułować prompty. Im bardziej będziemy w stanie zwerbalizować nasze myśli i oczekiwania w sposób logiczny, uporządkowany i sformułować oczekiwania wobec modeli językowych czy jakichkolwiek innych rozwiązań, które pojawią się na rynku, tym lepsze będziemy uzyskiwać odpowiedzi.
Przemysław
Jak najbardziej. Artykułowanie naszego myślenia jest ważne zarówno w kontekście czysto użytkowego korzystania z różnych aplikacji opartych na sztucznej inteligencji, z tych względów, o których powiedziałeś. Musimy dobrze sformułować prompt, musimy zastanowić się, co tak naprawdę ta maszyna nam powinna dać, i często też przewidzieć, jakie mogą być problemy, które na przykład uczenie maszynowe stojące za tymi aplikacjami może napotkać. Choć oczywiście jest to wyzwaniem, dlatego że nie do końca wiemy, w jaki sposób te algorytmy uczą się różnych rzeczy.
Karol
Yuval Harari zawsze podkreśla, że złym momentem będzie chwila, kiedy okaże się, że nie wiemy, w jaki sposób funkcjonują algorytmy.
Przemysław
Tak, no myślę, że w pewnym sensie jest to już chwila, która nadeszła. Dlatego, że nawet jeżeli mówimy o klasycznym przykładzie, który jest często używany do tłumaczenia uczenia maszynowego – wrzucamy tysiąc zdjęć kotów i psów, i maszyna w jakiś sposób uczy się rozróżniać, jak wygląda pies, a jak wygląda kot – to jest trudne do wyartykułowania dla zwykłego człowieka nawet, czym dokładnie różni się kot od psa. Czym dokładnie różni się kot od psa? Jak byś miał to wytłumaczyć w tym momencie?
Karol
Na pewno wąsem, na pewno kształtem, uszami. Zobacz, że koty bez względu na rasę mają bardzo podobny pysk do siebie. U psów jest dużo bardziej zróżnicowany kształt czaszki, całego pysku. Ogony.
Przemysław
Tak, wydaje mi się, że główną różnicą pomiędzy psem a kotem jest różnorodność. Być może tak jest. Nie jestem fachowcem, nie znam się na psach i kotach, ale moja pierwsza myśl jest taka, że pies jest dużo bardziej zróżnicowany.
Ja też fachowcem nie jestem, jeżeli chodzi o zwierzęta, chociaż mój ojciec jest weterynarzem z wykształcenia, więc jeżeli będzie tego słuchać, to może by zaproponował jakąś lepszą odpowiedź.
Karol
Pozdrawiam serdecznie VetApp, jeden ze startupów, który wykorzystuje sztuczną inteligencję i uczenie maszynowe do obsługi weterynarzy właśnie.
Przemysław
Pozdrawiamy, świetne zastosowanie. Więc nie mogę oczywiście zweryfikować twojej odpowiedzi, natomiast myślę, że to, co ona ilustruje, to fakt, że nie jest to coś, co możemy powiedzieć bez zastanowienia. Ta lista, którą teraz stworzyłeś, na pewno nie jest wyczerpująca i pewnie można by znaleźć jakieś dziury też w tej liście. Nie będziemy tutaj wchodzić w ten przykład być może zbyt głęboko, ale to, w jaki sposób my znajdujemy te różnice, jest na pewnym poziomie tak intuicyjne, że oczywiście bardzo trudno jest nam to wyartykułować. A tu mówimy o przykładzie dosyć prostym.
Więc bardzo często uczenie maszynowe operuje też w sposób, który jest, można by powiedzieć, wręcz nieznany dla człowieka. Z tego punktu widzenia na pewno artykułowanie myśli, które mamy, rozumienie problemów, wiedza o tym, jakiego rodzaju informacji potrzebujemy, żeby rozwiązać jakiś problem, jakie zadać pytania – to są wszystko rzeczy, które na 100% będą tylko nabierały na wartości i będą coraz ważniejsze w obliczu sztucznej inteligencji. Szczególnie dlatego, że żeby dobrze korzystać ze sztucznej inteligencji, żeby wykorzystać potencjał, który w niej drzemie, potrzebujemy właśnie takiego ludzkiego weryfikatora.
Bardzo często widać to pomiędzy ludźmi, którzy na przykład są ekspertami w swojej dziedzinie, a ludźmi, którzy nie mają o tym pojęcia, jak korzystają już w tym momencie z różnego rodzaju narzędzi. Myślę, że można to łatwo zauważyć nawet w szkole. Dobry nauczyciel historii czy języka polskiego będzie w stanie wykorzystać ChatGPT w sposoby tak fenomenalne, że nie spodziewaliśmy się, że można takie ciekawe rzeczy stworzyć. Natomiast ci uczniowie, którzy być może w tych dziedzinach wiedzy jeszcze za bardzo nie brylują i chcą tylko pójść na łatwiznę, bardzo często będą tworzyć rzeczy, które wcale nie będą lepsze od tego, co napisaliby sami, gdyby włożyli w to trochę wysiłku.
Karol
A słyszałeś o tym, że w Stanach zatrudnia się jako prompt inżynierów poetów?
Przemysław
Nie słyszałem.
Karol
No to pomyśl o tym: poeta to człowiek, który potrafi w sposób wyjątkowy opisywać rzeczywistość, swoje oczekiwania i tak dalej. My jesteśmy teraz na takim etapie, że żeby współpracować z modelami językowymi, musimy te umiejętności językowe, formułowania naszych myśli i oczekiwań co do wyników, werbalizować w odpowiedni sposób.
Przemysław
Ciekawe w takim razie, czy będziemy się dalej uczyć o poezji w ten sam sposób, w jaki uczyliśmy się do tej pory.
Karol
A jak ty się uczyłeś, czego uczyłeś się o poezji? Dla mnie poezja, powiem ci, to jest terra incognita.
Przemysław
No nie, żebym był jakimkolwiek ekspertem, jeżeli chodzi o poezję. Moje doświadczenia raczej skończyły się głównie na szkole podstawowej i liceum ogólnokształcącym. Ale myślę, że chyba w szkołach uczy się o strukturach wierszy, o analogiach, o symbolice, o tym kwiecistym języku. Uczy się tego w taki sposób, można powiedzieć, dosyć metodyczny.
Paradoksalnie bym powiedział – to jest taka myśl na gorąco, więc nie będę się do tego jakoś mocno przywiązywać – ale paradoksalnie myślę, że to, w jaki sposób uczymy się o poezji w szkole, w ogóle nie przygotowuje nas w żaden sposób do tworzenia tej poezji. A można by zaryzykować stwierdzenie, że uczenie się poezji z użyciem sztucznej inteligencji na pewno przygotowałoby nas bardzo dobrze do tworzenia właśnie takiej poezji, a poetom na pewno jest łatwiej zostać w dzisiejszym świecie, kiedy istnieje ChatGPT.
Karol
Ale mam ciekawszą umiejętność niż pisanie poezji. Umiejętność krytycznego myślenia. W kontekście tego, że modele mogą halucynować, jak możemy się tego krytycznego myślenia uczyć?
Przemysław
Krytyczne myślenie to jest termin, na który sam się zresztą powołałem już w trakcie tej rozmowy wiele razy, natomiast z punktu widzenia tego pojęcia jako kategorii, którą można by badać, to generalnie rzecz biorąc, nie wiemy, czym jest krytyczne myślenie. Naprawdę. To jest bardzo śmieszne, bo wszyscy mówią: krytyczne myślenie, krytyczne myślenie, krytyczne myślenie jest takie ważne, ale generalnie rzecz biorąc, nie istnieje definicja krytycznego myślenia. Jedyna definicja, którą można wygooglować, to jest: zdolność do podejmowania mądrych decyzji na podstawie informacji w skomplikowanych sytuacjach. No to, jeżeli przyjmiemy to za definicję krytycznego myślenia, mówimy tak naprawdę o 30 różnych umiejętnościach, które będą się różniły również w zależności od sytuacji.
Więc, tak można powiedzieć, z kronikarskiego obowiązku chciałem tylko zaznaczyć, że mówimy tutaj o potocznym znaczeniu tego terminu. Z punktu widzenia learning sciences, krytyczne myślenie to jest raczej coś, co do końca nie wiemy, czym tak naprawdę jest.
Jak uczyć krytycznego myślenia w dzisiejszym świecie?
Karol
Krytycznego myślenia, którego definicję Ty praktykujesz.
Przemysław
Krytycznego myślenia, którego ja definicję praktykuję.
Karol
Dla mnie najważniejsze jest to, żeby dzielić się własnymi doświadczeniami, żeby dzielić się perspektywą osobistą.
Przemysław
Pewnie. No to cieszę się, że nie muszę tutaj korzystać za każdym razem z autorytetu badań naukowych czy konsensusu naukowego. Z mojego punktu widzenia najważniejszym elementem krytycznego myślenia jest zdolność do rozbijania dużych zasobów informacji na mniejsze poziomy. Wynika to z tego, że tak jak już mówiłem, przez wiele lat pracowałem jako trener debatowania i jest to też coś, co dzisiaj dalej robię hobbystycznie. W debatach bardzo dużym problemem jest to, że kiedy zaczynamy debatować, wydaje nam się, że pytanie, które jest nam postawione, teza debaty, którą przed sobą mamy, to jest taki pogląd, którego musimy bronić.
Karol
Tak jak ten przykład tej debaty, o której wspominałeś.
Przemysław
Dokładnie. Czy żłobki powinny być dotowane? No dobrze, skorzystajmy może z tego przykładu, jak już go wprowadziliśmy, bo to będzie bardzo dobry przykład. Osoba początkująca, jak usłyszy coś takiego, bardzo często skorzysta ze skrótu myślowego i pomyśli: aha, czy żłobki powinny być dotowane? No to, czy żłobki są dobre? Jeżeli są dobre, to może by z tego wynikało, że powinny być również dotowane, bo zazwyczaj chcemy dotować rzeczy, które są dobre.
A tę debatę można wygrać ze strony opozycyjnej, mówiąc, że żłobki są jak najbardziej dobre, co zresztą jest dosyć niekontrowersyjnym poglądem. Jest szereg badań naukowych, że dzieci, które chodzą do żłobka, radzą sobie lepiej później w szkołach i tak dalej. Ale tę debatę można wygrać, argumentując, że tak, żłobki są dobre, ale na przykład dotowanie tych żłobków obniży ich jakość. Albo że koszt alternatywny dotowania tych żłobków jest bardzo wysoki i są inne rzeczy, na które można by lepiej te pieniądze wydać. Albo że dotowanie tych żłobków tak naprawdę nie przełoży się na ich większą dostępność czy lepszą jakość, dlatego że system dotacji, który zostanie wprowadzony, będzie skazany na nieefektywność.
Karol
Albo że formuła żłobka, którą znamy od wielu lat, jest już nieaktualna i może żłobkiem w przyszłości byłby żłobek, gdzie funkcjonowałyby różne pokolenia – młodzi i starzy.
Przemysław
Można na pewno też taki argument stworzyć. Nie wiem, czy zgadzam się z takim postawieniem sprawy, ale na pewno jest to też możliwe spojrzenie na sprawę. W każdym razie, do czego tutaj dążę? Można tę debatę wygrać na wiele różnych sposobów. Można tę debatę wygrać, priorytetyzując różnego rodzaju elementy. I to my właśnie w świecie debat nazywamy punktami sporu. Każda debata składa się z różnych punktów sporu, a więc takich pomniejszych debat, pomniejszych niezgód, można by powiedzieć. I tak samo ważne jest w debacie stworzenie dobrych argumentów, które przekonają, że nasza strona debaty, nasza teza jest prawdziwa bądź nieprawdziwa, jak i również wytłumaczenie, dlaczego te rzeczy, o których mówimy, są tymi, które powinniśmy priorytetyzować.
I bardzo szybko wrzucę jeszcze inny przykład. Klasyczną debatą, której tematu bardzo często używa się do trenowania młodych adeptów sztuki retoryki, jest debata o zalegalizowaniu wszystkich narkotyków, również twardych. Oczywiście przeciętny człowiek, jak słyszy taki temat, myśli sobie: no kurczę, narkotyki twarde, heroina, fentanyl, kokaina – mamy dosyć mocne dowody naukowe na to, że są to substancje szkodliwe. A zazwyczaj, jeżeli legalizujemy jakieś rzeczy, zwiększamy ich dostępność. Więc jeżeli uważam, że narkotyki są szkodliwe dla zdrowia, a legalizacja doprowadzi do większej ich dostępności, to powinienem być przeciwko temu tematowi.
W jaki sposób można zaargumentować, że te wszystkie rzeczy, które przed chwilą powiedzieliśmy, są prawdziwe, ale nadal należałoby zalegalizować narkotyki? Na przykład możemy powiedzieć, że to prawda, że narkotyki są szkodliwe dla zdrowia, to prawda, że legalizacja zwiększy ich dostępność, ale przez to, że zalegalizujemy narkotyki, będziemy mogli zredukować szkody, które w tym momencie istnieją już na rynku i wynikają z nielegalnego spożycia narkotyków, które na przykład są zanieczyszczone i są też zażywane w miejscach, w których nie można uzyskać pomocy. I to jest właśnie przykład takiego dzielenia sobie problemu na mniejsze elementy i też świadomej decyzji, który z tych elementów powinniśmy priorytetyzować.
Więc z mojego punktu widzenia uczenie krytycznego myślenia sprowadza się głównie do dostrzegania złożoności różnego rodzaju problemów, umiejętności priorytetyzacji informacji w zależności od tego, co w danej sytuacji jest najważniejsze albo co, tak jak w debatach, chcemy udowodnić, że jest najważniejsze.
Karol
Co potem przekłada się na sposób naszej komunikacji z modelami językowymi?
Przemysław
Jak najbardziej. Jeżeli mówimy o dobrym tworzeniu promptów na przykład, to to jest właśnie ten moment, w którym zdolność do priorytetyzowania tego, co będzie najważniejsze, jest kluczowa. Dlatego, że musimy pomóc maszynie, musimy pomóc tej aplikacji, naprowadzić ją w jakiś sposób na te elementy naszego pytania czy problemu, które są najważniejsze.
Karol
A fakty, zwykłe fakty z naszej historii, fakty gospodarcze – czy powinniśmy się ich uczyć, skoro możemy każdy fakt przywołać?
Przemysław
To jest akurat taki pogląd, który na pewno funkcjonuje w przestrzeni publicznej już od długiego czasu, w sumie można by powiedzieć, że odkąd tylko internet stał się łatwo dostępny.
Karol
Bo z jednej strony mamy umiejętność logicznego myślenia, krytykę, analizę, co jest umiejętnością uniwersalną, a z drugiej strony mamy coś, co ja traktuję trochę jako takie uczenie odtwórcze.
Przemysław
Myślę, że to jest postawienie sprawy, jakie wiele osób intuicyjnie ma w swojej głowie. Ciekawy jest ten aspekt twojego podejścia, natomiast nie jest ono prawdziwe, moim zdaniem. To może zacznę od tego.
Tutaj kluczowa jest rola pamięci. To jest już dokładnie to, o czym mówiłem. Rozwiązując problemy, podchodząc do skomplikowanych zadań, korzystamy z naszych zasobów pamięci krótkoterminowej, które są bardzo ograniczone. Więc w historii napisanie dobrej pracy naukowej, w matematyce rozwiązanie skomplikowanego zadania z treścią, w programowaniu stworzenie aplikacji, która będzie dobrze wypełniała swoją funkcję itd. – to są wszystko rzeczy, które pozornie opierają się na umiejętnościach. Natomiast nie jesteśmy w stanie posiąść umiejętności potrzebnych do rozwiązania tego typu zadań, jeżeli nie posiadamy również faktów.
Bardzo dobrym przykładem jest programowanie. Moja bratowa zresztą zapytała mnie parę dni temu, jaka jest rola zapamiętywania w nauce programowania. Moja bratowa, którą serdecznie pozdrawiam, jest programistką, ale również pracuje na uniwersytecie i zajmuje się uczeniem studentów, więc z jej punktu widzenia to jest na pewno ważne pytanie. Jaka jest rola zapamiętywania w programowaniu? Można by sobie pomyśleć: ostatnia dziedzina, w której cokolwiek by można zapamiętać. Każde polecenie można sprawdzić, każdy problem można wygooglować, wszystko uczy się właściwie metodą prób i błędów. I na pewno jest to przykład ekstremalny i być może faktycznie w programowaniu tak jest, że rola takiego zapamiętywania, klasycznie rozumianego jako uczenie się na pamięć, jest dosyć ograniczona, ale to nie oznacza, że rola faktów i posiadania tych faktów jest ograniczona.
Świetnym przykładem jest tutaj język programowania Scratch, graficzny język programowania, który właśnie z tego względu, że ma składnię obrazowaną graficznie, jest bardzo prosty i często używany w nauczaniu programowania dla dzieci i młodzieży, bo nie musimy się uczyć konkretnej składni – wszystko jest zobrazowane graficznie. Ten język programowania zresztą został stworzony przez taki nurt w naukach o uczeniu się, który nazywany jest konstrukcjonizmem. To jest nurt, który właśnie zakładał, że wszystko metodą prób i błędów, odkrycia, doświadczenia jesteśmy w stanie zrobić. Natomiast nawet twórcy tego programu w pewnym momencie zorientowali się: kurczę, jak dajemy dzieciakom tylko instrukcję obsługi i interfejs Scratcha i mówimy: „Słuchajcie, pobawcie się, poeksperymentujcie”, to oni wcale nie są w stanie zrobić tak wiele i bardzo często uczą się, internalizując wiele różnych błędów i złych koncepcji dotyczących programowania, na przykład niewydajnych metod tworzenia algorytmów. Robią to gorzej niż te grupy, które korzystają na przykład z samouczków, tutoriali czy jakichś lekcji, które w tym momencie na stronie Scratcha są już bardzo łatwo dostępne.
I to pokazuje, że nawet w programowaniu bardzo ważne jest to, żebyśmy jednak również skupiali się na faktach, na wiedzy, która jest ważna dla danej dziedziny, i to przekazywanie wiedzy też jest kluczowe.
I tutaj z kolei mogę bardzo krótko powiedzieć o nauczaniu. Dlaczego uważam, że rola dobrego nauczyciela będzie rosła w najbliższych latach? Dlatego, że nauczanie tak naprawdę w dużej mierze – można powiedzieć 90% dobrego nauczania – sprowadza się do diagnozowania błędów i poprawiania tych błędów. Dobry nauczyciel jest w stanie zrobić to fenomenalnie. Dobry matematyk, jak widzi jakąś kartkówkę i widzi błędy w rozwiązaniu jakiegoś równania, to on dokładnie wie, co ta osoba myślała i co na przykład trzeba powtórzyć, żeby tych błędnych przekonań (misconceptions) uniknąć.
Jeżeli opieramy się tylko i wyłącznie na eksperymentowaniu, odkrywaniu, uczeniu metodą prób i błędów bez wsparcia żadnego eksperta, promptujemy sobie i próbujemy zobaczyć, co nam sztuczna inteligencja powie, nie mamy jakiegoś szkieletu tej wiedzy i przewodnika, który ten szkielet nam przedstawi, to bardzo często możemy nauczyć się jakichś rzeczy w sposób, który jest pełen niezrozumień, jest pełen właśnie tych misconceptions, które być może w tym momencie jeszcze nie odgrywają jakiegoś znaczenia, ale na przykład przy nabywaniu kolejnej wiedzy będą bardzo mocną przeszkodą.
Karol
A powiedz mi, jak ty sam korzystasz z AI do nauki? Gdybyśmy mogli dać naszym słuchaczom parę dobrych rad, parę fajnych case’ów tego, w jaki sposób ty wykorzystujesz AI – człowiek, który kocha naukę, projektuje systemy nauczania, content i edukuje mnóstwo ludzi.
Przemysław
Na masę różnych sposobów i mogę właśnie o tym powiedzieć w kontekście mojej pracy zawodowej, zarówno związanej z debatami, jak i z pracą w PwC. Bardzo ważnym elementem uczenia jest korzystanie z różnego rodzaju case studies. Na przykład w przypadku debat to są mowy z debat, które już się odbyły, a w przypadku uczenia o zrównoważonym rozwoju to są case studies firm, które wprowadziły na przykład rozwiązania dotyczące emisji gazów cieplarnianych. Bardzo często jest tak, że te case studies, z którymi mamy do czynienia, które gdzieś istnieją, są dostępne czy w internecie, czy w ramach zasobów firmy, są dobre, ale zawierają jakieś elementy kontekstu, które powodują, że może być komuś trudno zrozumieć, o co dokładnie chodzi.
Karol
Wiesz, jaki mam problem z case studies, które są publikowane w ogólnodostępnej przestrzeni przez duże organizacje? Że są pisane bardzo ogólnym językiem i są tylko jasne strony, a nie ma przedstawionego całego procesu z problemami, z obszarami, które nie mogą być zautomatyzowane itd. Jest tylko i wyłącznie pokazana jasna strona.
Przemysław
Mamy na pewno do czynienia właśnie z takim survivorship bias, jeżeli chodzi o te case studies, które są publikowane w internecie. A jeżeli chodzi o zmianę klimatu, to jest to już, można by powiedzieć, gigantyczny wręcz problem, że właśnie te case studies, które do nas trafiają, to są tylko i wyłącznie te, które na przykład ilustrują udane polityki, a nie nieudane. Więc tak, jest masa różnych problemów, które istnieją z tymi materiałami źródłowymi. Jest też szum informacyjny, który bardzo często się tam pojawia – że próbujemy nauczyć jakiejś umiejętności, ale skorzystanie na przykład z tego case study jest po prostu zbyt skomplikowane.
I ja korzystam, można powiedzieć, właściwie codziennie z ChatGPT i innych narzędzi AI, również naszego wewnętrznego Czatu PwC, który został przetrenowany na danych firmowych. Wrzucam tam właśnie takie case study, promptując, czego potrzebuję. Wykorzystuję te narzędzia do tworzenia case studies, które są dostosowane do tego, czego chcę uczyć w danym momencie.
Przykładowo, w ostatnim projekcie, który robiłem dla firmy, stwierdziliśmy, że fajnym pomysłem byłoby, gdyby ludzie, których szkolimy, posłuchali podcastów dotyczących różnych zagadnień firmowych i słuchając tych podcastów, spróbowali znaleźć właśnie takie misconceptions, takie rzeczy, które niekoniecznie są błędami per se, ale na przykład odnoszą się do niewydajnych sposobów pracy, które w gruncie rzeczy w ogólnym rozrachunku nie sprzyjają efektywności. No i nagranie takiego podcastu z pracownikami, którzy mieliby pojęcie o tym, o czym mówią, wynajęcie studia nagraniowego, budżet – mówimy tutaj przy takiej firmie, przy takiej skali, o tygodniach co najmniej, już nie mówiąc o pieniądzach. My to zrobiliśmy z użyciem generatorów awatarów i głosu AI i zrobiliśmy to w dwa dni.
Karol
Wiem, domyślam się.
Przemysław
I to jest rewelka. Prowadzę zajęcia z debatowania też bardzo często młodszym dzieciom. Mam na przykład teraz takie dwie uczennice w wieku lat 13-14. Bardzo często te debaty, które są ponagrywane gdzieś na YouTubie, nawet jeżeli są to debaty z turniejów debatowania, są po prostu za trudne. Tematy są trudne, język jest bardzo często trudny. Nawet jeżeli same mechanizmy, o których chciałbym ich uczyć, są faktycznie super zilustrowane w tych przykładach, to tak dużo musiałbym im dawać kontekstu, że właściwie wtedy już nie ma sensu korzystanie z tych konkretnych materiałów. Wbijam do ChatGPT transkrypt mowy z takiej prawdziwej debaty. Mówię, żeby na przykład język został uproszczony, żeby mowa była bardziej ustrukturyzowana, żeby coś tam zostało łatwiej wytłumaczone itd. I w tym momencie mogę pracować z moimi uczennicami na materiale, który jest naprawdę fenomenalny.
A to, dlaczego w ogóle bardzo lubię ChatGPT w takim właśnie use case’ie, to również to, że mogę uprościć dany materiał, ale mogę również zachować ogólną trudność. Czyli na przykład nie muszę wybierać pomiędzy – i to jest autentyczny przykład – debatą, czy należy w krajach, które łamią prawa człowieka, organizować zawody sportowe (raczej dosyć ambitną debatą), a debatą, czy należy zakazać prac domowych (która jest dosyć prostym tematem). Mogę dalej wybrać temat ambitny, tylko po prostu uprościć to, jak wygląda tam argumentacja, jakie są treści itd. I to z punktu widzenia edukacyjnego jest fenomenalne, bo jesteśmy w stanie dawać treści młodym ludziom, które są jak najbardziej na ich poziomie intelektualnym, są dla nich wyzwaniem, ale w sposób, który jest bardzo przystępny. I to jest naprawdę coś, co obserwuje się pięknie. Uważam, że jest to niesamowity wkład sztucznej inteligencji w naukę już w tym momencie i szczerze mówiąc, jestem dumny, że mam okazję pracować z tego typu narzędziami, bo naprawdę serce rośnie, jak widzi się młodych ludzi myślących w fajny sposób dzięki temu.
Karol
Kogo czytać, kogo słuchać, co śledzić, żeby uczyć się z dobrych źródeł? Mógłbyś polecić?
Przemysław
Myślę, że zależy, czego się uczymy. W zależności od tego, czego się uczymy, to na pewno będą to różne źródła. Jeżeli chodzi o sztuczną inteligencję, to na 100% polecam Ethana Mollicka – takie klasyczne polecenie. Oczywiście Aleksandra Przegalińska z naszego polskiego podwórka. I generalnie rzecz biorąc, przeglądanie LinkedIna i też patrzenie na różnego rodzaju ciekawe rozwiązania, które się pojawiają w sferze edukacyjnej.
Karol
Takie twoje źródło. Dla mnie taką osobą kiedyś, jeżeli chodzi o media, był Gary Vaynerchuk.
Przemysław
Tak, dokładnie. Bardzo fajnie jest w ogóle posłuchać ludzi, którzy wyszli ze świata technologii, którzy mają taki background w dużych firmach technologicznych, ale widać, że są pasjonatami i teraz poświęcają się raczej takiej ewangelizacji, jeżeli chodzi o sztuczną inteligencję.
Karol
Nawet nie wiesz, jak cieszę się, że o tym wspominasz, bo uważam, że w Europie, a już nie mówiąc o naszym kraju, o Polsce, niesamowicie brakuje tego typu osób. I u nas, zobacz, na dobrą sprawę nie funkcjonuje takie pojęcie jak ewangelizator. Ja pamiętam z czasów smart speakerów The Voice Evangelists – znanych lubianych ludzi po stronie Samsunga, Alexy, Google Asystenta.
Przemysław
Jest to na pewno jakaś luka. Teraz jeszcze mi przyszła do głowy taka jedna osoba, jeżeli chodzi konkretnie o sztuczną inteligencję w edukacji: Filipa Hardman. Naukowczyni zajmująca się właśnie learning designem, czyli moją dziedziną, z Cambridge, która jest praktykiem, jeżeli chodzi o sztuczną inteligencję i naprawdę robi fajne rzeczy, prowadząc na przykład kursy asynchroniczne z dużym użyciem AI.
Te kursy kohortowe, na które była jeszcze jakiś czas temu bardzo duża moda, teraz troszeczkę odchodzą, bo właśnie z punktu widzenia zaprojektowania czegoś takiego jest to bardzo duże wyzwanie.
Karol
Chcesz powiedzieć… Jakie jest moje wrażenie, w Polsce kursy kohortowe cieszą się bardzo dużą popularnością. To co będzie po kursach kohortowych?
Przemysław
Mam nadzieję, że lepsze kursy kohortowe, dlatego że samo rozwiązanie jest naprawdę fajne, rewelacyjne, natomiast kursy kohortowe z wielu powodów nie wypalają. Nie wypalają w tym sensie, że być może są przedsięwzięciem, które przynosi pieniądze, i z tego względu może nam się wydawać, że działa to dobrze, bo zapisują się kolejne kohorty. Natomiast jeżeli spojrzymy na konkretne umiejętności, które są z nich wyciągane, to trudno uwierzyć, że są one wyjątkowo skuteczne, jeżeli na przykład procent ukończenia tychże kursów kohortowych to jest tylko 40 czy 50% kohorty. No to możemy założyć, że ta połowa, która nie skończyła, raczej się nie nauczyła zbyt wiele. Może się nauczyli tylko z realizacji części materiału, no ale raczej oznacza to, że po prostu nie mieli wystarczająco samozaparcia, żeby w tym wytrwać. A dlaczego nie mieli wystarczająco samozaparcia? Powodów może być na pewno wiele, no ale przede wszystkim to, że to jest bardzo trudna forma uczenia się.
Karol
A jaka jest najłatwiejsza forma uczenia się?
Przemysław
Nie wydaje mi się, żeby była jedna prosta odpowiedź na to pytanie.
Karol
Jestem zaskoczony tym, co mówisz, bo z drugiej strony mój odbiór kursów kohortowych jest taki, że jest to forma nauczania, gdzie człowiek jest prowadzony za rękę, mało tego, funkcjonuje w grupie, która jest jego punktem odniesienia i z której może czerpać motywację, wzorce, pomoc…
Przemysław
Tak to wygląda, myślę, głównie w teorii. A zastanówmy się, jak to wygląda w praktyce. Powiedziałeś o grupach i zasada, która za tym stoi, jest jak najbardziej słuszna. Faktycznie tak jest, że jeżeli uczymy się w kohorcie, jeżeli uczymy się w grupie, dzielimy się przykładami itd., no to mamy większą motywację, mamy accountability, mamy peer learning – jak najbardziej jest na to dużo dowodów naukowych.
Natomiast dlaczego to w praktyce często nie wypala? No dlatego, że jeżeli realizuję na przykład jakieś zadanie – mam do napisania esej czy coś muszę zakodować, w zależności od tego, jaki jest kurs kohortowy – później to gdzieś wrzucam na forum na przykład, czy na kanał na Slacku, i wymagane jest ode mnie, żebym zaangażował się w interakcję z dwoma innymi postami innych osób, to można to nazwać takim discussion engineering. Ktoś mi mówi: warunkiem przejścia do kolejnego kroku jest to, żebyś dodał dwa komentarze do odpowiedzi innych użytkowników. No to bardzo często jest to jednak taka dyskusja, która wydaje się sztuczna. I te osoby napiszą coś, żeby wypełnić ten warunek, ale niekoniecznie będzie to faktycznie dyskusja organiczna. Czy faktycznie będzie to uczenie się, skorzystanie z procesów grupowych? Jest to trudne po prostu.
Ja nie mówię, że samo rozwiązanie ma jakieś wady na poziomie teoretycznym. Moim zdaniem kursy kohortowe czy w ogóle uczenie synchroniczne jest jak najbardziej przyszłością, jest fenomenalne. Miałem zresztą okazję być częścią dużej grupy, która projektowała taki kurs „How People Learn” na Harvardzie. To jest kurs obowiązkowy, który robią wszyscy studenci magisterki, którzy przychodzą na studia edukacyjne w sierpniu, jeszcze przed początkiem roku szkolnego. To jest kurs kohortowy, w całości asynchroniczny, w całości przez internet. I on jest fenomenalny. I tam te wszystkie rzeczy, o których mówimy przy kursach kohortowych, czyli peer learning, uczenie w grupach i tak dalej, działają fenomenalnie.
Karol
On jest dostępny za darmo?
Przemysław
Nie, niestety. Trzeba się zapisać na Harvard.
Karol
Wiesz co, mam takie pytanie i prośbę. Mógłbyś się zastanowić nad ciekawymi linkami, ewentualnie kursami, które uznajesz za wartościowe w kontekście właśnie modeli językowych, umiejętności, o których rozmawialiśmy, i moglibyśmy podrzucić taką listę naszym słuchaczom?
Przemysław
Jak najbardziej. Z chęcią stworzę listę z tego, co znam, chociaż nie znam też wcale tak wiele, bo bardzo często te kursy, które powstają – tak jak mówiłem, niestety moim zdaniem zaprojektowanie czegoś takiego jest bardzo trudne.
Ale właśnie chciałem tylko skończyć króciutko o tym kursie „How People Learn”. Z jednej strony można oczywiście powiedzieć, że sukces tego kursu i to, że wszyscy wypowiadają się o nim fenomenalnie – ja też przeszedłem przez ten kurs, uważam, że jest niesamowity – wynika z tego, że jest dobrze zaprojektowany. I okej, być może to jest jakaś część powodu, dla którego tak jest, ale myślę, że przede wszystkim najważniejsze jest to, że to jest pierwszy kontakt z Harvardem, który mają ludzie idący na tę uczelnię, to jest obowiązkowy element programu i jest realizowany też w taki sposób, że z każdego tygodnia sprawdzany jest twój postęp, nie można sobie tego odpuścić. No jest to troszeczkę takie, można powiedzieć, bardziej szkolne podejście i ja paradoksalnie uważam, że właśnie dlatego ten kurs jest tak dobry. Bo ludzie, którzy do niego podchodzą, mają wielką motywację do tego, żeby właśnie w taki sposób się uczyć.
Możemy się uczyć nawet z YouTube’a, możemy się uczyć nawet z oglądania filmików, które wcale nie są jakieś bardzo angażujące, są nudnym wykładem. Możemy uczyć się z książek, które są napisane w nudny sposób, które mają niesamowicie wiele informacji, jeżeli mamy do tego motywację. Czasami nie musimy wymyślać koła na nowo, czasami te stare, sprawdzone metody pozyskiwania wiedzy również mają swoje miejsce. To nie znaczy, że nie powinniśmy eksperymentować. Kursy kohortowe, uczenie synchroniczne – super sprawy, ale czasami są również aspekty tychże rozwiązań, które nie wychodzą po prostu dlatego, że proste elementy (albo proste tylko z pozoru), jak motywacja, powód, dla którego tam jesteśmy, czas, który na to poświęcamy, czy nawet jakaś kontrola naszej nauki, po prostu nie są tam obecne.
Karol
Przemku, serdecznie dzięki za spotkanie, za rozmowę.
Przemysław
Dziękuję również.
Karol
Trzymam kciuki za twoje dalsze plany, za to, żebyś edukował nie tylko waszą organizację, ale również innych ludzi.
Przemysław
Będę próbować.
Karol
Dziękuję, niech AI będzie z tobą. Dzięki.
Przemysław
Dzięki za zaproszenie.
