Istraživači razvijaju novu umjetnu inteligenciju koja pomaže u stvaranju sustava podučavanja

Istraživači sa Sveučilišta Carnegie Mellon pokazali su kako mogu izgraditi inteligentne sustave podučavanja. Ovi sustavi su učinkoviti u podučavanju raznih predmeta, uključujući algebru i gramatiku. 

Istraživači su koristili novu metodu koja se oslanja na umjetnu inteligenciju kako bi omogućili učitelju da podučava računalo. Formulacija čini ovu metodu zbunjujućom, ali zamislite je kao računalo koje ljudski učitelj uči kako poučavati. Računalo može naučiti ljudski učitelj pokazujući mu kako riješiti određene probleme, kao što je zbrajanje u više stupaca. Ako računalo pogrešno postavi problem, učitelj ga može ispraviti. 

Samostalno rješavanje problema

Jedan od zanimljivih dijelova ove metode je da je računalni sustav sposoban ne samo poučavati i rješavati probleme na način na koji je poučen, već također može rješavati sve druge probleme u temi generalizacijom. To znači da računalo može riješiti problem izvan načina na koji ga je učitelj naučio. 

Daniel Weitekamp III je doktorant na CMU-ovom Institutu za interakciju između čovjeka i računala (HCII). 

"Učenik bi mogao naučiti jedan način rješavanja problema i to bi bilo dovoljno", rekao je Weitekamp. “Ali sustav podučavanja mora naučiti sve načine rješavanja problema. Treba naučiti kako poučavati rješavanje problema, a ne samo kako rješavati probleme.”

Izazov koji Weitekamp objašnjava jedan je od najvećih u razvoju sustava podučavanja temeljenih na umjetnoj inteligenciji. Novorazvijeni inteligentni sustavi podučavanja mogu pratiti napredak učenika, pomoći u određivanju što učiniti sljedeće i pomoći učenicima da razviju nove vještine odabirom učinkovitih problema za vježbanje. 

Razvoj sustava podučavanja temeljenih na umjetnoj inteligenciji

Ken Koedinger je profesor interakcije čovjeka i računala i psihologije. Koedinger je bio jedan od ranih razvijatelja inteligentnih tutora, a radeći s drugima, proizvodna pravila programirana su ručno. Prema Koedingeru, za svaki sat podučavanja potrebno je 200 sati razvoja. Na kraju je grupa razvila učinkovitiju metodu koja je pokazala sve moguće načine rješavanja problema. To je smanjilo 200 sati na 40 ili 50, ali je izuzetno teško pokazati sva moguća rješenja za neke obrasce. 

Koedinger je rekao da bi nova metoda mogla na kraju omogućiti učitelju da razvije lekciju od 30 minuta za isto vrijeme. 

"Jedini način da se dođe do potpunog inteligentnog učitelja do sada je bio pisanje ovih pravila umjetne inteligencije", rekao je Koedinger. "Ali sada sustav piše ta pravila."

U novoj metodi, program za strojno učenje koristi se za simulaciju načina na koje učenici uče. Sučelje za podučavanje kreirao je Weitekamp, ​​a ono koristi proces "pokaži i ispravi" za programiranje.

Dok je metoda demonstrirana sa zbrajanjem u više stupaca, motor za strojno učenje koji se koristi može se primijeniti na druge predmete, kao što su rješavanje jednadžbi, zbrajanje razlomaka, kemija, engleska gramatika i okruženja za znanstvene eksperimente. 

Jedan od glavnih ciljeva je da se ovom metodom omogući učiteljima da konstruiraju vlastite računalne lekcije, bez potrebe za AI programerom. To omogućuje nastavnicima da primijene svoje osobne poglede na to kako poučavati ili koje metode koristiti. 

Weitekamp, ​​Koedinger i HCII sistemski znanstvenik Erik Harpstead napisali su rad koji opisuje metodu. Prihvatila ga je Konferencija o ljudskim faktorima u računalnim sustavima (CHI 2020). Konferencija je prvobitno bila planirana za ovaj mjesec, ali je zbog pandemije COVID-19 morala biti otkazana. Papir sada se može pronaći u zborniku konferencije, koji se nalazi u Digitalnoj knjižnici Association for Computing Machinery.

Istraživanje su pomogli Institut odgojnih znanosti i Google.