Megkerülni nem lehet, elrontani nem érdemes; jól csinálni kötelesség

Mit jelent a gépi tanulás? Mennyiben hasonlítható az emberi gondolkodás a gépihez?

A mesterségesintelligencia-kutatás mint önálló tudományterület az emberi intelligencia különféle aspektusainak gépi modellezésével foglalkozik. Az AI‑rendszerek felépítését az idők során több eltérő irányból közelítették meg. Amíg a 90-es években a tárgyi tudásból következtetéseket levonó rendszerek építéséhez még bizonyos tényekből építkező ismerethalmazokból vagy „szakértői tudásból” formáltak mérnöki munka segítségével „gépi tudást”, a modernebb AI-rendszerek esetén inkább megfigyelésekből, adatokból történő automatikus mintafelismerés, a „gépi tanulás” paradigmája vált jellemzővé. A gépi tanulás során már automatikusan szűrik az egyes rendszerek a rendelkezésre álló nagy mennyiségű korábbi „tapasztalatból” a hasznos előrejelzések és viselkedések alapmintáit. Az emberi intelligencia kapcsán Daniel Kahneman Nobel-díjas amerikai pszichológus nyomán el szokás különíteni két kogníciótípust: az úgynevezett „egyes” és „kettes”, avagy „gyors” és „lassú” rendszereket. A kettes vagy lassú rendszer azt a kognitív folyamatot jelöli, amely során analitikus módon vezetünk le – azt is mondhatnánk, töprengve oldunk meg – valamit. Ezzel szemben az egyes vagy gyors kogníciós rendszer az azonnali felismerésekért, döntésekért felel. Ha például egy barátom egyszer csak feltűnik előttem az utcán, nem valamiféle logikai levezetés eredményeként ismerek rá, hanem villámcsapás-szerűen, kapásból. Az AI-kutatás eleinte a lassú, kettes, később pedig a gyors, egyes rendszerre jellemző mintafelismerő, saccoló-becslő tudásnak a rekonstruálásában járt élen, e kettő szintézise azonban a legújabb időkig váratott magára. Nagy kérdés, hogy van-e, és ha igen, miben áll a különbség e szintetikus gépi gondolkodás és az emberre jellemző gondolkodási formák között.

Milyen reális veszélyei lehetnek az AI felelőtlen, etikátlan használatának? Lehet-e egyáltalán az AI-használat morális dimenziójáról beszélni?

Természetesen! A kalapács óta tudjuk, hogy bármi, ami technológiának minősül, felveti az etikus és etikátlan használat problémakörét. Ami az AI esetében mégis némiképp új, hogy az emberiség történetében ez idáig csakis az embernek tulajdonítottunk ágenciát, vagyis cselekvőképeséget. Ez a jellegzetesen emberi tulajdonság kölcsönöz morális súlyt az egyes döntéseinknek, hiszen cselekvőképességünk tudatában egyedül minket terhel a felelősség tevékenységeink következményeiért. Azzal viszont, hogy a cselekvéseink forráspontjában álló döntési helyzetek egy részét automatizáljuk, egyúttal a felelősséget is elhomályosítjuk. Ha például van egy önvezető autónk, ami képes önálló, statisztikai alapú részdöntéseket hozni, nem magától értetődő, hogy kinél is landol a felelősség egy hibás döntésből fakadó kár esetén; az üzemeltetőnél, a gyártónál vagy a gyártás során felhasznált eredeti statisztikai adatokat közlő szervezetnél? Megosztó, ám annál égetőbb kérdés manapság, hogy lehet-e felelősséget tulajdonítani bizonyos esetekben az AI-nak vagy sem. Európán belül is egyre több olyan államot ismerünk, amelyek amellett érvelnek, hogy igen: annak mintájára, ahogy egy céget is felelősnek szokás tekinteni saját tevékenységeiért, mint korlátolt felelősségű entitást, úgy kell felelősséget tulajdonítanunk az AI-alapú rendszereknek is, mint jogi értelemben vett kvázi entitásoknak. Mindez azért is izgalmas, mert innentől AI-rendszerek is köthetnek például biztosítást, és válhat ezáltal az önvezető autónk is biztosítási alannyá.

Mi a felelőssége az egyes oktatási intézményeknek, pedagógusoknak az AI helyes és etikus használatára vonatkozó szabályok és ismeretek lefektetésében és átadásában?

A tudásnak egyre nagyobb szerepe van a technológiával való helyes együttélés vonatkozásában. Az ilyen eszközök felhasználóinak esetében rendkívül fontos, hogy mindenki a maga tudásszintjének megfelelően használja ezeket. Azt is szoktam mondani, hogy a beavatkozás lehetőségének és mértékének mindig arányban kell állnia a belátás lehetőségével és mértékével. Elengedhetetlen, hogy rendelkezzünk valamilyen megértéssel, mentális modellel azokról a rendszerekről, amelyek körülvesznek minket. Minél hiányosabb ugyanis valakinek a mentális modellje egy adott rendszerről, annál rosszabb döntéseket fog hozni annak felhasználása során. Ha csak egy atomerőműre gondolunk, látjuk, milyen szigorú szabályozás rögzíti az ott dolgozók szaktudásának kritériumait: akinek nincsenek meg a szakmai feladatellátáshoz szükséges alapvető atomfizikai ismeretei, annak semmi keresnivalója egy atomerőműben. Az életben valójában szinte már sehol sem elegendő, ha valaki csak a gombnyomogatáshoz ért, de annak értelmét és következményeit már nem képes belátni.

Világos tehát, hogy minél inkább kognitív jellegű egy technológia (minél több ágenciát és önállóságot mutat), annál több mentális konstrukcióval kell rendelkeznünk róla ahhoz, hogy együtt tudjunk vele élni. Gondoljunk csak az egyszeri nagyszülőre, akinek okostelefonra cserélik a háromgombos, elemes rádióját: amíg minden hasonlóan működő rádióval könnyen elboldogulna, a megszámlálhatatlan felülettel, beállítással és funkcióval – vagyis arányaiban sokkal nagyobb ágenciával – rendelkező okostelefonnal rendkívül nehéz bármit is kezdenie. Észre sem vesszük, milyen nagy szerepet játszik az életünkben a magabiztosság és hatékonyság szempontjából az általunk használt eszközök működéselvének intuitív ismerete. Nemhiába, hiszen ezeknek az ismereteknek pontosan az a dolguk, hogy láthatatlanul is megkönnyítsék, reflexszerűvé tegyék az egyes tevékenységeinket és munkafolyamatainkat. Nagy kérdés azonban, hogy mely eszközök esetében milyen mélységig kell tudnia átlátni egy felhasználónak az adott rendszer működését; hisz az atomerőmű portásától sem várható el magfizikai doktorátus. Annyi azonban biztos, hogy az egyre bonyolultabb technológiák terjedésével egyre több mindenkinek kell képbe kerülnie azok működésével – minimum egyfajta intuitív, tapasztalati szinten, míg másoknak egy mélyebb, alaposabb szakmai tudás szintjén is.

Hogyan jelenik meg AI és a pedagógia viszonya a szaktudományos kutatásban? Milyen lehetőségeket rejtenek magukban a tanulástámogató AI-eszközök?

Ahhoz, hogy jól értsük, miben is áll az AI oktatásra vonatkozó ígérete, felszínre kell hozni a téma kapcsán bennünk élő látens előfeltevéseket. Az oktatás alapvető meggyőződése, hogy minél testre szabottabban működik a tudásátadás, annál hatékonyabb. Ehhez mérten az AI iskolai jelenlétével szemben az az általános elvárás, hogy ezeknek az eszközöknek felzárkóztató, segítő hatást kell kifejteniük. A kutatási eredmények azonban ezt egyszerre cáfolják és bizonyítják. Hogy egy hazai és egy neves külföldi egyetem eredményeit említsem: egy, a Corvinus Egyetemen 2024-ben, valamint egy, a Harvardon 2023-ban és 2024-ben, egyetemi hallgatók körében végzett kutatás is azt támasztja alá, hogy önmagában nem elegendő az AI-alapú eszközökhöz való szabad hozzáférés biztosítása a felzárkózáshoz és teljesítményhomogenizációhoz. A kutatási eredmények ellentmondásos volta abból is fakad, hogy az AI-használat eredményességére több aspektusból is következtetni lehet: a tanulás sebességéből éppúgy, mint annak mélységéből.

A kutatásokban részt vevő csoportok közül volt, amely különösebb instrukciók nélkül, kötetlen hozzáférést kapott bizonyos AI-eszközökhöz, egy másik egy speciálisan tanulássegítő, tutorálásra kifejlesztett eszközzel dolgozott, míg a harmadik csoport semmilyen segítséget nem kapott a feladatmegoldáshoz. Az eredmény azt mutatja, hogy amíg az AI-eszközöket szabadon felhasználó csoport volt a leggyorsabb a kísérlethez összeállított feladatsor megoldásában, az elsajátítás mélységének tekintetében ők teljesítettek rosszabbul. A legnagyobb meglepetést azonban nem is ez okozta, hanem hogy a speciálisan tutorálásra kifejlesztett eszközzel dolgozó csoport még a hagyományos módon haladó, „aktív tanulási helyzetet” követő, tanár által támogatott tanulócsoportot is magasan felülmúlta az elsajátítás mélységében és sebességében. A kutatások eredményeinek végkövetkeztetéseként megállapíthatjuk, hogy az AI-eszközöket szabadon használók a válaszadás sebességét leszámítva minden szempontból rosszabbul jártak, mintha egyáltalán nem használtak volna gépi segítséget: a helyes válaszok azonnali legeneráltatásával csökken a motiváció az ismeretszerzésre és romlik az átvett ismeretek elsajátításának mélysége; ez pedig ellehetetleníti a kellő mélységű kritikus gondolkodás kialakulását. A tutorprogramot használó csoportnál viszont csak nőtt az ismeretelsajátítás mélysége és a motiváció mértéke – magasan felülmúlva még az ember által támogatott csoport eredményeit is.

A Corvinus Egyetem kutatását még annyiban érdemes az említett tanulságokkal párba állítanunk, hogy az ő eredményeik szerint az AI-eszközök kötetlen (és nem tutorprofilú) használata növelte a társadalmi egyenlőtlenségeket egy adott mérési tartományban, ahelyett, hogy csökkentette volna. Azok a corvinusos kutatásban részt vevő hallgatók ugyanis, akik már rendelkeztek valamilyen előismerettel az egyes eszközök használatát illetően, még látványosabban múlták felül társaikat.

Egy iskolai közegben tehát pusztán az AI-eszközök elérhetővé tételével nemhogy közelebb kerülnénk a felzárkózást indikáló teljesítményhomogenizációhoz, hanem egyenesen rontjuk annak esélyeit. Az AI-eszközök iskolai integrációja kapcsán tehát a „miként?” a legfontosabb kérdés. Amíg egyfelől világos, hogy ma már nem zárhatjuk ki ezeket az eszközöket a tanulás közegeiből és kontrollálatlanul sem engedhetjük meg ezek iskolai jelenlétét, amellett sem szabad elmennünk, hogy a tutorprofilú eszközhasználattal megdöbbentő mértékben képesek vagyunk elősegíteni az ismeretelsajátítást. Ha pedig megkerülni nem lehet és elrontani sem érdemes, kötelességünk, hogy jól csináljuk.

Hogyan lehet megfelelően és hatékonyan integrálni a gépi, AI-alapú eszközöket az ismeretátadás és számonkérés, valamint az ismeretelsajátítás és önellenőrzés folyamatába?

E kérdés kapcsán fontos, hogy eszközszerűségében is megértsük az AI-t. Az intézményeknek és pedagógusoknak így vagy úgy, de mindenképp muszáj foglalkozniuk ezzel a technológiával, azonban korántsem mindegy, hogy milyen módon. Ahogy egyre többet értünk ezeknek az eszközöknek a működéséből és a felhasználókra gyakorolt hatásából, egyre világosabbá válik, hogy tévedés ezekre úgy gondolni, mint a projektorra vagy az okostáblára, mivel ma már ezeknek a klasszikusnak mondható eszközöknek az AI-rendszerekhez képest rendkívül csekély a módszertani átalakító hatása.

Az AI-rendszerek puszta jelenléte átrendezi azt az értékrendi kérdést is, hogy általánosságban a diákoknak milyen arányban kell tényszerű ismereteket és képességeket elsajátítania. Noha vannak, akik arra hajlanak, hogy ma már nincs szükségünk tényszerű ismeretekre, abban áll a helyzet pimaszsága, hogy a tényszerű ismeretek megszerzése nagyban fejleszti a képességek elsajátítását; vagyis nem lehet nullára redukálni a tényszerű ismeretek szerepét a pedagógiai gyakorlatban és a képességelsajátítás folyamatában: a tények absztrakciója és egy kiterjedt kognitív térképpé történő összerendezése ugyanis a képességelsajátítás egyik alappillére.

Ma az AI jelenlétével karnyújtásnyira kerültünk attól az álomba illő állapottól, hogy minden gyermek mellé állítani tudjunk egy egyéni ütemű fejlődést támogató, személyre szabott tutort, ráadásul minimális költségekért. Ha így tekintünk erre az eszközre, azt mondhatjuk, hogy korábban elképzelhetetlennek tartott, történelmi lehetőség elé került az oktatás. Ha képesek vagyunk megfelelő módon integrálni az AI-t a pedagógiai rendszerbe, szinte beláthatatlan annak a fejlődésnek a mértéke, amire esélyt kapunk. Soha, semmilyen oktatási-gazdasági modellben nem volt lehetséges 1:1 arányú tutor-diák relációkat kialakítani. Ehhez ma már minden lehetőségünk adott – természetesen a megfelelő tanári szupervízió mellett. Ha pedig ezek a rendszerek ilyen nagy léptékben képesek előmozdítani az oktatás ügyét, azt gondolom, már csak a jövő diákjai érdekében is morális felelősségünk ezeknek az AI-alapú oktatási modelleknek a kidolgozása.

Noha talán sokan tekintenek vonakodva egy ilyen jövőkép felé, fontos megértenünk a tanári szerepkör kapcsán, hogy – sokdimenziós tevékenységi kör lévén – egy sor alapvetően fontos részmunkafolyamatból épül fel. Ha léteznek olyan résztevékenységei a tanári szerepkörnek, amelyeket ma már hatékonyabban tud ellátni a gép, éppen azáltal tud megújulni egy tanár, ha képes beemelni azt az eszközt a pedagógiai gyakorlatába. Ezek a gépek ugyanis nem kiváltani, hanem megkönnyíteni képesek csupán a tanári munkát – azt viszont elképesztő mértékben. Egy ilyen rendszerben tehát némiképp átstrukturálódnak a hagyományos szerepek. Amint kidelegáljuk a gépnek a tutorálás feladatköreit, a tanárra hárul a feladat, hogy egy kidolgozott vízió mentén facilitálja a technológiaalapú képzési programot, valamint hogy kidolgozza és működtesse a gépi tutoráláson keresztül átadott ismeretek begyakoroltatásához szükséges motivációs rendszert, és legfőképp, hogy átfogó mentális térképet nyújtson a tanulóknak. A „miértek” és a „nagy kép” kell legyen egy tanár legfőbb üzenete. A legkevésbé sem az AI dolga ugyanis egy átfogó filozófia és motivációs rendszer kidolgozása, vagy hogy kijelölje a haladás irányát és vízióját. Ebben áll a specializáció lehetősége a jövő pedagógusa számára: hogy mindazt az erőforrást, amit eddig a tutorjellegű részfeladatok kigondolására, monitorozására, javítására szánt, a továbbiakban csak a sajátosan általa végezhető feladatok kimunkálásába forgassa vissza.

Személyes életében, érdeklődésében egyszerre kap helyet elmefilozófia, buddhizmus és AI. Hogyan lehetséges hidat verni az emberi élet technológiai, filozófiai és spirituális vonatkozásai között?

Kezdetektől foglalkoztatott az a legkézenfekvőbb dolog, amivel minden emberi lény rendelkezik: az elme. Mármost a legtöbb esetben az az érzésünk, hogy bizonyos kognitív tevékenységeinket, emberi hatóképességünk egy részét újra és újra átruházzuk különféle rendszerekre. Ha azonban alaposabban megnézzük, azt látjuk, hogy minden döntési folyamat minimum két elemből áll: egy becslés- és előrejelzésszerű, valamint egy döntés-, felelősségvállalás-, ítéletjellegű elemből. Gépi szempontból mindenképp a becslésszerű döntési elemet lehet a legegyszerűbben delegálni; a végső döntés felelősségének súlya azonban továbbra is az én vállamat nyomja és nem a gépét.

Manapság azt lehet megfigyelni, hogy egyre nő az ítéletalkotás és döntéshozatal piaci értéke, míg a predikció és saccolás értéke csökken, ennek mentén pedig az emberi cselekvés is sokkal inkább eltolódik a becslés felől az ítéletalkotás és döntés irányába. Számomra ebben az egész kérdésben afelől rajzolódik ki a spiritualitás és kimondottan a buddhizmus szerepe, hogy bizony meglehetősen nehéz anélkül ítéletet alkotni, hogy előtte az ember valamiféle önreflexiót ne gyakorolna. A megfelelő döntéshozatalhoz ugyanis elengedhetetlen, hogy tisztába kerüljünk azokkal a bennünk munkáló cselekvésmotiváló érzelmi-mentális tartalmakkal, amelyek úgy befolyásolják sokszor a legapróbb döntéseinket is, hogy észre sem vesszük. Ezért is gondolom, hogy manapság éppen az AI-nak köszönhető predikciós bőség emeli az önreflexiót a legversenyképesebb gazdasági és emberi tevékenységgé.