Balansert KI-bruk i utdanningen

KI kan brukes til veldig mye og det er krevende for ikke-eksperter (som meg) å orientere seg i hva som er KI og hva man kan bruke teknologien til. Førsteamanuensis Inga Strümke har et glimrende innlegg i Aftenposten 16 mars, hvor misforståelsen om at KI=språkmodeller som chatGPT oppklares. KI er mye mer enn det. KI er velegnet til å analysere store datamengder og digitale bilder (f. eks CT, MR) for å trekke ut korrelasjoner mellom masse input og noe interessant output. Trender i tidsserier og svulst/ikke svulst er viktig informasjon som brukes til å gjøre videre vurderinger. 

Fordi KI-metoder som maskinlæring har vist gode resultater i slike problemer så kan man få inntrykk av at dette løser det meste av utfordringer for oss. Språkmodellene er blitt enkle å bruke og mange bruker det som et leketøy. Søker du på deg selv kan du få tildelt mange morsomme egenskaper som du ikke visste du hadde. Som Inga Strümke påpeker er det viktig å huske på at du ikke kommuniserer med et intelligent vesen, men med et dataprogram. Alt som kommer derfra må vurderes nøye. 

Når regjeringen sier at alle offentlige virksomheter skal ha tatt i bruk KI innen 2030, så er det er uklart hva som menes. Hva slags KI-metoder skal tas i bruk? Er målet nådd hvis alle offentlig ansatte bruker språkmodeller i noen grad i jobben sin? Hvordan skal opplæringen i bruk skje, og hvordan skal man måle at prosesser er blitt mer effektive? «Norge skal bli verdens mest digitaliserte samfunn» ? Hva menes? Regjeringens mål vitner i hvert fall om en stor tiltro til at KI skal effektivisere sektoren betydelig. Erfaringer med introduksjon av store felles datasystemer i statlige organer er så langt dårlige.

Dette var en litt generell innledning. Noe som det er et akutt behov for er hvordan NTNU skal forholde seg til bruken av KI (les dette i stor grad som bruk av språkmodeller) i sin undervisning. Ferske tall fra Studiebarometeret viser en enorm økning i bruken blant studentene. Man får inntrykk av at språkmodeller kan erstatte forelesninger og løse øvinger og programmeringsoppgaver.

De bruker KI til «alt», men savner opplæring

Språkmodellene genererer sammendrag av pensum. Dette hentes fra åpne kilder på nettet (kanskje i stor grad fra engelskspråklige kilder). Videre så har studentene ikke fått opplæring i bruken av språkmodellene. Her møter faglærerne en interessant utfordring. 

De fleste av oss har jobbet i mange år med å utvikle teori og metode med tilhørende dybdekunnskap, slik at vi kan formidle dette best mulig til studentene i våre fag. Det er laget gjennomtenkte lærebøker og kompendier. Forelesningsnotater er destillert kunnskap som skal inneholde det viktigste i faget. De fleste forelesere er ikke erfarne KI- og språkmodellbrukere, og vi er i hvert fall ikke trent på å inkludere det i våre kurs. Studentene etterspør opplæring i bruken, da må også faglærere læres opp. 

Fra mitt ståsted (Gløshaugen) så gjelder det for veldig mange av oss at vi mener at studentene må vite hvordan en partiell differensialligning framkommer, hva slags fysisk fenomen beskriver den, hvilke forenklinger har vi gjort, hvordan kan ligningene løses (analytisk eller numerisk), hvordan kan nøyaktigheten av løsningen vurderes? Dette tar tid og vi legger stor innsats i få svart på dette i forelesningene våre. 

Skal vi bake inn KI-metodikk må noe ut. Hva mister vi (og studentene) da? Mange av realfagene er modningsfag som krever tid før man forstår teorien. Dette er nesten det motsatte av å plugge inn noen stikkord i en språkmodell, som lager en kort intro for deg. Professor Goodwin har en serie med innlegg i Khrono om ansvarlig og konstruktiv bruk av KI. Det er veldig nyttig. Samtidig er han professor i KI og har et annet forhold til verktøyene enn de fleste av oss amatører. Det vil ta mye tid å komme opp på hans nivå. Han representerer også den veldig positive siden av diskusjonen om bruk av KI. Noen fag vil ha god nytte av KI, mange andre fag trenger tid til å forstå grunnleggende fenomener og teori. Is i magen er lurt når det kommer til troen på KI-gevinster.

KI-forskning skal NTNU absolutt drive med, og vi har allerede veldig sterke miljøer på det. Samtidig er det nødvendig med fortsatt voksenopplæring av type Strümkes avisinnlegg. Alle ansatte og studenter på NTNU bør lese den artikkelen. I tillegg til å implementere NTNUs nye strategi tror jeg KI-bruk i undervisning og læring blir noe av det viktigste NTNU på alle nivå må jobbe med framover. Samtidig vil nødvendigheten av å lære grunnleggende matematikk, fysikk, kjemi, mekanikk, programmering og videre ikke forsvinne. 

Er den kunnskapen på plass kan KI-metoder bli et nyttig supplement.