Kunstig intelligens: Fra hype til realitet gjennom didaktisk FoU-arbeid

Både Utdanningsnytt og Bedre skole har belyst ulike utfordringer og muligheter i fagene ved bruk av generativ kunstig intelligens, og ikke minst hvordan vurderingsarbeidet for læreren kan bli annerledes. 

I mindre grad har tidligere artikler belyst hvilke type kunstig intelligens (KI) som allerede er i bruk i skolen, og de systemiske vilkårene hos skoleeiere for bruk av generativ KI som tekst-til-bilde generatorer som DALL E, Midjourney og store språkmodeller som ChatGPT og Bard. I denne artikkelen ser vi både på historien for KI og utdanning og generativ KI ved å skille mellom ressurser og verktøy som er laget for skolen, og det som må tilpasses didaktisk. Til slutt presenterer vi et nytt innovasjonsprosjekt som utvikler didaktikk for arbeid med KI lokalt før erfaringene og de didaktiske modellene deles nasjonalt.

Primære og sekundære verktøy

Lærere har et stort repertoar av ulike metoder og didaktiske tenkemåter. I møte med generativ kunstig intelligens i skolen er det derfor viktig å synliggjøre hva disse ressursene er ved hjelp av allerede etablerte kategorier i læremiddelforskningen. I forskningen på digitalisering har begreper som læremidler, ressurser og digitale verktøy ofte blitt brukt på uklare måter (Gilje, 2021). I læremiddelforskningen er det imidlertid for nærmere 30 år siden etablert et skille mellom tekster som er laget for undervisning og tekster som ikke er det. 

Skolens primære tekster har innebygget en didaktikk, mens sekundære skoletekster må brukes ved hjelp av det store didaktiske repertoaret lærere har. Senere er det også etablert et skille mellom primære og sekundære digitale verktøy. Primære digitale verktøy har et fagorientert innhold og er spesifikt laget for skole og utdanning, mens sekundære digitale verktøy er både uten fagorientert innhold og didaktikk (Gilje, 2023). Med disse fire kategoriene kan vi møte kunstig intelligens slik at KI-verktøyene blir forståelige i læreres didaktiske repertoar.

I utdanningsforskningen har forskere over flere tiår utviklet kunstig intelligens forstått som ulike ekspertsystemer. Målet har vært å utvikle programmer som er laget for elevers læring innenfor et bestemt faglig domene (se Holmes & Tuomi, 2022 for en god oversikt). Slike kunnskapsbaserte programmer har i hovedsak blitt laget innen matematikk, områder i naturfag og områder innen språk/fremmedspråk. 

I læringsforskning betegnes dette som domenespesifikk kunnskap (Greeno et al 1996). På mange måter er dette kunstig intelligens med didaktikk, det er primære digitale verktøy med KI, spesiallaget for læring og utdanning. I dagens debatt om generativ kunstig intelligens er det derfor viktig å se på historien til KI og læring i ulike fag for å forstå hva som egentlig er nytt.

Kunstig intelligens er mer enn ChatGPT

 Kunstig intelligens sin reise gjennom utdanningsfeltet kan spores tilbake til 1960-tallet. Den startet med det som heter Computer Assisted Instruction (CAI) allerede på 1960 og 70-tallet, som er en opplæringsform der individet, for eksempel en elev, blir veiledet av et dataprogram gjennom informasjonen som skal læres. Metoden er fleksibel fordi elever kan lære i sitt eget tempo og gjennomføre opplæringen når det passer dem, samtidig som mål for kunnskapsutvikling ligger fast. CAI-programmer gir tester og vurderinger i hver fase og gir umiddelbar tilbakemelding til den som trenes (Suppes & Morningstar, 1969).[i]

Det var først på 1980-tallet at denne teknologien brukte KI-teknikker. Først ute var Intelligent tutoring systems (ITS), der KI brukes for å gi tilpasset læring for enkeltpersoner i spesifikke fag på basis av å modellere læringsmål i faget. ITS-systemer er basert på en kognitiv læringsteori (Anderson et al., 1990). På 1990-tallet ble de første kritikk-systemene critiquing systems, CS (KS på norsk) bygget for å adressere begrensinger ved ITS for å støtte situert læring som delvis bygger på sosiokulturell lærings- teori. Med KS systemene er det elevene som definerer progresjonen mot læringsmålet og datamaskinen bidrar med støttestilas på denne veien (Mørch et al., 2017).

Disse tre forskningsområdene, CAI, ITS og KS, er i større eller mindre grad til stede i de programmene som er tilgjengelig i skolen i dag og som har som mål å gi tilpasset opplæring og «adaptiv læring» i spesifikke fag. I tillegg er det utviklet en rekke kontorprogrammer i Apples apper, Microsoft 365 og Google Workspace for Education som har funksjoner som i varierende grad bygger på maskinlæring og kunstig intelligens. I skolen kan elever i økende grad får rettet ord, setninger, oversatt tekst og ikke minst tale til en maskin framfor å skrive på et tastatur for å produsere tekst (som igjen kan bli lest opp for eleven). Utviklingen av disse funksjonene i vanlige kontorprogrammer bygger også på KI og maskinlæring. 

De kunnskapsbaserte systemene er enklere å forstå sammenlignet med de svært store og komplekse KI-systemene som ofte blir omtalt som generativ kunstig intelligens i offentlig debatt i dag. De nye generative KI-systemene omfatter et bredt spekter av teknologier og programvare som bygger på modeller av nevrale nett , inkludert naturlig språkbehandling, maskinlæring, dataanalyse og mer. Mens de tidligere systemene (CAI, ITS, KS) la grunnlaget for begreper slik som adaptiv læring og automatisert tilbakemelding, med didaktiske modeller «innebygget» i teknologien, er store språkmodeller som ChatGPT og Bard helt uten didaktisk tenkning eller tilnærming. Derfor krever de en betydelig didaktisk forståelse og utvikling av et nytt didaktisk handlingsrepertoar for lærere.

Mellomløsninger med ChatGPT - systemiske og institusjonelle vilkår for bruk av KI

Læreres møte med ChatGPT og tilsvarende tjenester er ennå (høsten 2023) ikke rammet inn av institusjonelle avtaler som skoleeier har/gjør for å bygge en trygg digital grunnmur.[ii] Derfor har en rekke skoleeiere, fylkeskommuner og kommuner gått i gang med å lage løsninger for sine elever. 

Først ut var Randaberg kommune, og allerede i april 2023 presenterte de sin løsning randabergskolen.no. De har laget en egen «portal» inn til OpenAI sine ulike språkmodeller slik at elevene kan bruke disse tjenestene gjennom en egen nettside. Der møter elevene ulike chatboter som er ferdig forhåndsprogrammert til å tre inn i ulike roller, og et tekstverksted der elevene kan få hjelp med tekster de allerede har skrevet. På denne måten har skoleeier gjennom disse tjenestene startet et didaktisk arbeid for lærerne som både teknisk og metodisk gjør det mulig å ta i bruk store språkmodeller. Chatboten Sokrates, for eksempel, gir deg ingen fasitsvar, men stiller deg nye spørsmål. På mange måte har kommunen lagt grunnlaget for en didaktikk til bruk av ChatGPT 3.5.[iii]

Å utvikle didaktiske modeller

Fordi generativ kunstig intelligens (GKI) ikke er tilrettelagt for skole og undervisning må vi undersøke om og hvordan generativ KI kan brukes og under hvilke vilkår dette kan stimulere til læring i og på tvers av fag. På grunnlag av slike undersøkelser i forskning og i praksis kan det utvikles robuste didaktiske modeller over tid.

GKI er en spennende, kompleks og krevende teknologi som lar brukeren kommunisere med KI via ledetekster, som kan være spørsmål, påstander eller hypoteser, fra både lærere og elever for å få KI-systemet til å produsere tekst av varierende kvalitet. Denne kvaliteten avhenger av flere faktorer, inkludert det faglige domenet og hvordan spørsmålet eller forespørselen blir formulert. GKI-systemer fungerer ved å beregne sannsynligheten for hvilket ord som passer best som neste ord i en setning, uavhengig av det faglige temaet i setningen. Det er viktig å forstå at disse systemene ikke er spesifikt trent innenfor et enkelt "kunnskaps-/ekspertsystem," men derimot er generelle språkmodeller som kan generere setninger som tilpasses det spesifikke faget eller temaet i teksten.

Dette betyr imidlertid også at GKI-systemer kan produsere feilaktig kunnskap om verden, da de ikke er godt nok tilknyttet ekspertise på et bestemt felt. På den andre siden, GKI-systemer er generiske og kan svare på et bredt spekter av spørsmål på tvers av ulike emner, noe som skiller dem fra ekspertsystemer og ITS. Det er likevel viktig å huske at man ikke bør stole på GKI-systemer, sekundære digitale verktøy, på samme måte som man stoler på læremidler, primære skoletekster, da de ikke kan garantere nøyaktigheten eller kvaliteten på informasjonen de produserer.

Regjeringen satser på kunstig intelligens

Torsdag 7. september lanserte regjeringen en ny satsing på kunstig intelligens og digital trygghet. Også i den nye strategien for digital kompetanse og infrastruktur for barnehage og skole som ble lansert i april 2023 blir det vektlagt at det må utvikles et bredt handlingsrepertoar blant lærere i deres bruk av ulike former for kunstig intelligens.

Disse politiske føringene presser fram at det må utvikles en didaktikk for bruk av de programmer som har funksjoner som bygger på kunstig intelligens og ikke minst store språkmodeller, enten det er programmer som bygger på nye typer av programmer i ITS-tradisjonen av ekspertsystemer eller den mer generelle og faguavhengige generativ kunstig intelligens. Vi kan vente at i fremtiden vil IT forskere integrere disse to tilnærmingene til KI på to ulike måter, en som bygger på heuristisk kunnskap og regler (ITS) og en som bygger på matematikk og statistikk (GKI).

Læring i algoritmenes tidsalder

Siden høsten 2020 har forskere ved UiO i et såkornprosjekt samarbeidet med lærere og rådgivere i Asker kommune i prosjektet School A.I. and Learning (SAIL) for å kartlegge hvordan kunstig intelligens kunne utforskes i skolen. Dette la deler av grunnlaget for innovasjonsprosjektet Læring i algoritmenes tidsalder (LAT) som har som formål å bygge slik kompetanse, først blant lærerne i Asker kommune og deretter for alle landets lærere. LAT-prosjektet er et innovasjons- og samarbeidsprosjekt mellom kommunen og forskere ved det Utdanningsvitenskapelige fakultet ved UiO, og har finansiering i tre år fra Forskningsrådet fra og med 1. oktober 2023.

I prosjektet skal forskere sammen med lærere og rådgivere i kommunen både (1) gjennomgå forskning om kunstig intelligens og læring, se på (2)utfordringer knyttet til personvern og datahåndtering og ikke minst (3) studere læringsprosesser i flere case der lærere og elever arbeider med begge hovedtyper av kunstig intelligens som vi har skissert. Gjennom disse casestudiene skal elevene i barne- og ungdomsskolen observeres når de jobber med de verktøyene som Asker kommune har tilgjengelig og eventuelle andre digitale verktøy som kan være aktuelle for å utforske muligheter og utfordringer med generativ kunstig intelligens.

Generativ KI kan hjelpe elever med å generere ideer, presentere ulike synsvinkler og produsere utkast til introduksjoner og avslutninger. Dette kan være særlig nyttig når elever strever med å komme i gang med skrivingen, produsere nok innhold eller mangler erfaring. Dette kan gi nye muligheter til å drøfte med elevene om et innhold er pålitelig eller gyldig, og hvor kunnskapen kommer fra. Et viktig anliggende mer generelt å videreutvikle de kritiske perspektivene på digitalisering generelt og bruk av KI spesielt. Elever må involveres i kritiske samtaler om KI skal utvikling egen kritisk i og om bruk av KI i deres læringsprosesser.

Erfarne lærere og uerfarne studenter

Utdanningsfeltet er i endring. Både i grunnopplæringen og i høyere utdanning. Kunstig intelligens har på mange måter blitt en «kraftfull» aktør i denne utviklingen. I de siste månedene har vi systematisk samlet erfaringer og kunnskap både blant erfarne lærere og studenter ved det Utdanningsvitenskapelige fakultet ved UiO. Sistnevnte undersøkelser om hvordan lektor- og pedagogikkstudenter kan ta i bruk ChatGPT har resultert i rapporten Lett å bruke – vanskelig å forstå. Å ta de store språkmodellene i bruk til egen og felles kunnskapsutvikling krever gode forkunnskaper og dermed kritiske vurderinger av hva tekstelementer kan brukes til i en oppgave.

En anekdote fra en av Norges ledende eksperter på KI og deltaker i referansegruppa i LAT-prosjektet, professor i kunstig intelligens Morten Goodwin, sier at han anbefaler ChatGPT til sine masterstudenter, men ikke til bachelor-studentene. Åpne, sekundære digitale verktøy, som ikke er didaktisk tilrettelagt som en lærebok, krever et godt grunnlag i kunnskaper og forståelse av det faglige domenet du skal bruke språkmodellen på.

Menneske og teknologi i samspill - et internasjonalt perspektiv

Vi ser at stadig mer av den faglige kunnskapen som er etablert i ulike fag og disipliner forsvinner inn i «lukkede rom», den automatiseres av algoritmer ved hjelp av kunstig intelligens (Heyes, 2018; Pasquale, 2015), og teknologiselskapene bruker vår samhandling med disse algoritmene på ny måter som kan føre til mer overvåkning (Zoboff, 2019). For oss som arbeider med å utdanne lærere og pedagoger krever dette nye løsninger på dilemmaer både i den konkrete studiehverdagen, som er av etisk art og må knyttes til personvern. I tillegg er det vanskelig å forutsi hva studentene skal lære i dag som de kan ha nytte av sine arbeids/yrkes- og livsløp.

Det er viktig å fastholde at generativ KI ikke er utviklet med utdanning som sitt primære mål, den er drevet for å løse problemer som KI forskere har slitt med i årevis, f.eks å gjøre en datamaskin bedre enn menneske til å spille sjakk eller brettspillet Go. Det er en ny type teknologi og ressurs som vi i utdanningssektoren må følge med på og transformere og didaktisere til produktiv bruk. Vi må derfor lage en kunnskapsbasert beredskap på å håndtere de nye sekundære digitale verktøy for å kunne ta de i bruk i ulike deler av utdanningssektoren. 

Internasjonal forskning vektlegger at kunnskapsbaserte systemer som bruker KI i kombinasjon med språkmodeller (dvs. ChatGPT eller lignende), kan være gode ressurser for både elever og lærere når de skal lage nye typer undervisningsdesign (Holmes og Tuomi & Holmes, 2022, Crompton et al., 2022). Det betyr at elevene må utvikle grunnleggende forståelse av hvordan slike ressurser bør brukes for å kunne være læringsfremmende. Lærere må på sin side legge vekt på at dersom ulike KI – baserte programmer skal brukes i undervisningen, må de ha betydning for elevenes læring.

KI i skolen er blitt et stort/hett tema internasjonalt hos aktører som OECD, UNESCO og sentrale myndigheter i USA og en rekke andre land. Den faglige diskusjonen gjøres i form av oppsummeringer om hva vi vet basert på forskning frem til nå og hva som åpner seg av muligheter med generativ KI i nye studier. Konklusjonen er like enkel som den er komplisert. Vi må utvikle ny forskningsbasert kunnskap om faglig og didaktisk bruk av en rekke typer KI skolen – i partnerskap med skoler, ledere, lærere og forskere.

Referanser

Anderson, J. R., Boyle, F. C., Corbett, A. T. & Lewis, M. W. (1990). Cognitive modeling and intelligent tutoring. Artificial Intelligence, 42, 7–49.

Crompton, H., & Burke, D. (2022). Artificial intelligence in K-12 education. Social Sciences, 2, 113. 

Gilje, Ø. (2021) På nye veier. Læremidler og digitale verktøy fra kunnskapsløftet til fagfornyelsen. Norsk Pedagogisk Tidsskrift, 105(2), 227-241.

Gilje, Ø. (2023) Læremidler og arbeidsformer i den digitale skolen. 2. utg. Fagbokforlaget.

Heyes, C. M. (2018). Cognitive gadgets: The cultural evolution of thinking. Harvard University Press.

Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education: research, development and policies.

Ludvigsen, S., Mørch, A. og Wagstaffe, R.B. (2023). Lett å bruke – vanskelig å forstå. Studenters samtaler og bruk av generativ KI: ChatGPT. Det utdanningsvitenskaplige fakultet, UiO.

Mørch, A. I., Engeness, I., Cheng, V. C., Cheung, W. K., & Wong, K C. (2017). EssayCritic: Writing to Learn with a Knowledge-Based Design Critiquing System. Educational Technology & Society, 20 (2), 216–226.

Pasquale, F. (2015). The black box society: The secret algorithms that control money and information. Harvard University Press

Skinner, B. F. (1968). The technology of teaching. New York: Appleton-Century-Crofts.

Suppes, P., & Morningstar, M. (1969). Computer-Assisted Instruction. Science, 166 (3903), 343–350. http://www.jstor.org/stable/1728109

Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. Public Affairs.

Takk til våre samarbeidspartnere i LAT-prosjektet i Asker kommune, Rune Glad, Arne Bergan og Marie Y. Olafsen for kommentarer og tilbakemeldinger på artikkelen.

 [i] CAI-systemer er modellert etter behavioristisk læringsteori, og bygger på Skinners undervisningsmaskin (teaching machine) utviklet på 1950-tallet, som var en mekanisk enhet som stilte spørsmål eller problemer til studenter og basert på svarene deres ga tilbakemelding og veiledet dem til videre spørsmål eller oppgaver. Dette var et tidlig forsøk på å bruke teknologi for å forbedre utdanningen ved å automatisere deler av læringsprosessen og gi tilpasset læring ved hjelp av en maskin (Skinner, 1968).

[ii] OpenAI, som ble lansert i slutten av november i fjor, krever bare registrering av e-post adresse og Bard sin tilsvarende modell som ble lansert på norsk 13. juli krever bare en personal gmail-konto. Som andre samfunnsborgere/profesjonelle har lærere startet arbeidet med å se på og vurdere hva en slik generativ Ki kan brukes til.

[iii] Tjenesten til Randaberg kommune er laget for elever i denne ganske lille kommunen, og Hjelmeland kommune har allerede kopiert den løsningen. I slutten av august lanserte Oslo kommune en tilsvarende pilot-løsning for elever og lærere på en videregående skole. Og også Asker, Bergen, Kristiansand og en rekke andre kommuner diskuterer og arbeider med tilsvarende løsninger som skal lanseres i løpet av høsten.

DEBATT Kunstig intelligens

AI i skolen – et førerløst lokomotiv

Setter av en milliard til forskning på kunstig intelligens