Изкуственият интелект има потенциала да промени образованието към по-добро. Но когато ChatGPT стартира през 2022 г., той предизвика паника както в училищата, така и в академичните среди.

Моделът с изкуствен интелект, способен да отговаря на всякакви въпроси и да пише всякакви текстове, бързо беше осъден като инструмент, който позволява измами – и който подкопава обучението.

Бързо напред към 2024 г., паниката е прекратена и образователният сектор е признал потенциала на големите езикови модели  да предоставят подкрепа както на учениците, така и на учителите.

Но за да се постигне истинско съответствие между потенциала на технологията и резултатите от обучението, са ни необходими специфични за образованието малки езикови модели, казва пред TNW Дан Розенсвайг, изпълнителен председател на платформата за ученическо обучение Chegg.

„LLM с общо предназначение са добро начало“, казва Розенсваиг. Но те не са специално разработени с оглед на учебния процес на учениците.

Подобни инструменти са доказали, че могат успешно да консумират огромни количества данни от интернет и да обобщават информацията ефективно. Но те също така са склонни да дават неточни отговори и дори да халюцинират.

„Общите LLM нямат задължението да бъдат точни или да бъдат персонализирани и не познават ситуацията на всеки отделен студент, когато става въпрос за това какво знае или какво не знае“, казва Розенсвайг.

Обратно, малките езикови модели може да имат по-ограничен капацитет за обработка на информация и генериране на текст в сравнение с LLM, но те са по-ефективни в задоволяването на специфични нужди.

Изграждане на специфични за образованието малки езикови модели

Според Розенсвайг специфичните за образованието SLM изискват два елемента.

Първият от тях е включването на педагогика по проект. Това се отнася до разработването на модел, който „разбира как учениците учат най-добре, какви са техните индивидуални нужди и който може да оцени резултатите от обучението, за да продължи процеса“.

Вторият необходим елемент е собствен, точен набор от данни, който е достатъчно голям, за да обучава ИИ в различни предметни вертикали. В случая на Chegg, която е разработила 26 SLM, данните се основават на над 100 милиона части от учебно съдържание, създадени през последните 10 години.

Розенсвайг смята, че ползите от персонализираната учебна помощ, задвижвана от ИИ, са широкообхватни.

„Тя започва със самия процес на учене и след това предлага съчетание между критично мислене и реални умения, които могат да се използват на пазара на труда.“