AI w edukacji. Apel. ebook

AI w edukacji. Apel.

___________

Autor: Marcin Włoch

Wydawca: UNIKAT

Wydanie pierwsze, 2023 rok

Copyright 2023 by Marcin Włoch

ISBN 978-83-968611-2-2

Spis treści:

Wprowadzenie

AI w edukacji

Etyka i AI

Z uczniami na temat AI

Krytyczne myślenie w kontekście AI

Przyszłość z AI

Apel

Słownik słów i pojęć.

1. Wprowadzenie do sztucznej inteligencji

Historia i rozwój sztucznej inteligencji (artificial intelligence, AI)

Sztuczna inteligencja (AI) to interdyscyplinarna dziedzina nauki, która ma swoje korzenie w matematyce, informatyce, psychologii, lingwistyce, filozofii oraz inżynierii. Choć pomysły i koncepcje związane z AI sięgają starożytności, to prawdziwy rozwój tej dziedziny rozpoczął się w XX wieku. Oto krótki przegląd historii i rozwoju sztucznej inteligencji:

Początki AI (1943-1956) - Rozwój sztucznej inteligencji (AI) jest ściśle związany z rozwojem komputerów i informatyki. Początki AI sięgają lat 40. XX wieku, kiedy to naukowcy zaczęli eksplorować ideę maszyn, które mogłyby naśladować ludzki umysł.

Warren McCulloch i Walter Pitts to dwaj pionierzy, którzy w 1943 roku zaczęli kształtować to pole. Opracowali oni pierwszy matematyczny model neuronu, nazywany "model McCullocha-Pittsa". Był to prosty model obliczeniowy neuronu, który mógł symulować działanie prawdziwych neuronów w mózgu. Model ten składał się z wielu prostych jednostek (symulowanych neuronów), które były połączone ze sobą i mogły przesyłać sygnały. Ta praca stała się podstawą dla przyszłych badań nad sztucznymi sieciami neuronowymi, które są teraz kluczowym elementem w dziedzinie AI.

Kolejnym ważnym krokiem w historii AI była publikacja "Computing Machinery and Intelligence" autorstwa Alana Turinga w 1950 roku. W tym artykule Turing zaproponował test, znany teraz jako "test Turinga", który ma na celu ocenę, czy maszyna może myśleć jak człowiek. Test Turinga polega na prowadzeniu konwersacji przez człowieka z maszyną, bez wiedzy, czy rozmawia z maszyną, czy z innym człowiekiem. Jeśli człowiek nie jest w stanie odróżnić, czy rozmawia z maszyną, czy człowiekiem, to według Turinga maszyna wykazała inteligencję porównywalną z inteligencją człowieka.

Chociaż koncepcje i teorie przedstawione przez McCullocha, Pittsa i Turinga były rewolucyjne jak na tamte czasy, technologia nie była jeszcze na tyle zaawansowana, aby te teorie mogły zostać zrealizowane. Dopiero w latach 50. i 60. XX wieku, kiedy komputery stały się bardziej zaawansowane i dostępne, te idee zaczęły być wdrażane w praktyce, co doprowadziło do powstania nowoczesnej AI.

Początki entuzjazmu (1956-1974) - Ten okres w historii AI zaczyna się od konferencji na Dartmouth College w 1956 roku. Spotkanie to, zorganizowane przez Johna McCarthy'ego, Marvina Minsky'ego, Nathaniela Rochester'a i Claude'a Shannon'a, jest często uważane za oficjalne narodziny dziedziny sztucznej inteligencji. McCarthy, który był jednym z głównych organizatorów konferencji, wprowadził termin "sztuczna inteligencja" i zdefiniował go jako "naukę i inżynierię tworzenia inteligentnych maszyn".

W tym okresie zaczęto tworzyć pierwsze programy AI. Dwa z nich, które zasługują na wyróżnienie, to General Problem Solver (GPS) i ELIZA.

General Problem Solver został stworzony do symulowania ludzkiego rozumowania w rozwiązywaniu problemów. Była to jedna z pierwszych prób stworzenia systemu AI, który mógłby rozwiązywać problemy ogólne, a nie tylko specyficzne dla konkretnego zadania.

ELIZA to inny wczesny program AI, który symulował rozmowę z użytkownikiem. ELIZA była zaprogramowana tak, aby udawać terapeutę, pytając użytkownika o jego uczucia i myśli. Mimo że ELIZA nie rozumiała treści rozmowy, wielu użytkowników miało wrażenie, że jest w stanie prowadzić prawdziwą, sensowną rozmowę.

Mimo że poczyniono znaczne postępy, był to czas, kiedy zaczęto dostrzegać ograniczenia technologiczne i teoretyczne AI, co ostatecznie doprowadziło do pierwszego"zlodowacenia AI" . Jednakże, te wczesne lata entuzjazmu zapoczątkowały wiele badań, które miały fundamentalne znaczenie dla rozwoju AI.

Wielkie Rozczarowanie (1974-1980) - Ten okres w historii sztucznej inteligencji charakteryzował się spowolnieniem rozwoju i postępu w dziedzinie AI. Przyczyniło się do tego kilka czynników.

Ograniczenia technologiczne: W latach 70. XX wieku technologia komputerowa nie była jeszcze na tyle zaawansowana, aby sprostać rosnącym wymaganiom programów AI. Obliczenia wymagane do przetwarzania dużych ilości danych były poza możliwościami ówczesnych komputerów. Brakowało też pamięci i prędkości procesorów, co ograniczało złożoność i skuteczność systemów.

Brak danych: AI, a szczególnie uczenie maszynowe, wymaga dużych ilości danych do skutecznego działania. W latach 70. nie było jeszcze dostępu do dużych zbiorów danych, co stanowiło poważne ograniczenie dla rozwoju AI.

Złożoność problemów: Wczesne systemy AI były skuteczne w rozwiązywaniu prostych, dobrze zdefiniowanych problemów. Ale kiedy zaczęto stawiać im bardziej złożone zadania, takie jak rozumienie języka naturalnego, okazało się, że nie są na to przygotowane. Problemy okazały się znacznie trudniejsze do rozwiązania, niż początkowo przypuszczano.

Ograniczenie finansowania: Z powodu niespełnionych obietnic dotyczących potencjału AI, wiele rządów i agencji finansowych, zdecydowało się ograniczyć lub zakończyć finansowanie badań nad AI. To spowodowało znaczne spowolnienie prac naukowych w tej dziedzinie.

Ten okres rozczarowania był trudnym czasem dla sztucznej inteligencji. Jednakże, mimo tych wyzwań, naukowcy kontynuowali swoje prace, rozwijając nowe techniki i metody, które później położyły fundament pod renesans AI, który rozpoczął się w latach 80. XX wieku.

Wzrost zainteresowania uczeniem maszynowym (1980-1990) - Okres w historii sztucznej inteligencji, nazywany "renesansem", charakteryzuje się ożywieniem zainteresowania AI dzięki rosnącą fascynacją uczeniem maszynowym.

Uczenie maszynowe to poddziedzina AI, która koncentruje się na tworzeniu algorytmów i modeli, które pozwalają komputerom uczyć się z doświadczenia, zazwyczaj na podstawie dostępnych danych. W przeciwieństwie do wcześniejszych podejść do AI, które polegały na ręcznym programowaniu reguł i instrukcji, uczenie maszynowe pozwala komputerom samodzielnie uczyć się i dostosowywać swoje działanie.

W latach 80. XX wieku rozwinęły się kluczowe algorytmy i metody uczenia maszynowego, które miały ogromny wpływ na AI:

Drzewa decyzyjne to metoda uczenia maszynowego, która używa struktury drzewa do reprezentacji decyzji i ich możliwych konsekwencji. Są one szczególnie przydatne w problemach, które wymagają jasnych i zrozumiałych decyzji.

Sieci neuronowe, inspirowane strukturą i działaniem ludzkiego mózgu, są kluczową techniką w uczeniu maszynowym. Sieci te składają się z warstw neuronów, które przetwarzają i przekazują informacje. W latach 80. doszło do znaczącego rozwoju w tej dziedzinie, choć pełne ich wykorzystanie nastąpiło dopiero z nadejściem tzw. głębokiego uczenia w XXI wieku.

Nowe metody uczenia maszynowego przyczyniły się do powstania nowych zastosowań AI, począwszy od rozpoznawania wzorców i obrazów, przez medycynę, po prognozowanie finansowe, aż po gry komputerowe.

Rewolucja Internetu i gromadzenie danych (1990-2010) - Rewolucja internetowa, która miała miejsce w latach 90. XX wieku, miała ogromny wpływ na rozwój sztucznej inteligencji. Po pierwsze, Internet stał się źródłem ogromnych zbiorów danych, które mogły być wykorzystane do trenowania i ulepszania modeli uczenia maszynowego.