Debatt ● Thomas Dahl
Chatboter og læring
Det meste i diskusjonene om chatboter går ut på at det er de som er problemet, og man stiller ikke spørsmål ved utdanningssystemet og hvordan det læres der.
Publisert
Denne teksten er et debattinnlegg. Innholdet i teksten uttrykker forfatterens egen mening.
For litt over tre år siden lanserte OpenAI sin chatbot ChatGPT. I kjølvannet fulgte angstropene fra utdanningssektoren: Hvordan skal man nå kunne vurdere studentenes kunnskap dersom de bruker en språkmodell til å generere sine eksamensbesvarelser? Den første reaksjonen var å forby bruk av chatboter. Dernest å ty til eksamensformer der studentene ikke kunne bruke dem.
Selv om den umiddelbare teknologiangsten har gitt seg, har det jevnlig vært stemmer som advarer mot språkmodeller. Det florerer med oppslag om hvordan disse robotene gjør at studentene ikke lærer, og enda verre: fusker.
Regjeringen har satt ned et utvalg for å se på KI i høyere utdanning. En av begrunnelsene for å etablere utvalget var at «samtaleroboter som ChatGPT kan produsere avanserte oppgavesvar som ikke enkelt kan skilles fra studenters egenproduserte svar. Dette utfordrer hvilke eksamens- og vurderingsformer man gjør bruk av i høyere utdanning». Samtidig er den «betydelig uvisshet om hvor store implikasjoner generativ KI har og vil ha for læring og vurdering».
Men hvem kan lære og hvem kan vurdere? Kunstig intelligens har vist at maskiner både kan lære og vurdere.
Norbert Wiener, som er kjent i historien om kunstig intelligens, skrev allerede i 1948 om «the learning machine». Wiener mente det ikke var noen forskjell på måten dyr, mennesker og maskiner lærte. Han hentet modellen for maskinlæring fra dyrs læring, nærmere bestemt fra Ivan Pavlovs fysiologiske teorier om hvordan dyr kan trenes opp til å respondere på ytre fenomener — ja, han som viste at hunder kunne læres opp til å sikle når de hørte en bjelle.
Man tenker altså læring som maskinlæring, ikke bare for maskiner, men også for elever og studenter.
Læringsmetoden var det som Pavlov kalte kondisjonering, og slik lærer også KI: Programmet kondisjoneres til å gi et svar på et spørsmål eller respondere på en oppgave. I maskinlæring brukes betegnelsen «reinforcement learning». Det ligger i navnet at det handler om kondisjonering.
Pavlovs teori om kondisjonering er også fundamentet for en teori om menneskers læring: Behaviorismen. Studerer man dagens undervisningssystemer, er det ikke vanskelig å finne teorien i praksis: Elever og studenter kondisjoneres til å respondere på oppgaver slik utdanningssystemet ønsker at de skal respondere. Den rådet i utdanningen også før Pavlov. Friedrich Nietzsche konstaterte på slutten av 1800-tallet at det høyere utdanning ville, var «å gjøre mennesket til en maskin».
Behaviorismen har i tillegg funnet innpass i vår tids styringssystemer: Studenter skal vurderes ut fra i hvilken grad de har oppnådd «læringsutbytte», og elever i grunnskolen skal vurderes på «læringsresultat». Utdanningssystemet skal sørge for at elever og studenter blir kondisjonert til å gi den rette output på den input som systemet gir, og det er outputen som skal måles.
Man tenker altså læring som maskinlæring, ikke bare for maskiner, men også for elever og studenter.
Da ChatGPT ble lansert, spurte jeg den, basert på reaksjonene jeg så komme fra utdanningssektoren: «Utfordrer ChatGPT vårt utdanningssystem?» Svaret var: «Ja». Jeg spurte videre: «Er det da ChatGPT eller utdanningssystemet som er problemet?» Svaret var: «Utdanningssystemet.»
Det meste i diskusjonene om chatboter går imidlertid ut på at det er de som er problemet, og man stiller ikke spørsmål ved utdanningssystemet og hvordan det læres der.
Mandatet til utvalget sier at chatboter utfordrer «eksamens- og vurderingsformene». Man må altså se på disse. Men hva med hvordan man lærer i utdanningen? Og i hvilken grad er eksamens- og vurderingsformene en del av denne læringen, og ikke bare en måling av output?
Utvalget reiser det betimelige spørsmålet: «Hvordan skal vi lære?» Det diskuterer imidlertid ikke forskjellige måter å lære på.
Det viser hvordan KI kan understøtte læringsprosesser eller skape problemer for dem, men ikke ulike læringsprosesser. Det sier riktignok at undervisere må ha «forståelse av læringsprosesser og læringsdesign», men ikke noe om behovet for å tenke nytt om de læringsprosessene som praktiseres.
Det kan tilføyes at ordet læringsprosess også har en viss behavioristisk klang. Etymologien til prosess viser til betydningen av å gå framover eller utvikle noe, men på bestemte måter. Ordet passer godt i industri og på teknologi. Det dekker dermed over at læringen kan skje på ulike måter og i ulike former.
KI er et verktøy (det kan ikke tenke, det har ikke fantasi, det har ikke kropp, …), og i noen sammenhenger er det hensiktsmessig å bruke det, i andre ikke. Spørsmålet om bruk av dette verktøyet er et stort spørsmål, ikke minst fordi det man skal lære i ulike fag, ikke er det samme.
Læringsprosessene kan også være forskjellige, og ikke minst læringsformene (selv om behaviorismen ofte preger mange). Endrer man læringsformene, kan verktøyet få en annen rolle. Det finnes neppe noen allmenn fasit for bruk.
Mer enn mangel på kunnskap om gode måter å bruke verktøyet på i undervisning, bekymrer det meg at man synes mest opptatt av å ville regulere læringsformene.
Sander Sværi har også uttrykt en bekymring i Khrono ved å si at «vi står i fare for å skrote hjemmeeksamen, fordi KI truer kvaliteten». Men igjen: Er det KI som er problemet, eller hvilken læring man vil ha gjennom hjemmeeksamen?
Sværi synes å mene det første: «Tradisjonelle hjemmeeksamener, slik vi har kjent dem, er i ferd med å bli faglig og etisk uholdbare». Hadde han med det ment at vi burde tenke ikke-tradisjonelt om hjemmeeksamen, hadde det vært et skritt i riktig retning.
Men Sværi forteller derimot om innføringen av digital eksamensvakt ved Oslo Nye Høyskole. Studentene skal arbeide med hjemmeeksamen samtidig som utdanningsinstitusjonen følger med på at de ikke bruker KI. Man sikrer kondisjoneringen med hjelp av maskiner.
Så, hva bør man da gjøre? I hvert fall utforske hvordan KI og språkmodeller kan brukes i læringen i de studieprogrammer og emner man har, med de studenter man har og aller helst sammen med dem.
Men enda viktigere er det at man vurderer de læringsformene man benytter. Det kan hende man bør styrke de læringsformene som maskiner ikke er i stand til å lære gjennom. De er det mange av, men det betyr ikke at det blir lett. Det er som kjent «easier to learn than to unlearn».
