Nja, visserligen kan AI ersätta människor vid rutinarbeten eller vid analyser av mönster i extremt stora datamängder, men vi bör nog ta det lite lugnt och ha is i magen. Som vanligt vid stora teknikskiften gäller det att se bortom hypen och kritiskt granska den mängd av självsäkra profetior som sprids.
Inte ett nytt fenomen
För det första är rapporterna om AI som samhällsförändrare inte ett nytt fenomen. Redan på 1950-talet kom de första rapporterna om tänkande maskiner och artificiella varelser och sedan dess har vi med ojämna mellanrum upplevt liknande scenarier. Dessutom är AI inte ett enhetligt begrepp. Mest korrekt är kanske att se AI som ett paraplybegrepp där datavetenskap, neurologi, filosofi och humaniora har sina egna tolkningar av vad begreppet bör omfatta.
Så kallad ”svag AI” – där datorer kan utföra en begränsad uppgift inom en domän har vi redan. Vi känner ju till att det sedan länge finns datorer som kan besegra människor i schack och som kan köra bil, och vi påminns dagligen om hur Facebook och Google använder sig av maskininlärning i stor skala. Men steget är längre till en ”stark AI” med generell intelligens, med möjlighet till det som AI-forskare kallar ”singularitet”, det vill säga det tillfälle då AI blir intelligentare än människor. Utvecklingen går i en rasande fart och vi gör nog bäst i att mentalt förbereda oss på en värld där vi lär oss att samarbeta och samverka med AI för att fatta väl underbyggda beslut.
AI i skolan
Ett exempel från min egen forskning är när AI används i skolan på ett sätt som kan avlasta lärarna och ge redskap för att förbättra undervisningen. I ett nyligen beviljat praktiknära forskningsprojekt ska vi (jag och Marie Utterberg, doktorand i tillämpad IT) undersöka hur lärare kan utveckla sin undervisning när de använder ett digitalt läromedel i matematik. Den inbyggda artificiella intelligensen i läromedlet gör det möjligt att automatiskt individanpassa svårighetsgraden på de uppgifter som läromedlet tilldelar eleverna. Denna typ av läromedel kallas adaptiva och är tänkta att ge lärarna ett förbättrat stöd. Systemet lär sig att känna igen vilka typer av uppgifter som eleven klarar och anpassar svårighetsgraden därefter. Ju fler uppgifter eleven räknar desto träffsäkrare blir den adaptiva funktionen. Det är detta som kallas maskininlärning.
Vill ogärna lämna över kontrollen
I vår pilotstudie visar vi att det inte är så enkelt som det kan förefalla. Visserligen kan det adaptiva systemet förse läraren med en mängd information. Läraren kan till exempel i realtid följa elevens arbete och få information om hur många uppgifter eleven lyckats lösa, hur många försök eleven gjort, hur länge hen tittade på instruktionsfilmerna etc. Läraren kan också få statistik på klassnivå och därigenom upptäcka om det finns avsnitt som kräver ytterligare en gemensam instruktion. Det finns alltså en otrolig mängd snyggt förpackad statistik som läraren har tillgång till genom läromedlets artificiella intelligens, men våra forskningsresultat visar att det inte alltid används av lärarna i den utsträckning vi förväntat oss.
Lärarna vill ogärna överlämna kontrollen till en algoritm och föredrar att själva följa elevernas utveckling. Särskilt tydligt var det med de elever som kräver lite extra hjälp. I dessa fall vill lärarna ha full kontroll och inte överlämna lektionsplaneringen till en anonym programmerare.Däremot kunde vi se att lärarna gärna släppte iväg de elever som ville räkna på i högre tempo och som behövde nya utmaningar. Här kunde den adaptiva funktionen förse eleverna med en aldrig sinande ström av uppgifter på en lagom utmanade nivå. Men var lugn, vi har fortfarande långt kvar till att AI helt och fullt tar över våra uppgifter som lärare. Den personliga kontakten mellan lärare och elev är svår att ersätta med en algoritm.
Bild: Marit Lissdaniels
