Τα τελευταία πενήντα χρόνια, οι θέσεις εργασίας με τις μεγαλύτερες αμοιβές έχουν συγκεντρωθεί όλο και περισσότερο σε εργασίες γνώσης, ειδικά στον τομέα της επιστήμης και της τεχνολογίας.
Ωστόσο, με την εξάπλωση της Γενετικής Τεχνητής Νοημοσύνης (GenAI), αυτό μπορεί να μην ισχύει πια. Οι εργοδότες αρχίζουν να αναφέρουν την πρόθεσή τους να αντικαταστήσουν συγκεκριμένες θέσεις εργασίας γραφείου με Τεχνητή Νοημοσύνη. Αυτό εγείρει ερωτήσεις σχετικά με το αν η οικονομία θα χρειάζεται τόσους πολλούς δημιουργικούς και αναλυτικούς εργαζόμενους, όπως οι προγραμματιστές υπολογιστών, ή θα υποστηρίζει τόσες πολλές θέσεις εργασίας εισόδου στην οικονομία γνώσης.
Αυτή η αλλαγή είναι σημαντική όχι μόνο για τους εργαζόμενους, αλλά και για τους εκπαιδευτικούς στην πρωτοβάθμια και δευτεροβάθμια εκπαίδευση, που είναι συνηθισμένοι να προετοιμάζουν τους μαθητές για εργασίες γραφείου. Οι οικογένειες, επίσης, ανησυχούν για τις δεξιότητες που θα χρειαστούν τα παιδιά τους σε μια οικονομία που έχει επηρεαστεί από τη γενετική Τεχνητή Νοημοσύνη.
Ως καθηγητής εκπαιδευτικής πολιτικής που έχει μελετήσει την επίδραση της Τεχνητής Νοημοσύνης στις θέσεις εργασίας και πρώην εκπαιδευτικός K-12, πιστεύω ότι η απάντηση για τους εκπαιδευτικούς και τις οικογένειες έγκειται στην κατανόηση αυτού που η Τεχνητή Νοημοσύνη δεν μπορεί - και ίσως δεν θα μπορέσει - να κάνει.
Προγενέστερα «κύματα» αυτοματοποίησης αντικατέστησαν ρουτίνες και χειρωνακτικές εργασίες, ενισχύοντας το οικονομικό πλεονέκτημα των εργασιών που απαιτούν νοητική προσπάθεια. Αλλά η Γενετική Τεχνητή Νοημοσύνη είναι διαφορετική. Διαπρέπει στην αναγνώριση προτύπων με τρόπους που της επιτρέπουν να προσομοιώνει την ανθρώπινη κωδικοποίηση, συγγραφή, σχεδίαση και ανάλυση δεδομένων, καθιστώντας τις χαμηλότερες θέσεις αυτών των επαγγελμάτων ευάλωτες στην αυτοματοποίηση.
Από την άλλη πλευρά, επειδή η παραγωγή της μιμείται τα πρότυπα στα υπάρχοντα δεδομένα, η γενετική Τεχνητή Νοημοσύνη έχει περισσότερες δυσκολίες στην αντιμετώπιση περίπλοκων λογικών εργασιών, πολύ λιγότερο σίγουρα σε σύνθετα προβλήματα των οποίων οι απαντήσεις εξαρτώνται από πολλά άγνωστα. Επιπλέον, δεν κατανοεί πώς σκέφτονται και αισθάνονται οι άνθρωποι.
Αυτό σημαίνει ότι οι «κοινωνικές δεξιότητες» - χαρακτηριστικά που επιτρέπουν στους ανθρώπους να αλληλεπιδρούν καλά με άλλους και να είναι συντονισμένοι με τις δικές τους συναισθηματικές καταστάσεις - πιθανότατα θα γίνουν πιο σημαντικές. Αυτό συμβαίνει διότι είναι απαραίτητες για την επίλυση περίπλοκων προβλημάτων και την εργασία με ανθρώπους. Αν και οι μαλακές δεξιότητες, όπως η αίσθηση καθήκοντος και η συμφωνία, θεωρούνται χαρακτηριστικά προσωπικότητας, η έρευνα υποδηλώνει ότι είναι συναισθηματικά εργαλεία που μπορούν να διδαχθούν.
Η καλή είδηση είναι ότι οι μαλακές δεξιότητες μπορούν να διδαχθούν παράλληλα με παραδοσιακά μαθήματα, όπως μαθηματικά και ανάγνωση – τομείς για τους οποίους οι δάσκαλοι είναι υπεύθυνοι – χρησιμοποιώντας τεχνικές που οι δάσκαλοι ήδη γνωρίζουν.
Για παράδειγμα, οι δάσκαλοι συχνά ζητούν από τους μαθητές να υποβάλουν «εισιτήρια εξόδου» όταν αποχωρούν από την τάξη στο τέλος ενός μαθήματος. Αυτά είναι σύντομες, γραπτές ανακοινώσεις ή ερωτήσεις σχετικά με τις έννοιες που μόλις διδάχθηκαν.
Τα εισιτήρια εξόδου μπορούν επίσης να χρησιμοποιηθούν για να βοηθήσουν τους μαθητές να βελτιώσουν τις συναισθηματικές και κοινωνικές τους δεξιότητες μαζί με τη μαθησιακή τους διαδικασία. Στην πράξη, οι δάσκαλοι μπορούν να δώσουν ενδείξεις που εστιάζουν σε στιγμές διανοητικής θαρραλέας, συναισθηματικής ρύθμισης ή διαπροσωπικής κατανόησης, όπως:
- Γράψε για μια στιγμή που βοήθησες κάποιον σήμερα.
- Πες μου για κάποιον που ήταν ευγενικός μαζί σου σήμερα. Πώς ήταν ευγενικός;
- Περίγραψε μια στιγμή αυτή την εβδομάδα που έμαθες κάτι που φαινόταν πολύ δύσκολο. Πώς τα κατάφερες;
Ο σκοπός της άσκησης δεν είναι μόνο να βελτιώσει τη διάθεση ή την εμπλοκή των μαθητών, αν και αυτά είναι ωφέλιμα παρακλάδια. Ο στόχος είναι να βοηθήσουν τους μαθητές να συνειδητοποιήσουν ότι οι συναισθηματικές τους αντιδράσεις σε εξωτερικές περιστάσεις βρίσκονται υπό τον έλεγχο τους. Η ενισχυμένη κατανόηση των δικών τους συναισθημάτων προβλέπει την ικανότητα των παιδιών να διαχειρίζονται την απογοήτευση, να αντιλαμβάνονται και να εκτιμούν τα συναισθήματα των άλλων και να συνεργάζονται με άλλους. Όλες αυτές οι δεξιότητες είναι ζωτικής σημασίας για την εργασία και αναμένεται να γίνουν ακόμη πιο πολύτιμες με την άνοδο της γενετικής Τεχνητής Νοημοσύνης.
Οι δάσκαλοι μπορούν επίσης να ζητήσουν από τους μαθητές να εξασκηθούν στην επίλυση περίπλοκων προβλημάτων, των οποίων οι απαντήσεις δεν είναι γνωστές. Για παράδειγμα, καθώς οι μαθητές της πρωτοβάθμιας εκπαίδευσης μαθαίνουν να υπολογίζουν περιφέρειες, εμβαδά ή όγκους, μπορούν να συνεργαστούν σε ομάδες για να βρουν τις διαστάσεις αντικειμένων γύρω από το σχολείο, συμπεριλαμβανομένων μεγάλων ή παράξενα σχηματισμένων ειδών. Οι δάσκαλοι μπορούν να ενθαρρύνουν τους μαθητές να σκεφτούν όχι μόνο την ορθότητα των απαντήσεών τους αλλά και τον τρόπο που πλαίσιο και προσέγγισαν κάθε πρόβλημα.
Η επίλυση πραγματικών προβλημάτων, γνωστή και ως αυθεντική αξιολόγηση, μπορεί να διδαχθεί σε οποιαδήποτε πειθαρχία, με παραδείγματα που περιλαμβάνουν:
- Δοκιμή των κλίσεων του εδάφους και των επιπέδων υγρασίας στους χώρους του σχολείου και προτάσεις για τη φύτευση.
- Δημιουργία και δοκιμή εκστρατειών βίντεο για κοινωνικούς σκοπούς.
- Επανασχεδιασμός πώς η ιστορία θα μπορούσε να είχε εξελιχθεί εάν οι ηγέτες είχαν κάνει διαφορετικές επιλογές και εξέταση των πολιτικών επιπτώσεων για το σήμερα.
Η εκπαίδευση των παιδιών στην ανάλυση της πολυπλοκότητας τους βοηθά να κατανοήσουν τη διαφορά μεταξύ της αναζήτησης σχολικών απαντήσεων και της δοκιμής πιθανών λύσεων όταν η καλύτερη επιλογή είναι άγνωστη. Η επίλυση νέων, σύνθετων προβλημάτων θα συνεχίσει να προκαλεί δυσκολίες στην Τεχνητή Νοημοσύνη, όχι μόνο επειδή υπάρχουν πολλά βήματα και άγνωστα, αλλά και γιατί η Τεχνητή Νοημοσύνη δεν διαθέτει τη χωρική και συναισθηματική κατανόηση του κόσμου. Ακόμη και μακροπρόθεσμα, αμέτρητοι παράγοντες που οι άνθρωποι κατανοούν διαισθητικά θα είναι δύσκολο για τους υπολογιστές να εντοπίσουν.
Η πιο συχνή καταγγελία που ακούω από τους δασκάλους είναι ότι οι μαθητές ζητούν από τη γενετική Τεχνητή Νοημοσύνη να κάνουν τη δουλειά τους. Αυτό συμβαίνει όχι επειδή οι μαθητές είναι δόλιοι ή κακοί, αλλά επειδή οι άνθρωποι είναι αυτορρυθμιζόμενα όντα. Παίρνουμε συντομεύσεις σε καθήκοντα που φαίνονται βαρετά ή υπερβολικά δύσκολα προκειμένου να δώσουμε προτεραιότητα σε καθήκοντα που είναι πιο ικανοποιητικά.
Ωστόσο, όταν οι μαθητές χτίζουν νέες δεξιότητες, η ανάθεση εργασίας στην Τεχνητή Νοημοσύνη είναι ένα μεγάλο λάθος. Κάνοντάς το γρήγορο, η Τεχνητή Νοημοσύνη υπονομεύει την εκπαίδευση, γιατί απαιτείται προσπάθεια για να μάθεις δύσκολα πράγματα.
Για το λόγο αυτό, πιστεύω ότι οι δάσκαλοι πρέπει να προστατεύουν την τάξη ως έναν χώρο όπου οι βασικές δεξιότητες μαθαίνονται αργά, πλάι σε άλλους μαθητές. Για πολλά μαθήματα, αυτό θα σημαίνει να επιστρέψουμε στις ημέρες πριν από τους υπολογιστές, όπου οι μαθητές έγραφαν τις ασκήσεις τους με το χέρι ή παρουσίαζαν τη δουλειά τους προφορικά, μαθαίνοντας να αναμένουν και να αντιδρούν σε διαφορετικές απόψεις. Αν οι μαθητές επιτρέπεται να χρησιμοποιούν εργαλεία ψηφιακής αυτοματοποίησης, θα πρέπει να ενθαρρύνονται να αναλογιστούν πώς τα χρησιμοποίησαν, τι έμαθαν από αυτά και ποιες δεξιότητες δεν μπόρεσαν να ασκήσουν – όπως η ορθογραφία, η διαίρεση μεγάλων αριθμών ή η μορφοποίηση βιβλιογραφίας – όταν ανέθεσαν εργασία στο εργαλείο.
Η κοινωνική δεξιότητα που θα υπερισχύσει όλων των άλλων
Η αλήθεια είναι ότι κανείς δεν ξέρει ακριβώς τι θα συμβεί στους εργαζόμενους σε μια οικονομία που ενσωματώνει την Τεχνητή Νοημοσύνη. Οι άνθρωποι διαφωνούν για τις δεξιότητες που θα συμπληρώσει ή θα αντικαταστήσει η Τεχνητή Νοημοσύνη. Αλλά οι δεξιότητες που υποστηρίζουν τη σύγχρονη τεχνολογία, όπως τα μαθηματικά και η ανάγνωση, πιθανότατα θα συνεχίσουν να έχουν σημασία, όπως και οι ενδο- και διαπροσωπικές δεξιότητες που μας κάνουν αληθινά ανθρώπινους.
Ίσως, η πιο σημαντική δεξιότητα που μπορεί να διδάξει σήμερα το σχολείο στα παιδιά είναι η αυτογνωσία να δίνουν προτεραιότητα στη μάθηση σε βάρος των συντομεύσεων και να αποφεύγουν την ανάθεση εργασιών στα μηχανήματα μέχρι να ξέρουν πώς να το κάνουν μόνοι τους. Θα γίνει επίσης ακόμη πιο σημαντικό να μπορούν να εργάζονται με άλλους προκειμένου να αναλύσουν δύσκολα προβλήματα.
Μια κοινωνία που θα ενσωματώνει την Τεχνητή Νοημοσύνη δεν θα είναι μια κοινωνία όπου τα περίπλοκα προβλήματα απλώς εξαφανίζονται. Ακόμη και καθώς η αγορά εργασίας αναδιοργανώνεται, πιστεύω ότι οι ευκαιρίες θα είναι άφθονες για εκείνους που μπορούν να συνεργάζονται καλά με άλλους προκειμένου να αντιμετωπίσουν τις μεγάλες προκλήσεις που έπονται.
* Η Jennifer L. Steele είναι καθηγήτρια Εκπαίδευσης στο American University. Το άρθρο της αναδημοσιεύεται αυτούσιο στο Liberal μέσω άδειας Creative Commons από τον ιστότοπο TheConversation.com.
