Page 172 - Izobraževanje v dobi generativne umetne inteligence

Karmen Drljić in Sonja Čotar Konrad

Uvod
V zadnjem desetletju smo na področju izobraževanja, predvsem na področ-
jih učenja in poučevanja ter visokošolskega pedagoškega raziskovanja, pri-
ča vstopu različnih digitalnih tehnologij (Yusuf in Tambuwal, 2018). Pri tem
naj bi se kot obsežnejše vstopanje tehnologije v polje izobraževanja izkazala
predvsem umetna inteligenca (UI) (Zhang idr., 2023). Nedavne raziskave po-
ročajo o nenehnem širjenju orodij UI v visokošolskem prostoru tako na pod-
ročju učenja in poučevanja – predvsem zaradi potencialnih prednosti, ki naj
bi se nanašale na večjo personalizacijo in individualizacijo učenja in pouče-
vanja (Bhutoria, 2022) – kot tudi na področju raziskovanja – kot ponujanje
možnosti avtomatizacije ponavljajočih se, rutinskih nalog (de la Torre-Lopez
idr., 2022). Ob tem Yusuf idr. (2024) dodajajo, da naj bi v visokošolski prostor
tehnologija posebej intenzivno prodrla z nastopom t. i. generativne umetne
inteligence (GUI) z razvojem klepetalnega robota ChatGPT (podjetja Open AI)
ter drugih orodij z odprtim dostopom, katerih namen naj bi bil »posnemanje
človeškega pogovora in človekove inteligentnosti« (Yusuf, 2024).

Opredelitev GUI in njena umeščenost na področje izobraževanja
GUI pomeni različen obseg tehnik in modelov UI, ki so namenjeni ustvarja-
nju različnih vsebin, posredovanih v različnih medijskih formatih (npr. bese-
dila, slike, zvoki, videovsebine) (Cooper, 2023; Strzelecki in ElArabwy, 2024).
Po mnenju več avtorjev (npr. Dwivedi idr., 2023) rezultati, pridobljeni z rabo
GUI, presegajo rezultate tradicionalnih algoritimično utemel jenih tehnik
prepoznavanja vzorcev. Modeli GUI so namreč zasnovani tako, da posnema-
jo ustvarjalne in generativne lastnosti človeškega razmišljanja (Dwivedi idr.,
2023).
Ti modeli temeljijo na metodah strojnega učenja, pri čemer imajo osrednjo
vlogo tehnike globokega učenja in oblikovanja nevronskih mrež, ki so osno-
vane na obsežnih zbirkah podatkov (Tlili idr., 2023). Z »učenjem« na podlagi
nenehno dopolnjujočih se baz podatkov GUI identificira vzorce in latentne
strukture v podatkih. Na podlagi tega »učenja« uporablja verjetnostne mo-
dele za generiranje novih vsebin, pri čemer orodja zagotavljajo rezultate, ki
so v določenem kontekstu čim koherentnejši in relevantnejši. Posledično Ce-
cilia K. Y. Chan in Wenjie Hu (2023) zaključujeta, da GUI predstavlja pomem-
ben napredek v UI in da se njena transformativna aplikativna funkcija kaže v
obsežnih možnostih ustvarjanja ter generiranja različnih (besedilnih, video-,
avdio- in drugih) vsebin.
Ob tem pa se z uporabo GUI pojavljajo tudi nekatera tveganja (Tlili idr.,
2023), ki se nanašajo na (i) etične in družbene vidike rabe orodij (npr., rezultati,

172