Voor Joseph Qualls begon het allemaal met videogames.
Dat zorgde ervoor dat hij 'aan het rotzooien was met een AI-programma' en uiteindelijk leidde tot een doctoraat in elektrotechniek en computertechnologie aan de Universiteit van Memphis. Kort daarna begon hij zijn eigen bedrijf, RenderMatrix genaamd, dat zich richtte op het gebruik van AI om mensen te helpen beslissingen te nemen.
Veel van het werk van het bedrijf was met het ministerie van Defensie, met name tijdens de oorlogen in Irak en Afghanistan, toen het leger voorop liep in het gebruik van sensoren en zag hoe AI kon worden gebruikt om soldaten te helpen om in een vijandige functie te functioneren, onbekende omgeving.
Qualls is nu een universitair docent en onderzoeker aan de technische universiteit van de Universiteit van Idaho, en hij heeft zijn fascinatie voor het potentieel van AI om veel aspecten van het moderne leven te veranderen, niet verloren. Hoewel het leger het voortouw heeft genomen bij het toepassen van AI - waar machines leren door patronen te herkennen, gegevens te classificeren en zich aan te passen aan fouten die ze maken - doet de bedrijfswereld er nu alles aan om haar achterstand in te halen. De technologie heeft minder vooruitgang geboekt in het onderwijs, maar Qualls gelooft dat het slechts een kwestie van tijd is voordat AI een groot deel wordt van hoe kinderen leren.
Het wordt vaak gezien als een belangrijk onderdeel van het concept van gepersonaliseerd onderwijs, waarbij elke student een uniek minicurriculum volgt op basis van zijn of haar specifieke interesses en vaardigheden. AI, zo denkt het, kan niet alleen kinderen helpen nul te bereiken op gebieden waar ze het meest waarschijnlijk zullen slagen, maar zal ook, op basis van gegevens van duizenden andere studenten, leraren helpen de meest effectieve manier te vormen voor individuele studenten om te leren.
Smithsonian.com heeft onlangs met Qualls gesproken over hoe AI het onderwijs diepgaand kan beïnvloeden, en ook enkele van de grote uitdagingen waar het voor staat.
Dus, hoe ziet kunstmatige intelligentie invloed op hoe kinderen leren?
Mensen hebben al gehoord over gepersonaliseerde geneeskunde. Dat wordt aangedreven door AI. Welnu, hetzelfde zal gebeuren met gepersonaliseerd onderwijs. Ik denk niet dat je het zo veel op universitair niveau zult zien. Maar zie ik mensen beginnen te communiceren met AI als ze heel jong zijn. Het kan de vorm hebben van een teddybeer die een profiel van je begint op te bouwen, en dat profiel kan je helpen je leven lang te leren. Vanuit het profiel zou de AI kunnen helpen een betere educatieve ervaring op te bouwen. Dat is echt waar ik denk dat dit de komende 10 tot 20 jaar zal gaan.
Je hebt een heel jonge dochter. Hoe zou je verwachten dat AI haar opleiding zou beïnvloeden?
Het is interessant omdat mensen ze als twee totaal verschillende gebieden beschouwen, maar AI en psychologie zijn nu inherent met elkaar verbonden. Waar de AI binnenkomt, is dat deze de psychologie van mensen gaat analyseren. En ik gooi hier een sleutel in. Psychologie begint ook de psychologie van AI te analyseren. De meeste projecten waaraan ik werk, hebben nu een volwaardig psychologieteam en ze stellen vragen als 'Waarom heeft de AI deze beslissing genomen?'
Maar teruggaan naar mijn dochter. Wat AI zou gaan doen, is proberen haar psychologieprofiel te achterhalen. Het is niet statisch; het zal in de loop van de tijd veranderen. Maar omdat het ziet hoe ze gaat veranderen, zou de AI voorspellingen kunnen doen op basis van gegevens van mijn dochter, maar ook van ongeveer 10.000 andere meisjes van dezelfde leeftijd, met dezelfde achtergrond. En het begint te kijken naar dingen als "Ben je echt een kunstenaar of ben je wiskundig meer geneigd?"
Het kan een zeer complex systeem zijn. Dit is echt pie-in-the-sky kunstmatige intelligentie. Het gaat er echt om te proberen te begrijpen wie je bent als individu en hoe je in de loop van de tijd verandert.
Meer en meer op AI gebaseerde systemen zullen de komende jaren beschikbaar komen, waardoor mijn dochter sneller toegang heeft tot een veel betere opleiding dan ooit tevoren. Mijn dochter zal sneller worden blootgesteld aan ideeën en in haar persoonlijke tempo, haar altijd betrokken houden en indirect haar eigen opleiding laten beïnvloeden.
Wat maakt u zich zorgen over het gebruik van AI om het onderwijs te personaliseren ?
Het grootste probleem van kunstmatige intelligentie op dit moment is de vraag: 'Waarom heeft de AI een beslissing genomen?' AI kan fouten maken. Het kan het grotere plaatje missen. In termen van een student kan een AI besluiten dat een student geen wiskundige aanleg heeft en nooit beginnen die student bloot te stellen aan hogere wiskundige concepten. Dat kan hen in een gebied brengen waar ze misschien niet uitblinken. Interessant genoeg is dit een enorm probleem in het traditionele onderwijs. Studenten blijven achter of zijn niet tevreden met het resultaat na de universiteit. Er was iets verloren.
Gepersonaliseerd onderwijs vereist dat veel verschillende disciplines samenwerken om veel problemen zoals de bovenstaande op te lossen. Het probleem dat we nu hebben in onderzoek en de academische wereld is het gebrek aan onderzoek in samenwerkingsverband met betrekking tot AI uit meerdere vakgebieden - wetenschap, engineering, medisch, kunst. Echt krachtige AI vereist dat alle disciplines samenwerken.
Dus, AI kan fouten maken?
Het kan fout zijn. We weten dat mensen fouten maken. We zijn niet gewend dat AI fouten maakt.
We hebben genoeg tijd om mensen te vertellen waarom de AI een bepaalde beslissing heeft genomen. Nu moeten we proberen uit te leggen waarom AI een fout heeft gemaakt. Je snapt er echt het lef van. AI is slechts een waarschijnlijkheidsstatistiekmachine.
Zeg, het vertelt me dat mijn kind de neiging heeft heel wiskundig georiënteerd te zijn, maar ze toont ook een aanleg voor tekenen. Op basis van de gegevens die het heeft, past de machine een gewicht toe op bepaalde dingen over deze persoon. En we kunnen echt niet uitleggen waarom het doet wat het doet. Dat is waarom ik mensen altijd vertel dat we dit systeem moeten bouwen op een manier dat het een persoon niet in dozen doet.
Als je teruggaat naar wat we voor het leger deden, probeerden we te analyseren of een persoon een soldaat in het veld bedreigde. Stel dat de ene persoon een AK-47 draagt en de andere een hark. Wat is het verschil in hun risico?
Dat lijkt vrij eenvoudig. Maar je moet diepere vragen stellen. Wat is de kans dat de man die de hark draagt een terrorist wordt? Je moet gaan kijken naar familieachtergronden, etc.
Je moet dus nog steeds de vraag stellen: 'Wat als de AI fout is?' Dat is het grootste probleem waarmee AI overal wordt geconfronteerd.
Hoe groot is die uitdaging?
Een van de grote technische uitdagingen is nu reverse engineering van het menselijk brein. Je stapt in en dan zie je hoe complex de hersenen zijn. Als ingenieurs, als we naar de mechanica ervan kijken, beginnen we ons te realiseren dat er geen AI-systeem is dat zelfs in de buurt van het menselijk brein komt en wat het kan doen.
We kijken naar het menselijk brein en vragen waarom mensen de beslissingen nemen die ze nemen om te zien of dat ons kan helpen begrijpen waarom AI een beslissing neemt op basis van een waarschijnlijkheidsmatrix. En we zijn nog steeds niet dichterbij.
Wat eigenlijk reverse engineering van de hersenen en de personalisatie van AI drijft, is geen onderzoek in de academische wereld, het zijn meer de advocaten die binnenkomen en vragen: 'Waarom neemt de AI deze beslissingen?' omdat ze niet willen worden aangeklaagd.
In het afgelopen jaar hebben de meeste projecten waaraan ik heb gewerkt, een of twee advocaten, samen met psychologen, in het team. Meer mensen stellen vragen als 'Wat is daar de ethiek achter?' Een andere grote vraag die wordt gesteld is 'Wie is aansprakelijk?'
Maakt u zich daar zorgen over?
Het grootste deel van AI-onderzoek is nu dat mensen nu die vraag stellen 'Waarom?' Voordien had die vraag betrekking op de academische zalen van de informatica. Nu breidt AI-onderzoek zich uit naar alle domeinen en disciplines. Dit boeit me enorm. Hoe meer mensen betrokken zijn bij AI-onderzoek en -ontwikkeling, hoe groter de kans dat we onze zorgen wegnemen en, nog belangrijker, onze angsten.
Terug naar gepersonaliseerd onderwijs. Welke invloed heeft dit op leraren?
Met onderwijs, wat er gaat gebeuren, zult u nog steeds toezicht hebben. Je gaat leraren hebben die gegevens gaan monitoren. Ze worden meer datawetenschappers die de AI begrijpen en de gegevens kunnen evalueren over hoe studenten leren.
Je hebt iemand nodig die een expert is die de gegevens bekijkt en de student bekijkt. Er zal enige tijd een mens in de lus moeten zijn, misschien voor minstens 20 jaar. Maar ik kan me helemaal vergissen. Technologie gaat tegenwoordig zo snel.
Het is echt een fascinerende tijd in de AI-wereld en ik denk dat het alleen maar sneller zal versnellen. We zijn van programmeermachines gegaan om dingen te doen tot het laten uitzoeken van de machines wat ze moeten doen. Dat verandert alles. Ik begrijp zeker de zorgen die mensen hebben over AI. Maar wanneer mensen veel van die angsten duwen, neigt het ertoe mensen weg te jagen. Je begint onderzoeksmogelijkheden te verliezen.
Het moet meer gaan om een dialoog aan te gaan over hoe AI dingen gaat veranderen. Wat zijn de problemen? En hoe gaan we vooruit?
