یکی از بلندپروازانه‌ترین آزمون‌های آموزش هوش مصنوعی در دنیای واقعی، حکمی هشیارکننده را ارائه کرده است. یک کارآزمایی تصادفی خوشه‌ای دو ساله از معلم خانمیگو آکادمی خان در 18 مدرسه راهنمایی تنسی نشان داد که دسترسی به معلم AI دستاوردهای ریاضی قابل‌اندازه‌گیری اما متوسطی را به همراه داشت، و نتایج به دلیل مشکلی که فن‌آوران به ندرت تبلیغ می‌کردند متوقف شد: بیشتر دانش‌آموزان به سختی از آن استفاده می‌کردند. این مطالعه با عنوان "یک کلیک دور: آموزش هوش مصنوعی با خانمیگو در یک آزمایش دو ساله مدرسه" توسط فیلیپ اوریوپولوس و نینا لو انجام شد و از طریق موسسه Annenberg در مجموعه EdWorkingPapers دانشگاه براون منتشر شد.

این یافته‌ها فراتر از یک محصول واحد اهمیت دارند، زیرا خانمیگو یکی از پرکاربردترین معلمان هوش مصنوعی در مدارس آمریکا است و این مطالعه جزو اولین ارزیابی‌های تجربی در مقیاس بزرگ از تدریس خصوصی هوش مصنوعی در شرایط عادی کلاس درس است. برای هر کسی که [اخبار تحقیقاتی هوش مصنوعی] (https://aibuzzwire.news) و برخورد آن با موسسات دنیای واقعی را ردیابی می کند، این مقاله مدرک نادری از شواهد سخت در بحثی است که تحت سلطه ادعاهای بازاریابی است، و این هفته در حالی که مربیان و فناوران پیامدهای آن را تجزیه و تحلیل کردند، در صفحه اول هکر نیوز قرار گرفت.

آنچه مطالعه پیدا کرد

کارآزمایی به‌طور تصادفی دانش‌آموزان 18 مدرسه راهنمایی تنسی را به استفاده از آکادمی خان با معلم هوش مصنوعی، خانمیگو، در طول جلسات روزانه ریاضیات اصلاحی اختصاص داد. مهمتر از همه، معلم خصوصی به جای پاسخ دادن به مربی پیکربندی شده بود، که بیانگر آموزش بیان شده آکادمی خان است. این آزمایش به مدت دو سال تحصیلی انجام شد و آن را به یکی از طولانی‌ترین آزمایش‌های میدانی در زمینه تدریس خصوصی هوش مصنوعی تا به امروز تبدیل کرد.

نتایج سرفصل: انتساب به شرط تدریس خصوصی هوش مصنوعی، پیشرفت ریاضی را به میزان 1.3 رتبه صدک ملی در هر ترم افزایش داد، که نویسندگان آن را تقریباً 0.06 تا 0.08 انحراف استاندارد در طول یک سال تحصیلی محاسبه می‌کنند. اثر ضمنی یک سال کامل مشارکت فعال به 0.14 انحراف استاندارد می رسد. اینها دستاوردهای واقعی و قابل تشخیص آماری هستند و برای یک مداخله نرم افزاری کم هزینه قابل احترام هستند.

اما مقایسه‌ای که این هیاهو را کاهش می‌دهد این است: دستاوردها شبیه دستاوردهای آکادمی خان بدون کمک هوش مصنوعی است. به نظر می‌رسد دانش‌آموزانی که از ابزارهای تمرینی موجود این پلتفرم استفاده می‌کردند، بدون اینکه معلم هوش مصنوعی به آن متصل شده باشد، مانند دانش‌آموزانی که به Khanmigo دسترسی داشتند، این کار را انجام داده‌اند.

مشکل تعامل در داده ها

آشکارترین بخش این مقاله، گزارش استفاده از آن در پزشکی قانونی است. در ظاهر، پذیرش قوی به نظر می رسد: 96 درصد از دانش آموزان حداقل یک بار خانمیگو را امتحان کردند. در زیر، نامزدی از بین می رود. دانش آموز متوسط ​​فقط در حدود یک سوم از روزهایی که ریاضی تمرین می کردند و تنها در 17 درصد از جلسات تمرینی که در آن اشتباه می کردند، به استاد راهنما پیام می داد. هنگامی که دانش‌آموزان به استاد راهنما پیام دادند، نویسندگان دریافتند که این پیام‌ها عمدتاً پاسخ‌های ساده یا کلیک بر روی اعلان‌های پیشنهادی هستند، نه گفت‌وگوهای ریاضی اساسی.

به عبارت دیگر، معلم خصوصی از طریق اشتباهات، به گونه‌ای پیکربندی شده بود که دانش‌آموزان را به طور Socratically مربی کند، اما دانش‌آموزان عمدتاً از مکالمه مربیگری کاملاً اجتناب کردند. نویسندگان نتیجه می گیرند که به نظر می رسد محدودیت الزام آور تعامل است: تحقق وعده تدریس خصوصی هوش مصنوعی مستلزم ترغیب دانش آموزان به استفاده از آن است، نه فقط دسترسی به آنها.

چرا برای مدارس خرید هوش مصنوعی مهم است

مناطق در سراسر ایالات متحده برای استفاده از ابزارهای هوش مصنوعی تحت فشار هستند و تدریس خصوصی تقریباً در همه زمینه‌ها مورد استفاده پرچم‌دار است. هوش مصنوعی مولد به عنوان فناوری ارتقا یافته است که در نهایت می تواند چیزی را ارائه دهد که محققان آموزش آن را رویای دو سیگما می نامند: معلم خصوصی برای هر دانش آموز. قاب‌بندی دو سیگمای بلوم از تحقیقات قدیمی‌تر در مورد آموزش انسانی می‌آید و دقیقاً همان وعده‌ای است که مربیان هوش مصنوعی بر خلاف آن به بازار عرضه می‌شوند.

این مطالعه نشان می دهد که گلوگاه کیفیت مدل یا دسترسی نیست. هر دانش آموزی در گروه درمانی یک معلم LLM پیشرفته با یک کلیک و بدون هیچ هزینه ای در داخل بلوک ریاضی روزانه خود داشت. محدودیت این بود که آیا نوجوانان داوطلبانه گفتگوی تدریس خصوصی را روز به روز در یک کلاس تقویتی حفظ کنند یا خیر. آموزش انسانی تا حدودی به این دلیل کار می کند که وقتی شما از کار جدا می شوید، شخص متوجه می شود. نرم افزار، تا کنون، به طور قابل اعتمادی آن کشش را تکرار نکرده است.

هشدارهایی که ارزش در نظر گرفتن دارند

این مقاله یک مقاله EdWorking است که از طریق مؤسسه Annenberg دانشگاه براون توزیع شده است و خوانندگان باید آن را به عنوان یک تحقیق کارآمد تلقی کنند تا یافته های بررسی شده. این مطالعه ریاضیات تقویتی دوره راهنمایی را در یک حالت پوشش می دهد، بنابراین تعمیم به سایر دروس، سطوح پایه یا مدل های اجرا یک حدس و گمان است. چارچوب‌بندی خود نویسندگان اندازه‌گیری می‌شود: آن‌ها گزارش می‌دهند که چه اتفاقی افتاده است که یک معلم AI به طور گسترده در دسترس در جلسات تمرین موجود قرار گرفته است، نه آنچه ممکن است تحت برنامه‌های درسی مختلف یا انگیزه‌های قوی‌تر برای مشارکت اتفاق بیفتد.

همچنین شایان ذکر است که این مطالعه چه چیزی را بیان نمی کند. متوجه نمی شود که آموزش هوش مصنوعی بی فایده است. اثر انحراف معیار 0.14 از یک سال کامل مشارکت فعال در صورت تداوم مشارکت معنادار خواهد بود. این یافته به این نزدیک‌تر است: این فناوری و همچنین ابزارهای تمرینی غیر هوش مصنوعی که روی آن‌ها نصب شده بود، کار می‌کرد، زیرا دانش‌آموزان از هوش مصنوعی متفاوت از دکمه‌هایی که قبلاً نادیده گرفته بودند استفاده نمی‌کردند.

غذای آماده

بخش فناوری آموزشی دو سال را صرف این وعده کرده است که معلمان هوش مصنوعی مولد کلاس‌های درس را متحول خواهند کرد. این کارآزمایی، یکی از اولین آزمایش‌هایی است که دانش‌آموزان واقعی را در طول دو سال کامل دنبال می‌کند، نشان می‌دهد که تحول با یک مشکل قدیمی همراه است: واداشتن بچه‌ها به انجام کار. برای رهبران مدارس، درس این است که از فروشندگان هوش مصنوعی، داده های تعامل، نه فقط تعداد مجوزها را مطالبه کنند. برای صنعت هوش مصنوعی، این یادآوری است که سخت ترین مشکلات در استقرار هوش مصنوعی به ندرت مربوط به مدل است.

با تحقیقات هوش مصنوعی همراه باشید

آزمایش‌های میدانی مانند این، چرخه تبلیغات را سریع‌تر از هر معیار دیگری انجام می‌دهند. برای پوشش مداوم تحقیقات هوش مصنوعی با پیامدهای دنیای واقعی، [اخبار هوش مصنوعی را در aibuzzwire.news دنبال کنید] (https://aibuzzwire.news).

اخبار هوش مصنوعی را بیشتر بخوانید →