Употреба великих језичких модела и предиктивних модела у образовању
Conference object (Published version)
Metadata
Show full item recordAbstract
Циљ овог истраживања је разматрање два облика напредних дигиталних решења у образовању - великих језичких модела и предиктивних модела - и начина на који се они могу начинити доступнијима већем броју ученика. Велики језички модели спадају у домен генеративне вештачке интелигенције и доспели су у жижу јавности захваљујући актуелним расправама о ГПТ-3 и сродним технологијама, које су отвориле многа питања и изазвале (не)оправдане забринутости у вези са употребом вештачки генерисаних текстова у образовању. Иако су неке школе већ забраниле употребу ЧетГПТ-а (ChatGPT) и сличних софтвера, многи научници и наставници сматрају да би велики језички модели, уколико су постепено и одговорно имплементирани, могли да допринесу унапређењу образовања (нпр. као помоћно средство за обуку ученика, а не као „пречица” за решавање домаћих задатака). С друге стране, предиктивни модели могу бити и генеративни и дискриминативни и они већ сада имају двоструку примену у образовању. Пре свега, они помажу самим ...ученицима тако што прате њихов напредак и у складу са повратним информацијама „предлажу” додатне вежбе и задатке, док с друге стране, могу користити и предавачима при изради наставног плана.
Међутим, будући да је машинско учење засновано на већ постојећим подацима, постоји ризик од пресликавања постојећих друштвених предрасуда и нетачних информација и на алгоритме који су намењени за едукацију. Један од примера проблема у које може водити превелико ослањање на вештачку интелигенцију забележен је током пандемије у Великој Британији када су предиктивни модели додељивали оцене ученицима на основу њиховог дотадашњег успеха. Међутим, ни велики језички модели нису „имуни” на пристрасности, будући да подаци на основу којих генеришу одговоре могу бити обојени различитим друштвеним предрасудама.
Једна од препрека при одговорној имплементацији вештачке интелигенције је јаз између идеје о образовању као о општем добру и интереса приватних компанија које су тренутно водећи покретач даљег развића великих језичких модела и предиктивних модела. Због тога је потребно размотрити два начина на која би се могла повећати доступност и контрола едукативних софтвера - кроз јавно финансирање и веће улагање у развој апликација отвореног кода (open source).
Keywords:
вештачка интелигенција у образовању / приватност / безбедност / велики језички модели / предиктивни моделиSource:
КОНФЕРЕНЦИЈА ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА - КЊИГА АПСТРАКАТА, 12-2023Publisher:
- SANU i Matematički institut
Institution/Community
Filozofija / PhilosophyTY - CONF AU - Vučković, Aleksandra AU - Sikimić, Vlasta PY - 2023-12 UR - http://reff.f.bg.ac.rs/handle/123456789/5788 AB - Циљ овог истраживања је разматрање два облика напредних дигиталних решења у образовању - великих језичких модела и предиктивних модела - и начина на који се они могу начинити доступнијима већем броју ученика. Велики језички модели спадају у домен генеративне вештачке интелигенције и доспели су у жижу јавности захваљујући актуелним расправама о ГПТ-3 и сродним технологијама, које су отвориле многа питања и изазвале (не)оправдане забринутости у вези са употребом вештачки генерисаних текстова у образовању. Иако су неке школе већ забраниле употребу ЧетГПТ-а (ChatGPT) и сличних софтвера, многи научници и наставници сматрају да би велики језички модели, уколико су постепено и одговорно имплементирани, могли да допринесу унапређењу образовања (нпр. као помоћно средство за обуку ученика, а не као „пречица” за решавање домаћих задатака). С друге стране, предиктивни модели могу бити и генеративни и дискриминативни и они већ сада имају двоструку примену у образовању. Пре свега, они помажу самим ученицима тако што прате њихов напредак и у складу са повратним информацијама „предлажу” додатне вежбе и задатке, док с друге стране, могу користити и предавачима при изради наставног плана. Међутим, будући да је машинско учење засновано на већ постојећим подацима, постоји ризик од пресликавања постојећих друштвених предрасуда и нетачних информација и на алгоритме који су намењени за едукацију. Један од примера проблема у које може водити превелико ослањање на вештачку интелигенцију забележен је током пандемије у Великој Британији када су предиктивни модели додељивали оцене ученицима на основу њиховог дотадашњег успеха. Међутим, ни велики језички модели нису „имуни” на пристрасности, будући да подаци на основу којих генеришу одговоре могу бити обојени различитим друштвеним предрасудама. Једна од препрека при одговорној имплементацији вештачке интелигенције је јаз између идеје о образовању као о општем добру и интереса приватних компанија које су тренутно водећи покретач даљег развића великих језичких модела и предиктивних модела. Због тога је потребно размотрити два начина на која би се могла повећати доступност и контрола едукативних софтвера - кроз јавно финансирање и веће улагање у развој апликација отвореног кода (open source). PB - SANU i Matematički institut C3 - КОНФЕРЕНЦИЈА ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА - КЊИГА АПСТРАКАТА T1 - Употреба великих језичких модела и предиктивних модела у образовању UR - https://hdl.handle.net/21.15107/rcub_reff_5788 ER -
@conference{ author = "Vučković, Aleksandra and Sikimić, Vlasta", year = "2023-12", abstract = "Циљ овог истраживања је разматрање два облика напредних дигиталних решења у образовању - великих језичких модела и предиктивних модела - и начина на који се они могу начинити доступнијима већем броју ученика. Велики језички модели спадају у домен генеративне вештачке интелигенције и доспели су у жижу јавности захваљујући актуелним расправама о ГПТ-3 и сродним технологијама, које су отвориле многа питања и изазвале (не)оправдане забринутости у вези са употребом вештачки генерисаних текстова у образовању. Иако су неке школе већ забраниле употребу ЧетГПТ-а (ChatGPT) и сличних софтвера, многи научници и наставници сматрају да би велики језички модели, уколико су постепено и одговорно имплементирани, могли да допринесу унапређењу образовања (нпр. као помоћно средство за обуку ученика, а не као „пречица” за решавање домаћих задатака). С друге стране, предиктивни модели могу бити и генеративни и дискриминативни и они већ сада имају двоструку примену у образовању. Пре свега, они помажу самим ученицима тако што прате њихов напредак и у складу са повратним информацијама „предлажу” додатне вежбе и задатке, док с друге стране, могу користити и предавачима при изради наставног плана. Међутим, будући да је машинско учење засновано на већ постојећим подацима, постоји ризик од пресликавања постојећих друштвених предрасуда и нетачних информација и на алгоритме који су намењени за едукацију. Један од примера проблема у које може водити превелико ослањање на вештачку интелигенцију забележен је током пандемије у Великој Британији када су предиктивни модели додељивали оцене ученицима на основу њиховог дотадашњег успеха. Међутим, ни велики језички модели нису „имуни” на пристрасности, будући да подаци на основу којих генеришу одговоре могу бити обојени различитим друштвеним предрасудама. Једна од препрека при одговорној имплементацији вештачке интелигенције је јаз између идеје о образовању као о општем добру и интереса приватних компанија које су тренутно водећи покретач даљег развића великих језичких модела и предиктивних модела. Због тога је потребно размотрити два начина на која би се могла повећати доступност и контрола едукативних софтвера - кроз јавно финансирање и веће улагање у развој апликација отвореног кода (open source).", publisher = "SANU i Matematički institut", journal = "КОНФЕРЕНЦИЈА ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА - КЊИГА АПСТРАКАТА", title = "Употреба великих језичких модела и предиктивних модела у образовању", url = "https://hdl.handle.net/21.15107/rcub_reff_5788" }
Vučković, A.,& Sikimić, V.. (2023-12). Употреба великих језичких модела и предиктивних модела у образовању. in КОНФЕРЕНЦИЈА ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА - КЊИГА АПСТРАКАТА SANU i Matematički institut.. https://hdl.handle.net/21.15107/rcub_reff_5788
Vučković A, Sikimić V. Употреба великих језичких модела и предиктивних модела у образовању. in КОНФЕРЕНЦИЈА ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА - КЊИГА АПСТРАКАТА. 2023;. https://hdl.handle.net/21.15107/rcub_reff_5788 .
Vučković, Aleksandra, Sikimić, Vlasta, "Употреба великих језичких модела и предиктивних модела у образовању" in КОНФЕРЕНЦИЈА ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА - КЊИГА АПСТРАКАТА (2023-12), https://hdl.handle.net/21.15107/rcub_reff_5788 .