Dirbtinis intelektas (AI) ir mašininis mokymas revoliucionavo mūsų supratimą apie mokymosi procesą mūsų sparčiai kintančioje, žiniomis pagrįstoje visuomenėje. Nuvykstant į šių šaltinių gelmes, iškyla trys pagrindinės mokymosi teorijos: behaviorizmas, kognityvistinė teorija ir socialinis mokymasis. Nors kiekviena teorija siūlo unikalų požiūrį, svarbu paminėti, kad šios teorijos nėra visiškai nepriklausomos ir dažnai persipina, priklausomai nuo įvairių veiksnių.
Behaviorizmas, pagrįstas išorinėmis aplinkos sąveikomis, atskleidžia, kaip mokymasis įvyksta per pastebimus elgesio pavyzdžius. Pavyzdžiui, vaikai išmoksta vengti ugnies po to, kai patiria degimo skausmą. Ši paradigma pabrėžia išorinių dirgiklių svarbą ir kondicionavimo poveikį asmenims.
Kita vertus, kognityvinė teorija tyrinėja vidinius protinius procesus, vykstančius informacijos ir dirgiklių apdorojimo metu. Kai vaikas paliečia ugnį, jo smegenys sujungia ugnį su skausmu, leisdamos jam susiformuoti bendrą užuomazgą apie ugnies pavojus. Šis „mąstymas apie mąstymą“ veda į išorinių elgesio formavimąsi, kurį lemia mąstymas ir supratimas.
Socialinio mokymosi teorija pabrėžia socialinių veiksnių vaidmenį formuojant elgesį. Vaikai sužino apie ugnies pavojus iš savo tėvų ir stebi savo draugų reakcijas, tai leidžia jiems vengti ugnies neturint tiesioginio sąveikos. Ši teorija pabrėžia visuomeninio konteksto ir socialinių sąveikų įtaką mokymuisi.
Dabar sutelkime dėmesį į dirbtinį intelektą, ypač į generuojantįjį intelektą kaip ChatGPT. ChatGPT mokymas labiausiai atitinka behaviorizmo mokymosi teoriją, nes jis gauna užduotis ir generuoja atsakymus, remdamasis įgytomis sąryšiais. Nors yra elementų kognityvinės mokymosi teorijos, kai ChatGPT įvertina savo atsakymus, jo informacijos suvokimas lieka abejotinas.
Skirtingai nei žmonės, ChatGPT neturi galimybės dalyvauti socialinėje sąveikoje ir patirti kontekstualiąsias patirtis, todėl jis negali įsitraukti į socialinį mokymąsi. Šis apribojimas atskiria AI nuo žmogaus mokymosi procesų ir kelia klausimus apie AI supratimo gilumą.
Be to, vertinant AI mokymosi gebėjimus, svarbus tampa ne tik metodas, bet ir turinys. Bloomo taksonomija, dažnai naudojama žinių klasifikavimo struktūra, skiria žinias į įvairius sritis ir kompleksiškumo lygius. Nors AI pasieke lygius „Taikyti“ ir „Analizuoti“, neapibrėžtumas tebėra dėl jo tikro supratimo informacijos, kaip išryškinta pateiktame libro „AI pasėlimas“ iš prof. Gary Smith.
Išvadose AI padarė pastebimą pažangą, demonstruodamas rudimentinį suvokimo lygį. Nors jis gali nemokytis taip pat kaip žmonės, jis turi besiformuojančią intelektą. Kadangi generatyvinis AI toliau tobulėja ir kuria žmoniškus atsakymus, tai iškelia iššūkius mūsų supratimui apie suvokimą, intelektą ir žmogiškumą šio besikeičiančio kraštovaizdžio viduje.
The source of the article is from the blog agogs.sk