Generativ artificiell intelligens och lärande inom högre utbildning
Utvecklingen av generativ artificiell intelligens (AI) har fått stor uppmärksamhet den senaste tiden, vilket säkert inte undgått någon. Examinationer och undervisning är områden som påverkas i hög grad. Här finns information och tips till dig som undervisar.
Tips!
Pedagogisk utveckling håller just nu en seminarieserie med lunchträffar med tema generativ AI i utbildning. Fokus är på erfarenhetsdelning och samtal. Seminarierna hålls varannan tisdag (udda veckor) kl 12.15-12.45 i Zoom.
Vill du vara med och berätta om dina erfarenheter av generativ AI i utbildning eller delta i samtal om detta? Maila PUkontakt@miun.se så får du möteslänken.
Vad är generativ AI?
Kanske helt utan att veta det möter vi alla artificiell intelligens (AI) i olika former varje dag, och det är inte heller något nytt. När du låser upp mobilen med ansiktsigenkänning är det AI, eller när du tar foton med mobilen så används AI för att lista ut bästa fokus och inställningar, och när du använder röstassistenter som Google Home eller Siri används AI för att lista ut vad du säger. Du får rekommendationer på filmer eller serier på streamingtjänster, du får förslag på svar på mail, och du slipper (oftast) spam i mailboxen tack vare AI. På senaste tiden har dock fokus kommit att hamna på det som kallas generativ AI, och framför allt språkmodeller som ChatGPT.
Generativ AI är en form av artificiell intelligens som är tränad att utifrån massiva träningsdata generera output utifrån prompter/frågor som ställs av en användare. Exempel på generativa AI-verktyg är ChatGPT, Dall-E, Elicit, GitHub Copilot och Bloombot. AI i olika former och även generativ AI är, och kommer att förbli, en del av våra liv och vi behöver alla förhålla oss till detta. Det innefattar att kunna ta kloka och informerade beslut och även ta avgöranden kring hur och när AI kan användas, och det kräver att var och en av oss informerar oss om vad AI är och hur det påverkar oss i våra olika roller och kan sägas vara en del av det som kallas AI-litteracitet.
För dig som möter universitetsstudenter i undervisning innebär det, bland annat, att du behöver ha insikt och kunskap om hur dina studenter kommer möta AI i sina framtida yrkesroller och därför uppdatera kursplaner och undervisning utifrån det. Du behöver också tänka igenom hur du pratar om generativa AI-tjänster i din kurs och hur studenterna förväntas, eller inte förväntas, använda dessa och hur du kan guida dem i denna användning. Detta gäller både för eget arbete i studierna och inför och under examinationer. Klargör din inställning kring detta och akademisk hederlighet i stort, men tänk också på hur du och dina studenter kan dra nytta av AI. Det kan kännas lätt att trilla i fällan att tänka bara på att studenter potentiellt kan använda generativa AI-tjänster för att skriva uppgifter och hemtentor, men detta handlar om så mycket mer än det. Var tydlig med dina förväntningar kring användning av AI. Här nedan finns material som du kan tipsa dina studenter om.
Viktiga frågor att ställa sig när man använder språkbotar i relation till undervisning:
- Finns det språkfel?
- Finns det faktafel?
- Finns det skeva perspektiv eller skeva värderingar?
- Är jag på väg att skicka känslig information?
- Är det här oreflekterad avlastning? (Missar man något lärande genom att använda verktyget?)
- Följder det här tillämpliga styrdokument?
- Är det här bra pedagogik?
Tappa inte bort syftet med det du gör. Fråga dig regelbundet om det du utforskar faktiskt leder till bättre undervisning och lärande. Allt måste inte ge bättre undervisning direkt, men teknikutforskande ska inte bli sitt eget syfte. Ett tips när i avvägningen om ett AI-verktyg kan användas eller inte är att utgå från akronymen ROBOT: Reliability Objective Bias Ownership Type. Fråga dig alltså om du kan lita på det du får genererat, om det är objektivt eller innehåller snedvriden information, vem som ligger bakom vertyget och vad det innebär samt vilket typ av verktyg det är - det kanske inte är lämpligt för det du vill göra.
Vill du ha stöd i hanteringen av generativ AI och undervisning?
Kontakta Pedagogisk utveckling på PUkontakt@miun.se eller www.miun.se/boka-pu
Vi erbjuder kostnadsfri rådgivning, workshops och utbildningar som kan skräddarsys utifrån önskemål.
AI och lärande - för dig som student vid Mittuniversitetet
Här får du som student råd kring hur du kan tänka om användandet av AI i dina studier.
Att prompta - instruera en generativ AI-tjänst
Prompting är hur du styr generativa AI-verktyg. Genom att mata in kontextuell information i form av en prompt kan AI-systemets svar anpassas och du
Mer om generativ AI
Det är även en viktig del i AI-litteracitet att ha kännedom om hur de generativa språkmodellerna som ChatGPT och annan generativ AI fungerar för...
Nyfiken på AI
AI, ChatGPT och DALL-E är på allas läppar just nu. Vill du få en introduktion till vad detta är, och hur det kan påverka lärande och skola kan den här filmen passa dig.Vanliga begrepp inom AI
AI - artificiell intelligens
Det finns många definitioner av vad artificiell intelligens är, men det handlar om teknologier/maskiner som på något sätt agrerar som en människa, i viss mån tänker som en människa, utför handlingar som vi förknippar med mänsklig intelligens, kan identifiera mönster i komplex data och är självlärande i någon mån. Artificiell intelligens finns i många former och vi möter den i vardagen när vi tar bilder med mobilens kamera, får serierekommendationer på streamingtjänster eller föreslagna mailsvar.
Grundmodell
Inom AI är en "grundmodell" en förtränad modell som fungerar som en utgångspunkt för ytterligare specialisering. Både inom generativ AI och språkmodellering används grundmodeller för att dra nytta av den kunskap och de insikter som redan har uppnåtts genom omfattande förträning, vilket sparar tid och resurser när man tränar modeller för specifika uppgifter. Man bygger alltså vidare på grundmodeller för att skapa modeller som är bättre på specifika uppgifter.
Generativ AI
Generativ AI är en variant av artificiell intelligens som är tränad att utifrån den data som modellen tränats på skapa, alltså generera, något nytt som till exempel text eller bild. ChatGPT, Bing AI, Perplexity.ai, Dall-E, Midjourney och likande verktyg är exempel på generativ AI.
Språkmodell - stor språkmodell/LLM
En språkmodell eller stor språkmodell (Large language model- LLM på engelska) så som ChatGPT är enkelt uttryckt en algoritm som avgör hur sannolik en sekvens av ord är i en given mening och utifrån detta genererar text. En språkmodell är generativ AI och en variant av grundmodell. Språkmodellerna tränas på mycket stora textmassor (data) från olika källor och sätter sedan ihop text utifrån vad som verkar sannolikt som svar på den input/prompt som ges. Texterna som genereras ska bara ses som en text ihopsatt utifrån sannolikhet och kan innehålla faktafel.
Chatbot
En chatbot är ett datorprogram som med AI tränats att efterlikna mänsklig muntlig eller skriftlig konversation utifrån sannolikhet. Det finns väldigt enkla chatbotar som bara klarar av simpla frågor, men också väldigt avancerade som klarar komplexa samtal.
Algoritm
En automatiserad följd av instruktioner. Som ett recept för bakning ungefär, med "om detta händer" --> "så sker detta" steg i olika komplexitet.
Maskininlärning och djupinlärning
Maskininlärning innebär att ta fram algoritmer och modeller som blir bättre på sin uppgift genom träning och input för att kunna ta egna beslut. Input i inlärningsprocessen kan kan vara mänsklig.
Djupinlärning ärmaskininlärning genom användande av neurala nätverk - vilket ger mer komplext lärande. Djupinlärningen kan vara vägledd av människor, i olika utsträckning. Vanligt inom bildklassificering, språkbehandling och ljudigenkänning.
Data/träningsdata
Data är helt enkelt information som finns registrerad någonstans och träningsdata är den data som används för att träna en AI-modell genom maskininlärning. Data kan vara text, musik, bilder och så vidare.
Neuronnät
Neuronnät eller neurala nätverk är avancerade självlärande algoritmer som försöker efterlikna funktionen i biologiska neuronnät (exempelvis hjärnan). Dessa utgör en viktig del av djupinlärning inom maskininlärning och således även inom generativ AI.
Kontakta oss om du har frågor
