< назад до списку (ESC) | ⌕ Пошук


Є межа в навчанні, яку ШІ не скасовує.

Знайшов таке відео - професор комп’ютерних наук Стенфорда Кріс Піч про те що штучний інтелект уже вміє писати код — і саме тому вчитися все одно треба. Коли вони намагалися додати ШІ-викладачів залученість студентів значно впала. Люди хочуть вчитися в людей та надихатися ними.

ШІ підсилює того, хто вміє ставити задачу, перевіряти відповідь і налаштовувати себе на наступний крок. Він не замінить розв’язання проблеми, самонавчання і внутрішнє «я хочу зрозуміти» тобто навичку мотивувати себе. Його теза не “код більше не потрібен”, а навпаки якщо машина вже пише синтаксис, дефіцитними стають речі, які машина погано вміє як то вирішення реальних проблем реальних людей.

З іншої сторони є ще такий кейс. У великих даних онлайн-шахів (десятки тисяч гравців на кшталт Chess.com) година звичайної гри дає скромний приріст рейтингу. Година цілеспрямованої роботи — розбір партій, задачі, уроки — дає в рази більше. Найсильніший ефект мав не «просто розбір», а розбір власних партій разом із шаховим додатком: програма показувала помилку і кращий хід. Один такий час давав приблизно стільки ж прогресу, скільки кілька годин простої гри.

Cучасна формула швидкого здобуття майстерності:

  • не просто спостерігати “чужі партії”
  • не “багато практикувати” чи “більше грати”
  • і не “розбирати помилки”
  • а розбирати свої конкретні помилки за допомогою сильнішого за тебе інтелекту

Гравцям допомагала комп’ютерна програма. Без неї гравець часто не бачить помилку або бачить її не ясно. Вона закриває обидва пробіли одразу: точна діагностика, еталон, миттєво і без емоцій. Раніше такий тренер був у небагатьох й за грощі. Цей інтелект може бути людиною-майстром. В ШІ програмуванні якщо казати про генерацію коду модель може початківця багато чому навчити.

Процес навчання фідбеком виглядає десь так:

  1. Сам поставив задачу і сам спробував на межі складності.
  2. Отримав сильний зовнішній розбір: людина, ШІ, запис себе.
  3. Сам відтворив правильний хід без підказки.
  4. Повернувся до свого слабкого місця ще раз через день-два.

Робін Хогарт розділив навчальні середовища на kind і wicked. У kind (стабільному) правила стабільні, фідбек швидкий і правдивий, одні й ті самі закономірності повторюються. Шахи та програмування — класичний приклад. У wicked (підступному) середовищі фідбек запізнюється, шумний або взагалі оманливий: менеджмент, інвестиції, багато рішень про людей, частина медицини, прогнози. І ШІ в такому полі особливо небезпечний, він зазвичай не розуміє та підміняє середовище на kind - потім починає давати поради.

В ШІ програмуванні модель не підкажіть мета-рішень, архітектури яка найкраще підходить для реального заплутаного мінливого світу з повільнім зворотнім зв’язком. Тут система не замінює мислення людини, хоча люди теж тут частно не найкращім чином діють. Те що виглядає як ШІ розв’язок часто є здогадкою моделі, погані наслідки якої ми побачимо тільки через якійсь час. Люди експерти тут ще цініши й навчання тут шукати не курси, а таких майстрів.

Дієвий шлях це учитись мета-навичкама через роблення та досвід, не через просто теорію. Більше про це я писав у статті про навчання дорослих - вона тут

ШІ навчання |

Попередній запис: Таймлайн розвитку емпатії (2026-08-13 15:39)