Τεχνητή Νοημοσύνη (Τ.Ν.) στην πρωτοβάθμια εκπαίδευση
Artificial Intelligence (A.I.)
Βιντεάκι με επεξήγηση στα ελληνικά για το "τι είναι η Τεχνητή Νοημοσύνη". Κάνε κλικ στο παρακάτω εικονίδιο.
To αλφαβητάρι της Τεχνητής Νοημοσύνης (διαδικτυακά)
Δωρεάν μαθήματα τεχνητής νοημοσύνης (διαδικτυακά)
https://course.elementsofai.com/el/
Γιατί κάθε παιδί πρέπει να γνωρίζει την τεχνολογία AI στην πρώιμη ηλικία;- Τόνωση της δημιουργικής σκέψης των μαυγτών/τριών σε νεαρή ηλικία.
- Προετοιμάζει τα παιδιά να ηγηθούν στο μέλλον προσφέροντας δημιουργικά παιχνίδια.
- Επιπλέον, παρέχει νέες στρατηγικές για την αποτελεσματική επίλυση προβλημάτων.
- Φέρνει συναισθηματική σταθερότητα και νοημοσύνη για να ενισχύσει τις δεξιότητες.
- Η τεχνολογία AI θα αυξήσει το όριο υπομονής στα παιδιά και θα τους διδάξει πώς να αντιμετωπίζουν το άγχος μακροπρόθεσμα.
- Οι μελλοντικές θέσεις εργασίας αφορούν την τεχνητή νοημοσύνη και την τεχνολογία. θα αυξήσει τις πιθανότητες επιλογής τους λόγω των εξαιρετικών ικανοτήτων και της οικειότητάς τους.
- Θα αλλάξει τον τρόπο σκέψης των παιδιών και θα αρχίσουν να βρίσκουν τους λόγους πίσω από κάθε έρευνα σαν επιστήμονες.
- Τα παιδιά κάνουν το καλύτερο δυνατό και αγωνίζονται να βρουν την τέλεια λύση με τη λογική επανειλημμένα.
- Επιπλέον, θα τους φέρει ανεξαρτησία για να λύσουν τα προβλήματά τους αποτελεσματικά μόνοι τους.
- Θα τους διδάξει ότι κανείς δεν είναι τέλειος και δεν μπορεί να είναι τέλειος, αλλά αγωνίζεται να βρει την καλύτερη εκδοχή τους.
Εισαγωγική σκέψηΑπό τότε που ο άνθρωπος ανακάλυψε την τεχνολογία, γοητεύτηκε από την ιδέα της δημιουργίας μηχανών που θα μπορούν να σκέφτονται και να συλλογίζονται όπως αυτός. Η ανάπτυξη της τεχνητής νοημοσύνης έχει προχωρήσει πολύ, αλλά το ερώτημα παραμένει: μπορούν οι μηχανές να αναπαράγουν πραγματικά την ανθρώπινη σκέψη και συναίσθημα;
Ο ανθρώπινος εγκέφαλος έχει ορισμένα πλεονεκτήματα που οι μηχανές δεν μπορούν να αναπαραγάγουν. Πέρα από τη λογική και τους υπολογισμούς, η ανθρώπινη σκέψη επηρεάζεται από το συναίσθημα και την ηθική. Η ικανότητα συνδυασμού αυτών των παραγόντων είναι αυτό που κάνει την ανθρώπινη σκέψη τόσο μοναδική και ισχυρή.
Ενώ οι μηχανές γίνονται πιο έξυπνες και εξελιγμένες, εξακολουθούν να έχουν περιορισμούς. Βασίζονται σε αλγόριθμους και προγραμματισμό και δεν διαθέτουν δημιουργικότητα και διαίσθηση. Το πιο σημαντικό, οι μηχανές δεν μπορούν να αναπαράγουν τις συναισθηματικές και ηθικές διαστάσεις της ανθρώπινης σκέψης.
Τα πιθανά οφέλη από τη συγχώνευση ανθρώπινης και μηχανικής νοημοσύνης είναι τεράστια, αλλά υπάρχουν επίσης ηθικές ανησυχίες και κίνδυνοι. Είναι σημαντικό να ληφθεί υπόψη ο αντίκτυπος στην κοινωνία και να διασφαλιστεί η υπεύθυνη χρήση της τεχνολογίας.
Συμπερασματικά, οι μηχανές μπορεί να είναι σε θέση να αναπαράγουν ορισμένες πτυχές της ανθρώπινης σκέψης, αλλά δεν μπορούν να αναπαράγουν πλήρως την πολυπλοκότητα του ανθρώπινου συναισθήματος και της ηθικής. Ο διάλογος για το θέμα πρέπει να συνεχιστεί και πρέπει να θυμόμαστε πάντα τη σημασία των ανθρώπινων αξιών.
Oρισμός Τεχνητής ΝοημοσύνηςΗ ακριβής έννοια της τεχνητής νοημοσύνης δεν έχει πλήρως προσδιοριστεί. Στην επιστημονική κοινότητα έχει επικρατήσει η χρήση διαφόρων ορισμών που προσπαθούν να καλύψουν όσο πιο ορθά γίνεται τη σημασία της τεχνητής νοημοσύνης. Στη συνέχεια παρατίθενται μερικοί πρόσφατοι ορισμοί που θεωρούνται πιο πλήρεις και έχουν υιοθετηθεί επισήμως από κυβερνητικά προγράμματα στην Ευρώπη και τις ΗΠΑ: «Δεν υπάρχει ένας ενιαίος, σαφής ή γενικά αποδεκτός ορισμός της τεχνητής νοημοσύνης, αλλά πολλοί ορισμοί. Σε γενικές γραμμές, ωστόσο, η ΤΝ αναφέρεται στην ευφυΐα που επιδεικνύουν οι μηχανές.»
«Η Τεχνητή Νοημοσύνη αναφέρεται σε συστήματα που εμφανίζουν έξυπνη συμπεριφορά αναλύοντας το περιβάλλον τους και αναλαμβάνοντας δράση - με κάποιο βαθμό αυτονομίας - για την επίτευξη συγκεκριμένων στόχων.» (European Commission, 2018)
Καταλήγουμε στο συμπέρασμα πως η Τεχνητή Νοημοσύνη είναι ένα σύστημα που
- δέχεται ερεθίσματα και δεδομένα,
- μπορεί να τα αναλύει και να εκπαιδεύεται (μηχανική μάθηση, deep learning) ώστε να ανταποκρίνεται αυτόνομα με τον βέλτιστο τρόπο στην λειτουργία του (αυτόνομη κρίση),
- μπορεί να έχει μόνο διάσταση λογισμικού (σε υπολογιστή) ή να συνοδεύεται και από υλικό μέρος (ειδική κατασκευή π.χ. ρομπότ) και
- εμφανίζει τα γενικά χαρακτηριστικά της αντίληψης, της μάθησης και της επικοινωνίας. (IBM Cloud Education, 2020).
Με αφορμή την πανδημία του Covid-19, καταλάβαμε πόσο έχει αλλάξει και πόσο μπορεί να αλλάξει η τεχνολογία τη ζωή μας. Η εκπαιδευτική κοινότητα ήρθε πολύ γρήγορα αντιμέτωπη με μια νέα πραγματικότητα σε ό,τι αφορά την εκπαιδευτική διαδικασία.
Εκπαιδευτικοί, μαθητές/τριες και γονείς/κηδεμόνες είδαν πολύ γρήγορα πώς μπορεί το tablet, το κινητό και ο υπολογιστής να γίνουν βασικά εργαλεία εκμάθησης. Το Webex, μέσω του οποίου πραγματοποιήθηκαν μαθήματα εν μέσω της πανδημίας, δεν αποτελεί ένα εργαλείο Τεχνητής Νοημοσύνης, αλλά ήταν ένα βασικό πρώτο βήμα.
Σήμερα, τα περισσότερα εργαλεία διαχείρισης μάθησης είναι ενεργοποιημένα με δυνατότητες Τεχνητής Νοημοσύνης, βελτιστοποιώντας τη μάθηση μέσω της τεχνολογίας.
Οι περισσότεροι φορείς εκπαίδευσης κάνουν στροφή προς την Τεχνητή Νοημοσύνη προκειμένου να εκσυγχρονιστούν και να αναβαθμιστούν. Το μέλλον της εκπαίδευσης έρχεται μέσω της Τεχνητής Νοημοσύνης.
Η Τεχνητή Νοημοσύνη επηρεάζει αποδεδειγμένα την εκπαίδευση. Η Τεχνητή Νοημοσύνη μπορεί να επιταχύνει την εξατομικευμένη μάθηση, να παρέχει στους/στις μαθητές/τριες συνεχή αξιολόγηση και να εφαρμόσει τη μαθησιακή αναλυτική, για τη διαφοροποίηση της μαθησιακής διαδικασίας, ώστε να προσαρμόζεται στις ατομικές ανάγκες των μαθητών/τριών σε πραγματικό χρόνο (UNESCO, 2020).
Μερικά παραδείγματα εφαρμογών είναι τα ακόλουθα:
- εφαρμογές που εκμηδενίζουν τον χρόνο διόρθωσης εξετάσεων,
- εφαρμογές που αναγνωρίζουν τις αδυναμίες των μαθητών/τριών και προσαρμόζουν τα τεστ και την ύλη στις ανάγκες τους, βοηθώντας πολύ στην εξατομικευμένη εκπαίδευση.
- εφαρμογές που μπορούν να μεταφράζουν σε πραγματικό χρόνο σε διαφορετικές γλώσσες.
- προγράμματα που μπορούν να διαβάζουν τα χειρόγραφα των μαθητών/τριών και να τα βαθμολογούν.
Μηχανική Μάθηση (Machine Learning - ML)
Σήμερα υπάρχει αυτό το κομμάτι της ΤΝ.
Διδάσκω στη μηχανή (πχ Η/Υ) πώς να μαθαίνει - μέσα από δοκιμές και εξάσκηση. Την μαθαίνω να αναγνωρίζει μοτίβα σε δεδομένα κάθε μορφής (κείμενο, εικόνα, ήχο, βίντεο).
Σύγκριση ΤΝ με κλασσικό προγραμματισμό
Στον κλασσικό προγραμματισμό το βάρος πέφτει στις ΕΝΤΟΛΕΣ. Στην ΤΝ το βάρος πέφτει στα ΔΕΔΟΜΕΝΑ. Στον κλασσικό προγραμματισμό ο Η/Υ κάνει ό,τι του πούμε. Αν του δώσουμε λάθος εντολή, θα πρέπει να τη διορθώσουμε. Στην ΤΝ η μηχανή μαθαίνει ό,τι της διδάξουμε. Αν δεν τα μάθει σωστά, σημαίνει ότι χρειάζεται να την εκπαιδεύσουμε περισσότερο. Επεξήγηση με εικόνες και διαγράμματα παρακάτω:
Ρόλος των δεδομένων
Το είδος των δεδομένων με τα οποία εκπαιδεύουμε τη μηχανή, επηρεάζουν τα αποτελέσματα της AI. πχ τι θα γίνει, αν, κατά την εκπαίδευση μηχανής για αναγνώριση ανθρώπου από ζώα, τα δεδομένα που θα δώσουμε για να την εκπαιδεύσουμε αφορούν : α) μόνο άντρες, β) μόνο παιδιά γ) μόνο λευκούς δ) μόνο όρθιους ;
Η AI είναι τόσο καλή όσο τα δεδομένα με τα οποία την εκπαιδεύουμε. Σημασία έχει η ποσότητα των δεδομένων καθώς και η ποιότητά τους. Παίζει σημαντικό ρόλο : ποιος συλλέγει τα δεδομένα , πώς συλλέγονται, πώς δίνονται στη μηχανή.
Αν τα δεδομένα περιέχουν προκαταλήψεις (διακρίσεις) (biased data) , θα έχουν και τα αποτελέσματα προκαταλήψεις. Πριν δώσω τα δεδομένα , θα πρέπει να σκεφτώ : α) Είναι αρκετά ; β) αντιπροσωπεύουν όλα τα πιθανά σενάρια, χωρίς προκαταλήψεις (μεροληψία);
Κοινωνικός Αντίκτυπος
H AI και η ML Μπορούν να επηρεάσουν κάθε κομμάτι της κοινωνίας με θετικό τρόπο αλλά υπάρχουν και κίνδυνοι. Πρέπει να είμαστε σίγουροι ότι δεν χρησιμοποιούμε δεδομένα με μεροληψία – διακρίσεις - προκαταλήψεις (biased data), ώστε να μην προκαλέσουμε κακό ή αδικίες.
Πρέπει πρώτα να κατανοήσουμε ΚΑΛΑ πώς δουλεύει η ML και μετά να την χρησιμοποιήσουμε για καλό σκοπό!
Είδη Τ.Ν.
Λογισμικά: Εικονικοί βοηθοί, Λογισμικό ανάλυσης εικόνας, Μηχανές αναζήτησης, Συστήματα αναγνώρισης προσώπου και ομιλίας
“Ενσωματωμένη τεχνητή νοημοσύνη”: Ρομπότ, Αυτόνομα αυτοκίνητα, Τηλεκατευθυνόμενα αεροσκάφη (drones), Διαδίκτυο των πραγμάτων (Internet of Things)
Εφαρμογές Τ.Ν.
- Διαδικτυακές αγορές και διαφήμιση
- Διαδικτυακή αναζήτηση
- Προσωπικοί ψηφιακοί βοηθοί
- Αυτόματες μεταφράσεις
- Έξυπνα σπίτια, πόλεις και υποδομές
- Έξυπνα αυτοκίνητα, συστήματα πλοήγησης
- Κυβερνοασφάλεια
- Καταπολέμηση της παραπληροφόρησης (ψευδείς ειδήσεις – fake news)
- και πολλές άλλες
Η εξέλιξη της Τεχνητής Νοημοσύνης
Μέσα από τη χρονογραμμή του photodentro θα δούμε την εξέλιξη της Τεχνητής Νοημοσύνης.
Τη θεωρία μαζί με διάφορες δράσεις μπορείς να δεις σε ένα ολοκληρωμένο διδακτικο σενάριο της κα. Γεωργίας Λάσκαρη (ΠΕ86). Κάνε κλικ στον παρακάτω σύνδεσμο για να μεταβείς:
Οπτικοποίηση αλγόριθμου ταξινόμησης
Αρχικά δημιουργήθηκε ως συμπλήρωμα σε ένα πρόγραμμα μαθημάτων αλγορίθμων και δομών δεδομένων
Οπτικοποίηση αλγόριθμου επίλυσης παζλ
Ο αλγόριθμος A* είναι ένας αλγόριθμος διέλευσης γραφήματος και αναζήτησης διαδρομής, ο οποίος χρησιμοποιείται συχνά σε πολλούς τομείς της επιστήμης των υπολογιστών λόγω της πληρότητας, της βελτιστοποίησης και της βέλτιστης απόδοσης. Ένα σημαντικό πρακτικό μειονέκτημα είναι η πολυπλοκότητα του χώρου, καθώς αποθηκεύει όλους τους κόμβους που δημιουργούνται στη μνήμη . Έτσι, στα πρακτικά συστήματα δρομολόγησης ταξιδιού, γενικά έχει καλύτερη απόδοση από αλγόριθμους που μπορούν να προεπεξεργάζονται το γράφημα για να επιτύχουν καλύτερη απόδοση, καθώς και προσεγγίσεις που οριοθετούνται από τη μνήμη. Ωστόσο, το A* εξακολουθεί να είναι η καλύτερη λύση σε πολλές περιπτώσεις.
Ο γενετικός αλγόριθμος ( GA ) είναι ένας μεταευρετικός εμπνευσμένος από τη διαδικασία της φυσικής επιλογής που ανήκει στη μεγαλύτερη κατηγορία εξελικτικών αλγορίθμων (EA). Οι γενετικοί αλγόριθμοι χρησιμοποιούνται συνήθως για τη δημιουργία λύσεων υψηλής ποιότητας σε προβλήματα βελτιστοποίησης και αναζήτησης βασιζόμενοι σε βιολογικά εμπνευσμένους τελεστές όπως η μετάλλαξη, η διασταύρωση και η επιλογή.
Σύντομη εισαγωγή δύο εμπλεκόμενων αλγορίθμων Από τη Wikipedia
Βίντεο με Τ.Ν.
Δράσεις με την Τ.Ν.
Παρακάτω θα δούμε τον τρόπο που λειτουργούν κάποιες από τις υπάρχουσες εφαρμογές τεχνητής νοημοσύνης που χρησιμοποιούμε στην καθημερινότητα μας (youtube). Επίσης στον παρακάτω σύνδεσμο μπορείς να ψάξεις την τεχνητή νοημοσύνη που επιθυμείς:
.png "English"){kind=small}
