[Лим Ун] Не автоматизируйте обучение (или ученичество)
- KOREA HERALD
- 17 часов назад
- 3 мин. чтения
В последнее время в тихих коридорах академического мира я почувствовал небольшое, но показательное изменение: смесь усталости и ослабления чувства долга в отношении обучения аспирантов. Зачем тратить долгие часы на то, чтобы помогать аспиранту с черновиками и неуклюжими анализами, когда инструмент искусственного интеллекта может очистить данные и провести анализ с поразительной скоростью — без необходимости организовывать встречи или утешать уязвленное самолюбие студентов?
Это настроение в университетах является микрокосмом гораздо более крупных изменений. За пределами башни из слоновой кости компании на шаг ближе к рабочим местам, где ловкие роборуки, автоматизированные склады и операции на базе искусственного интеллекта соперничают с конвейерами промышленного прошлого. Рабочая сила не просто оптимизируется, она трансформируется, и люди неизбежно теряют работу.
Классический цикл капитализма — работа приводит к доходу, доход стимулирует потребление, прибыль создает больше рабочих мест — всегда был добродетельной (несовершенной, но все-таки функциональной) экосистемой. Однако искусственный интеллект и робототехника все больше разрывают связь между производством и (часто объединенным в профсоюзы) человеческим трудом. Еще более тревожно то, что автоматизация не только заменяет задачи, но и устраняет ступеньки, которые когда-то делали социальную мобильность возможной. Если первые шаги в профессии исчезают, вышеупомянутые циклы сталкиваются с проблемой непрерывности: кто именно может войти в систему и научиться вносить свой вклад?
Внутри корпоративных организаций риски усугубляются. Компании не работают только по явным правилам; они выживают благодаря неявным знаниям — культуре, нормам и тихому ноу-хау, передаваемому через пробы и ошибки младших сотрудников. Если ИИ перепрыгнет эту промежуточную стадию, если компании перестанут нанимать младших сотрудников, потому что программное обеспечение дешевле и «достаточно хорошее», мы рискуем потерять своего рода «социальную память». Без неуклюжей, подверженной ошибкам фазы новичка, откуда возьмется мудрость будущих лидеров? Ее нельзя скачать. Ее нельзя вызвать искусственно. Ее можно заработать, сначала плохо выполняя работу, затем менее плохо, а затем хорошо — под руководством других и с учетом реальных последствий.
Долгосрочным результатом «найма ИИ в первую очередь» станет пустота в середине. В итоге мы можем получить тонкий слой старших руководителей и толстый слой автоматизированного исполнения, но меньше людей между ними, которые могут научиться диагностировать проблемы, интерпретировать контекст или поддерживать отношения. Лидерство и организационная культура могут разрушиться не потому, что кто-то хотел навредить, а потому, что система обучения, которая их формировала, была тихо демонтирована.
Недавние организационные исследования, в том числе работа, обсуждаемая в Harvard Business Review Эдмондсоном и Чаморро-Премузиком, указывают на поразительный парадокс: когда ИИ выполняет всю работу начального уровня, люди могут в конечном итоге нести ответственность за результаты, которые они в принципе не понимают. Между тем, младший сотрудник, которого часто отмахивают как «того, кто не знает правил», часто является источником свежего взгляда. Новички задают неудобные вопросы. Они замечают абсурдности, которые ветераны считают нормой. Они нарушают устаревшие рутины просто потому, что не полностью социализированы в них. В своей статье они утверждают, что автоматизация работы новичков не просто снижает неэффективность, но и заглушает ключевой двигатель обновления.
Вот почему мы должны заново открыть для себя моральную ценность человеческого роста. Освоение основ — это не просто приобретение навыков, это самоформирование. Повторяющаяся работа имеет свое достоинство, даже если скука реальна — не потому, что повторение само по себе благородно, а потому, что оно может культивировать самоконтроль, внимание, терпение и ответственность за других. Неудача — это не отклонение от обучения; это способ, которым мы определяем границы наших знаний и развиваем смирение по отношению к тому, чего мы еще не видим.
Поэтому наша философия образования должна измениться — не обязательно в сторону отказа от технологий, а в сторону обучения, в котором главную роль играют люди. Даже если студент использует ИИ для получения ответа, он все равно должен проанализировать его: почему он появился, на каких предположениях он основан, что он упускает и какие доказательства могут его опровергнуть. Мы должны воспитывать граждан, способных думать, размышлять и действовать, а не пассивных потребителей рекомендаций и решений ИИ.
Это подводит меня к вопросу, который я хочу прямо задать лидерам крупных технологических компаний, руководителям и политикам, которые помогают управлять современным миром: когда вы представляете себе будущее, которое унаследуют ваши дети, что вы видите и что вас действительно вдохновляет? Большинство людей хотят, чтобы их дети были признаны за реальные заслуги, чтобы они усердно трудились, создавая ценность, и накапливали значимый опыт — а не просто задавали вопросы ИИ и ждали результата. Если это тот мир, который мы хотим, мы не можем скупиться на инвестиции в людей. Мы должны быть готовы платить за неэффективность человеческого обучения — за привилегию позволять человеку быть медленным, неуклюжим и ошибаться, чтобы в конечном итоге он мог стать компетентным, мудрым и хорошим.
Настоящим испытанием нашего времени будет не то, насколько быстро наши машины могут думать за нас. Оно будет заключаться в том, ценим ли мы по-прежнему медленный, беспорядочный, великолепный процесс развития человеческого разума — и достаточно ли мы смелы и щедры, чтобы защитить условия, которые делают этот рост возможным.
Лим Ун
Лим Ун — профессор Высшей школы образования Университета Ёнсе в Сеуле. Высказанные здесь мнения принадлежат автору. — Ред.
Комментарии