“私たちは、より深い学習に焦点を当て、教育の目標を変更する必要があります: 教えているものの関連性, モチベーションを構築します, そして、は何のパーソナライゼーションと使い方; 融通, 「を作成しますルネサンス人間」, これは私たちに投げるどんな人生に直面して堅牢性をもたらします; 転送, 私たちは、学校の狭い境界で学んだことを保証します, 現実の状況にactionabilityに変換されます。” — チャールズ·ファデル
ビッグデータから学習するコンピュータは、社会のための知識の新しいソースを作成しました.
コンピュータは、すでに私たちに多くのことを伝えることができます, 含むこれまでの誰が、何の株式を購入します. そして、彼らが開発されている速度を与えられました, コンピュータが私たちの高校のエッセイを書いたり、任意の外国語を話すことができる前に、どのくらいの時間は次のようになります, あるいは学校に私たちをドライブ?
チャールズ・ファデルは、カリキュラムの再設計と著者のためのセンターの創設者であります 四次元の教育: コンピテンシー学習者は、成功するために必要. 彼はちょうど上の教育のハーバード大学院で初のクラスを教えて 「機械学習 + 人間の学習」.
彼は私たちの中に参加します 教育のためのグローバル検索 学習者がマシンに追いつくだろうか議論します.
“私たちは、設計することができる人たちの「聖職クラスのの出現を見に行くとその結果で生きる人々対アルゴリズムを使用しています, それは、その*誰*は十分な数に入れると、アルゴリズムが可能であることを確認するために教育システムを不可欠な時代。” — チャールズ·ファデル
チャールズ, すべての結婚の三分の一は、オンライン開始します. 自動取引プログラムが置き換えられています 60-70% 人間の取引の. このアルゴリズムは、すぐに呼び出すことができるかもしれ 911 そしておそらく私たちの命を救います. これは教育のために何を意味します?
まず第一に, のは、機械学習/ AIができることとできないことについて、いくつかの境界を確立しましょう - 少なくともこの段階で. 私たちは、このようなチェスのようなゲームで驚異的な進歩を見てきました, 行くとポーカー, そのような音声と手書き文字認識や合成などの分野, 作曲, など. しかしながら, つまりほど素晴らしいです, 彼らはルールが明確と限られている、いわゆる「有界の問題」を表します, 解空間が広い場合でも、.
だから、AIはすでに反復と予測作業性に優れています, 計算能力にかかっタスク, データや入力の膨大な量を分類します, 具体的なルールに基づいて意思決定を行います — 人間よりも少ない偏見を持ちます, それでも人間によって選ばれたアルゴリズムとデータセットによって誘発されます.
人間は本物の感情との関係構築を経験で優れているのに対し, スケールとソース間の質問や説明を策定, 戦略的次元を越え限られたリソースを使用する方法を決定します (機械がやってされるべきタスクとそれらを与えるためにどのようなデータを含みます), 製品と人間のために使用可能な結果を作成し、それらについての通信, 抽象値に応じて決定を下します.
これは教育のために何を意味するのかについては, それは我々が焦点を当てる教育の目標を変更しなければならないことを意味し より深い学習: 教えているものの関連性, モチベーションを構築します, そして、は何のパーソナライゼーションと使い方; 融通, 「作成しますルネサンス人間", これは私たちに投げるどんな人生に直面して堅牢性をもたらします; 転送, 私たちは、学校の狭い境界で学んだことを保証します, 現実の状況にactionabilityに変換.
面白いこと, 後半使用「深い学習」アルゴリズムのAIの成功, 教育界で、私たちはより深い学習」について話されました,深い」ので、それは本当にあります」 + 一緒に、より深い学習」!
我々はすぐにアルゴリズムに私たちの仕事を負うこと. 企業は、求職者を選択するためにそれらを使用しています. このアルゴリズムは、ハーバード大学で受け入れられています誰が判断するまで、それはどのくらいです? これは、すべての教育のために何を意味します?
企業や大学が長期にわたって定量的および定性的な基準を使用しています, スクリーニング候補で: SATのスコア, GPAS, スケールを支払います, かつての雇用者のブランド, など. これらの全ては候補者の適合を決定するために使用されています. 人間の判断に委ねたくさんあります, 私たちは、一般的に人間は絶対確実であることを考えます. 現実には、プロセスが不完全に満ちているということです: 裁判官は昼前セッションで厳しい文章を授与します, 教師グレードより悪く、最初の数と最後のエッセイ, 医師は自分のフィールド内のすべての進歩に追いつくことができません, など. 私はアルゴリズムが退屈を取り扱う日を歓迎します, そして人間は打ち明けた賢明な選択をします. もちろん, これは、我々は、全国の警察の例に見るようなアルゴリズムは、既存の郵便番号のバイアスをコード化しているようなアルゴリズムは、意思決定を左右させないで賢明だろうということを意味します...
それにもかかわらず, 雇用者と同様の大学は、よく丸めグローバル読み書き応募者を探しています, 唯一、エンジニアリングと起業家精神と近代的な知識を習得しない可能, 社会科学と情報リテラシー, だけでなく、熟練しています: クリエイティブ, コミュニケーションやコラボレーションしている重要な思想家; 表示文字の資質: 注意深さ, 好奇心, 勇気, 回復力, 倫理とリーダーシップ; 適応し、成長考え方とメタ認知とメタ学習能力を経由して学習する方法を学びます.
“AIは、任意およびすべてのアプリケーションに埋め込むとなってきています, 大型で計算されます. これは、例えば自動車破りシステムにおけるマイクロプロセッサのように遍在して見えなくなってきています。” — チャールズ·ファデル
機械学習を向上させる速度は困難なです. 機械学習でもラボで属しありません? 社会の中で誰もがこれらのマシンは、その事実を決定する方法を理解するべきではありません? これは教育のために何を意味します?
レイ・ダリオ, ブリッジウォーターヘッジファンドの億万長者, フィナンシャル・タイムズに記載されました:
「私たちは、あなたがいずれかのアルゴリズムを記述し、その言語を話すことができるようになるだろう世界のために向かっています, または...アルゴリズムによって置き換え」と私は同意します. 私たちは、設計することができる人たちの「聖職クラス」の出現を見に行くとその結果で生きる人々対アルゴリズムを使用しています, それは、*その*皆を確保するための教育システムを不可欠な時代に十分な数に入れるとアルゴリズムが可能です. すべてのフィールドが定量的になっています, 哲学の可能性を除いて; ダーウィンの時代における生物学は、説明的に使用され、今ではほとんどの分析であります. さらなる, これは皆のための研究の過程としての倫理の新たな重要性を意味します.
すぐに知識の科学者を矮星になる任意の与えられたタスクやドメイン上のアルゴリズムによって蓄積された知識は、何世紀にもわたって蓄積してきました. 彼らははるかに多くのデータを見て、どんな人間科学者、これまでできたよりも速く、それを分析することができますことを考えると、人間の科学者よりも良い機械学習コンピュータ科学者です?
先に述べたように, データセットが明確かつクリーンであるとき、アルゴリズムは、人間より優れています, そしてアプリケーションが狭いです. 彼らは間違いなく我々の進歩を加速します, ゲノミクスのスピードアップを経由して例えば. しかしながら, 彼らは人間の科学者よりも広範囲に優れていることを述べることは、この段階での不当なストレッチです, コンピュータが計算で人間よりも高速であるため、それはと言うようなものです, 彼らはより良い数学者です. 私たちは、共生で働きます, そして、ますますそう - 人間の拡張として、.
これらの機能は、将来的に発展するかもしれない方法については, もちろん、言うことは不可能です, しかし、数十億ドルは、世界中の投資されて, AIは、任意およびすべてのアプリケーションに埋め込むとなってきています, 大型で計算されます. これは、例えば自動車破りシステムにおけるマイクロプロセッサのように遍在して見えなくなってきています.
“私たちは必要としていない 人工知能一般化 (AGI) 大きな混乱を目の当たりにします! 私たちも、低レベルの機能を備えた「千カットによって死」を体験することになる - 例えば, バーコードリーダーやRF IDタグは、すでに離れてジョブを自動化, ゼロ知性を持ちます。” — チャールズ·ファデル
次は究極のアルゴリズムであり、 – データから何かを学ぶことができるもので – 誰がそのための準備ができています?
誰もありません, もし、これが発生したときと, それは人類のための究極の挑戦になります. しかしながら, 私たちは遠く離れています, 遠く分野で最高の専門家によると. 私たちは、驚異的なボトムアップの進捗状況を見てきました, しかし、我々は人工知能一般に到達するためにいくつかのブレークスルーを欠けています (AGI).
もちろん, 上述したように, 私たちは大きな混乱を目撃するAGIを必要としません! 私たちも、低レベルの機能を備えた「千カットによって死」を体験することになる - 例えば, バーコードリーダーやRF IDタグは、すでに離れてジョブを自動化, ゼロ知性を持ちます.
これは、汎用性の育成の戦略に戻って私たちをもたらします, スイスアーミーナイフのような: それは、任意の単一の仕事に最適なツールではないかもしれません, 必要に応じてから描画するための広いベースであります, 自分の人生の間、必要に応じてシャープにすることができます.
それはそうだ, 人類は、地球温暖化などの多数の問題に直面しています, 金融不安, 独裁者とポピュリスト, 不平等, その他, これは私のコンピュータ科学者のいとこは、「我々は人工知能のより自然な愚かさについて多くの懸念であるべき」という皮肉ます. 確かにここに熟考する何かがあります.
C言語. M. ルービンとチャールズ・ファデル
(すべての写真CMRubinWorldの礼儀です)
サー·マイケル·バーバー含む私を参加して、世界的に有名なオピニオンリーダー (英国), DR. マイケル·ブロック (米国の), DR. レオンBotstein (米国の), 教授クレイ·クリステンセン (米国の), DR. リンダダーリング·ハモンド (米国の), DR. MadhavChavan (インド), チャールズ·ファデル (米国の), 教授マイケルFullan (カナダ), 教授ハワード·ガードナー (米国の), 教授アンディ·ハーグリーブス (米国の), 教授イヴォンヌヘルマン (オランダ), 教授クリスティンHelstad (ノルウェー), ジャンヘンドリクソン (米国の), 教授ローズHipkins (ニュージーランド), 教授コーネリアHoogland (カナダ), 閣下ジェフ·ジョンソン (カナダ), 夫人. シャンタルカウフマン (ベルギー), DR. EijaKauppinen (フィンランド), 国務長官TapioKosunen (フィンランド), 教授ドミニクラフォンテーヌ (ベルギー), 教授ヒューローダー (英国), 主ケンマクドナルド (英国), 教授ジェフ·マスターズ (オーストラリア), 教授バリー·98名 (オーストラリア), シヴナダール (インド), 教授R. Natarajan (インド), DR. PAK NG (シンガポール), DR. デニス教皇 (米国), Sridhar Rajagopalan (インド), DR. ダイアンRavitch (米国の), リチャード·ウィルソン·ライリー (米国の), サー·ケン·ロビンソン (英国), 教授パシSahlberg (フィンランド), 教授佐藤学 (日本), アンドレアス·シュライヒャー (PISA, OECD), DR. アンソニー·セルドン (英国), DR. デビッド·シェーファー (米国の), DR. キルスティン没入Areの (ノルウェー), 首相スティーブン·スパーン (米国の), イヴTheze (LyceeFrancais米国), 教授チャールズUngerleider (カナダ), 教授トニーワーグナー (米国の), デイヴィッド·ワトソン (英国), 教授ディランウィリアム (英国), DR. マークWormald (英国), 教授テオWubbels (オランダ), 教授マイケル·ヤング (英国), 教授Minxuan張 (中国) 彼らは、すべての国が今日直面している大きな絵教育問題を探るように.
C言語. M. ルービンは彼女が受け取った2つの広く読まれているオンラインシリーズの著者である 2011 アプトン·シンクレア賞, 「教育のためのグローバル検索」と「どのように私たちは読みます?"彼女はまた、3つのベストセラーの本の著者である, 含めて 不思議の国のアリスリアル, の出版社です CMRubinWorldそしてかく乱財団研究員である.
Cに従ってください. M. Twitterでルビン: www.twitter.com/@cmrubinworld
最近のコメント