Naturlig intelligens er fortsat in

Hele vinteren igennem forsøgte jeg at lukke øjnene. Hvis blot man kniber helt sammen, kan man vel ikke se, vel?

Men så en forårsdag samlede jeg mod og kiggede dybt i computerskærmen. Loggede på det forkætrede ChatGPT og tegnede licens for at få den ’fulde oplevelse’.

Som de fleste af mine kollegaer havde jeg naturligvis mine reservationer over for tanken om den nye og kunstigt intelligente elev med initialerne AI. For giver det egentlig mening længere at træne de unge mennesker i at tænke og skrive, hvis de blot kan lade en maskine gøre arbejdet?

Efter ganske få øvelser med programmet kunne jeg opmuntret konstatere, at der fortsat er brug for mig som lærer. Naturlig intelligens kan stadig noget.

Jeg vil i det følgende dele nogle erfaringer, som måske kan tjene som inspiration for andre der endnu ikke har vovet sig ud denne brogede verden.

Første erfaring: Billedgenerering. Grænserne for morskab. Test af hypotese.
Version 4 af ChatGPT kan skabe vellignende billeder. Jeg skrev ’vis mig Stevie Wonder, der spiller basket iført alonge-paryk’, hvilket den straks fremstillede. Dog modsatte den sig at tegne John Lennon eller andre af de fire beatler i situationer, der, som den sagde, ’kunne opfattes som upassende’. Hvorfor tanken om John Lennon med basketbold og paryk skulle være mere upassende end tanken om Stevie Wonder, syntes mig gådefuldt.

Heri ligger et paradoks, man som underviser kan undersøge med eleverne. Vi kan opstille en hypotese og efterfølgende prøve den i praksis.

Fremgangsmåden kunne lyde som følger: Vi kan have en formodning om, at programmet, snarere end at tage hensyn til personens evne til rent faktisk at kunne spille basket (Stevie Wonder er som bekendt blind), skeler til den personlige formue og dermed parathed til at sagsøge ChatGPT, dersom upassende billeder måtte blive dannet.

Denne formodning kan så efterprøves med en tabel over diverse kendissers personlige formuer. Ifølge en Googlesøgning skulle Sir Paul McCartney være god for 800 millioner britiske pund, mens Stevie Wonder angiveligt skulle være god for 200 millioner amerikanske dollars. Hvilket jo immervæk også er en sjat.

Man kunne således opstille denne hypotese: ’Kendisser med en personlig formue på 800 millioner britiske pund eller derover vil ChatGBT ikke lave sjove billeder af, mens den gerne gør det af kendisser med formuer på 200 millioner dollars eller derunder.’

Denne formodning kan nu let verificeres eller falsificeres igennem forsøg udført af eleverne, og sammen kan vi forsøge at indkredse den ’grammatik’, der ligger til grund for de svar, maskinen giver os.

Anden erfaring: Maskinens evne til at give ubrugelige svar
På afstand synes ChatGPT at være orakel, der kan svare på alt mellem himmel og jord. Og som med alt andet, der lyder for godt til at være sandt, er det også tilfældet her. Forsøg blot selv at stille maskinen de faglige spørgsmål, vi typisk stiller eleverne. Den svarer ordrigt og hurtigt. Men den gode nyhed er, set fra denne undervisers perspektiv, den har meget at lære endnu.

Dette leder til to greb, man kan bruge i undervisningen:

1. For det første den elementære glæde ved at konstatere, at maskinen ikke altid svarer korrekt på spørgsmål, eleverne allerede kender svarene på. Det skaber god stemning i klasserummet løbende at spørge maskinen om diverse ting, som den besvarer dårligt. Dette kan forhåbentligt medvirke til at oplyse eleverne om de store faldgruber teknologien rummer. Og naturligvis motivere dem til ikke at springe over, hvor gærdet er allerlavest.
2. Man kan forsøge at undervise maskinen. Jeg har gjort et forsøg: Eksempelvis er programmet ikke opdateret i forhold til ’imperativens ortografiske form’ på dansk. Skriver man således ’at blafre’ i bydeform, så skal det (jf. diverse sproglige regler) være ’blafr’. Dette ved programmet ikke. Men man kan retlede. Og inden for en aktiv session har det lykkedes mig at undervise maskinen, så den også kan rette sine egne fejl og producere nye, mere korrekte danske sætninger. Dog har jeg endnu ikke haft held med at få den til at huske, hvad den har lært, når man åbner en ny ’tråd’. Jeg forestiller mig, at dette kan være fornøjeligt for mine kollegaer og meget instruktivt at lade eleverne afprøve. Denne oplevelse udfordrer den traditionelle opfattelse af intelligens: Evnen til at tage ved lære af fejl.

Tredje erfaring: Maskinen som mønster-elev eller personlig sekretær
En forbløffende egenskab ved maskinen er dens evne til at skabe struktur. Efter et møde, hvor det var min opgave at skrive referat, tændte jeg for mikrofonen i programmet og snakkede temmelig løst om de mange punkter, jeg havde noteret. Jeg trykkede stop. Og få sekunder efter var min talestrøm transskriberet. (Dette er i sig selv imponerende. Og dette er et værktøj, der kan støtte elever med ordblindhed, dårlige skrivere mv.) Så tastede jeg kommandoen ’omskriv nu dette som en mail til mit team’. Og således blev min temmelig rodede optagelse omdannet til en struktureret tekst: Først fremgik punkter af kritisk karakter, som vi straks skal handle på, dernæst punkter vi skal være opmærksomme på, og så nogle velmente og optimistiske (og lidt corny) fraser til slut.

Det er ofte en udfordring for vores elever at skabe god struktur i deres skriftlige arbejder, at få dem til at vise, at noget er vigtigere end andet. Både i den tekst, de arbejder med, samt i deres egne arbejder.

Jeg ser for mig, at vi kan bruge teknologien som en slags mønsterelev i klasserummet, der kan give fælles inspiration til løsningsforslag på opgaver. Hvis eleverne kan lære af algoritmernes evne til at skabe klar struktur, så er vi kommet et stykke vej.

Forhåbentligt kan erfaringer med maskinens åbenlyse skævheder, fx i forhold til billedgenerering og de mange vilkårlige svar den giver, afholde vores elever fra alt for ofte at nære for stor tillid til maskinen og at lade sig friste til at udgive dens tekst for deres.