AI, nauka i kompetencje przyszłości

W tym roku laureatami Nagrody Nobla w dziedzinie fizyki i chemii zostali badacze bezpośrednio wykorzystujący sztuczną inteligencję: David Baker w obszarze projektowania białek, Demis Hassabis i John M. Jumper za przewidywanie ich struktury, zaś John J. Hopfield i Geoffrey E. Hinton za uczenie maszynowe. Generatywna sztuczna inteligencja (Generative AI) potrafi nie tylko testować hipotezy, ale też je tworzyć, sugerować zmiany i sama ich dokonywać, analizować wyjątkowo obszerne zbiory danych, prowadzić obliczenia i dokonywać korekt w projektowanych modelach. Yogesh K. Dwivedi i inni (2023) dowodzą nawet, że narzędzia stworzone w oparciu o AI mogą w zasadzie same realizować badania i wskazywać na trendy zarówno w wymiarze technologii, jak i w wymiarze społecznym. Ostatecznie GenAI jest w stanie na tej podstawie napisać naukowy tekst, zawierający oprócz analiz także dobrze zrobiony przegląd literatury. Generalnie jest niezwykle skuteczna, pomysłowa i zdolna w obszarach, które sprawiają ludziom sporo kłopotów. Choćby ChatGPT, który generuje teksty, poprawia je i tłumaczy w co najmniej osiemdziesięciu językach i dialektach, nawet tych uznawanych za bardzo trudne, jak chiński czy polski. I robi to nie tylko szybko, ale też coraz bardziej bezbłędnie. Nie tylko zna słowa i zasady ich łączenia, ale też potrafi konstruować zdania i całe teksty, które po prostu dobrze brzmią. 

AlphaFold Google DeepMind, z którego korzystali wymienieni nobliści z chemii, zawiera 200 milionów struktur białkowych i na ich podstawie potrafi przewidywać kolejne. Oprogramowanie IBM natomiast uzbrojone w najbardziej skomplikowane formuły matematyczno-statystyczne, posiłkując się kilkuset milionami rekordów, przewiduje trendy np. w obrocie walutowym, segmentuje rynki, czy zaciągając z rosnącej bazy co najmniej 10 000 przypadków zawartych w dokumentacji medycznej pacjentów stawia diagnozy i proponuje formy leczenia. Poszukuje wzorców i modeli w zbiorach danych i robi to nie tylko sprawnie, ale też trafnie. OpenArt tworzy obrazy, a OpenAI oprócz tego także filmy (Sora), raczej animowane co prawda i stosunkowo krótkie, ale z wygenerowaną przez siebie fabułą. 
 

KIERUNKI ROZWOJU AI 

Ciekawe badania na temat szerokiego stosowania rozwiązań AI z okresu 1961–2018 przedstawia Yang Lu (2019), dowodząc, że początki znajduje ona już w latach 60. XX w., czyli nieco później niż publikacja Alana M. Turinga (1950) o myślących maszynach. Podkreśla on, że nie widać końca rozszerzania jej zastosowań i rozwoju. W tym także w obszarach związanych z rozwojem kompetencji ludzi, ale też zastępowaniem części ich pracy. Zhou Shao i inni (2022) wskazują natomiast na konwergencję wyników badań nad AI i kierunkami jej rozwoju, pomimo tego, że badania te prowadzone są w różnych dyscyplinach naukowych i obszarach tematycznych. W koncepcyjnej pracy Mustafa A. Raji i inni (2024) sugerują szybki i wypierający dotychczasowe rozwiązania rozwój AI w sprzedaży, e-commerce i personalizacji w relacjach z klientami. W odniesieniu do edukacji i w kontekście prac prezentujących oryginalne badania i wskazujących na szerokie zastosowanie AI nieco krótkowzroczne wydają się wnioski na temat wsparcia technik tworzenia prezentacji i technicznego przygotowywania zajęć na uczelniach wyższych (Maud Chassignol i in. 2018). Choć zauważana jest także możliwość zmiany dynamiki pomiędzy prowadzącym zajęcia i studentami (Oluwanife S. Falebita i in. 2024) czy próby integracji AI w życie i działania akademii, w tym także sposoby przekazywania wiedzy, na co wskazuje szersza analiza publikacji w tym zakresie za lata 2018–2024 (Yu i in. 2024). 

Wciąż jednak AI jest zadziwiająco nieporadna, w obszarach, które dla odmiany ludziom przychodzą z dużą łatwością. Chodzenie, utrzymywanie równowagi czy w ogóle praca fizyczna. To ewidentnie nie jest obecnie domena sztucznej inteligencji. Nawet dokonania robotów i autonomicznych rozwiązań nie są w tym zakresie imponujące. O ile tekst znacznie łatwiej można napisać, używając kilku naprowadzających zdań i klikając „enter”, to już umycie samochodu, sprzątanie mieszkania czy zrobienie prania jest bez porównania łatwiejsze dla ludzi, niż nawet najbardziej zaawansowanych urządzeń. Inteligentne pralki czy suszarki dokonają co prawda analizy rodzaju włókien, dobiorą temperaturę prania i ilość detergentu, jednak najprostsze prace, jak włożenie brudnych ubrań do pralki czy przeniesienie ich z pralki do suszarki, pozostawiają obsługującym je ludziom. Z jednej strony, wskazuje to na ograniczenia zastosowania sztucznej inteligencji i z nadzieją pozwala patrzeć na przyszłość rynku pracy. Jednak to, jaka praca pozostaje do wykonania przez człowieka, już tak budujące dla morale raczej nie jest, przynajmniej dla części pracowników. 

Prognozy co do rozwoju systemów AI nie pozostawiają złudzeń. Ludzie będą coraz częściej zastępowani w dziedzinach związanych z wykorzystaniem zaawansowanej wiedzy i intelektu i niekoniecznie w uznawanych za najprostsze czynnościach fizycznych. W tym obszarze wcale nie wydaje się, że przyszłością jest wspieranie przez AI złożonych i uznawanych za trudne działań człowieka, ale po prostu zastąpienie ich przez odpowiednio wyszkoloną sztuczną inteligencję. To, co ludziom zostanie, to rola asystentów, wykonujących prace związane głównie z siłą i sprawnością fizyczną. Wspomniany noblista z fizyki Geoffrey Hinton stwierdził, że wpływ rozwoju systemów, do którego znacznie się przyczynił, będzie przewyższał ludzi pod względem zdolności intelektualnych, ale już niezwiązanych ze sprawnością fizyczną. Kompetencją przyszłości wcale nie jawi się więc mądre wykorzystywanie AI do rozwiązywania złożonych problemów, analizowania przypadków czy pisania artykułów. Z tym AI poradzi sobie bez ludzi. Potrzebny za to będzie ktoś, kto dokona konserwacji, posprząta, czy coś ugotuje. Kompetencjami przyszłości byłyby więc takie kompetencje, które nie są związane ze szczególnymi zdolnościami w analizie, zapamiętywaniu, rysowaniu, projektowaniu czy znajomości języków. Te mogą się okazać bezużyteczne przy przytłaczająco lepszej i szybszej AI. Mogą się nimi natomiast okazać wszelkie zdolności manualne, siła fizyczna i ogólna sprawność. Oczywiście, wolałbym sztuczną inteligencję, która za mnie posprząta i zmieni koło w samochodzie, żebym mógł skoncentrować się na pisaniu artykułów czy prowadzeniu projektów badawczych, tymczasem na razie AI skłonna jest wyręczyć mnie w pisaniu artykułów i badaniach, żebym mógł poświęcić się sprzątaniu i zmienianiu kół w aucie. 
 

WNIOSKI DLA SZKOLNICTWA WYŻSZEGO, W TYM SGH

Taki rozwój AI to także zmiana piramidy wartości. To, co dziś jest szczególnie wartościowe społecznie, przestanie mieć takie znaczenie. Nabierze zaś go to, co obecnie jest często niedoceniane. Potencjał intelektualny przestanie być tak cenny, jak potencjał związany z siłą fizyczną. Raczej nie będzie to siła fizyczna, którą umie także wykorzystywać AI. Tu AI zdaje się być coraz bardziej autonomiczna i nie będzie potrzebowała takich umiejętności. Można się raczej spodziewać, że to AI będzie wykorzystywała potencjał siły i sprawności ludzi. W tym kontekście należałoby mocno przemyśleć kierunki rozwoju edukacji. Poszukiwane kompetencje przyszłości mogą okazać się znacząco różne od tych, które – jak nam się dziś wydaje – będą potrzebne jutro. Dotychczasowe nadawanie wysokich rang edukacji w obszarach STEM (ang. science, technology, engineering, mathematics – nauki ścisłe, technologia, inżynieria i matematyka) ma długą historię. Kształtuje też warstwy intelektualnych elit w organizacjach i częściowo w społeczeństwach. Określa kierunki i potrzeby pożądanych kompetencji przyszłości. W tym też nurcie można określić kształcenie w SGH. Wiedza i umiejętności związane z metodami inżyniersko-ilościowymi, analitycznymi i cyfrowymi są szczególnie preferowane przez naszych studentów i takie też są oferowane. Nie jest łatwo ani skonstruować, ani znaleźć program czy kierunek, który łączyłby w sobie zarówno elementy sprawnościowe, jak i społeczne z obszarów STEM. Gdyby prognoza samodzielnej technologii zastępującej te kompetencje okazała się prawdziwa, należałoby być może już poważnie myśleć o wdrażaniu kierunków przynajmniej łączących elementy sprawnościowe fizyczne i intelektualne. Tymczasem w edukacji uniwersyteckiej w wielu miejscach raczej można znaleźć próby ograniczania wykorzystania rozwiązań AI, aniżeli ich inkorporacji niemal w każdy obszar, który jest przedmiotem edukacji. W tym kontekście to bardzo dobrze, że mamy jako SGH przyjęte wytyczne i polityki stosowania AI przez studentów. Należy to przyjąć za cenny krok w kierunku uznania, że innej przyszłości już nie będzie. Niemniej powstaje wyzwanie, jak edukację prowadzoną przez Centrum Wychowania Fizycznego i Sportu SGH połączyć z tą związaną z Big Data, e-Biznes, finansami i rachunkowością, zarządzaniem czy ekonomią? Jak w ogóle prowadzić interdyscyplinarne przedmioty i kierunki jednocześnie, włączając elementy treningu wysiłkowego i sprawnościowego, inkluzywnie dopasowanego do każdej studentki i każdego studenta oraz ich predyspozycji? To wyzwania, z którym jako środowisko naukowo-dydaktyczne możemy się zetknąć znacznie szybciej, niż można przypuszczać. Na ile będzie też konieczne dokonanie rewizji obecnych efektów kształcenia i jak te nowe będą osiągane nie tylko w jakim zakresie, ale też jakimi metodami? Jednocześnie nie można, zdaje się, liczyć na wsparcie legislacyjne. Tu zmiany zachodzą powoli i wciąż preferowane jest ścisłe trzymanie się jednej dyscypliny i standardowego formatu. No cóż, odpowiadając na potrzeby studentów i doktorantów, trzeba się nad tematem mocno pochylić.

DR HAB. MIKOŁAJ PINDELSKI, prof. SGH, Katedra Teorii Zarządzania, Kolegium Zarządzania i Finansów, pełnomocnik rektora ds. praw i obowiązków studentów i doktorantów

Bibliografia

1. Chassignol M, Khoroshavin A., Klimova A., Bilyatdinova A., 2018, Artificial Intelligence trends in education: a narrative overview, Procedia Computer Science, Vol. 136, pp. 16–24, DOI: https://doi.org/10.1016/j.procs.2018.08.233
2. Dwivedi Y.K., Sharma A., Rana N.P., Giannakis M., Goel P., Dutot V., 2023, Evolution of artificial intelligence research in Technological Forecasting and Social Change: Research topics, trends, and future directions, Technological Forecasting and Social Change, Vol. 192, DOI: https://doi.org/10.1016/j.techfore.2023.122579
3. Falebita O.S., Kok P.J., 2024, Strategic goals for artificial intelligence integration among STEM academics and undergraduates in African higher education: a systematic review. Discover Education, Vol. 3, Iss, 151 DOI: https://doi.org/10.1007/s44217-024-00252-1
4. Lu, Y., 2019, Artificial intelligence: a survey on evolution, models, applications and future trends, “Journal of Management Analytics”, Vol. 6, Iss. 1, pp. 1–29. DOI: 
   https://doi.org/10.1080/23270012.2019.1570365
5. Raji M.A., Olodo H.B., Oke T.T., Addy W.A., Ofodile O.Ch., Tolulope A., 2024, E-commerce and consumer behavior: A review of AI-powered personalization and market trends, GSC Advanced Research and Reviews, Vol. 18, Iss. 3, pp. 66–77.
6. Shao Z., Yuan S., Wang Y., Xu J., 2022, Evolutions and trends of artificial intelligence (AI): research, output, influence and competition, Library High Tech, Vol. 40 No. 3, pp. 704–724, DOI: https://doi.org/10.1108/LHT-01-2021-0018
7. Turing A.M., 1950, Computing Machinery and Intelligence, Mind, Vol. LIX, Iss. 236, pp. 433–460, DOI: https://doi.org/10.1093/mind/LIX.236.433
8. Yu J.H., Chauhan D., Iqbal R.A., Yeoh E., 2024, Mapping academic perspectives on AI in education: trends, challenges, and sentiments in educational research (2018–2024). Education Tech Research Development, DOI: https://doi.org/10.1007/s11423-024-10425-2