Jeg stødte for nylig på en fyr på YouTube, FatherPhi, som tester, hvordan ChatGPT, Claude og andre chatbots klarer forskellige opgaver. I en af videoerne beder han en chatbot om at tælle til 100.
Det lyder ikke som den store udfordring. Det er det heller ikke. For et menneske.
Men for en chatbot kan det være ganske udfordrende. Se videoen herunder.
Men det er netop den slags små øjeblikke, der gør AI så mærkelig. For samtidig kan de nyeste AI-systemer løse fysikopgaver på et niveau, der ville gøre en del af mine elever misundelige. I det nye AIPLA-projekt fra Københavns Universitet siger projektleder Jesper Bruun ligefrem, at AI i dag kan besvare mange af de eksamensspørgsmål, som bruges i fysik. Han understreger dog også, at der er måder at have viden på i fysik, som AI ikke kan have. Den har fx. ikke en forståelse af den fysiske verden gennem sanserne, ligesom mennesker har.
AI kan være skræmmende god til noget komplekst — og samtidig snuble over noget, et barn kan klare.
Det er et mærkeligt paradoks. Lidt som hvis man ansatte en lærer, der kan forklare kvantemekanik på højt niveau, men ikke altid kan finde ud af, hvor mange elever der sidder i lokalet.
Men måske er det netop den slags paradokser, vi skal tage alvorligt.
Den hakkede grænse
Ethan Mollick, som er associate professor ved Wharton School på University of Pennsylvania og skriver meget skarpt om AI og undervisning, bruger udtrykket the jagged frontier om den hakkede grænse for, hvad AI kan. Pointen er, at AI kan være skræmmende god inden for nogle opgaver og samtidig falde mærkeligt igennem på andre, uden at den grænse følger vores almindelige fornemmelse af, hvad der burde være let og svært. Mollicks råd er derfor ikke bare at have en mening om AI, men at bruge den nok til faktisk at få øje på, hvor den er stærk, og hvor den kommer til kort.
Den kan hjælpe med noget, der ligner avanceret faglig problemløsning eller analyse, men snuble over noget, selv et barn kan klare. Og det er præcis derfor, vi som undervisere er nødt til selv at eksperimentere med AI i vores egne fag.
Vi kan ikke forstå AI på afstand. Vi er nødt til at prøve den af i vores egne fag.
Vi kan ikke forstå AI på afstand. Vi kan ikke læse os til dens grænser. Vi er nødt til at prøve den af dér, hvor vi selv har faglig dømmekraft nok til at opdage, når den rammer plet, og når den bare lyder som en elev, der har læst overskriften og improviserer resten.
Det er måske den vigtigste pointe.
Vi skal ikke bare kende vores fag. Vi skal også kende AI’s formåen i vores fag. For ellers kan vi heller ikke hjælpe eleverne med at bruge teknologien hensigtsmæssigt.
AI må gerne tage det kedelige
Og her er Jesper Bruuns pointe hjælpsom.
Jesper Bruun er lektor ved Institut for Naturfagenes Didaktik på Københavns Universitet og leder AIPLA-projektet, som undersøger, hvordan generativ AI kan blive en meningsfuld del af gymnasiernes fysikundervisning. Hans formulering er befriende uprætentiøs: AI må gerne tage det kedelige. Altså de mere rutineprægede og repetitive dele af arbejdet, så der bliver mere tid til det, der faktisk er fagligt vigtigt.
Det synes jeg er en vigtig pointe.
For spørgsmålet er ikke, om lærere skal være begejstrede eller bekymrede. Det bliver hurtigt en lidt trættende debat, hvor optimisterne og pessimisterne står klar i hver deres ringhjørne.
Det interessante spørgsmål er langt mere jordnært:
Hvilke dele af arbejdet kan AI med fordel understøtte, og hvilke dele må eleven stadig selv kæmpe med?
Hvis AI kan hjælpe med at tegne en graf, udregne et gennemsnit, skabe overblik, eller tage de mere mekaniske dele af en opgave, så kan der måske blive mere tid til det, som undervisningen faktisk burde handle om: forståelse, vurdering, dømmekraft, faglig samtale og eksperimenter.
Hvis lærere ikke selv undersøger AI’s grænser i deres fag, kommer eleverne til at gøre det alene.
Men det kræver til gengæld noget af læreren. For det er ikke nok at sige til eleverne, at de bare skal bruge AI fornuftigt. Det svarer lidt til at sige til en 1.g-klasse, at de bare lige skal lære at arbejde selvstændigt, og så håbe på det bedste.
Hvis elever skal bruge AI klogt, må nogen vise dem, hvad det vil sige.
Hvornår hjælper den?
Hvornår gør den arbejdet lettere på en god måde?
Og hvornår fjerner den netop den tænkning, eleven havde brug for at træne?
Det kan vi kun hjælpe med, hvis vi selv har været nede og rode i maskinrummet. Hvis vi selv har set den være genial. Og dum. Og genial igen.
Det er måske også derfor, lærerrollen ikke bliver mindre vigtig af AI. Tværtimod. For jo mere AI kan tage det kedelige, desto vigtigere bliver det, at vi som lærere ved, hvad der ikke er kedeligt, men vigtigt.
Hvis lærere ikke selv undersøger AI’s grænser i deres fag, kommer eleverne til at gøre det alene.
