For cirka 10 år siden lavede Derek Muller videoen The most persistent myth. Videoen gennemgår en lang række opfindelser som film, radio, computere og internettet, som alle er blevet fulgt med forudsigelsen “This will revolutionize education”.

I dag kan Muller inkludere generativ kunstig intelligens, som også mange steder hævdes at ville revolutionere uddannelse. “Integration AI into education marks a cutting-edge advancement. AI-powered tools such as adaptive learning software and AI tutors are at the forefront, revolutionizing education by customizing learning materials to meet individual student needs” (s.  52) skriver Karl M. Kapp og Jessica Briskin i artiklen “Transformative Teaching with AI” i Teaching and Learning in the Age of Generative AI.

Bogen bærer undertitlen Evidence-Based Approaches to Pedagogy, Ethics, and Beyond, hvilket forekommer at være en kraftig overdrivelse. Der er ikke meget i de 17 artikler, bogen indeholder, der trækker på evidenstænkning eller fremlægger bevis for forskellige påstande. Der foreligger efterhånden en række metastudier over anvendelsen af generativ kunstig intelligens inden for forskellige områder af uddannelsesverdenen. Disse er dog modstridende og der foreligger ikke noget, man kan kalde evidens for hverken det ene eller det andet. Og det er heller ikke noget, de forskellige artikler i antologien i øvrigt henviser til.

Det ville også være underligt at henvise til evidens set i forhold til, at den store udbredelse af teknologien har været relativt kortvarig. På tidspunktet for denne bogs tilblivelse taler vi formentlig om ca. halvandet år. Desuden er uddannelser meget forskellige og foregår i meget forskellige sammenhænge, så der vil næppe kunne foreligge klar evidens for, hvordan generativ kunstig intelligens påvirker uddannelse som sådan.

“This will revolutionize education” er en tom frase, der typisk ser bort fra den kompleksitet, der kendetegner uddannelsesverdenen. Og i mange sammenhænge - og det gælder også for de fleste af artiklerne i denne antologi - hævdes det revolutionerende ved GenAI at være personaliseret undervisningsforløb, intelligente tutorer og adaptive læringsplatforme. Der er fokus på formidling af viden og information på forskellige måder, som om læring primært handler om et indhold i snæver forstand. Det er i øvrigt også kendetegnende for de andre former, som har skullet revolutionere uddannelser over en bred kam. Her har fokus også været på transport af information. Man har kigget på medieringen af information, hvilket er en meget snæver forståelse af information.

Der er et rigtig godt meme, der fanger denne problemstilling: “Do you remember before the internet that people thought that human stupidity was caused by the lack of access to information. Well… it wasn’t that!” Uddannelse eller læring er ikke ensbetydende med lettere adgang til information, hvilket er den underliggende opfattelse i meget af den hype, der gælder diskussionerne om den betydning, generativ kunstig intelligens vil få for uddannelserne.

Leticia De Leon har dog en god bemærkning i forhold til denne diskussion i sin artikel Developing a Framework for Implementing AI in Education and Evaluating Its Use. Hun skriver blandt andet: “... when an innovative technology disrupts our current method of thinking or operating, we also have to consider what criteria we apply for using it, as well as whether it is as effective as it promises. Who measures this? What criteria should be used to evaluate its use and what are the long-reaching consequences to learning and pedagogy” (s. 19)?

Dette spørgsmål ser dog ikke ud til at have påvirket af de øvrige bidrag, der på trods af visse bemærkninger om kritisk tænkning og påmindelser om at forholde sig skeptisk til generede output, primært følger den hype, som er iscenesat af tek-virksomhederne og som forstærkes i den offentlige debat, hvor nuancer og forståelse for uddannelse ofte er totalt fraværende.

Bogen falder i fem dele. Først to artikler som udgør Foundations and Frameworks of AI in Education, og som giver lidt baggrund og peger på, hvordan uddannelser kan gribe det an, når undervisere og studerende anvender GenAI.

Del to handler om, hvordan GenAI ændrer og transformerer undervisning og læring. Her bliver der peget på, at GenAI kan tage sig af alle de ting, der træls for en underviser, mens underviseren så kan tage sig af de menneskelige aspekter ved undervisningen. Dette er i øvrigt også en generel forestilling, man ofte støder på i talen om GenAI. Teknologien kan klare de opgaver, der er repetitive, mens mennesker så tager sig af “kerneopgaven” eller “de spændende og udfordrende opgaver”, der jo angiveligt så bliver mere tid til. Prøv at spørge på slagterierne om teknologien har givet mere tid til spændende opgaver for slagteriarbejderne. Og hvordan er det nu, indførelsen af ny teknologi plejer at påvirke arbejdsprocesser uanset om vi taler om det offentlige eller private arbejdsmarked?

Jason Gulya ser et stort potentiale i anvendelsen af tilpassede kunstige intelligenser. Underviserne kan lave tilpassede chatbots, der præcis er målrettet den gruppe studerende, man underviser. Men et endnu større potentialer ser han i, at de studerende selv tilpasser chatbots. “However, the true potential of generative AI is not these pre-made tutors, but the ability of students to quickly and easily create their own tutors…. I suspect the future is not professor-driven, personalized learning. It will be student-driven, personal learning” (s. 80f).

Jeg gætter også på, at studerende kan få meget ud af at tilpasse chatbots til forskellige dele af deres studier, men det er ikke det samme som, at det vil udgøre en væsentlig del af deres uddannelse eller deres læring. Her bliver spørgsmålet mere, hvad de anvender de tilpassede chatbots til og hvordan. Dette er Gulya også inde på, og han påpeger, at man skal forholde sig kritisk og skeptisk til output fra chatbots. Han henviser til, at chatbots er stokastiske papegøjer, hvorfor man ikke kan stole på outputs. Derfor er der brug for AI literacy.

Men han mener, at dette problem er midlertidigt. Han siger, at chatbots “currently [are] stochastic parrots” (s. 84), men dette vil teknologien selv rette op på ved at inddrage netsøgninger, hvor den vil “[browse] online, jumping between different websites, and [pull] information from different programs as the user watches” (s. 85). At en chatbot ikke trækker informationer ud af en hjemmeside eller en informationsdatabase ser ikke ud til at bekymre forfatteren. Her er en manglende inddragelse af den måde, teknologien fungerer på ved at “oversætte” tekst til vektorer, der angiver en sandsynlighed i sammensætningen af ord.

Del tre handler om etiske og institutionelle overvejelser over, hvad det vil betyde at integrere GenAI i uddannelsessammenhænge. Her møder man også en underlige ureflekteret dobbelthed af en hypet opfattelse af det revolutionerende ved teknologien, som står ved siden af en mere forsigtig og skeptisk holdning til betydningen af generede output.

Eksempelvis skriver Krzysztof Walczak og Wojciech Cellary, at GenAI “[are] providing unprecedented capabilities of generating coherent and contextually appropriate text across numerous applications” (s. 165). Men senere hedder det: “In conclusion, AI chatbots based on LLMs do not have access to or operate on the entirety of humanity’s accumulated knowledge. Consequently, they inevitably miss out on a significant portion of information in their responses…. AI systems can provide answers that are not only incomplete, but also potentially inaccurate…. the inherent statistical nature of machine learning introduces an irreducible level of error” (s. 173).

Man kan sige, at det er fint med en afbalanceret tilgang, der peger i forskellige retninger. Men som læser savner jeg en mere sammenhængende diskussion af denne afbalancering. Hvad betyder den konkluderende bemærkning for det første citat fra artiklen? Og for at gøre det hele endnu mere forvirrende skriver forfatterne også: “Generative AI systems can inadvertently spread disinformation due to the inherent limitations of the underlying technology” (s. 174). Men her ser de helt bort fra, at det jo er mennesker, der anvender chatbotterne, og derfor er det også mennesker, der kan vælge at sprede mis- og disinformation.

Fjerde del er en tematisering af, hvordan undervisere og studerende kan forberede sig til integration af GenAI, og den sidste del peger på fremtidige tendenser og implikationer af GenAI i uddannelse. Her fremstiller Joseph Rene Corbeil en række fremtidsscenarier, der beskriver anvendelsen af GenAI i 2040. Han peger her meget tydeligt på den forestilling om læring, som jeg også tidligere har peget på.

Han hævder, at vi vil nærme os noget, han med en term hentet fra Chris Weil kalder “phygital learning environments”, hvor fysiske og digitale aspekter er blandet sammen, så man ikke skelner mellem dem. Og han beskriver, hvordan en studerende med wearables vil gå på universitetet (så meget for revolutionen af uddannelse) og mødes med andre mennesker, når han ikke interagerer med virtuelle studerende og undervisere i et virtuelt space. “Alex actively participated in the discussion, his AI assistant taking notes and suggesting relevant questions. The lively exchange of ideas invigorated him, and he appreciated the real-time insights provided by his AI” (s. 364).

Corbeil kalder sine fremtidsscenarier for design fiction ud fra en metode med “diegetic prototypes”. Og det kan jo være meget sjovt med den slags fiktionsskriverier, men jeg savner, at han tager en grundig diskussion af, hvordan dette fremtidsscenarie med Alex forholder sig til Alex’ læreproces og hans uddannelse. Det forekommer mig, at den beskrevne fremtid ikke er særlig attraktiv. Men først og fremmest kan jeg være nervøs for, om Alex lærer noget i den proces, der er beskrevet. Det ser ud til, at det er fraværet af anstrengelser, der er det afgørende i scenariet. Ganske vist er der også beskrevet, at denne måde at uddanne sig på er særligt motiverende, men der er ikke evidens for, at teknologi – generativ eller ej – i sig selv forekommer motiverende for elever og studerende. Men det er faktisk en underliggende præmis i flere af artiklerne.

Antologiens mange kapitler fremstiller alle aspekter, der er vigtige at overveje, når man arbejder med integration af GenAI i en uddannelseskontekst. Men jeg synes ikke, at de bidrager væsentligt til denne debat. Det er også tydeligt, at et bogprojekt som dette har nogle udfordringer i forhold til at beskrive noget, der udvikler sig, mens forfatterne skriver. At forholde sig til et emergerende felt som GenAI og uddannelse kræver, at man hæver sig op på et mere generelt niveau, så emnerne ikke som løst strandsand flyder ud mellem fingrene på en. Og dette formår bidragene i denne antologi efter min mening ikke.