VDU dėstytojas Augustinas Balaišis apie dirbtinio intelekto technologijų naudojimą universitete ir keliamus iššūkius

Dirbtinio intelekto (DI) asistentai per pastaruosius kelerius metus tapo ne tik technologinių kompanijų eksperimentų lauku, bet ir vis labiau įsitvirtino universitetų kasdienybėje. Nuo dirbtinio intelekto mokymų universitetų darbuotojams – iki pagalbos dėstytojams rengiant mokymo medžiagą ar administracinių procesų automatizavimo. Vis dėlto spartėjantis dirbtinio intelekto integravimas į studijų ir darbo procesus neišvengiamai kelia klausimų apie akademinės bendruomenės atsakomybę, žinių patikimumą ir etikos standartus. Kiekvieną mėnesį Universiteto darbuotojai dalyvauja VDU Profesinių kompetencijų vystymo centro organizuojamose profesinio tobulėjimo veiklose. Jose nuosekliai aptariamos skaitmeninių kompetencijų stiprinimo, dirbtinio intelekto įrankių taikymo dėstymo procese, moksle ir administracinėse veiklose, taip pat etikos ir duomenų apsaugos temos.

Su VDU Menų fakulteto dėstytoju, dirbtinio intelekto ekspertu Augustinu Balaišiu kalbamės apie tai, kokias galimybes universiteto bendruomenei atveria dirbtinio intelekto technologijos bei kokius iššūkius jos kelia šiandieniniam studijų, dėstymo ir mokymosi procesui.

Dirbtinio intelekto galimybių panaudojimas universitete

Universitetai vis aktyviau eksperimentuoja su įvairiomis DI modelių taikymo formomis – nuo personalizuotų mokymosi rekomendacijų iki eksperimentų, testavimo, naujų žinių kūrimo ir praktikos. Administracijoje DI asistentai padeda atlikti pasikartojančias, laiko reikalaujančias užduotis. Šiandien universitetų prioritetu tampa ne tik technologijų diegimas, bet ir nuoseklus bendruomenės švietimas apie DI taikymo ribas ir galimybes. Būtent čia akademinių ir neakademinių darbuotojų dialogas tampa esminiu – bendros taisyklės ir kritinio mąstymo įgūdžiai leidžia išvengti nekontroliuojamo DI sprendimų naudojimo.

Apie tai kalbamės su VDU dėstytoju Augustinu Balaišiu, kuris pastebi, kad šiandien DI asistentai vis dažniau tampa darbuotojų „supergalia“, padedančia išsilaisvinti nuo rutiniškų užduočių. Jo teigimu, universitetinėje aplinkoje DI akivaizdžiausius pokyčius kuria trijose srityse. Pirma – DI palengvina administracinę naštą. „DI jau seniai įrodė, kad puikiai tvarkosi su dokumentų šablonų pildymu, susitikimų planavimu, didelių duomenų (pvz., stojančiųjų studentų anketų ar apklausų) analize bei pirminių ataskaitų ar savianalizių rengimu. Tai leidžia tiek administracijos, tiek akademiniams darbuotojams pereiti nuo „duomenų suvedinėjimo“ prie sprendimų priėmimo ar net prototipinių situacijų simuliacijų“ – teigia A. Balaišis.

Antra – mokslinė veikla, kurioje DI veikia kaip nepavargstantis asistentas. „Ar pagalvojote, kad ir jūs galėtumėte turėti DI asistentą?“ – retoriškai klausia dėstytojas. Jis pastebi, kad tokio asistento išlaikymas kainuoja mažiau nei minimali mėnesinė alga, o jo kaina – daugiau simbolinė. Pasak dėstytojo, toks įrankis gali per stulbinančiai trumpą laiką apžvelgti šimtus mokslinių šaltinių, padėti generuoti hipotezes, sisteminti literatūrą ar net suredaguoti stiliaus klaidas tekste.

Trečioji sritis – personalizuotas ugdymas, kuriame įvairūs DI asistentai dėstytojams leidžia kurti adaptyvias užduotis, generuoti testus ar pateikti pirminį grįžtamąjį ryšį apie studentų darbus. Nors „DI gali veikti kaip puikus idėjų generatorius, padedantis įveikti „tuščio lapo“ baimę, tačiau kritinį vertinimą ir idėjų atranką privalo atlikti žmogus. Galutinį vertinimą ir empatišką ryšį su studentu pajėgus išlaikyti tik dėstytojas“, – pabrėžia A. Balaišis. Dėstytojo vaidmuo, pasak jo, šiandien transformuojasi iš „žinių perdavėjo“ į „žinių kuratorių“ ir mentorių. „Naujausi tyrimai atskleidžia, kad DI tampa nepralenkiamas divergentiniame mąstyme (gali sugeneruoti šimtus idėjų variantų per sekundę), tačiau konvergentiniam mąstymui yra būtinas žmogus – tam, kad iš šimto pateiktų idėjų atrinktų vieną, teisingą, etišką bei prasmingą.“ Todėl dėstytojo manymu, universitete „gyvos“ paskaitos ir seminarai neišnyks, bet jų formatas keisis. Dėstytojas, užuot perskaitęs skaidrėse pateiktą informaciją, auditorijoje kartu su studentais spręs kompleksines problemas, diskutuos ir mokysis kritiškai vertinti tai, ką sugeneravo technologijos – jis taps kokybiškos informacijos filtru ir kūrybiniu vadovu.

Dirbtinio intelekto asistentai: nuo „ChatGPT“ iki institucinių sprendimų

Nors dėstytojas A. Balaišis kasdien naudoja skirtingus DI įrankius, tačiau jis mato poreikį kurti specializuotus, Universitetui pritaikytus DI asistentus, kurie galėtų atliepti konkrečios auditorijos poreikius, konsultuoti studentus, remdamasis konkrečiais universiteto dokumentais ir pan. „Bendriniai DI modeliai (pvz. „ChatGPT“) neturi „kontekstinės atminties“. Taigi jie nėra susipažinę su VDU vidaus tvarkos aprašais, studijų reglamentu ar specifiniais mūsų universiteto duomenimis“.

Be to, dėstytojas atkreipia dėmesį, kad vieši DI modeliai pateikia informaciją iš viešai prieinamų šaltinių internete, tačiau pastarasis yra milžiniškas informacinis masyvas su daugybe informacinio triukšmo ir ne visuomet gali pateikti teisingą informaciją. Todėl vis dažniau pastebima tendencija, kurti vidinius, izoliuotus DI pagrįstu sprendimus. Pavyzdžiui, „Google“ platformoje „Learn Your Way“ jau yra naudojami personalizuoti, bet saugioje aplinkoje veikiantys mokymosi asistentai.

Paklausus apie tai, kokius DI asistentus rekomenduotų labiausiai, A. Balaišis teigia, kad kiekvienas gali pasirinkti įrankį, atsižvelgdamas į savo poreikius ir užduoties specifiką. Pavyzdžiui, „vienas modelis geriau veikia kūrybiniam rašymui, kitas – tiksliam duomenų apdorojimui, tad „universalaus ir geriausio“ DI įrankio nėra“. Kalbant apie specializuotus, mokslininkams naudingus DI įrankius, sumažinančius „haliucinacijų“ (išgalvotų faktų) riziką dėstytojas pateikia keletą pavyzdžių. Tarkime, „Perplexity“ arba „Consensus“ paieškos sistemose visi teiginiai gali būti pagrindžiami nuorodomis į konkrečius mokslinius straipsnius, o „Elicit“ – gali tapti puikiu asistentu, skirtu sisteminei literatūros analizei“. Anot dėstytojo, dirbant mokslinį darbą verta rinktis šių DI įrankių mokamas versijas, kadangi nemokami DI modeliai dažnai būna „silpnesni“, mažiau tikslūs. Mokama versija yra kokybiškesnis ir patikimesnis pasirinkimas, nes vartotojas gauna prieigą prie protingesnio DI modelio (pvz., „ChatGPT“ ar „Claude“), kuris geba mokytis iš vartotojo pateiktos informacijos ir suteikia didesnes duomenų saugumo garantijas.

Nauji etiniai ir duomenų apsaugos iššūkiai

Dirbtinis intelektas šiandien aukštojo mokslo institucijose kelia naujus etinius ir duomenų apsaugos iššūkius. Todėl neišvengiamai kyla klausimai – kokiais principais aukštojo mokslo institucijų darbuotojai turėtų vadovautis, tikrindami DI asistentų sugeneruotos informacijos patikimumą bei pateikdami profesinę ar asmeninę informaciją.

Dėstytojas A. Balaišis pabrėžia – būtina kritiškai vertinti ne tik DI sukurtą turinį, bet ir patį įrankį. „Šiuolaikiniame pasaulyje gana naivu tikėtis, kad mokant keliasdešimt eurų už paslaugą, asmeniniai duomenys nebus panaudoti korporacijų tikslams ar tam tikrų DI modelių apmokymui. Jeigu produktas pigus ar nemokamas – dažniausiai preke tampa asmens (bei aukštojo mokslo institucijos) duomenys.“ Todėl prieš įkeliant į bet kurią DI platformą darbinius dokumentus, dėstytojas pataria būtinai patikrinti pasirinkto įrankio privatumo nustatymus. Svarbu patikrinti, ar juose yra aiškiai nurodyta, kad vartotojo pateikti duomenys nebus naudojami modelio apmokymui (angl. – training purposes, – red. past.). Dėstytojas rekomenduoja, kad saugiausia rinktis naudoti „Enterprise“ (verslo/organizacijų) versijas. Kadangi pastarosios yra teisiškai įsipareigojusios neviešinti duomenų. Taip pat verta atkreipti dėmesį į serverių lokaciją – ar DI įrankio surinkti duomenys lieka ES erdvėje ir yra saugomi remiantis Bendruoju duomenų apsaugos reglamentu (BDAR), ar visgi gali pasiekti trečiąsias šalis, kuriose duomenų apsaugos standartai yra gerokai žemesni.

Taip pat A. Balaišio nuomone, nevertėtų aklai pasitikėti užsienio korporacijomis. Jis primena apie Danijos ar Vokietijos mokyklų pavyzdžius, kuriose dėl BDAR reikalavimų ir duomenų nutekėjimo į JAV serverius buvo ribojamas „Google“ ar „Microsoft“ produktų naudojimas. „Priklausomybė nuo vieno tiekėjo ar kitos valstybės jurisdikcijos visuomet kelia riziką. Juk pasikeitus geopolitinei situacijai ar teisiniam reguliavimui, galime likti be DI įrankių arba su kompromituotais duomenimis“. Todėl, pasak dėstytojo, aukštojo mokslo institucijų darbuotojai privalo ne tik tikrinti DI sugeneruotą turinį, bet ir kritiškai įvertinti, kam patiki jautrią informaciją, kokioje šalyje saugomi duomenys ir kokios politinės aplinkybės juos gali paveikti.

Kalbant apie konkrečias DI naudojimo rekomendacijas dėstytojams, dirbantiems su studentais, Universiteto lygmeniu, A. Balaišis pabrėžia, kad VDU šiuo klausimu yra nemenkai pažengęs į priekį. Anot jo, VDU bibliotekos tinklalapyje dėstytojai gali rasti išsamią informacinę skiltį apie DI įrankius, Dirbtinio intelekto įrankiais sugeneruoto turinio ir jo citavimo rašto darbuose gaires ir kitus svarbius dokumentus. Pavyzdžiui, Generatyvinio DI rekomendacijas studijų procese ir moksliniuose tyrimuose (2023), LR Akademinės etikos ir procedūrų kontrolieriaus įsakymą Dėl dirbtinio intelekto etiško naudojimo mokslo ir studijų procese gairių tvirtinimo: įsakymas (2024). Taip pat VDU fakultetuose yra sukurtos dirbtinio intelekto darbo grupės, kuriose sprendžiami probleminiai šios srities klausimai.

Nuotraukos:

VDU Menų fakulteto dėstytojas Augustinas Balaišis. VDU, Jono Petronio nuotr.

VDU Profesinių kompetencijų vystymo centro mokymai. VDU, Jono Petronio nuotr.