Category: AI

Vi som föddes i mitten av 70-talet växte upp mitt under den stora hemdatorvågen under 80-talet. Nästan så länge jag kan minnas har jag först lekt och därefter arbetat med datorer. Till en början skrev jag av korta program från olika tidskrifter som pappa prenumererade på, men så småningom började jag förstå hur det funkade och skrev egna program. Ett tag var det mycket Commodore-datorer. Först kom VIC-20, sedan C64 och senare även 128D.

Någon gång i skiftet mellan 80- och 90-talet hade jag fått för mig att jag skulle skriva ett datorprogram som kunde simulera mänskligt språk. Jag minns inte varifrån inspirationen kom, men tanken var i alla fall att mata datorn med information om olika ord och deras böjningsformer, för att sedan låta datorn slumpmässigt skapa några olika syntaktiskt korrekta meningar. Vid den här tiden var det PC-datorer som gällde och jag tror att jag skrev den första versionen i GW-BASIC.

På sommarlovet hängde jag med min kusin och vi fick för oss att vi skulle utveckla det här programmet vidare. För att göra research åkte vi till kommunbiblioteket och lånade lite böcker om hur det här med grammatik funkade. Vi försökte sätta oss in i konjugationer, ackusativobjekt och nominalfraser. Jag har fortfarande kvar en del av anteckningarna som vi gjorde.

Den nya versionen av programmet, kallat “Language – the ultimate språkbusprogram”, skrevs i Amiga Basic på min kusins dator. Vi tog en ordlista och matade mödosamt in olika roliga substantiv, verb och adjektiv. Sedan körde vi igång programmet och lät datorn generera en massa slumpmässiga meningar som vi läste högt för vår omgivning och fnissade glatt åt. Det kunde se ut så här:

Jonas kastade en soffa på bilen.
En telefonkatalog leker bakom svansen.
Katten ångar.
Köttbullarna äter soptunnorna.

Kanske måste man ha varit med själv under de där sena kvällarna för att förstå hur roligt det var.

I dessa tider, när betydligt mer avancerad generativ AI sveper över världen, kan jag inte låta bli att tänka tillbaka på den där sommaren när min kusin och jag pluggade grammatik, satt i källaren och kodade och skrattade åt datorns tokiga meningar. Tänk om vi då kunnat ana var vi är idag, trettio år senare. Delar av programkoden finns fortfarande kvar, utskriven på klassiskt pyjamaspapper. Kanske skulle jag dra igång programmet igen?

Sedan något halvår tillbaka lever vi i en ny värld. En värld där många upplever att de inte kan lita på varandra. Det innehåll som jag ser på sociala medier, i nyheterna eller i mina studenters inlämnade arbeten, har det producerats av en människa eller är det datorgenererat? Generativa AI-tjänster lovar oss ett enklare, skönare liv men ställer samtidigt till det för oss som lärare. Kan vi ens använda oss av hemtentor längre?

I ett tankeväckande inlägg på bloggen Ditch That Textbook listas tio brännande frågor som utbildare bör ställa sig. Och de flesta av dessa frågor har inga tydliga svar ännu. Det viktiga är att vi har en aktiv diskussion och hjälps åt att utforska detta okända territorium. Ser du till att detta kommer upp på agendan för ditt nästa avdelningsmöte? De första fem diskussionsfrågorna är följande:

1. Vilka AI-relaterade beteenden hos studenter vill vi undvika?
2. Hur kan studenter använda AI på ett ansvarsfullt sätt?
3. Vilka AI-relaterade färdigheter behöver studenter skaffa sig inför framtiden?
4. Vad gör vi i våra klassrum idag som fokuserar på färdigheter som inte är relevanta i framtiden?
5. Ser vi på lärares och studenters AI-användning på samma sätt?

Du kan läsa alla tio diskussionspunkterna, inklusive lite mer utförlig beskrivning i originalartikeln 10 AI discussions schools should have now.

I många år har jag varit examinator för en grundkurs i programmering. Ryggraden i kursen är en serie enkla laborationer där studenterna förväntas producera programkod. Uppgifterna kan vara ganska tuffa för nybörjare, men är förstås elementära för den som är erfaren. Det innebär också att svaren på uppgifterna helt eller delvis finns på nätet. Studenterna kan kolla på frågesajten Stack Overflow, de kan googla fram tentasvar från kurser vid andra lärosäten som hjälper dem på vägen och det kan också finnas tidigare års studenter som generöst lagt upp alla svaren någonstans. Allt det här känner jag till och det gör att jag inte är så orolig för ChatGPT.

Jag har förstås testat att skicka mina labbuppgifter till ChatGPT. Eftersom de är ganska enkla kan ChatGPT ge rätt bra svar. Den producerar snabbt programkod, men också förklaringar av hur koden fungerar. Svaren är inte alltid perfekta, men genom att ställa följdfrågor kan jag få ChatGPT att skriva om koden så att den passar uppgiften.

Men det är inte enbart koden i sig som vi examinerar. Studenterna måste alltid redovisa varje uppgift muntligt. Det innebär att de förklarar för en av mina labbassistenter hur de har tänkt, varför koden fungerar och vad den klarar av. Assistenten ställer också kluriga följdfrågor för att kontrollera att studenten har förstått de koncept som är viktiga i just den här uppgiften. Först därefter får studenten lämna in programkoden för granskning. Oavsett om labben blir godkänd eller inte får studenterna återkoppling på vad de kan tänka på till nästa gång. Assistenten finns också med vid varje laborationspass och svarar på frågor under tiden som studenterna arbetar. Eftersom vi har små grupper lär assistenterna känna studenterna rätt bra och kan följa deras lärandeprocess på nära håll.

Kursens målsättning är inte bara att studenterna ska lära sig programmera i största allmänhet. Det kan man göra på många sätt. På nätet finns gott om filmer, kurser och tutorials som lovar att du kan lära dig snabbt och lätt. Men i min kurs – och i de flesta andra kurser som mina kollegor ger – försöker vi också väva in färdigheter och attityder som är viktiga för yrkesverksamma programutvecklare, sådant som kommer göra livet lättare längre fram. Att studenten kan visa upp en kodsnutt, som hen kanske eller kanske inte har producerat helt själv, är alltså inte det viktigaste.

Du kanske inte undervisar i programmering, men här är några generella tips som du kan ta med dig från min kurs:

• Låt studenterna stå för det som de har lämnat in. Sätt inte bara betyg och lägg svaren i byrålådan utan ställ kluriga följdfrågor.
• Låt examinationen vara kontinuerlig. Försök följa studenternas lärandeprocess nära så att du hela tiden har en uppfattning om vad de kan och inte.

Hur ska man förhålla sig till att något som varit viktigt under stora delar av ens liv plötsligt är ointressant? Du har lagt ner år av möda på att lära dig något, kanske till och med investerat en hel karriär och stora delar av din identitet i en specifik förmåga. Och plötsligt är den inte relevant längre. Marken kommer gunga under fötterna på många av oss under de närmaste åren.

Det diskuterades handskrift på radion häromdagen, mer specifikt hur barn utvecklas av att skriva för hand. En forskare som föreföll både engagerad och seriös hade många bra argument för att barn måste träna sin handstil. Jag kan sympatisera med det, men hur ofta skriver vi egentligen för hand längre? Eftersom jag är hopplöst gammaldags skriver jag fortfarande shoppinglistor för hand, på jobbet skriver jag ibland några enstaka PostIt-lappar, men utöver det får jag sällan nytta av barnaårens skrivstilsövningar. Under min egen grundutbildningstid under andra halvan av 90-talet antecknade jag förstås flitigt för hand vid varje föreläsning, men tentorna gav ändå alltid skrivkramp. Då tänkte jag att vi snart skulle lämna denna arkaiska praktik bakom oss, men det tog lång tid för akademin att inse värdet av att släppa pennan och greppa tangentbordet.

Frågan om handskriftens roll för bildningen är intressant, men den bleknar i ljuset av den mycket större frågan: Vilken roll kommer människor att spela överhuvudtaget i produktionen av texter, bilder, filmer, presentationer och liknande? De generativa AI-verktyg som vi nu har tillgång till har vänt upp och ner på det mesta. Här och nu kanske frågan om vi fortfarande törs använda hemtentor är viktig, men rätt snart behöver vi fundera över betydligt svårare och viktigare frågor. Vilken roll kommer mediaproduktion att spela i våra studenters framtida yrkesliv? Vilka generativa verktyg kommer de att ha tillgång till och vilka förväntningar kommer att ställas på de produktioner som de tar fram?

Sociala medier svämmar just nu över av tips på hur du bäst ska formulera dig i mötet med ChatGPT och vilka andra verktyg du måste testa. Vi behöver troligen inte springa på alla bollar, men vi behöver fundera över hur vi rustar våra studenter för att klara av morgondagens arbetsliv. Framtidens kurser i produktion av text, bild och rörlig media kommer antagligen att behöva besvara följande frågor:

• Vilket eller vilka generativa verktyg ska jag välja för den specifika uppgiften?
• Hur formulerar jag bra prompter till verktygen så att de genererar det jag behöver?
• Vilken eventuell manuell efterbearbetning kräver det som verktygen genererar?

Hur kommer vi dit? Någon måste våga ta första steget och utforska framtiden. Tänk fritt och gör nytt!