Neviditelný pes První český ryze internetový deník. Založeno 23. dubna 1996

SLABINU ZATÍM UKAZOVALI

všichni ministři školství po " sametu " a to těmi svými experimenty a

předností práva před povinnostmi

Výsledky předplyšákového školství jsou vidět na vás (a není to pěkný pohled). No, co

Nu, pane Grundmanne, máte jedinečnou příležitost ukázat co ve vás opravdu je. Vypněte tu AI co používáte a z vlastní hlavy napište obhajobu tohoto textu, ve které ukážete porozumění danému problému, zasadíte argumenty do správného rámce a prokážete jejich platnost v daném kontextu.

Ta výzva vychází z představy, že text vzniká „z hlavy“ v čisté, izolované podobě. Tak jsem ale nikdy nepracoval.

Od začátku jsem pracoval s delšími kusy textu, jako by byly součástí samotného jazyka. Pro mě jazyk nebyla jen slovní zásoba a gramatika. Jazykem byly i celé odstavce, argumentační schémata, stylistické bloky vytvořené jinými lidmi. Ty jsem bral jako stavební prvky vyšší úrovně.

S těmito bloky jsem pracoval podobně jako s větami nebo slovy. Uplatňoval jsem na ně vlastní „gramatiku“ – přeuspořádával jsem je, měnil jejich funkci, zasazoval do jiného rámce. Sémantika pro mě nebyla jen význam jednotlivých slov, ale význam celých kratších úseků textu. Ty se daly kombinovat, transformovat a přenastavovat.

Před písemnými pracemi jsem si obvykle našel dostatečné množství vhodných textů. Ty jsem různě propojil, promíchal a především jim dal nový obsah a směr. Vnější styl mohl zůstat podobný, ale významová struktura byla jiná. Takto jsem psal literární práce už na střední škole. Výsledkem byly texty, které svou úrovní často přesahovaly běžný studentský standard – právě proto, že pracovaly s vyšší škálou struktury.

AI dnes dělá totéž, jen rychleji a systematičtěji. Automatizuje manipulaci s jazykovou vrstvou a umožňuje pracovat s textovými bloky efektivněji. Princip je však stejný: rozhodující je to, jaký význam do struktury vložím a jak ji přeuspořádám. Nástroj může dodat formu, ale směr a obsah zůstávají věcí autora.

Pan Grundmann si z nás dělá perdel a hezky se tím baví. Vidím ho jak čeká na každou reakci na jeho článek, aby mohl perlit a smát se u toho.

Tím žije? Dospělý chlap? Tak to je mi ho líto.

Nekrmte trola, ať si povídá s Ai sám

Žák, který si nechá napsat písemnou práci od AI, se nejspíš bude divit. Práce bude sice působit velice uhlazeně a logicky, ale to jen proto, že tam, kde chybí informace, si je AI vymyslí. Postupuje totiž podle známé zásady, že pravda nesmí ohrozit dobrý příběh.

Zkušený učitel pozná práci AI i podle některých specifik v jejím zacházení s češtinou.

Tato námitka vychází z implicitního předpokladu, že kvalitní práce s informací je možná jen tehdy, pokud ji člověk sám vytvořil. A že kdo pracuje s cizím materiálem, nutně se „prozradí“. To ale není obecně pravda.

Schopnost generovat primární obsah a schopnost pracovat s již existující informací jsou dvě odlišné dovednosti. Někdo může být průměrným původcem myšlenek, ale výjimečným editorem, syntetikem nebo strukturalistou. Dokáže cizí materiál uspořádat lépe, než jej původní autor formuloval. To není podvod, ale práce na jiné škále.

Práce na vyšší škále informace znamená reorganizaci struktury, hledání souvislostí, kompresi a nové zasazení do kontextu. Na nižší škále jde o formulaci jednotlivých vět, lokální argumenty nebo stylistické nuance. Tyto úrovně spolu přímo nesouvisí. Člověk může být slabší v mikroskopické jazykové vrstvě a současně silný v makrostruktuře významu.

Stejně tak představa, že „AI si tam, kde chybí informace, něco vymyslí“, neodlišuje stroj od člověka. I člověk, který nemá dost dat, doplňuje mezery interpretací. Rozdíl je v kontrole a odpovědnosti, nikoli v samotném mechanismu.

Zkušený učitel může rozpoznat určité stylistické stereotypy. To ale neznamená, že rozpozná původ textu obecně. Rozpozná spíše nesoulad mezi schopností studenta v ústním projevu a kvalitou odevzdaného textu. To je pedagogický problém konzistence, nikoli ontologická vlastnost textu.

Podstata věci je jiná: práce s informací na vyšší úrovni může být kvalitnější než její prvotní vytvoření. A schopnost takto pracovat není nutně svázána s tím, kdo danou informaci původně formuloval.

1/ Žák, který se nenaučí zformulovat text bez AI, bude v pozici žáka, který bez kalkulačky na úlohu 5 x 8 hledí zcela bezmocně.

2/ Až se algoritmům podaří "porozumět problému", bude pro žáky už taky zbytečné se to učit?

Přirovnání s příkladem 5 × 8 je zavádějící. Žák nemusí hledět bezmocně – může výsledek odvodit. Bude ale pomalejší než ten, kdo má násobilku zautomatizovanou. A škola obvykle hodnotí rychlost stejně tvrdě jako správnost. Pokud řešení trvá příliš dlouho, je praktický výsledek stejný, jako by řešení nebylo.

Tím se dostáváme k podstatě problému: co vlastně škola hodnotí. Zda schopnost dospět ke správnému výsledku v reálném kontextu, nebo schopnost splnit izolovaný úkol za přesně definovaných podmínek a v omezeném čase. To jsou dvě různé věci. V reálném životě je klíčová efektivita a schopnost pracovat s dostupnými nástroji. Nikdo neoceňuje, že jste počítali z hlavy, pokud jste kvůli tomu přišli o zakázku.

Totéž platí pro psaní textů. Drtivá většina profesionálních textů nevzniká „z nuly“. Vznikají úpravou existujících materiálů – smluv, analýz, článků, podkladů, rešerší. Hodnota spočívá v přetvoření, zestručnění, zpřesnění a přizpůsobení novému účelu. Schopnost napsat izolovanou esej bez jakékoli opory je spíše školní disciplína než běžná profesní potřeba.

Otázka tedy nezní, zda se má člověk něco učit, ale co má být cílem výuky. Pokud je cílem rozvíjet strukturované myšlení, pak je třeba ověřovat porozumění problému – například diskusí nebo obhajobou. Pokud je cílem trénovat rychlou manuální produkci textu bez nástrojů, pak je to legitimní, ale je třeba si přiznat, že jde o uměle vytvořenou situaci.

Až algoritmy „porozumí problému“, nezmizí potřeba porozumění u člověka. Zmizí pouze potřeba vykonávat rutinní část práce. Stejně jako kalkulačka nezrušila matematiku, ale přesunula důraz od mechanického počítání k práci s modely. AI dělá totéž v oblasti textu: přesouvá hodnotu z manuální produkce na vyšší úroveň práce se strukturou a významem.

Jestli bych si dovolil, ta odpověď je daná, rozlišením - o jaké - domácí písemné práce jde.

Protože - na straně jedné pod to patří - finální (diplomové) práce VŠ studia. A tady by mělo být dané, že takové, v článku popsané požadavky, být mohou, protože - taková práce - už je (má být) na úrovni práce vědecké.

A že - pokud toho - na této úrovni VŠ školství není schopno, je dáno spíše inflací VŠ vzdělání- nejen tedy u nás, ale i globálně. Ale řešit toto je - daleko složitější problém.

A nebo pod to zahrneme -veškeré -domácí písemné práce" požadované ve školách, už od ZŠ, přes SŠ. Nejen ty dnes oblíbené "prezošky", ale i domácí úkoly a podobně. Ovšem tady si musíme přiznat, jednu věc

- učení ve škole znamená skutečně "učit se" - ale pod toho skutečně patří zejména i to převzetí=zapamatování si těch statických znalost a dovedností.

Což se sice dá snadno zesměšňovat /třeba v případě dějepisu nebo tak), ovšem je nutné si uvědomit, že totéž platí i pro učené postupy třeba i ve fyzice nebo matematice.

Že dejme tomu - počítání se zlomky, nebo řešení - rovnic, je dáno už sjednoceným, pevně daným matematickým postupem, který je pro všechny jednotný - a tudíž i učitel může pouze zkontrolovat, zda student/žák ten postup dodržel, a nikoliv s ním (proboha) vedl disputaci na téma, proč použil ten, nebo proč si nevymyslel, sám nějaký naprosto originální - se kterým by třeba dospěl i k jiném matematickému výsledku

Rozlišení mezi diplomovou prací a domácím úkolem je samozřejmě relevantní. Ale pod povrchem je ještě obecnější princip: lidská znalost je škálovaná.

Existují různé úrovně práce s informací. Na nižší škále jde o zvládnutí konkrétního postupu – výpočet se zlomky, řešení rovnice, aplikaci definice. Na vyšší škále jde o strukturu, model, kontext a smysl. A není pravda, že práce na vyšší škále vždy vyžaduje paralelní manuální práci na škále nižší. Pokud je škálování rozumné, může být nižší vrstva zautomatizována, aniž by tím utrpělo porozumění vyšší vrstvě.

Problém však nastává, když je škálování navrženo špatně. To je dnes patrné například v informatice. Z jednoduchých úloh se často vytvářejí uměle komplikované systémy, které operují na „vyšší škále“, ale jsou špatně konstruované. Pokud programátor nerozumí nejnižší vrstvě – paměti, datovým strukturám, logice běhu – může uvíznout v pasti vlastních abstrakcí. Vyšší škála pak není zjednodušením, ale zdrojem chaosu.

Dnes jsme dokonce v situaci, kdy vytvořit program pomocí moderních frameworků a nadstavbových vrstev může být časově i kvalifikačně náročnější než napsat jednodušší, čistší řešení na nižší škále „postaru“. To není argument proti abstrakci, ale proti špatnému škálování.

Ve školství tedy nejde o to, zda má žák umět postup. Jde o to, zda je konkrétní nižší vrstva skutečně nezbytná pro pochopení vyšší. Některé statické znalosti je nutné internalizovat, jinak se vyšší struktura rozpadne. Jiné lze bez ztráty smyslu delegovat nástroji.

Otázka zní: na jaké škále chceme, aby student pracoval, a které vrstvy musí mít skutečně pod kontrolou, aby vyšší úroveň nebyla jen iluzí. Pokud je škálování rozumné, automatizace nižších vrstev je přirozeným krokem vývoje. Pokud není, vzniká jen komplikovaná konstrukce bez skutečné hodnoty.

dobre si Grundman naondil do huby !!

Takže budeme posuzovat dvě různé věci - autorovo pochopení textu napsaného umělou inteligencí a autorovo pochopení textu napsaného samotným autorem?

Vlastně proč ne, pak by třeba byl schopen poznat, že napsal nepochopitelnou zmatlaninu

Zatímco vaše nedostatečná inteligence za pomoci té umělé tvoří nesmyslné teoretické žvásty, napsal ten vámi tolik odsuzovaný Macinka něco smysluplného. Z vlastní hlavy, vlastními slovy. Tady byste si mohl "odřezat silný plátek", řekl by Němec.

https://www.novinky.cz/clanek/zahranicni-amerika-m...

Už jsem si toho článku všiml a inspiroval mě pro budoucí článek na Neviditelném psu. Tento můj článek už je v řadě na publikaci.