הבינה המלאכותית מפתיעה ומפליאה - פריצת דרך טכנולוגית שמבטיחה מהפכה. 

אבל כשזה מגיע לשילוב בלמידה - מתפקידנו לחשוב באופן ביקורתי ומקצועי, לשקול את צעדינו על בסיס מה שאנחנו יודעים על בינה אנושית.  

הפלא הוא ביכולת לייצר תשובות כמו-אנושיות:  מאורגנות, משמעותיות, מתקשרות איתנו בבהירות

אבל הפלא הזה הוא גם הבעיה - יצירת משמעות היא לב הלמידה, כשהמכונה חושבת בשבילנו, אנחנו לא לומדים.

למי עוזרת ובמי היא פוגעת?

בינה מלאכותית עשויה לעזור למומחים המשתמשים בה תוך שליטה מלאה בתהליך:  יש להם ידע קודם, כישורים, יכולת להגדיר מטרה, לבקר את התוצאה, לעצב אותה ולשפוט את איכות התוצר.

הבינה המלאכותית עלולה לפגוע במי שמשתמש בה בשלבי הלמידה: לטירונים אין ידע קודם, יכולת להגדיר מטרה או להכווין תהליך. הם עלולים לשפוט תשובה כטובה, רק משום שהיא כתובה טוב. וזה קורה כל הזמן.

לכן, חיוני שבתהליכי קבלת החלטות נבחין בין ההזדמנות עבור מומחים (שרכשו דעת בעידן הישן) לבין הסיכון עבור מי שאנחנו מבקשים  לעצב עבורם תהליכי למידה טובים למען עתידם.

מהם מיומנויות בינה מלאכותית ומתי צריך לרכוש אותן?

המיומנות החשובה ביותר לשימוש מושכל ואחראי בבינה מלאכותית היא ידע ומומחיות בתחום תוכן מסוים. וכאן אין (לצערנו) קיצורי דרך.

• עם בסיס ידע ומומחיות - אפשר להשיג תוצרים טובים במאמץ לא גדול ועם אוריינות בינה מלאכותית בסיסית.

• בלעדיו - אין "אוריינות" שנוכל להקנות שתבטיח שהביצועים עם בינה מלאכותית יהיו טובים ומועילים (משול ליישום טכניקות להבנת הנקרא, בלי לדעת את שפת הטקסט). 

כשאנחנו מדברים על "הקניית כישורי בינה מלאכותית" - אנחנו מדברים בעצם, קודם כל,  על ידע ומיומנות בתחום תוכן, כן, "old school". 

מה זה אומר לגבי שימוש בבינה מלאכותית בתהליכי למידה? 

אם הכישורים הבסיסיים הם חיוניים - עלינו להקנות אותם לפני התנסות בבינה מלאכותית. למידה מתרחשת מהבסיס ולמעלה, וניסיון להקנות כישורים גבוהים בהנחתה מלמעלה, כמוהו כבניית מגדלים באויר. ולכן אם אנחנו רוצים להבטיח הכשרה טובה לדורות העתיד, עלינו לשקול את דרכי הטמעה של בינה מלאכותית על פי השלב בהכשרה, ככל שמתקדם פחות - חובתנו לקחת פחות סיכונים.  ראו את הטבלה המוצעת: