אוריינות AI
אוריינות AI או אוריינות בינה מלאכותית (Artificial Intelligence Literacy) היא היכולת להבין, להשתמש, לנטר ולחשוב באופן ביקורתי על כלי בינה מלאכותית.[1] המושג מתייחס בעיקר להקניית מיומנויות וידע בקרב הקהל הרחב, שאינו מומחה לבינה מלאכותית.[1]
קיימת הסכמה רחבה לכך שאוריינות AI נדרשת, ושיש להקנות אותה לתלמידים וסטודנטים.[2][1] הבינה המלאכותית מיושמת בהקשרי חיים רחבים, כגון כלי רכב אוטונומיים, עוזרים וירטואליים ועוד. אנשים המשתמשים בכלים אלה צריכים להבין אותם טוב מספיק כדי שיוכלו לקבל החלטות מושכלות ביחס אליהם. גם במערכת החינוך יש שימוש בבינה מלאכותית לטובת שיפור הלמידה, ההוראה והמינהל.[3]
לאוריינות AI צפויות להיות השלכות תעסוקתיות משמעותיות, כך שמי שירכוש אוריינות כזאת יצליח יותר בשוק התעסוקה.[1]
הגדרות[עריכת קוד מקור | עריכה]
אחת ההגדרות המוקדמות והשכיחות[1] לאוריינות AI הייתה ש"אוריינות AI היא מערכת של מיומנויות המאפשרת לאנשים להעריך באופן ביקורתי כלי בינה מלאכותית, לתקשר ולשתף פעולה עם אחרים בעזרת כלי בינה מלאכותית, ולהשתמש בבינה מלאכותית ככלי מקוון בבית ובעבודה."[4]
הגדרות דומות אך מאוחרות יותר הן "היכולת להבין, להשתמש, לנטר ולחשוב באופן ביקורתי על כלי בינה מלאכותית",[1] או "היכולת להבין בינה מלאכותית, להשתמש בה, להעריך אותה ולהפעיל אותה באופן מוסרי".[2][5]
אוריינות AI קשורה לסוגי אוריינות אחרים. אוריינות דיגיטלית היא תנאי מקדים לאוריינות AI, אוריינות מדעית (אנ') ואוריינות חישובית (אנ') יכולות לתרום לה, ואוריינות נתונים (אנ') חופפת לה במידה משמעותית.[4]
תחומים[עריכת קוד מקור | עריכה]
אוריינות AI עוסקת במספר תחומים. השכיחים בינהם הם ידע תאורטי על האופן בו פועלת בינה מלאכותית, שימוש בכלי בינה מלאכותית, הערכה ביקורתית של בינה מלאכותית ואתיקה שלה.
ידע תאורטי[עריכת קוד מקור | עריכה]
ידע והבנה תאורטיים מתייחסים להבנה בסיסית של מהי בינה מלאכותית ואיך היא פועלת. זה כולל היכרות עם אלגוריתמים של למידת מכונה והמגבלות וההטיות הקיימות במערכות בינה מלאכותית.[6] משתמשים בעלי ידע תאורטי צריכים להכיר טכנולוגיות שונות המשתמשות בבינה מלאכותית, כולל מערכות קוגניטיביות, רובוטיקה ולמידת מכונה.[4]
יישום[עריכת קוד מקור | עריכה]
יישום מתייחס ליכולת להשתמש בכלי בינה מלאכותית על מנת לפתור בעיות ולבצע משימות. לדוגמה, תכנות וניתוח קובצי נתונים גדולים.[6]
הערכה[עריכת קוד מקור | עריכה]
הערכה מתייחסת ליכולת להעריך באופן ביקורתי את האיכות והמהימנות של מערכות בינה מלאכותית. הערכה מתייחסת גם ליכולת לתכנן ולבנות מערכות בינה מלאכותית הוגנות ומוסריות.[6] לצורך ביצוע הערכה, המשתמשים צריכים גם ללמוד באילו תחומים הבינה המלאכותית חזקה, ובאילו תחומים היא חלשה.[4]
שימוש ביקורתי בעוזרים וירטואליים כמו אלקסה וסירי דורש גם פיתוח מיומנויות נוספות:[7]
- אוריינות פרטיות - היכולת לזהות איומים על הפרטיות, לנהל אותה ולהגן עליה
- אוריינות שכנוע - זיהוי ומניעה של השפעה של מערכות דמויות אדם
- יכולת רגשית - היכולת לנהל תסכול וחרדה העולים באינטראקציה עם עוזרים וירטואליים
- רפלקציה - היכולת לדעת מהם הצרכים,העקרונות המוסריים והסכנות האישיים
מוסר[עריכת קוד מקור | עריכה]
ערך מורחב – אתיקה של בינה מלאכותית
מוסר או אתיקה של בינה מלאכותית מתייחסים להבנת ההשלכות המוסריות של בינה מלאכותית, והיכולת לקבל החלטות מושכלות ביחס לשימוש בכלים של בינה מלאכותית.[6] תחום זה כולל שיקולים כגון:
- אַחְרָיוּתִיּוּת (אנ') - לוודא שהמשתמשים לוקחים אחריות על האופן בו כלי הבינה המלאכותית פועלים ועל עמידה בעקרונות אתיים[8]
- דיוק - להכיר ולדווח על גורמי טעות ואי-ודאות באלגוריתמים ובנתונים[8]
- בקרה - לאפשר לגורם שלישי לבחון את התנהגות האלגוריתם באמצעות שקיפות במידע[8]
- הסברתיות - לוודא שניתן להסביר בשפה פשוטה את ההחלטות האלגוריתמיות והנתונים שבבסיסן[8]
- הוגנות - למנוע אפליה, לכלול מנגנוני ניטור ולשקול נקודות מבט מגוונות.[8] לשם כך, יש להרחיב גם את המגוון התרבותי של החוקרים והחוקרות בתחום.[9]
- האדם במרכז ורווחה נפשית - לתת קדימות לצרכים ולרווחתם הנפשית של בני האדם[8]
- זכויות אדם - לוודא שהטכנולוגיות לא פוגעות בזכויות אדם[8]
- הכללה - להבטיח את הגישה לבינה מלאכותית לכולם[8]
- קידמה - להעדיף פרויקטים בעלי ערך גבוה[8]
- חוסן ואבטחה - לוודא שמערכות הבינה המלאכותית בטוחות, מאובטחות ועמידות לפגיעות[8]
- קיימות - להעדיף יישומים המספקים תובנות ארוכות טווח[8]
שיקולים מוסריים נוספים שיש להתייחס אליהם הם פרטיות, הטיות בתעסוקה, מיסאינפורמציה, מגוון, הטיות וסינגולריות.[4]
ידע תומך[עריכת קוד מקור | עריכה]
ידע תומך מתייחס למיומנויות ותחומי ידע המסייעים לעבודה עם בינה מלאכותית. לדוגמה, תכנות וסטטיסטיקה.[6]
רמות חשיבה[עריכת קוד מקור | עריכה]
ניתן גם לחלק את הפעולות להגברת אוריינות AI לשש רמות, לפי הרמה בטקסונומיה של בלום אותה הם מדגישים:[10]
- לזכור - להעתיק, לשחזר ולזכור מושגים מתחום הבינה המלאכותית
- להבין - להסביר רעיונות או מושגים. לתאר, להסביר, לפרש ולהדגים את המשמעות של בינה מלאכותית
- ליישם - להשתמש במידע במצבים חדשים. ליישם, להפעיל והשתמש ביישומי בינה מלאכותית בהקשרים שונים
- לנתח - לקשר בין רעיונות. לארגן, להשוות, לפרק ולפשט בעיות בנושא בינה מלאכותית
- להעריך - לנמק עמדה או החלטה. להעריך, לנבא, לזהות ולנמק החלטות בעזרת יישומי בינה מלאכותית
- ליצור - לעצב, להרכיב, לבנות ולפתח יישומי בינה מלאכותית
רוב המחקרים בתחום עוסקים ברמות החשיבה הנמוכות יותר של זיכרון, הבנה ויישום.[10]
מדידה[עריכת קוד מקור | עריכה]
הגישות המוקדמות למדידה של אוריינות AI פעלו בעיקר דרך מבחני ידע בתחום צר. גישות מתקדמות יותר בוחנות לא רק את הידע, אלא גם את המיומנויות והערכים הקשורים לאוריינות AI.[11] קנות' וחב' מציעים לבנות מטריצת הערכה בת שני מימדים. המימד האופקי בוחן את סוגי האוריינות: אוריינות AI כללית, אוריינות AI תלויות תחום תוכן, ואתיקה. המימד האנכי כולל את היכולת: ידע, מיומנות וערכים. בכל משבצת ניתן לחבר אמירות המצליבות בין סוג האוריינות לבין היכולת. על הנשאל לדרג בסולם ליקרט עד כמה הוא מסכים עם כל אחת מהאמירות. למשל, בהצלבה של אוריינות AI כללית וידע אפשר להציג אמירה כמו "אני מסוגל לתאר איך מאמנים ונבדקים מודלים של למידת מכונה". בהצלבה של אוריינות AI תלויות תחום תוכן (למשל רפואה) ומיומנויות אפשר לרשום "אני מסוגל להשתמש לפחות באפליקציה אחת של AI בתפקידי המקצועי כרופא". בהצלבה של ערכים ואתיקה אפשר לרשום "זה מוסרי שמערכות AI יקבלו החלטות משמעותיות ללא פיקוח אנושי".[11]
קידום אוריינות AI[עריכת קוד מקור | עריכה]
מספר ממשלות הכירו בצורך לקדם אוריינות AI, גם בקרב מבוגרים. תוכניות שכאלה פורסמו בארצות הברית, סין, גרמניה ופינלנד.[1] תוכניות המיועדות לקהל הרחב מורכבות בדרך־כלל מיחידות לימוד מקוונות, קצרות ונוחות להבנה. תוכניות המיועדות לילדים בנויות בדרך־כלל כפרויקטים יישומים. תוכניות לסטודנטים במכללות ואוניברסיטאות מתייחסות לעיתים קרובות לצרכים המקצועיים הספציפיים של הסטודנט, בהתאם לתחום הלימוד שלו.[1] מעבר למערכת החינוך, ניתן לפתח אוריינות AI גם בקהילה, לדוגמה במוזיאונים.[12]
בתי ספר[עריכת קוד מקור | עריכה]
בבתי הספר משתמשים במספר פדגוגיות להקניית אוריינות AI.[10] אלה כוללים בין השאר:
- ביצוע מבחן טיורינג עם סוכן תבוני
- יצירת צ'אטבוטים
- בניית אפליקציות בעזרת תכנות מבוסס Blockly (אנ')
- למידה מבוססת פרויקט
- בניית רובוטים
- הדמיית נתונים
- אימון מודלים של בינה מלאכותית
תוכניות לימוד בנושא בינה מלאכותית משפרות את הבנת התלמידים ביחס לנושאים כמו למידת מכונה, רשתות עצביות ולמידה עמוקה.[13]
תיאור מקרה: תוכנית DAILy[עריכת קוד מקור | עריכה]
תוכנית DAILy (Developing AI Literacy) פותחה על־ידי MIT ואוניברסיטת בוסטון במטרה להגביר אוריינות AI בקרב תלמידי חטיבת הביניים. התכנית בנויה כסדנא של 30 שעות הכוללת את הנושאים: מבוא לבינה מלאכותית, מערכות לוגיות (עצי החלטות), למידה מונחית, רשתות עצביות, למידה חישובית, דיפ-פייק, ומחוללי שפה טבעית (אנ'). התלמידים בוחנים את ההשלכות המוסריות והחברתיות של כל נושא, וכן את המשמעויות התעסוקתיות שלו.[14]
השכלה גבוהה[עריכת קוד מקור | עריכה]
לפני העשור השני של המאה ה־21, בינה מלאכותית נלמדה בעיקר במקצועות ה־STEM (אנ') (מדעים, טכנולוגיה, הנדסה ומתמטיקה).[2][15] בעשור השני של המאה, החלו להופיע יוזמות להרחבת ההשכלה בתחום הבינה המלאכותית, ובפרט להקניית אוריינות AI.[2] קורסים לקידום אוריינות AI משלבים למידה יישומית עם הקניית ידע, כאשר מרביתם עושים זאת בסביבת תכנות. רוב הקורסים מתחילים ביחידת לימוד אחת או יותר העוסקת בשאלות בסיסיות כמו מהי בינה מלאכותית, מה מקורה, מה היא יודעת לעשות ומה לא. רוב הקורסים מתייחסים גם ללמידת מכונה וללמידה עמוקה. חלק מהקורסים עוסק בסוגיות מוסריות בבינה מלאכותית.[1]
תיאור מקרה: אוניברסיטת פלורידה[עריכת קוד מקור | עריכה]
באוניברסיטת פלורידה נעשה מהלך רחב של החדרת בינה מלאכותית לתוכנית הלימודים בכל הדיסציפלינות. מטרת המהלך הייתה להקנות לסטודנטים באוניברסיטה את המיומנויות הנדרשות לשוק העבודה של המאה ה־21.[2] במסגרת היוזמה גויסו כ־100 אנשי סגל חדשים. כל סטודנט חויב ללמוד קורס בסיסי בבינה מלאכותית וקורס על אתיקה, מידע וטכנולוגיה. כל סטודנט בחר קורס נוסף מתוך כמה תחומי תוכן כגון רפואה, או עסקים. סטודנטים שסיימו בהצלחה את שלושת הקורסים זכו בתעודה רשמית.
המהלך לווה בהגברת הלמידה היישומית באוניברסיטה. בין השאר, נערכו קורסים בשיתוף התעשייה, כאשר סטודנטים ואנשי תעשייה ניסו לפתור יחד בעיות מהעולם האמיתי, בעזרת כלי AI.[2]
כדי לנהל את היוזמה, הוקמה ועדה שבחנה קורסים קיימים וקורסים חדשים ומיפתה את תחומי האוריינות הנלמדים בהם. כל קורס אופיין בתחומי האוריינות אליהם הוא מתייחס, כך שהסטודנטים יכלו לבחור את הקורסים המתאימים להם, וההנהלה יכלה לזהות פערים או חסרים בתחומים מסוימים.
ראו גם[עריכת קוד מקור | עריכה]
קישורים חיצוניים[עריכת קוד מקור | עריכה]
- בינה מלאכותית, באתר פורטל עובדי הוראה | מרחב פדגוגי, משרד החינוך
- אוריינות בינה מלאכותית, באתר האוניברסיטה הפתוחה
- ערן ברק-מדינה, המלצה: התחילו להתיידד עם בינה מלאכותית, באתר הגיע זמן חינוך, 5 בינואר 2022
- תומר סיימון, אוריינות AI - אין לך ברירה, בפודקאסט הייטק בפקקים, אוגוסט 2023
הערות שוליים[עריכת קוד מקור | עריכה]
- ^ 1 2 3 4 5 6 7 8 9 Matthias Carl Laupichler et al, Artificial intelligence literacy in higher and adult education: A scoping literature review, Computers and Education: Artificial Intelligence 3, 2022, עמ' 100101 doi: 10.1016/j.caeai.2022.100101
- ^ 1 2 3 4 5 6 Jane Southworth et al, Developing a model for AI Across the curriculum: Transforming the higher education landscape via innovation in AI literacy, Computers and Education: Artificial Intelligence 4, 2023, עמ' 100127 doi: https://doi.org/10.1016/j.caeai.2023.100127
- ^ Rosemary Luckin et al, Empowering educators to be AI-ready, Computers and Education: Artificial Intelligence 3, 2022, עמ' 100076 doi: 10.1016/j.caeai.2022.100076
- ^ 1 2 3 4 5 Duri Long, Brian Magerko, What is AI Literacy? Competencies and Design Considerations, Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, CHI '20, Association for Computing Machinery, 2020-04-23, עמ' 1–16 doi: 10.1145/3313831.3376727
- ^ עמ' 5
- ^ 1 2 3 4 5 Jane Southworth et al, Developing a model for AI Across the curriculum: Transforming the higher education landscape via innovation in AI literacy, Computers and Education: Artificial Intelligence 4, 2023, עמ' 6 doi: 10.1016/j.caeai.2023.100127
- ^ Astrid Carolus, Yannik Augustin, André Markus, Carolin Wienrich, Digital interaction literacy model – Conceptualizing competencies for literate interactions with voice-based AI systems, Computers and Education: Artificial Intelligence 4, 2023, עמ' 100114 doi: 10.1016/j.caeai.2022.100114
- ^ 1 2 3 4 5 6 7 8 9 10 11 Cecilia Ka Yuk Chan, A comprehensive AI policy education framework for university teaching and learning, International Journal of Educational Technology in Higher Education 20, 2023-07-07 doi: 10.1186/s41239-023-00408-3
- ^ Tess Posner, Li Fei-Fei, AI will change the world, so it’s time to change AI, Nature 588, 2020-12-09, עמ' S118–S118 doi: 10.1038/d41586-020-03412-z
- ^ 1 2 3 Davy Tsz Kit Ng et al, Conceptualizing AI literacy: An exploratory review, Computers and Education: Artificial Intelligence 2, 2021, עמ' 100041 doi: 10.1016/j.caeai.2021.100041
- ^ 1 2 Nils Knoth, Marie Decker, Matthias Carl Laupichler, Marc Pinski, Nils Buchholtz, Katharina Bata, Ben Schultz, Developing a holistic AI literacy assessment matrix – Bridging generic, domain-specific, and ethical competencies, Computers and Education Open 6, 2024-06, עמ' 100177 doi: 10.1016/j.caeo.2024.100177
- ^ Duri Long et al, Co-Designing AI Literacy Exhibits for Informal Learning Spaces, Proceedings of the ACM on Human-Computer Interaction 5, 2021-10-13, עמ' 1–35 doi: 10.1145/3476034
- ^ Jiahong Su, Yuchun Zhong, Davy Tsz Kit Ng, A meta-review of literature on educational approaches for teaching AI at the K-12 levels in the Asia-Pacific region, Computers and Education: Artificial Intelligence 3, 2022, עמ' 100065 doi: 10.1016/j.caeai.2022.100065
- ^ Irene Lee et al, Developing Middle School Students' AI Literacy, Proceedings of the 52nd ACM Technical Symposium on Computer Science Education, ACM, 2021-03-03 doi: 10.1145/3408877.3432513
- ^ עמ' 3
