בעידן שבו הידע נמצא במרחק נגיעת מסך, לעיתים קרובות השאלות הופכות לחשובות יותר מהתשובות. איך לומדים לשאול "נכון" בעידן ה-AI? וכיצד תנחו את התלמידים ללמוד באופן יעיל עם בינה מלאכותית?
בעשור האחרון נשמעו יותר ויותר קולות כי בעידן של מהפכת המידע, בתי הספר צריכים לשנות גישה ולעבור ללמד את התלמידים לשאול שאלות ולא לענות על תשובות. בעידן בו כלל המידע נמצא במרחק נגיעה במסך, כולל צ'אטבוטים שיודעים לבצע את תהליך הפקת הידע מן המידע, מתחדדת משמעותית חשיבות היכולת לשאול שאלות באופן מדויק ונכון – ויש לומר אף מקצועי. האתגר הופך בעצם ליכולת להפיק את המיטב מהמכונה.
מאז הקמתו של מוסד בית הספר, היו התלמידים במקום שבו נדרשו למתן תשובות על שאלות אותם שאל הצוות החינוכי, שעסקו בידע שנלמד בבית הספר. המהפכה הדיגיטלית יצרה את מהפכת המידע שבאה לידי ביטוי ביכולת לייצר ולשמור מידע עתק ובמקביל ביכולת שליפת המידע (מנועי חיפוש). הבינה המלאכותית הגנרטיבית הקפיצה אותנו שלב נוסף בו מכונה מבצעת על פי הנחיה (PROMPT) את תהליך עיבוד המידע לכדי יצירת ידע.
בינה מלאכותית גנרטיבית (Generative Artificial Intelligence) היא סוג של מערכת בינה מלאכותית (AI) המסוגלת ליצור טקסט, תמונות או מדיה אחרת בתגובה להנחיות. הבינה המלאכותית מבצעת אינטגרציה בין מספר מקורות מידע, מעבדת את המידע הדרוש ומנסחת אותו כתוצר של ידע אל מול שאלה ספציפית. ההנחיה שהמשתמש האנושי מספק למכונה היא הבסיס עליו היא מסתמכת לייצור הפלט.
לדוגמה, כלי הבינה המלאכותית Chat GPT יכול לספק תשובות מהירות ומדויקות. עם זאת, חשוב לזכור שאיכות הפלט תלויה באיכות ההנחיה. הנחיה מנוסחת היטב תגרום לתגובה מנוסחת היטב ולהפך. לכן חיוני להקדיש זמן ללמידה ולתרגול כתיבת הנחיה טובה כדי לנצל את מלוא הפוטנציאל של המכונה.
מאוּמנוּת לאוֹמנוּת: כיצד הטכנולוגיה משפיעה על סוג השאלות שלנו
בעולם שבו המידע נמצא בקצות האצבעות של כולנו ויש בידינו גם מכונה היודעת לייצר ממנו תוצר של ידע חדש, ניצבים בפני המשתמשים האנושיים שלושה אתגרים מרכזיים חדשים:
סוגיות אתיות בשימוש בבינה מלאכותית גנרטיבית.
איתור השאלה – מה בעצם אני מחפש/ת? מה אני מחפש/ת לפתור? מה אני רוצה ליצור? מה אני לא יודע/ת שאני לא יודע/ת? ועוד.
ניסוח ההנחיה (PROMPT) באופן כזה שיוביל ליצירת הידע החדש אליו אני רוצה להגיע. הידע שייתן תשובה לשאלה שמעניינת אותי.
לשם הדוגמה, בואו ונצעד יחד דרך התפתחות עולם ייצור כלי חרס:
התחנה הראשונה – ייצור כלים בידיים על ידי אומנים בודדים בסגנון הייחודי להם ועבור ייעוד הנצרך במציאות המוכרת להם. למשל, יצור מיכל חרס להובלת יין באוניות. במקרה זה השאלה ששאל את עצמו האומן הייתה מהו הכלי היעיל ביותר להובלת יין באוניה?
התחנה השנייה – עבודת אומן בעזרת כלי האובניים (מכניים – מופעלים בכוח אנושי). עבודה של אומן בעזרת האובניים לייצור כלי חרס בעלי תבנית עגולה באופן מהיר ומדויק יותר, עדיין עבור ייעוד הנצרך במציאות המוכרת לאומן – שאלות או בעיות מתוך עולם החיים סביבו.
התחנה השלישית – עבודת אומן על גבי אובניים (המופעלים בעזרת אנרגיה חיצונית כלשהי), מה שמאפשר עבודה לאורך זמן רב יותר ואף מהר יותר תוך שליטה מדויקת יותר של האומן על מהירות הפעלת האובניים. במקביל הרחבת מגוון הייעודים על רקע חשיפת האומן לעולם גדול ורחב יותר. דהיינו, הרחבת מגוון השאלות/הבעיות.
התחנה הרביעית – מכונה אשר מבצעת את עבודת הקדרות על ידי אומן מכני (רובוט) או לחילופין מעבר ליציקה בתבניות על ידי מכבש ייצור של כלי החרס. במקרה זה המכונה מקבלת מידע על הפעולות אותן עליה לבצע באופן מדויק על מנת לייצר את כלי החרס בהתאם לתוכנית הייצור של האומן. בשלב זה כל אדם יכול לחפש תוכניות ייצור של אומנים אחרים ולהזין אותן למכונה כדי שתייצר כלי חרס על פי הפורמט של האומן האחר.
התחנה החמישית (הנוכחית) – בינה מלאכותית גנרטיבית. למכונה יש גישה למידע וידע עתק אודות דרכים ומודלים לייצור כלים. בשלב זה אתגר האומן הופך אחר לחלוטין. עד כה האומן הוא זה שיצר את המודל התיאורטי או לחילופין העתיק אותו ואז ייצר אותו לבד או בעזרת מכונה. כעת האתגר הוא כפול: האחד, איתור "בעיות/שאלות" חדשות יצירתיות. השני, לדעת להנחות את המכונה כדי שתייצר מוצר שהאומן עצמו אינו יודע כיצד יראה. האתגר הופך להיות היכולת למצות מידי המכונה את המיטב מן הבלתי ידוע. בעצם לייצר משהו חדש. המכונה במקרה זה עוזרת לאדם להתוודע/להכיר את מה שהוא אינו יודע שהוא אינו יודע.
למעשה הבינה המלאכותית הגנרטיבית עברה שלב מאוּמנוּת לאוֹמנוּת. אם עד כה "המכונה" הייתה ברמה של אוּמן כ'בעל מלאכה' ו'מומחה במלאכתו'. אזי "המכונה החדשה" היא ברמה של אוֹמן כיוצר, artist, כגון צייר, פסל, מוזיקאי וסופר המבצעים פעילות יצירתית. עם זאת, צריך לזכור כי יכולת הבינה המלאכותית הגנרטיבית (לפחות בשלב זה) לממש את יכולות האוֹמן שלה תלויה בשאלה הראשונית ובהנחיה של המשתמש האנושי בה.
איך לשאול את השאלות הנכונות?
הנה כמה דרכים לפיתוח יכולת איתור בעיות / כתיבת שאלות:
בקשו מהתלמידות והתלמידים לאתר בעיה בעולם העניין שלהם – דוגמה: האם יש דרך למנוע מהאוויר לצאת מהכדור לאורך זמן?
פתחו סדנה לכתיבת שאלות – בה תעסקו בניסוח נכון ובמיקוד השאלות.
בכל יום בקשו מכמה תלמידים להציג בעיה בה נתקלו בשבוע האחרון בבי"ס.
למדו את התלמידים בעזרת מעגל הידיעה של "מרטין היידיגר" על שלושת סוגי ידע.
לאחר איתור הבעיה או השאלה, ההנחיה היא מרכיב המפתח. כתיבת הנחיה טובה תעזור ל- AI ליצור את מה שאת/ה מחפש/ת. אחרת, התגובה תהיה כללית.
להלן שני מרכיבים מהותיים בכתיבת הנחיה:
ניסוח מדויק במילים הנבחרות ובמידע המסופקים:
מטרה ברורה: יש לקבוע מה את/ה רוצה שהצ'אטבוט ישיג באמצעות ההנחיה. זה יכול להיות מתן מידע, הנחיית השיחה או פתרון בעיה. שאלה מעורפלת תזכה לתשובה מעורפלת.
תמציתיות: יש לשמור את ההנחיה קצרה ועניינית. הימנעו משימוש במילים או מידע מיותרים שיבלבלו את הצ'אטבוט או יעכבו את התגובה.
שפה טבעית: יש לכתוב את ההנחיה בצורה קלה להבנה. עשו שימוש בשפה יומיומית. זה מקל על הצ'אטבוט להבין את ההקשר ולהגיב כראוי.
הימנעו מעמימות: יש לוודא שההנחיה היא ספציפית ומונעת אי בהירות. הימנעו משימוש במילים בעלות משמעויות מרובות או ביטויים שניתן לפרש בדרכים שונות.
ספקו הקשר: יש לספק הקשר מספיק כדי שהצ'אטבוט יבין את ההקשר של השיחה ויוכל להגיב בהתאם.
הימנעו משאלות פתוחות: יש להימנע מלשאול שאלות פתוחות שאין להן תשובה ברורה. זה יכול להוביל לתגובות לא רלוונטיות או מבלבלות מהצ'אטבוט.
מילות מפתח: השתמשו במילות מפתח בהנחיה הרלוונטיות לנושא השיחה. זה עוזר לצ'אטבוט להבין את ההקשר ולהגיב כראוי.
דיוק: היו ספציפיים לגבי המידע שאתם רוצים שהצ'אטבוט יספק. הימנעו מלשאול שאלות כלליות שיכולות להיות להן הרבה תשובות אפשריות.
פשטות: שמרו על ההנחיות פשוטות וקלות להבנה. הימנעו משימוש בשפה מורכבת או במונחים טכניים שעלולים לבלבל את הצ'אטבוט או את המשתמש.
הבנה ברורה של המטרות, ההקשר והשפה המשמשים בשיחה:
ידע חדש, אתגר חדש
הטכנולוגיה שאפשרה בשלב ראשון לשמור מידע עתק ולשלוף מידע הקיים במאגרים על פי דרישה, קפצה מדרגה בעידן ה-Generative artificial intelligence וכעת ניתן בעזרתה לייצר ידע חדש. האתגר הגדול בעידן של מידע עתק הוא מיצוי המידע לכדי ידע חדש. הדרך לעשות זאת נקראת כריית מידע (mining data) - היכולת לזהות דפוסים וקשרים מגוונים, לרוב שלא היו ידועים קודם לכן, בתוך כמויות גדולות של נתונים. כיום תחום זה משלב יותר ויותר יכולות AI.
האתגר העומד בפני בני האנוש הוא כפול כיום: האחד, איתור השאלה/הבעיה. השני, כיצד לעשות שימוש במכונה על מנת להגיע לתשובה הטובה ביותר. אתגר זה מייצר דרישה לסט כישורים חדש – יכולת ניסוח שאילתות ל-AI בצורה שתמצה את יכולות המכונה לייצור של "הידע החדש".
כבר כיום התפתח מקצוע חדש של מנסחי שאילתות (Prompt Engineering). כל אלה יחד מצביעים על השינוי הנדרש בדרך ובתוכן הלמידה בבית הספר מתשובות לשאלות. בשנה"ל תשפ"ד נכון יהיה בראייתי לשנות גישה ולפתח אצל התלמידות והתלמידים את היכולת לאתר בעיות ולשאול שאלות, ובמקביל להעניק את הידע המהותי בכתיבת הנחיות ל AI באמצעות קורס "PROPMT".
