הניסוי שבו המחשב עשה את העבודה, והמוח לא בא
חוקרים מבית הספר לעסקים וורטון של אוניברסיטת פנסילבניה ערכו ניסוי מקיף בתלמידי תיכון שלומדים מתמטיקה. התלמידים חולקו לקבוצות: אחת למדה כרגיל, אחת קיבלה גישה חופשית לעוזר AI, ואחת קיבלה עוזר AI עם מעטפת פדגוגית, שנועדה לא לוותר על המאמץ של התלמיד.
התוצאות בשיעורי התרגול היו צפויות: קבוצות ה-AI הצליחו יותר. אבל אז הגיע המבחן, שבו כולם היו בלי העוזר. וכאן הגיע המפתיע: התלמידים שנהנו מגישה חופשית ל-AI דווקא הצליחו פחות מהקבוצה שלמדה בלי AI בכלל. הכלי נשא את היד, אבל המוח לא הצטרף לדרך. לעומתם, הקבוצה עם ה-AI הפדגוגי שמרה על הישגים גם במבחן.
המסקנה לא נוגעת רק למתמטיקה. היא נוגעת לכל תלמיד שיושב מול AI כרגע.
למה קיצורי דרך יקרים
מדעי המוח נתנו לזה שם מזמן: קושי רצוי. המוח לומד מתוך המאמץ, לא מסביבו. זוכרים את אות הטעות מהכתבה הרביעית? הפער בין ציפייה לתוצאה הוא האות שמעדכן את המודל. כשה-AI סוגר את הפער מיד, האות לא נוצר. אין מאמץ, אין פער, אין עדכון.
וזה גם מסביר נקודה מבלבלת מכתבת המשחקים, שבה דווקא קידמנו כישלון זול. ההבדל הוא דק אבל מהותי. כישלון זול פירושו שהמחיר של טעות נמוך, כדי שיעזו לנסות. לא שהאתגר נמוך. משחק שמשחקים בו במקומך לא מלמד כלום, וכל ילד יודע את זה. AI שעושה במקומך הוא בדיוק זה: כישלון זול בלי אתגר בכלל.
המחשבון ומה למדנו ממנו
חששו שהמחשבון יהרוס את האריתמטיקה, והוא לא, כי המורים הזיזו את מטרת הלמידה למעלה: לא לחשב, אלא להבין מה כדאי לחשב ולתפוס טעויות בגודל. עם AI נדרשת אותה הזזה, רק גדולה יותר: מהתשובות אל השאלות. תלמיד שמנסח שאלה טובה, בודק הנחות ומזהה טעות בתשובה, עושה עבודה מוחית עמוקה. תלמיד שמעתיק תשובה לא עושה כלום.
שלושה כללים ל-AI שמחזק במקום להחליף
- לנסות לפני ששואלים. מאמץ אמיתי קודם, גם אם הוא נכשל. הפער שנוצר הוא בדיוק מה שהופך את התשובה שתגיע למועילה. הכלל של המעבדה: קודם ניסיון מתועד, רק אז פנייה לעוזר.
- לבקש מה-AI לשאול, לא לענות. הפיכת התפקידים היא הכלי החזק ביותר. במקום תן לי את התשובה, לומר תשאל אותי שאלות עד שאבין לבד. זה עוזר ה-AI הפדגוגי מהניסוי, בגרסה ביתית.
- משוב על טיוטה, לא טיוטה מוכנה. לתת ל-AI את העבודה שלי לביקורת, ולא את המשימה לביצוע. התלמיד כותב, ה-AI מציין חולשות, התלמיד מתקן. המאמץ נשאר אצל מי שצריך ללמוד.
במעבדה AI הוא כלי כוח, לא קיצור
בחדר מייקרים אנחנו מלמדים את זה בגלוי. התלמיד שמשתמש ב-AI כדי לדבג את המשחק שהוא בנה לומד מהמודל שלו: הוא מנסח את הבעיה, מריץ את ההצעה, ובודק מה עבד. זו חשיבה מערכתית מתקדמת. התלמיד שנותן ל-AI לבנות את המשחק במקומו מקבל מוצר, ולא למידה.
ההבחנה שאנחנו מלמדים: AI הוא כמו מכונת הלייזר בפינת המעבדה. כלי עוצמתי, שדורש מיומנות, פיקוח ומטרה. מי שמפעיל אותו נכון יוצא מהמעבדה עם יכולת חדשה. מי שמפעיל אותו בלי להבין לא יוצא עם כלום, ולפעמים גם עם שריפה קטנה.
הסדרה מסתיימת, המסקנה נשארת
זו הכתבה השמינית והאחרונה בסדרה על המוח והלמידה, והיא סוגרת מעגל. ראינו שהמוח לומד מחיווט חוזר, רעב לציפייה, סקרנות שפותחת שערים, וטעות שמסמנת. ראינו שהוא מתקבע בלילה, שהלוח שלו קטן, ושגיל ההתבגרות מפעיל אותו במנוע חזק שצריך כביש טוב. ה-AI לא משנה אף אחד מהעקרונות האלה. הוא רק מגביר את המתח: הוא יכול לקצר כל פער, או לשמור אותו בדיוק בגודל הנכון.
כל הסדרה במקום אחד: חיווט המוח מחדש, המוח של המתבגר, משחק כמכונת למידה, רגע אחרי הטעות, השינה, הסקרנות, והעומס הקוגניטיבי. ואם אתם רוצים לראות תלמידים שלומדים עם כלים חזקים בלי לוותר על המאמץ, מוזמנים למעבדה.