Hiểu biết về AI cho trẻ em: Dạy chúng cách lái xe, không phải ngồi trên xe

Hầu hết trẻ em gặp AI giống như cách chúng gặp một máy bán hàng tự động: cho vào một câu hỏi, lấy ra một câu trả lời, rồi tiếp tục. Thói quen đó đáng để thay đổi sớm, vì những đứa trẻ học cách điều khiển những công cụ này thay vì chỉ chấp nhận kết quả của chúng sẽ là những đứa thực sự hưởng lợi từ chúng. Chỉ đạo một AI có nghĩa là hiểu nó có thể và không thể làm gì, đặt câu hỏi về câu trả lời của nó, và sử dụng nó như một công cụ để suy nghĩ thay vì thay thế cho suy nghĩ.

Tại sao sử dụng thụ động là mặc định

Chatbot và trình tạo hình ảnh được xây dựng để cảm thấy dễ dàng. Nhập một prompt, nhận kết quả hoàn thiện trong vài giây. Đối với một đứa trẻ làm bài tập về nhà, tính ngay lập tức đó rất hấp dẫn — AI viết bài luận, giải bài toán, hoặc vẽ bức tranh, và nhiệm vụ là "xong". Nhưng không có gì được học trong quá trình đó. Công cụ thực hiện công việc suy nghĩ, và đứa trẻ chỉ là một kênh truyền cho yêu cầu.

Điều này khác với cách trẻ em sử dụng máy tính, chẳng hạn, trong đó kỹ năng toán học cơ bản thường được dạy trước. Với AI generative, trẻ em thường sử dụng nó trước khi xây dựng được bất kỳ kỹ năng độc lập nào để dựa vào. Đó là khoảng trống mà người lớn cần lấp đầy.

Dạy prompting như một kỹ năng, không phải một lối tắt

Một prompt tốt là một yêu cầu cụ thể, được xác định rõ ràng, và viết một cái là một kỹ năng thực sự đáng để thực hành có ý thức. Thay vì để một đứa trẻ gõ "viết cho tôi một câu chuyện về một con rồng", hãy giúp chúng xây dựng prompt từng lớp: Tính cách của con rồng là gì? Nó phải đối mặt với xung đột gì? Tông cảm — hài hước, đáng sợ, buồn? Mỗi chi tiết được thêm vào là một quyết định mà đứa trẻ đưa ra, không phải AI.

Một bài tập cụ thể: cho cùng một prompt cơ bản cho hai đứa trẻ và để mỗi em thêm ba ràng buộc theo lựa chọn của riêng chúng trước khi chạy nó. So sánh kết quả sau đó. Điều này làm cho rõ ràng bao nhiêu trong kết quả đến từ con người chỉ đạo so với mô hình đoán.

Kiểm tra sự thật là bắt buộc

Các mô hình có những ảo tưởng — chúng nêu thông tin sai lệch với sự tự tin hoàn toàn. Trẻ em cần phải nhìn thấy điều này xảy ra trực tiếp, không chỉ được bảo về nó. Một bài tập hữu ích là hỏi một công cụ AI một câu hỏi về điều gì đó mà đứa trẻ đã biết rõ, như series sách yêu thích của chúng hoặc một sở thích, và để chúng kiểm tra phản hồi so với những gì chúng thực sự biết. Khi chúng bắt được mô hình sai lầm, đó là lúc bài học được tiếp thu.

Có thêm một thói quen: sau bất kỳ sự kiện, câu trả lời, hoặc tóm tắt nào do AI tạo ra, hãy hỏi "bạn sẽ kiểm tra điều này như thế nào?". Đôi khi đó là một tìm kiếm nhanh, đôi khi là hỏi một giáo viên hoặc phụ huynh, đôi khi chỉ là nhận thấy tuyên bố không phù hợp với lẽ thường.

Cho chúng thấy công cụ không thể làm gì

Trẻ em xây dựng mô hình tâm lý chính xác về AI nhanh hơn khi chúng nhìn thấy giới hạn của nó trực tiếp. Hỏi một chatbot AI một câu hỏi về một sự kiện gần đây mà nó sẽ không biết, hoặc một bài toán đòi hỏi nhiều bước cẩn thận, và xem nó gặp khó khăn. Yêu cầu một trình tạo hình ảnh vẽ tay, hoặc văn bản bên trong hình ảnh, và xem kết quả. Đây không phải là những chiêu trò — chúng là những cuộc trình diễn trung thực rằng công cụ là một bộ khớp mẫu với những điểm mù thực sự, không phải một tâm trí.

Sử dụng AI để kiểm tra công việc của chính chúng, không phải làm nó cho chúng

Một mô hình mạnh mẽ: đứa trẻ làm bài tập trước tiên, sau đó sử dụng AI như một bộ đánh giá. "Đây là bài luận của tôi — có một điều không rõ ràng?". hoặc "đây là mã của tôi — vòng lặp này có thực sự làm những gì tôi nghĩ không?". Điều này lật ngược mối quan hệ. AI trở thành một ý kiến thứ hai thay vì tác giả, và đứa trẻ vẫn là người đưa ra quyết định và chịu trách nhiệm với kết quả cuối cùng.

Đối với trẻ em học lập trình, điều này đặc biệt hữu ích. Để chúng viết một kịch bản nhỏ trước — thậm chí là một cái bị hỏng — trước khi yêu cầu AI giúp gỡ lỗi. Chúng sẽ có thể giải thích, bằng chính các từ của chúng, mỗi dòng được sửa chữa làm gì trước khi tiếp tục. Nếu chúng không thể giải thích nó, chúng thực sự chưa học được nó, bất kể mã cuối cùng trông chính xác như thế nào.

Nói về nguồn gốc của dữ liệu huấn luyện

Thậm chí một phiên bản đơn giản của cuộc trò chuyện này cũng quan trọng: những mô hình này học bằng cách đọc số lượng khổng lồ văn bản và hình ảnh do những người thực tạo ra, và điều đó có nghĩa là chúng có thể lặp lại những thiên vị, lỗi, và ý tưởng lỗi thời tìm thấy trong dữ liệu đó. Trẻ em lớn hơn có thể xử lý một phiên bản sâu hơn một chút — hỏi tại sao một trình tạo hình ảnh có thể mặc định cho các giả định nhất định về "bác sĩ" hoặc "CEO" trông như thế nào trừ khi được bảo, và mô hình đó có thể đến từ đâu.

Một quy tắc gia đình đơn giản hoạt động

Một quy tắc có tỷ lệ tốt trên các độ tuổi: không có kết quả AI nào rời khỏi nhà mà không có đứa trẻ có thể giải thích nó bằng các từ của riêng chúng trước. Không quan trọng nó là một dự án ở trường, một thông điệp thiệp mừng sinh nhật, hoặc một đoạn mã. Nếu chúng có thể đi bộ qua nó và bảo vệ nó, chúng đã sử dụng công cụ tốt. Nếu không, nó đã sử dụng chúng.

Để biết thêm về cách các công cụ AI thực sự hoạt động dưới capô, và nguồn gốc của giới hạn của chúng, hãy xem các phân đoạn AI and Data Science ở Korra Studio.