Gjør det selv eller gjør det for meg?
Det jeg snakker om når jeg snakker med studenter om KI. Og litt annet.
Det finnes to typer mennesker her i verden: De som liker å gjøre ting selv og de som liker at andre gjør ting for dem. Vi som mener vi lever etter gjør-det-selv-prinsipper verdsetter gjerne egenskaper som kreativitet, selvstendighet og utholdenhet, og mistenker folk som inntar gjør-det-for-meg-holdningen for å være enten latsabber eller snyltere. Til gjengjeld kan vi selvgående typer fort oppfattes som arbeidsnarkomane og/eller kontrollfriker (🙋♀️). Og det viser seg ofte at de som helst vil ha andre (mennesker eller maskiner) til å gjøre alt for seg i virkeligheten legger ned enorme mengder med tid og arbeid for å finne bedre eller mer effektive måter å få gjort oppgavene de kvier seg for.
Ta skriveprogrammet jeg bruker for å kladde dette nyhetsbrevet. Scrivener ble utviklet av en fyr som holdt på med å skrive både en doktoravhandling og en roman, men irriterte seg over hvor lite de eksisterende skriveprogrammene egnet seg til å skrive lange, kompliserte tekster basert på utallige kilder. I stedet for å streve seg gjennom avhandlingen og/eller romanen med de halvdårlige verktøyene som fantes (som alle vi andre), lærte han seg selv å kode slik at han kunne utvikle det programmet han trengte til jobben. Og da det “rette” verktøyet endelig var klart, fortsatte han like godt med programvareutvikling i stedet for å fullføre skriveprosjektene.
Historien om Scrivener-Keith illustrerer altså at det ikke er vanntette skott mellom gjør-det-selv-prinsippene og gjør-det-for-meg-holdningen. Forskjellen ligger i hva man prioriterer å gjøre selv og hva man foretrekker å overlate til andre å gjøre. Vi bærer alle gjør-det-selv-fanen i noen situasjoner, og dilter etter i gjør-det-for-meg-toget andre ganger.
Det er heller ikke tilfeldig at det var et dataprogram den selvsamme Keith laget for å hjelpe til med skrivearbeidet. De siste 30-40 årene har “digitale teknologier” stort sett vært svaret på ethvert spørsmål om hva eller hvem som kan gjøre det ene eller det andre for oss. Og siden nettbaserte prateroboter koblet til store språkmodeller ble sluppet løs på den globale allmuen for omtrent to år siden, har svaret på de samme spørsmålene i stadig økende grad vært “KI”.
Ugunstig intelligens
Det er en kjensgjerning at de brukervennlige grensesnittene som praterobotene har åpnet til både språk- og bildemodeller kan få selv den mest ihuga gjør-det-selv-fantast til å gi etter for gjør-det-for-meg-impulsen. For meg er robotarbeid uforsonlig med min personlige gjør-det-selv-etikk (hjemme hos oss er det et menneske som styrer støvsugeren!), derfor har jeg strevd med å finne en konstruktiv måte å snakke om KI-bruk med studentene.
Jeg kan jo ikke fordømme det fullstendig, for institusjonen selv prakker på oss KI-løsninger i øst og vest som liksom skal gjøre jobben vår lettere. Jeg har heller ingen trang til å bedrive sensur som et slags KI-politi, i tråd med den andre tilnærmingen universitetet legger opp til. Dessuten har jeg stor forståelse for at hvis det er én situasjon der veldig mange av oss er svært mottakelige for gjør-det-for-meg-evangeliet, så er det når vi skal lære oss noe nytt som virker vanskelig.
Heldigvis finnes det kolleger som (bare vent…) HAR GJORT DET FOR MEG!
Det vil si, litteratur- og informasjonsviteren Ted Underwood (muligens den mest KI-frelste humanisten jeg vet om) skrev nylig en bloggpost som hjalp meg til å innse hvilke former for KI-hjelp jeg selv kan se nytten av for studentene, noe om igjen gjorde det lett for meg å avklare med dem hvordan de kan bruke KI i oppgavearbeid (hvis de vil).
Jeg deler de seks alternative tilnærmingene til KI i oppgaveskriving som jeg har presentert for studentene mine her, i tilfelle det kan være til nytte eller inspirasjon for andre som gruer seg til å ta “den” praten.
Gunstig, kunstig, eller begge deler?
Det vil ikke overraske lesere av dette nyhetsbrevet at jeg landet på en utvidet matlagingsmetafor som analogi for oppgaveskriving og -vurdering! Når jeg får en oppgave til sensur er det nemlig litt som å bli invitert hjem til noen på middag for første gang – jeg håper å få noe godt, men gruer meg også litt for hva jeg kan komme til å finne ut om kokken…
KI-fritt måltid: Den første (og fortsatt beste) måten å servere meg en semesteroppgave er selvsagt å gjøre alt selv, det vil si hjemmelaget fra bunnen av, uten kunstig intelligente tilsetningsstoffer. Hvis jeg kjenner duft og tydelige spor av matlaging i kjøkkenet, ser at det er brukt velvalgte råvarer og at måltidet er satt sammen på en gjennomtenkt måte, da blir jeg fornøyd. I så fall tåler jeg også at noe tilbehør smaker litt rart eller at pådekningen er rotete.
Kokken er ChatGPT: Den andre og mest lettvinte måten å gjøre det på er å bestille mat gjennom Foodora, tømme den over i egne kasseroller og late som alt er hjemmelaget når jeg kommer. I slike tilfeller er det en stor risiko for at jeg legger merke til manglende spor av matlaging (kanskje jeg faktisk ser matbudet i oppgangen når jeg kommer) og kanskje jeg til og med finner ingredienser i maten som jeg hadde gitt beskjed om at jeg var allergisk mot. Dette er den verste utgaven av gjør-det-for-meg-holdningen og er uakseptabel bruk av KI.
Menyen er fra ChatGPT: Den tredje tilnærmingen er å lage selve middagen selv, men hente menyforslag eller oppskrift med hjelp av en praterobot. Dette framstår litt fantasiløst, og man kunne like gjerne brukt en ordentlig kokebok, men det er en ærlig og akseptabel form for KI-hjelp.
Helstekt pattegris fra en stor språkmodell: Den fjerde måten kan innebære å bestille en særlig komplisert eller plasskrevende rett fra et profesjonelt kjøkken, for så å briljere med sitt egenkomponerte og spesialtilpassede tilbehør ved siden av. Dette er akseptabel bruk av KI som souschef, særlig hvis det frigjør arbeidskapasitet som gjør at de egenproduserte elementene får høyere ambisjonsnivå eller presisjon.
Komparativ karri: Det femte alternativet er å bestille samme rett fra tre forskjellige restauranter og så bruke selskapet til å diskutere hva sammenlikningen kan fortelle oss om enten retten eller restaurantene. Dette tilsvarer å gjøre språkmodellen eller bildegeneratoren til et studieobjekt i seg selv, som er en god og kritisk bruk av teknologien.
Ta en potet: Den sjette og siste variasjonen jeg kom på i denne omgang kan sammenliknes med å bestille mange forskjellige retter med samme hovedingrediens for å utforske hvordan den smaker i kombinasjon med ulike andre ingredienser. Her kan man både få den samme modellen til å gjøre ulike ting med én og samme input (f.eks. både skrive et filmmanus og en sonate med utgangspunkt i den samme tittelen) og man kan sammenlikne resultater fra samme input mellom ulike modeller. Dette kan også være en god og interessant måte å gjøre KI til en integrert del av det som undersøkes.
Det jeg har prøvd å gjøre i de fem punktene som omhandler faktisk bruk av KI er å beskrive (for meg selv, vel så mye som for studentene) hvordan teknologien ikke bare tilbyr en lettvint løsning for umaksredde som vil at noen skal gjøre alt for dem. Underwood hjalp meg til å innse hvordan riktig bruk av verktøyene i stedet kan gi brukerne en bedre startposisjon for å gjøre noe selv. Dette har gitt meg en mer konstruktiv og mindre dømmende holdning til den økende bruken av KI blant såvel studenter som kolleger. Så blir det spennende å finne ut hvilke av disse seks strategiene som kommer til å dominere i sensurbunkene dette semesteret – eller om det dukker opp noen helt andre!
Hva har gjort campuslivet verdt å leve siden sist?
Masterstudenten som endelig fikk avholdt muntlig etter en lang sommer med venting, og som ble oppfordret av ekstern sensor å publisere deler av oppgaven til en vitenskapelig artikkel.
Kjærkomment lommepengetilskudd fra instituttet til en konferanse som ellers arrangeres 100% på dugnad av alle involverte.
Ikke truet med sluttpakker eller oppsigelser enn så lenge. (Ja, vi er der!)
Hvordan ser campuslivet ut framover?
Jeg går straks inn i en flodbølge av undervisning, som illustrert nedenfor, og håper jeg kommer opp til overflaten lenge nok til å få skrevet et nytt brev om en måneds tid. Hvis ikke, vet du nå årsaken!
Tusen takk for at du leste, og hold på humøret så lenge!