نویسنده (ها): سوفیا بانتون
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر


ترس فزاینده امروز این است که مدل های هوش مصنوعی ما را باهوش تر می کنند.
یک مطالعه گسترده از MIT خاطرنشان کرد: فعالیت مغز با استفاده از ChatGPT کاهش می یابد. پاسخ عمومی مختلط بود. علاقه مندان به هوش مصنوعی به سرعت به اندازه نمونه کوچک مطالعه و طراحی کار خاص به عنوان نقص های بالقوه روش شناختی اشاره کردند ، در حالی که شکاک ها به عنوان تأیید ترس های خود از آن استفاده کردند و اعلام کردند ، “ببینید ، من به شما چنین گفتم.” این واکنش قطبی ما را به قلب دو موضوع بزرگ در هوش مصنوعی می رساند: توسعه (چگونه AI ساخته شده است) و اجرای (نحوه استفاده از آن).
من به عنوان کسی که از مدل های بزرگ 3 AI (Claude ، Chatgpt و Gemini) با اشتراک های پرداخت شده استفاده می کند ، من هنوز یک مدل را به عنوان کار خود انتخاب نکرده ام ، فقط به این دلیل که آنها در چیزهای مختلف برتری دارند و به پاسخ های آنها بسیار متفاوت نزدیک می شوند.
برای دیدن اینکه چگونه مدل های مختلف کلمات ما را “صیقل” می دهم ، من به سادگی هر یک از متن های مشابه را به “تصحیح” دادم. اما سؤال بزرگتر که من در مورد آن کنجکاو بودم ، و این آزمایش را روشن می کند: چگونه این مدل های هوش مصنوعی واقعاً بر یادگیری دانش آموزان در کلاس تأثیر می گذارد؟
مورد آزمون
من پیش نویس یکی از پاراگرافهای خود را از بخش مقدمه در بالا به مدل های AI دادم:
Proofread: به عنوان کسی که از مدل های Big 3 AI (Claude ، Chstgpt و Gemini) با اشتراک های پرداخت شده استفاده می کند ، من هنوز باید یک مدل را به عنوان مراجعه به من انتخاب کنم. آنها در چیزهای مختلف برتری دارند و به پاسخ های خود بسیار متفاوت نزدیک می شوند
در زیر پاسخهای کامل ارائه شده توسط هر مدل هوش مصنوعی به همان درخواست ارائه شده است.
پاسخ کلود AI
من به عنوان کسی که از مدل های Big 3 AI (Claude ، Chatgpt و Gemini) با اشتراک های پرداخت شده استفاده می کند ، من هنوز یک مدل را به عنوان پیش بینی خود انتخاب نکرده ام. آنها در چیزهای مختلف برتری دارند و به پاسخ های خود بسیار متفاوت نزدیک می شوند.
تغییرات ایجاد شده:
- ثابت “chstgpt” → “chatgpt”
- “به” از “باید هنوز” حذف شد. “هنوز”
- “برو به” → “برو به” تغییر یافته است (در صورت استفاده به عنوان یک اسم)
- تغییر “اکسل در” → “اکسل در” (پیش بینی طبیعی تر)
- در پایان دوره گمشده اضافه شد
پاسخ چتگپ
مطمئناً در اینجا یک نسخه صیقلی از متن شما وجود دارد:
“به عنوان کسی که از مدل های بزرگ 3 AI استفاده می کند – Claude ، Chatgpt و Gemini – با اشتراک های پرداخت شده ، من هنوز یکی را به عنوان رفتن به خود انتخاب نکرده ام. آنها هر یک در مناطق مختلف برتری دارند و به روشهای بسیار متفاوتی به پاسخ های خود نزدیک می شوند.“
به من اطلاع دهید که آیا می خواهید آن را رسمی تر ، گاه به گاه یا متناسب با یک زمینه خاص (مانند یک پست وبلاگ ، بررسی و غیره) به نظر برساند.
پاسخ جمینی
گزینه 1 (مختصر تر)
من به عنوان یک مشترک پرداخت شده در مدل های AI “Big 3” (Claude ، Chatgpt و Gemini) ، من هنوز انتخابی را انتخاب نکرده ام. آنها هر یک در مناطق مختلف برتری دارند و به پاسخ های بسیار متفاوتی نزدیک می شوند.
گزینه 2 (کمی رسمی تر)
من به عنوان یک مشترک پرداخت شده در سه مدل اصلی AI (Claude ، Chatgpt و Gemini) ، من هنوز یک مورد برتر را انتخاب نکرده ام. هر مدل در جنبه های مختلف برتری دارد و به پاسخ های آن کاملاً متمایز می شود.
گزینه 3 (تأکید بر جنبه “رفتن به”)
اگرچه من مشترک پرداخت شده در مدل های AI “Big 3” (Claude ، Chatgpt و Gemini) هستم ، اما من یک مورد را در یک مورد قرار نداده ام. همه آنها نقاط قوت منحصر به فرد دارند و به روش های بسیار متفاوتی پاسخ می دهند.
در اینجا تفکیک تغییرات و چرا آنها متن را بهبود می بخشند:
- “هنوز باید انتخاب کنم” به “هنوز انتخاب نکرده ام” یا “من هنوز انتخاب نکرده ام”: این خطای دستوری را تصحیح می کند و آن را طبیعی تر می کند. “من هنوز انتخاب کرده ام” کمی مکالمه تر است.
- “chstgpt” به “chatgpt”: تایپی را تصحیح می کند.
- “مدل های بزرگ 3 AI (Claude ، Chstgpt و Gemini)” به “مدل های بزرگ 3” AI (Claude ، Chatgpt و Gemini) “: اضافه کردن علائم نقل قول در اطراف” Big 3 “روشن می کند که یک اصطلاح یا نام مستعار است.
- “برو” به “برو”: وقتی به عنوان اسم یا صفت استفاده می شود ، “برو” هیفن می شود.
- “آنها در چیزهای مختلف برتری دارند” به “هر یک از آنها در مناطق مختلف” یا “هر مدل در جنبه های مختلف برتری دارد”: “چیزها” کمی غیررسمی است. “مناطق” یا “جنبه ها” حرفه ای تر هستند. افزودن “هر” یا شروع با “هر مدل” بر تفاوت های فردی تأکید دارد.
- “به پاسخ های آنها بسیار متفاوت نزدیک شوید” به “پاسخهای بسیار متفاوت” یا “به پاسخهای آن کاملاً متفاوت/بسیار متفاوت” نزدیک شوید: ساختن آن “پاسخهای رویکرد” کمی مختصر تر است. اگر می خواهید بر رویکرد متمایز هر مدل تأکید کنید ، “پاسخ های آن کاملاً مشخص” گزینه خوبی است.
آنچه در مورد شخصیت های هوش مصنوعی نشان می دهد
پاسخ ها سه فلسفه کاملاً متمایز راجع به آنچه “تصحیح” در واقع برای این مدل های هوش مصنوعی به معنای چیست ، نشان می دهد:
کلود مانند یک معلم دستور زبان عمل کرد. این خطاها را برطرف کرد ، سپس هر تصحیح را مانند درجه بندی کاغذ توضیح داد.
گودال با آن مانند خدمات به مشتری رفتار کرد. رفع سریع ، نتیجه صیقلی ، سپس “هر چیز دیگری که بتوانم به شما کمک کنم؟” پاسخ سرعت و رضایت کاربر را از توضیح در اولویت قرار می دهد. این کارآمد است اما شما در مورد آنچه در واقع اشتباه بود یاد نمی گیرید.
جنین کاملاً دانشگاهی رفت. نسخه های متعدد ، توضیحات مفصل ، تجزیه و تحلیل سبک. این مانند دریافت بازخورد از یک مدرس نوشتن بیش از حد مشتاق است.
هیچ یک از این رویکردها ذاتاً بهتر یا بدتر نیستند. اما وقتی به آنها در کنار هم نگاه می کنید ، چیز مهمی روشن می شود: این مدل ها فقط متن متفاوت را پردازش نمی کنند. آنها از فرضیات اساساً متفاوت در مورد آنچه کاربران می خواهند و به کمک هوش مصنوعی می خواهند عمل می کنند.
تعمیق بحث در مورد شخصیت های هوش مصنوعی
“شخصیت های” متمایز این مدل های هوش مصنوعی احتمالاً ناشی از تفاوت در الگوریتم های اساسی آنها است و داده های آموزشبشر
رویکرد “خدمات مشتری” ChatGPT ممکن است با تأکید بر ارائه پاسخهای مفید و سریع که درخواست های کاربر را برآورده می کند ، آموزش در مورد مقادیر زیادی از داده های مکالمه را منعکس کند. به نظر می رسد شخصیت “معلم گرامر” کلود منعکس کننده آموزش است که در اولویت قوانین زبانی و توضیحات آموزشی قرار دارد. این تفاوت های اساسی در توسعه کمک می کند تا توضیح دهد که چرا هر مدل با چنین روشهای مختلف به همان وظیفه نزدیک می شود.
این شخصیت ها لزوماً ثابت نیستند. مربیان ممکن است بتوانند این ابزارها را به سمت رفتارهای مختلف راهنمایی کنند. به عنوان مثال ، از ChatGPT خواسته است “این متن را تصحیح کند و همه تغییرات دستوری را توضیح دهد” ممکن است خروجی بیشتری شبیه به رویکرد طبیعی کلود تولید کند.
دانستن چگونگی ایجاد مطالب برای نتایج یادگیری خاص می تواند مربیان را به استفاده بهتر از این ابزارها توانمند کند ، و نقاط قوت هر مدل را برای رفع نیازهای خاص کلاس به جای محدود بودن در رفتارهای پیش فرض خود تطبیق می دهد.
این برای کلاس چیست؟
انتخاب یک مدل هوش مصنوعی برای استفاده در کلاس بسیار مهم است، و ادغام مؤثر آن خواسته ها راهنمایی آگاهانه از مربیان.
در حالی که دانش آموزان مسن در دبیرستان و کالج ممکن است بتوانند در کنار چتگپ کار کنند ، این ممکن است بهترین الگوی برای زبان آموزان جوان نباشد. خروجی فقط پیش نویس را صیقل نمی داد ، بلکه گزینه های متن و سبک را تغییر داد و صدا را تغییر داد.
یک یادگیرنده جوان که در حال شکل گیری هویت خلاق خود است ، به راهنمایی نیاز دارد ، نه کپی ویرایش. بر اساس این نتایج ، به نظر می رسد chatgpt برای طوفان سریع مغزی یا خلاصه وظایف با هدف دانش آموزان مسن تر مناسب تر است قادر به ارزیابی انتقادی خروجی آن است.
به نظر می رسد نسخه کلود برای دانش آموزان جوان که یاد می گیرند نحوه نوشتن ، دانش آموزان ESL و بیشتر نویسندگان را یاد بگیرند ، مناسب است زیرا همه از وضوح دستوری بهره مند می شوند. این نتایج نشان می دهد کلود به ویژه برای تمرینات اساسی گرامر و کارهای ویرایش در سطح جمله مفید استبشر
پاسخ جمینی دقیق ترین بود ، هرچند ممکن است برای برخی از زبان آموزان بسیار کلامی باشد. این یک ابزار آموزشی عالی برای مربیانی است که مایل به نشان دادن بیان خلاق و تسلط گرامری به طور همزمان هستند. این یافته ها نشان می دهد جمینی برای کارگاه های پیشرفته تجدید نظر در مقاله های پیشرفته مناسب است، جایی که بازخورد دقیق و تجزیه و تحلیل سبک مورد نظر است.
سؤالاتی برای جامعه آموزش
همانطور که مدل های هوش مصنوعی وارد کلاسهای درس می شوند ، ما باید به طور جمعی چندین سؤال مهم را مطرح کنیم:
برای توسعه دهندگان AI:
- این مدل ها چگونه آموزش دیده اند برای حمایت از محیط های یادگیری؟
- چه نوع پاسخ ها در اولویت قرار می گیرند در موارد استفاده آموزشی؟
- چگونه زبان آموزان باید درگیر شوند با این سیستم ها برای دستیابی به نتایج یادگیری معنی دار بدون به خطر انداختن صدای دانش آموز؟
برای سیاست گذاران و مربیان:
- چگونه یادگیری دانش آموزان را ارزیابی می کنیم وقتی از ابزارهای AI استفاده می شود؟
- اگر دانش آموزان از AI برای “تصحیح” یا “سازمان” استفاده می کنند ، چه مهارتهایی در حال توسعه و ارزیابی است؟
- چگونه می توان مربیان را آموزش داد برای انتخاب مدل AI مناسب ، آن را به طور مؤثر و تفسیر بازده آن به روشی که از یادگیری دانش آموزان پشتیبانی می کند و صدای دانشجویی را حفظ می کند ، تفسیر می کند؟
- چگونه می توانیم اطمینان حاصل کنیم که دانش آموزان سواد دیجیتالی قوی و مهارت های تفکر انتقادی را توسعه می دهند هنگام استفاده از AI؟
برای همه ذینفعان:
- چه استانداردهایی باید توسعه و اجرای ابزارهای AI را راهنمایی کند در تنظیمات آموزشی؟
- چگونه کارآیی را متعادل می کنیم هوش مصنوعی یادگیری عمیق تری را که ناشی از مبارزه و تکرار است ، فراهم می کند؟
افکار نهایی: هوش مصنوعی ، همکاری و صدای دانشجویی
من خودم این مقاله را نوشتم. من افکار خود را بر روی بوم تقطیر کردم و در صورت لزوم تغییرات در بخش ها را مشخص کردم. بنابراین در حالی که من محتوا را ایجاد کردم ، هوش مصنوعی به سازمان ، قالب بندی و از همه مهمتر بازخورد ایده ها کمک کرد. این همان چیزی است که همکاری AI به نظر می رسد.
اگر هوش مصنوعی همانطور که چته انجام می داد ، بازنویسی می کنیم ، ما قبل از شکل گیری آنها صدای دانش آموزان را پاک می کنیم. اگر بخواهیم هوش مصنوعی را در آموزش و پرورش ادغام کنیم ، باید اطمینان حاصل کنیم که این کار به عنوان یک همکار متفکر کار می کند بدون اینکه صدای منحصر به فرد و تفکر انتقادی دانش آموز را گرفت.
یا شاید به عنوان یک جامعه ، ما باید دانش آموزان را از شادی یادگیری یک قدم در یک زمان کند و یادآوری کنیم.
بیایید متصل شویم
🔗 من را در رسانه دنبال کنید برای اطلاع از پست های جدید.
✨ با من ارتباط برقرار کنید وابسته به لینکدین
درباره نویسنده
سوفیا بانتون یک رهبر هوش مصنوعی است که بر نوآوری و تأثیر انسان از فن آوری های نوظهور متمرکز است. ترسیم از پس زمینه او در بیوانفورماتیک ، بهداشت عمومی و علوم داده، او یک دیدگاه عملی برای استقرار راه حل های هوش مصنوعی در صنایع به ارمغان می آورد.
فراتر از برنامه های فنی ، سوفیا به طور فعال کاوش می کند پتانسیل خلاقانه Genai، به ویژه در داستان پردازی و تولید رسانه. از طریق آزمایش ویدیویی با فرم کوتاه ، او آزمایش می کند که چگونه مدل های نوظهور می توانند روایت ، ارتباطات و بیان بصری را تغییر شکل دهند و تطبیق پذیری AI را در هر دو حوزه تحلیلی و خلاق نشان دهند.
با او ارتباط برقرار کنید وابسته به لینکدین یا بینش های هوش مصنوعی بیشتری را در مورد کشف کنید واسطهبشر
منتشر شده از طریق به سمت هوش مصنوعی