Der er skrevet rigtig meget om forholdet mellem generativ kunstig intelligens (GKI) og uddannelse. Mange har anlagt meget overordnede perspektiver og gjort sig generelle overvejelser over konsekvenser for uddannelsessystemet, og andre har kigget på, hvad det er for en teknologi, der er tale om. Men der er få gode bøger, der giver praktiske råd til undervisere og lærere om, hvordan man kan bruge GKI til at udvikle og forbedre undervisning og studerendes eller elevers faglige udvikling.

En undtagelse er Leon Furzes bog Practical AI Strategies. Efter læsning af bogen konkluderede jeg i 2024: Den er “som den lover en meget praktisk og anvendelig håndbog for den underviser, der har lyst til selv at kaste sig ud i at anvende generativ kunstig intelligens i sit eget arbejde og for at støtte elever og studerende i deres anvendelse, så teknologien kan understøtte deres læringsprocesser i stedet for at erstatte dem”.

Men faktisk er bogen ifølge forfatteren forældet, fordi teknologien har udviklet sig, men mest af alt fordi hans opfattelse af, hvordan man kan gå til teknologien, har ændret sig med den viden og de erfaringer, han har fået ved at arbejde sammen med tusindvis af undervisere. Han taler i sin nye bog Practical AI Strategies 2 om den mentale model, man indtager i arbejdet med teknologien.

Hvis man ser en chatbot, er teknologien en chatbot, men det vil begrænse de muligheder, man kan få øje på med store sprogmodeller.

De fleste bruger generativ kunstig intelligens som chatbots, altså en maskine man kan tale med. Man giver et input, og den kommer med et output. Men det er en meget begrænsende måde at forstå teknologien på, og der er meget man ikke vil opdage, at man kan gøre med GKI, når man bruger den sådan. I stedet bør man se den som et værktøj, man kan bruge til meget forskelligt især i forhold til at skabe noget selv. “GenAI is not a chatbot but an interface”, som han siger (s. 161). [Jeg har læst bogen i en korrekturudgave, så sidenumre og citater kan være ændret i den endelige udgave, der udkommer 9. september].

Dette betyder også, at titlen på den nye bog er lidt misvisende. Der er ikke tale om en revideret udgave af den tidligere, ligesom der heller ikke er tale om en fortsættelse til den. Det er en helt ny bog. En bog, der erstatter den tidligere. “I realised that the update I needed to write was not just about new features or new tools. It was about a shift in how we think about this technology – a shift that I’ve been going through myself, in real time, alongside the educators I work with” (s. 179). Omvendt er titlen helt rigtig. Det er en bog om praktiske strategier og en kritisk guide til at bruge GKI i uddannelser.

En pointe er dog fastholdt, nemlig at de outputs, der bliver genereret ikke i sig selv, er meningsfulde. Det kræver en bruger, der kan bruge outputs på måder, som giver mening til outputtet for brugeren: “chatbots don’t make sense: they make words” (s.7).

Derfor undrer det mig også lidt, at Furze bruger en hel del krudt på at diskutere de såkaldte hallucinationer, som et problem. Dette er jo kun et problem, hvis brugeren tror, at GKI er en chatbot, der kan komme med meningsfulde udsagn om verden.

Men hvis man netop ved, at teknologien ikke fungerer ved, at den slår op i en vidensbank, så vil man aldrig opfatte dens output som udsagn om tilstande i verden, men som en rækkefølge af ord. Disse ord er i sig selv uden mening. Men afhængigt af, hvorfor og hvordan brugeren interagerer med GKI, kan han eller hun bruge outputtet på en måde, der giver mening i en konkret sammenhæng. Og som Furze også selv siger, så falder ansvaret for brug af et output tilbage på brugeren selv: “But the responsibility ultimately still falls to the end user to check the accuracy of the output” (s. 12).

Man kan også sige, at alle genererede output er hallucineret i den betydning, at GKI ikke genererer betydning og mening, men ord, der er løsrevet fra den konkrete virkelighed, som er brugerens.

Practical AI Strategies 2 er delt op i fem dele:

- Using GenAI in education
- AI and assessment
- Critical AI Literacy 
- Beyond chatbots 
- Conclusion

En af hovedpunkterne i den først del er en generel model for, hvordan man i uddannelse (men egentlig på tværs af professioner og almen brug) kan bruge GKI på en konstruktiv måde. Først skal man overveje, hvorfor og til hvad, man skal bruge GKI. Det helt centrale i brugen af GKI er, at man som bruger er den, der har magten, ekspertisen og ejer processen. Her skal man bruge sin egen indsigt og forståelse i forhold til det, man skal have ud af interaktionen med en GKI.

Dernæst skal man beslutte, hvilken model det giver mest mening at bruge i forhold til det, man skal bruge den til. Dette kræver naturligvis, at man har indsigt i forskellige modeller. Hvis ikke må man jo bare bruge en af dem eller den, man kender. Det er sådan set også vigtigere, at man bestemmer sig for, hvad der skal komme ud af interaktionen; altså den mentale model man har for, hvordan man får en GKI til at levere et output, man kan bruge i sin proces.

Det tredje led består i at fordre modellen med den relevante viden eller data, man opfatter som vigtige i processen. For en underviser kan det være en beskrivelse af læringsmål, relevante emner eller lignende. Og det kan også være beskrivelser af et domæne eller empiriske data. Det giver et væsentlig mere brugbart output, når man har fodret en GKI med det materiale, man selv havde tænkt sig at inddrage i sin egen proces, hvis man ikke havde adgang til værktøjet.

Fjerde skridt består i at bearbejde output og verifikation af udsagn i de generede outputs. Passer output på den givne situation, og giver output mening i forhold til, hvad det skal bruges til? Kan jeg overtage det som mit eget, eller må jeg tilpasse det ud fra den indsigt, jeg selv besidder?

Det femte skridt “iterate & refine” lægger op til, at man bruger værktøjet i en proces, hvor man går frem og tilbage og bearbejder output, så det passer bedre og bedre til brugssituationen. GKI er ikke en svarmaskine, men et værktøj der kan benyttes til flere forskellige opgaver i en proces. Så hvis det handler om udvikling af en undervisningsplan, så skal man være i processen, indtil man er tilfreds og kan stå inde for den plan, der kommer ud af det.

“These five steps represent a shift from thinking about what to say to the AI to thinking about how to work with the AI” (s. 29).

Dette lægger også op til en anden model for at arbejde praktisk med GKI, nemlig modellen “Design, Refine, Create”, hvor pointen er, at man kan tænke på GKI som et værktøj, man bruger til at skabe (create) noget. Og som en gentagelse af ovenstående eksempel på ændring i den mentale model hedder det: “Creating with GenAI is fundamentally different from generating with GenAI. Generating suggests a mechanised process where you click a button and receive an output. Creating implies agency, intentionality and craft” (s. 51).

Disse overvejelser er rigtig gode som indspil for både undervisere og det, undervisere bør tænke på i forhold til den måde, de studerende arbejder på. Især femtrinsmodellen er vigtig for studerende, når de bruger GKI i deres faglige arbejde; som en studieteknik.

Noget af det fedeste for undervisere er, at Furze kommer med praktiske eksempler på, hvordan man konkret kan bruge modellerne. De praktiske eksempler er erfaringsbaserede på baggrund af forfatterens samarbejde med tusindvis af undervisere. Praksis er altid nærværende i bogen. Mange af eksemplerne er meget lette at overføre til danske forhold og på alle niveauer af uddannelse fra grundskole til universitet.

Del to handler om udprøvning og eksamen. Furze er skeptisk overfor at bruge GKI i bedømmelsesarbejde, men han afviser ikke, at det kan indgå som en komponent. Ligesom i den tidligere bog er hans udgangspunkt, at mange udprøvninger er ubrugelige. Ikke som følge af GKI, men fordi mange af dem ikke “generate trustworthy evidence of learning” (s. 57).

Så der er brug for nogle grundlæggende ændringer i den måde, vi udprøver på, hvor der er mere fokus på læring. Det betyder langt større fokus på læreprocesser frem for produkter. Men også i forhold til produkter, som studerende afleverer, vil det kræve en efteruddannelse af mange undervisere at vurdere de studerendes arbejde med GKI.

Hvis studerende og elever skal lære at bruge GKI konstruktivt, så vil det også kræve, at arbejdet med GKI indgår i det daglige arbejde; de daglige studier. Og her er det vigtigt, at undervisere kan designe undervisningen, så studerende kan bruge den femtrinsmodel, der er præsenteret tidligere i bogen. Det står og falder med underviserne. “I believe that our use of GenAI in education should begin and end with teacher expertise, and professional judgement as the most important factor” (s. 66).

Men en ting er bedømmelser. Noget andet er feedback, som jo på mange måder indgår som bedømmelse i løbet af studerendes læreprocesser. Her ser Furze store muligheder. Ikke ved at undervisere får genereret feedback til studerende, men ved at studerende lærer at bruge GKI til at arbejde med feedback. Men det kræver, at de studerende tilegner sig en konstruktiv måde at arbejde med GKI på, hvilket betyder at de skal tage udgangspunkt i deres egen viden og ekspertise og arbejde aktivt med genereret feedback. “Having teachers use AI to give feedback is less time-efficient than teaching students to intelligently use AI feedback themselves” (s. 72).

For at få dette til at fungere har Furze udarbejdet endnu en model, som er praktisk anvendelig, for at lære studerende at anvende GKI på en konstruktiv måde.

Del 3 handler om AI-literacy. Men Furze mener ikke, at mange af de eksisterende modeller for AI-literacy er grundige eller dybdegående nok. Derfor handler hans model inden for dette område om “Critical AI Literacy” eller CAIL (s. 79ff).

“CAIL asks students to look past the output and interrogate the system that produced it: where the technology comes from, who owns it, who profits from it, whose labour built it, who might be harmed by it and how its widespread use shapes our collective understanding of knowledge, truth and creativity” (s. 82).

Som i forgængeren er der også i to’eren stort fokus på etikken i forbindelse med brug af generativ kunstig intelligens. Det drejer sig om potentiel afhængighed af big tech, konsekvenser for miljø og klima, usynligt udbytning af billig arbejdskraft, der udsættes for grænseoverskridende materiale, som de skal markere som vold, overgreb, børneporno osv. Det drejer sig også om misinformation og underminering af demokratiske principper.

I del fire er Furze inde på mange andre modeller end tekst-til-tekst-LLM’er som billede-, lyd- og videogenerering, som er endnu sværere at styre med prompting. Især bruger han tid på muligheden for at klone stemmer, som han ser som meget problematisk. Ikke alene bliver det brugt til deep fake og andre kriminelle forhold, men han ser det også som en overskridelse af noget, der er meget personligt og privat. Man er sin stemme.

I denne del bruger forfatteren også en del plads på at beskrive de muligheder for at bruge GKI til at kode (vibe code) forskellige produkter, som kan bruges til alle mulige ting, og han behandler, hvordan man kan bruge Agenter. Igen følges hans redegørelse af mange praktiske eksempler og gode råd til både, hvad og hvordan man kan gøre det, selv når man ikke har nogen særlig teknisk indsigt.

I femte del samler forfatteren op og kigger ind i fremtiden.

Forfatteren kommer også ind på, at man også kan have mange grunde til ikke at bruge GKI, hvilket han har stor forståelse for. Han siger selv, at han er i tvivl: “Practical AI Strategies 2 is … on the fence when it comes to using AI, but over the two years since the publication of the first book, resistance to AI, especially in education, has certainly grown” (s. 3). Men her tror jeg som læser ikke helt på ham. Furze ser og tror på muligheder for at bruge teknologien til at fremme faglig udvikling, selvom han er åben for, at det er op til den enkelte. Og han konstaterer også, at der ikke er evidens for, at GKI har en positiv effekt på læring. Det betyder ikke, at han ikke selv arbejder intens med det, og at han viser, hvordan det giver mening at anvende det netop til at fremme læring og faglig udvikling.

Men det handler mindre om selve teknologien, men mere om, hvordan undervisere anvender den. Så i sidste instans kommer det tilbage til underviserens didaktiske fantasi. “[No] algorithm is a substitute for a teacher who knows their subject and knows their students” (s. 180).

For mig at se, at dette den bedste praktiske bog om GKI, jeg har læst, så jeg kan ikke anbefale den nok til undervisere og lærere på alle niveauer. Der er meget få forhold, hvor man lige skal korrigere for, at Furze er placeret i en angelsaksisk undervisningstradition.

Jeg synes, der mangler noget om, hvordan studerende kan arbejde med GKI i mundtlighed og i forhold til studerende, der har forskellige udfordringer i forhold til at deltage i undervisning. Men det kommer sikkert med i 3’eren.