Edukacja i dydaktyka

Uniwersytet, medycyna i biostatystyka cyfrowa w epoce sztucznej inteligencji

Uczelnie powstały przed wiekami jako ośrodki przechowywania, porządkowania i przekazywania wiedzy. Przez stulecia ich autorytet opierał się na interpretacji uznanych tekstów, tradycji i zasobów wiedzy. Pojawienie się druku stopniowo przekształcało ten model, poszerzając dostęp do idei, a rewolucja naukowa i krytyczne myślenie oświecenia, reprezentowane przez autorów takich jak David Hume, rozszerzyły granice wolności intelektualnej i podważyły bezwzględną zależność od autorytetu.

W XIX i XX wieku ukształtował się nowoczesny uniwersytet badawczy, początkowo w Europie, a następnie z niezwykłą siłą w Stanach Zjednoczonych. Misja uniwersytetu nie ograniczała się już do przekazywania zgromadzonej wiedzy; objęła także systematyczne dokonywanie nowych odkryć. Laboratoria, programy doktoranckie, czasopisma naukowe i współpraca uczelni z państwem oraz przemysłem uczyniły szkolnictwo wyższe jednym z głównych motorów rewolucji naukowych, medycznych i technologicznych kształtujących współczesne społeczeństwo.

W epoce sztucznej inteligencji uniwersytet będzie musiał ponownie się przeobrazić, jeśli chce zachować znaczenie. Wielu wykładowców z niepokojem patrzy na włączanie tych technologii do edukacji. Sztuczna inteligencja nie niszczy jednak w pełni skutecznego systemu. Uwidacznia ograniczenia modelu edukacyjnego zaprojektowanego w czasach niedoboru informacji. Model ten zbyt często nadal przedkłada zapamiętywanie, jednolitość i hierarchię nad kreatywność, współpracę, indywidualny talent i poszukiwanie rozwiązań najważniejszych problemów społecznych.

Pedagodzy tacy jak Ken Robinson przekonywali, że dzieci są z natury ciekawe, obdarzone wyobraźnią i gotowe do eksperymentowania, lecz tradycyjne systemy edukacyjne mogą stopniowo osłabiać te cechy, karząc za błędy, nagradzając konformizm i promując ustandaryzowane osiągnięcia. W jego ujęciu kreatywność nie jest rzadkim talentem niewielu osób, lecz podstawową zdolnością człowieka, którą edukacja powinna rozpoznawać i rozwijać. Wraz z nadejściem sztucznej inteligencji krytyka ta ponownie zyskała na znaczeniu.

Technologie te mogą poszerzać indywidualne możliwości, personalizować naukę i zapewniać ludziom na całym świecie dostęp do wiedzy, narzędzi i szans dawniej zarezerwowanych dla nielicznych. Mogą też pomagać uczniom i studentom badać idee we własnym tempie, otrzymywać indywidualne wsparcie i rozwijać talenty, które nie mieszczą się łatwo w tradycyjnych strukturach edukacyjnych. Potencjał ten urzeczywistni się jednak tylko wtedy, gdy ograniczymy nierówności dostępu i nauczymy ludzi korzystać z AI krytycznie, rzetelnie, odpowiedzialnie i ze świadomością jej ograniczeń.

Edukacja na całym świecie ulegnie głębokiej przemianie. Jej misja nie może już ograniczać się do przekazywania treści dostępnych niemal natychmiast. Musi uczyć formułowania ważnych pytań, krytycznej oceny dowodów, odróżniania informacji od wiedzy, łączenia dyscyplin, rozumowania w warunkach niepewności oraz twórczego i odpowiedzialnego korzystania z AI. Wartość uniwersytetu nie będzie polegać wyłącznie na dostarczaniu informacji, lecz na budowaniu społeczności zdolnych interpretować wiedzę, podawać ją w wątpliwość, tworzyć nowe idee i wykorzystywać je do zmieniania rzeczywistości.

Ta ewolucja będzie szczególnie ważna w biomedycynie. Sztuczna inteligencja już potrafi analizować ogromne ilości informacji, rozpoznawać złożone wzorce i wspierać badania naukowe oraz decyzje kliniczne. Coraz potężniejsze systemy predykcyjne same nie rozwiążą jednak najważniejszych problemów medycyny. Musimy także decydować, jakie pytania zadawać, jakie dane zbierać, które wyniki są istotne klinicznie i jak przekładać prognozy na bezpieczne i skuteczne decyzje dla pacjentów i populacji.

Edukacja medyczna musi rozwijać się w dwóch uzupełniających się kierunkach. Z jednej strony powinna głębiej włączać do programów statystykę, sztuczną inteligencję, naukę o danych, projektowanie badań, wnioskowanie przyczynowe, kwantyfikację niepewności i inne metody ilościowe. Te podstawy będą niezbędne do rozumienia współczesnej medycyny. Z drugiej strony musi kłaść jeszcze większy nacisk na komunikację, empatię, etykę, uważne słuchanie i troskę o człowieka. Im potężniejsza technologia, tym ważniejsza pamięć o tym, że medycyna nie polega jedynie na przewidywaniu chorób, lecz także na rozumieniu ludzi, towarzyszeniu im i opiece nad nimi.

W biomedycynie ta nowa forma edukacji będzie wymagać dyscypliny łączącej sztuczną inteligencję, statystykę, projektowanie badań, kwantyfikację niepewności, wiedzę kliniczną i podejmowanie decyzji. Ta integracja stanowi istotę dyscypliny określanej nazwą Biostatystyka cyfrowa .

Musimy zatem wyraźnie odróżniać decyzje, za które odpowiedzialność powinna pozostać po stronie człowieka, od zadań, które można powierzyć systemom AI. Takie delegowanie będzie uzasadnione tylko przy zachowaniu wystarczającego rozumienia działania algorytmów, wykorzystywanych informacji, przyjmowanych założeń, ograniczeń i możliwych skutków błędów. Nie wystarczy, że system generuje pozornie trafną prognozę. Musimy też umieć ocenić jej wiarygodność, niepewność, potencjalne obciążenia i zdolność uogólniania na różne osoby, szpitale i warunki kliniczne.

Regulacje etyczne będą niezbędne, lecz niewystarczające. Ogólnym zasadom, ramom prawnym i standardom administracyjnym musi towarzyszyć matematyczne, statystyczne i kliniczne rozumienie stosowanych systemów. Nie możemy odpowiedzialnie zarządzać technologią, której nie rozumiemy. Nadzór człowieka nie powinien sprowadzać się do akceptowania lub odrzucania rekomendacji algorytmu. Powinien obejmować rozumienie wspierających ją dowodów, rozpoznawanie możliwych zawodności systemu i identyfikowanie sytuacji wymagających doświadczenia klinicznego, interpretacji kontekstu lub bezpośredniego dialogu z pacjentem.

Ta przemiana będzie wymagać nowych programów studiów i ustawicznego kształcenia tysięcy specjalistów już pracujących w medycynie, nauce, administracji publicznej i przemyśle. Wykształcenie nowego pokolenia studentów nie wystarczy. Trzeba również aktualizować wiedzę obecnych decydentów i tworzyć zespoły integrujące doświadczenie kliniczne, matematykę, statystykę, informatykę, nauki społeczne i wiedzę o systemach ochrony zdrowia.

W tym kontekście biostatystyka musi przyjąć szerszą rolę. Nie może już ograniczać się do retrospektywnej analizy badań klinicznych czy konwencjonalnych baz danych. Musi uczestniczyć w projektowaniu badań, analizie, wnioskowaniu statystycznym i klinicznym wykorzystaniu ciągłych, podłużnych i wielomodalnych danych z technologii cyfrowych. Musi też łączyć się z AI i badaniami operacyjnymi, aby przekładać prognozy na decyzje medyczne, które są wiarygodne, przejrzyste i rzeczywiście użyteczne.

Sztuczna inteligencja nie powinna umniejszać znaczenia uniwersytetu, medycyny ani człowieka. Powinna skłaniać nas do ich ponownego zdefiniowania i ukierunkowania na coś naprawdę użytecznego, twórczego i przełomowego. Jej największym wkładem nie będzie myślenie za nas, lecz umożliwienie nam poświęcania większej ilości czasu temu, co pozostaje głęboko ludzkie: formułowaniu pytań, osądowi, rozumieniu innych, rozmowom z pacjentami, współpracy między dyscyplinami i decydowaniu, jaką przyszłość chcemy budować. Przede wszystkim powinna pomagać rozpoznawać, rozwijać i wzmacniać ludzki talent wszędzie tam, gdzie się znajduje.

Opinie i perspektywy

Oksford i lekcja jutra: instytucja, której nie widać

Artykuł opiniotwórczy Marcosa Matabueny opublikowany w hiszpańskim dzienniku ogólnokrajowym. Rozważa, czy uniwersytety mogą zachować znaczenie w epoce sztucznej inteligencji.

Przyszłość rozwoju AI w medycynie

W tym wywiadzie, przeprowadzonym ponad rok temu, Marcos Matabuena przewidywał, że mimo szybkiego rozwoju sztucznej inteligencji medycyna będzie ewoluować w stronę kultury bardziej skoncentrowanej na człowieku.

Literatura światowa jako wsparcie w epoce sztucznej inteligencji