Brzi napredak velikih jezičnih modela (LLM) u posljednje dvije godine naveo je neke da tvrde kako će zbog umjetne inteligencije visokoškolsko obrazovanje uskoro postati zastarjelo, osobito u humanističkim znanostima. Prema ovom stajalištu, mladima bi bilo bolje da preskoče fakultet i uče izravno na poslu.

Nimalo se ne slažem s tim. Učenje kroz praktično iskustvo vrijedno je i oduvijek je to bilo. Ali to najbolje funkcionira kada ljudi naslućuju koja će zanimanja i vještine biti traženi. Ako u nešto možemo biti sigurni, onda je to da je budućnost rada vrlo neizvjesna. Savjetovati mlade da odustanu od fakulteta u korist ranog ulaska na tržište rada u najboljem je slučaju pogrešno.

Geoffrey Hinton, javno priznat kao jedan od pionira moderne umjetne inteligencije, jednom je usporedio napredak u svom području s orijentacijom u “magli”: možete vidjeti što je odmah ispred, ali ne i ono što slijedi. Stoga je glavni izazov nastavnicima pripremiti učenike za učinkovito funkcioniranje u uvjetima nalik magli. Rješenje nije da ih obučimo za specifične zadatke koji uskoro mogu postati zastarjeli, već da postanu što prilagodljiviji. Pokušaj pripreme ljudi za fiksni skup izazova, dok se ti izazovi stalno mijenjaju, strategija je koja je osuđena na propast. Želimo vješte vozače koji mogu savladati nepoznate ceste i neočekivane prepreke.

Ne ignorirati tehnologiju

Iz te perspektive, obrazovanje, a posebno visoko obrazovanje, igra važniju ulogu nego ikad. Budući da ne znamo koje će specifične vještine biti tražene u budućnosti, nužan je povratak temeljima. Liberalno obrazovanje naglašava kako razmišljati, a ne što učiniti. Uči učenike razmišljanju, pažljivom čitanju, jasnom pisanju i procjeni dokaza. Te vještine puno bolje odlijevaju vremenu od uskih tehničkih kompetencija.

To ne znači ignorirati tehnologiju. Naprotiv, učenici moraju naučiti raditi s umjetnom inteligencijom. No cilj bi trebao biti da budu kritični korisnici i informirani suci alata umjetne inteligencije, a ne pasivni potrošači. I dalje je nužno podučavati osnovnu matematiku, logiku i zaključivanje; baviti se temeljnim tekstovima; i naučiti kako se argumenti grade i testiraju. To su vještine koje pojedincima omogućuju da budu korak ispred tehnologije koja se brzo razvija.

Ovim se načelom postavljaju dva praktična pitanja: što bismo trebali podučavati i kako to podučavati? Prvo pitanje je teško i neizbježno će izazvati raspravu. Iako može postojati širok konsenzus o važnosti temeljnih koncepata, detalji će se s vremenom mijenjati. Naše iskustvo s ranijim tehnologijama pruža korisne smjernice.

Uvođenjem kalkulatora i računala nije nestala potreba za podučavanjem aritmetike. Studenti i dalje uče kako izračuni funkcioniraju, ali sada se vremenski zahtjevno ručno računanje prepušta uređajima. Slično tome, pravopis i gramatika i dalje su važni, ali softver je uglavnom zamijenio potrebu za beskonačnim vježbama.

Nepovoljan utjecaj

Otpad od hrane krije emisije stakleničkih plinova veće od zračnog i pomorskog prometa zajedno

Umjetna inteligencija

AI alati dostupni svima ulaganje su u gospodarski i društveni napredak

Umjetna inteligencija iziskuje sličnu prilagodbu u mnogim područjima. Veliki jezični modeli sada izvrsno obavljaju zadatke poput sažimanja teksta ili prepoznavanja glavnih ideja, a to su dugo bili temelji obrazovanja. Isto sve više vrijedi za programiranje, rješavanje kvantitativnih problema, pa čak i sastavljanje teksta. Iako te aktivnosti ne bi trebale nestati iz kurikuluma, cilj bi se trebao promijeniti. Učenici trebaju razumjeti temeljne koncepte i logiku, umjesto savladavanja svakog koraka izvedbe.

Uspjet će oni učenici koji se mogu učinkovito koristiti alatima umjetne inteligencije za postizanje jasno definiranih ciljeva. Isto je i s dobrim upravljanjem: uspjeh ovisi o postavljanju prioriteta, strukturiranju problema i mudrom raspoređivanju dostupnih resursa. To su konceptualne vještine, a ne striktno tehničke.

Drugo, pedagoško pitanje odnosi se na to kako se učenje podržava i procjenjuje. Razumijevanje zahtijeva određenu praksu, ali umjetna inteligencija olakšava studentima da izbjegnu samostalno obavljanje zadataka. Čak će i vrlo motivirani studenti ponekad biti u iskušenju da pokušaju ići prečicom, osobito pod vremenskim pritiskom. Stoga nam je potrebna velika promjena u procjeni. Eseji koji se nose kući, zadaci i nenadzirani ispiti sve su manje učinkoviti. Morat će ih se zamijeniti kvizovima i ispitima uživo, usmenim evaluacijama i rješavanjem zadataka u stvarnom vremenu, bilo na papiru ili na bijeloj ploči.

Dalekosežne posljedice

Takve promjene imaju dalekosežne posljedice. Iziskuju prisustvo uživo, manje grupe i izravniju interakciju između studenata i nastavnika. To bi s mnogo aspekata značilo povratak starijim modelima podučavanja, djelomičnim povratkom na personalizirano učenje i odbacivanjem standardizacije koju su uvele ranije tehnologije. To bi čak moglo donijeti novo zlatno doba za obrazovanje u humanističkim znanostima.

No, ovaj model također izaziva ozbiljnu zabrinutost. Stavlja veću odgovornost na nastavnike, koji moraju biti spremni provoditi standarde i donositi teške odluke. Institucije ih moraju podržati u tome. Istovremeno, procjena temeljena na osobnoj interakciji izaziva opravdanu zabrinutost zbog pristranosti. Standardizirani ispiti imaju svoje mane, ali njihove su pristranosti barem vidljive. Subjektivna procjena temeljena na usmenim ispitima i osobnoj interakciji može biti manje transparentna.

Možda je najozbiljniji izazov nejednakost. Vrlo personalizirano obrazovanje u malim razredima je skupo. Elitne institucije možda to mogu omogućiti, ali velika javna sveučilišta imat će poteškoća. Baš kao što je nastava na daljinu tijekom pandemije produbila obrazovne jazove, pomak potaknut umjetnom inteligencijom na intenzivnu nastavu uživo mogao bi dovesti u nepovoljan položaj one koji najviše ovise o javnom obrazovanju.

Neki tvrde da će sama umjetna inteligencija smanjiti potrebu za formalnim obrazovanjem pružajući informacije i personalizirane smjernice na zahtjev. Ali to pretpostavlja da korisnici znaju što pitati i kako tumačiti odgovore. Najmotiviraniji ili najdarovitiji pojedinci možda napreduju u takvom okruženju, ali to bi tako bilo bez obzira na sve. Formalno obrazovanje najvažnije je za osrednje koji su brojni.

Ako je umjetna inteligencija namijenjena da koristi društvu, trebat će nam više, a ne manje, ulaganja u obrazovanje. Umjetna inteligencija istisnut će radna mjesta, ali će također otvoriti nova. Obrazovanje bi trebalo biti među sektorima koji se šire. Kako umjetna inteligencija postaje široko dostupna, kvaliteta obrazovanja ovisit će manje o pristupu, a više o očekivanjima i provedbi. Manji razredi, više instruktora i veća osobna interakcija su skupi, ali zbog povećanja produktivnosti koje umjetna inteligencija obećava, takva su ulaganja i izvediva i vrijedna.

© Project Syndicate, 2026.