"המחשב לא מנסה ללמד, אלא להבין את התלמיד"

מהפכת המידע שינתה את האופן שבו אנו מתקשרים, עובדים, קונים, נוהגים ומבלים את הזמן הפנוי, אבל תחום החינוך עדיין ממתין למהפכה אמיתית. נכון שכלים מקוונים כמו ויקיפדיה מספקים גישה לידע עבור קהל גדול, אבל בסופו של יום, תהליך הלימודים בבתי הספר מתנהל ברובו בדיוק כמו בעבר.

"הרבה מהתוכניות החינוכיות שמשתמשים בהן בבתי הספר מקבעות את הבעיות הקיימות", אומר ל"כלכליסט" ד"ר קובי גל, חוקר ומרצה במחלקה להנדסת מערכות מידע באוניברסיטת בן־גוריון בנגב ועמית מחקר באוניברסיטת הרווארד. "התוכניות הללו הן מכוונות ציון, ולכן הן מגבילות את חופש הפעולה והיצירתיות של התלמיד ולא מספקות לו חוויית למידה מועילה. הן מגבילות גם את המורה, שלא יכול להבין את צורכי התלמידים. המחקר שלי משתמש בכלים של בינה מלאכותית כדי ליצור יצירתיות וגמישות, ולשתף פעולה הן עם התלמידים והן עם המורים".

ד"ר קובי גל (41). תפקיד: חוקר ומרצה באוניברסיטת בן־גוריון ועמית מחקר באוניברסיטת הרווארד, מתמחה בבינה מלאכותית. מצב משפחתי: רווק. מגורים: באר שבע צילום: ישראל יוסף

התוכנה חייבת להתחשב בגורם האנושי

גל, זוכה פרס קריל של קרן וולף, יופיע בוועידה לעתיד החינוך של "כלכליסט" ועמותת "סיסמה לכל תלמיד" שתתקיים ב־24 בדצמבר, שם יסביר איך בינה מלאכותית יכולה לחולל מהפכה במערכת החינוך. "מחשבים לא יוכלו להפגין אינטליגנציה אמיתית בלי להתחשב בגורם האנושי שאיתו הם מתקשרים. זה הבסיס לפילוסופיה המחקרית שלי", הוא מסביר.

"בעבר הבינה המלאכותית נתפסה כממשיכה ישירה של המהפכה התעשייתית. כפי שהמהפכה התעשייתית פיתחה מכונות שהחליפו את העבודה הפיזית האנושית, כך סברו שהבינה המלאכותית תוביל למחשבים אינטליגנטיים שיוכלו להחליף מורים, נהגים, שופטים ועוד. אבל לאחרונה גוברת ההבנה שיש הרבה בעיות פתוחות בבינה מלאכותית שאי אפשר לפתור ביכולת חישוב גרידא - צריך להבין גם תהליכים פסיכולוגיים, חברתיים ותרבותיים, שמהם התעלמו המדענים במשך זמן רב. אני סבור שהכיוון הנכון לבינה מלאכותית הוא מערכות שמשתפות פעולה עם המשתמשים האנושיים שלהן, ולא מנסות לנצח או להחליף אותם. כאן טמון פוטנציאל ליצור שלם הגדול מסך חלקיו, משום שמחשבים מצטיינים בפעולות מסוימות יותר מבני אדם, ובפעולות אחרות בני האדם מצטיינים יותר".

ואיך התפיסה הזו יכולה לבוא לידי ביטוי במערכת החינוך?

"אפשר לקחת כדוגמה מחקר שביצעתי, שמנתח כיצד תלמידים משתמשים במעבדות וירטואליות. מעבדה וירטואלית היא תוכנת סימולטור המדמה תנאי מעבדה אמיתית, ומאפשרת לתלמידים לבנות ולהריץ מודלים שונים ולנתח את תוצאותיהם. במעבדה וירטואלית לכימיה, למשל, התוכנה מאפשרת להם לערבב בין חומרים, להפעיל מבער לטמפרטורה רצויה ולמדוד תגובות כימיות שנוצרות. במעבדה לסטטיסטיקה והסתברות הם יכולים להריץ סימולציה של זריקת קובייה ולבחון תוצאות הסתברותיות. המעבדה הווירטואלית מעניקה חופש פעולה רב לתלמיד שחווה ניסוי וטעייה, שילוב פעילויות במקביל, משחק והתנסות. אבל לצד התועלת, המעבדות הללו יוצרות קושי למורים. כיוון שהמורה לא מעורב אישית בעבודת התלמיד במעבדה הווירטואלית ולא יכול להשגיח על פעולותיהם של כל עשרות התלמידים במקביל, הוא לא יכול לדעת אילו מהתלמידים הצליחו להשלים משימות בזמן סביר, אילו מהם מתקשים בפתרון וזקוקים לעזרה, ואילו הם גאונים שחשוב שיתקדמו למשימות מורכבות יותר.

"כאן בדיוק נכנסת הטכנולוגיה שפיתחתי, שבה משתמשים כיום באוניברסיטאות בישראל ובארה"ב. מדובר באלגוריתם שמתפקד כ'זבוב על הקיר' - הוא מאפשר להתבונן בפעולות התלמיד עם התוכנה, ללמוד את דרך עבודתו, לגלות היכן הקשיים, לאבחן אסטרטגיות לפתרון ולאתר טעויות. פיתחנו גם שיטות להצגת המידע הזה למורים, שיוכלו כך לנתח במהירות ולעומק את דרך העבודה של תלמידיהם. המחשב לא מנסה להחליף את המורה וללמד את התלמיד, אלא להבין את הפתרון של התלמיד ואז להציגו בצורה שתאפשר למורה לקבל את ההחלטה הטובה ביותר לתלמיד, כשהוא משלב בין המומחיות שלו והמידע שסיפק לו המחשב".

"שיטת הבחינות צריכה לעבור שינוי דרסטי"

לדברי גל, בינה מלאכותית יכולה למלא תפקיד חשוב גם במסגרת ההליך הלימודי השוטף. "ממצאים רבים במחקר חינוכי מראים יתרונות ללימוד בזוגות או בקבוצות על פני לימוד עצמאי", הוא אומר. "טכנולוגיה יכולה למקסם את יתרונות הלמידה בקבוצה, כמו בשיטה שפיתח פרופ' אריק מזור מאוניברסיטת הרווארד. בשיטה זו המורה לא מכתיב את החומר אלא בעיקר שואל שאלות בכיתה. הסטודנטים מרכיבים צוותי חשיבה ומצביעים על התשובה הנכונה באמצעות הטלפון. המרצה מקבל ניתוח ומפעיל אלגוריתם המצוות את הסטודנטים מחדש, כדי שלא יישארו צוותים הומוגניים מדי, של החלשים עם החלשים והחזקים עם החזקים".

מה עם אחד ההיבטים השנואים ביותר על תלמידים - הבחינות?

"כל שיטת הבחינות צריכה לעבור שינוי דרסטי. כיום אנשי החינוך שמחברים את השאלות בתוכניות הלימוד הם גם אלה שקובעים את דרגת הקושי של כל שאלה. באחד המחקרים שעשינו גילינו שפעמים רבות השאלות הנחשבות לקשות היו דווקא קלות לתלמידים, ולהפך. בכלל, אם אנחנו שואפים שמבחנים יסייעו לתלמידים לפתור שאלות קשות יותר ויותר, אין טעם במבחן סטנדרטי לכולם. נכון שזקוקים למבחנים סטנדרטיים כדי לייצר תנאי מעבר, אך במקרים שבהם מבחן הוא כלי פדגוגי (וכאלה הם רוב המבחנים), עלינו להתאים אותם באופן אינדיבידואלי לילדים. הסטודנטים שלי ואני מנסים להתאים שאלות לתלמידים על סמך עקרונות הביג דאטה. האלגוריתמים שפיתחנו מייצרים פרופילים של שאלות לתלמידים על ידי ניתוח הביצועים של עשרות אלפי תלמידים שענו על שאלות בעבר. בבניית הפרופיל, המחשב מתחשב לא רק בציונים, אלא גם בזמן הפתרון של כל שאלה, במספר הניסיונות ובקצב השיפור של התלמידים, והכל תוך שמירה על אנונימיות. כך יכולים מחשבים לקבוע באופן אובייקטיבי את דרגת הקושי של כל שאלה, ובמקביל לייצר פרופילים של תלמידים ברמות שונות. ואז, כשתלמיד ניגש למבחן, לאחר כמה שאלות פתיחה שנועדו לסווג אותו לפרופיל המתאים, המחשב יתאים עבורו מבחן שיאתגר אותו".

מה החזון שלך לעתיד הבינה המלאכותית בחינוך?

"החלום שלי הוא להביא למהפכה אמיתית בחינוך באמצעות מערכת מבוססת בינה מלאכותית שתתמוך הן בתלמיד והן במורה. התמיכה בתלמיד תתבטא בהתאמה אישית של חוויית הלימוד, באמצעות הבנה עמוקה של הדרך שבה התלמיד מתמודד עם בעיות וקשיים. למורה, התמיכה תתבטא במתן משוב ובתצוגות חדשניות שמספקות תמונת מצב עדכנית של התלמידים, הן ברמה האישית והן של הכיתה בכללה. המטרה של מערכת כזו היא לשפר את ההליך החינוכי באמצעות העצמת המורה ומתן כלים לשיפור עבודתו, לא באמצעות החלפתו במחשב".