Человечество научилось создавать знания, но не научилось передавать понимание

Человечество никогда не имело такого доступа к информации, как сегодня.

Практически любой человек за несколько секунд может найти учебник по квантовой физике, лекции лучших университетов мира, документацию по программированию, научные статьи по генетике, курсы экономики, истории, инженерии или медицины.

А с появлением искусственного интеллекта исчезает даже необходимость самостоятельно искать большую часть этой информации. Можно просто задать вопрос и получить ответ.

Казалось бы, мы решили проблему доступа к знаниям.

Но мы не решили значительно более важную проблему.

Доступ к информации — это не доступ к пониманию.

Можно дать человеку абсолютно точный научный текст, содержащий чрезвычайно ценную информацию, и не передать ему практически ничего.

Потому что для понимания информации человек должен уже что-то понимать.

И именно здесь находится одна из фундаментальных проблем современной системы передачи знаний.

Концепт — элементарная единица понимания

Мы привыкли измерять информацию словами, страницами, книгами, лекциями, часами обучения, гигабайтами данных.

Но человеческое мышление устроено иначе.

Мы не храним внутри себя книги.

Мы строим концепты.

Концепт — это законченная смысловая единица, которую человек способен распознать, мысленно восстановить и использовать для понимания чего-то следующего.

Например, слово «давление» само по себе не является знанием.

Для одного человека за ним стоит школьное определение, которое он почти забыл.

Для инженера — целая система физических моделей.

Для сантехника — ещё и практический опыт: как ведёт себя вода, что происходит при изменении диаметра трубы, почему шумит система, где возникают проблемы.

Слово одно.

Концепты за ним — разные.

И наоборот: человек может прекрасно понимать некоторую идею, вообще не зная принятого научного термина.

Например, он понимает, что система может сама уменьшать воздействие, когда результат становится слишком большим, и увеличивать его, когда результат становится слишком маленьким.

Он уже понимает механизм.

Он просто может не знать, что существует термин «отрицательная обратная связь».

Поэтому термин и концепт — не одно и то же.

Термин — это указатель.

Концепт — то, что разворачивается за этим указателем в голове человека.

Это различие кажется небольшим, но оно полностью меняет взгляд на образование.

Человек не накапливает знания линейно

Представление об обучении как о последовательном заполнении головы информацией слишком примитивно.

Происходит другое.

Человек осваивает новый концепт через уже существующие.

Сначала сложную идею приходится объяснять длинно — через примеры, аналогии и знакомые явления.

Потом человек её понимает.

После этого всю конструкцию можно упаковать в короткое название.

Теперь достаточно сказать:

«отрицательная обратная связь»

— и в голове человека разворачивается уже известная ему модель.

Несколько абзацев информации превратились в два слова.

Но произошло ещё кое-что более важное.

Новый концепт теперь можно использовать для понимания следующих концептов.

Обучение поэтому выглядит не так:

знание + знание + знание + знание.

Скорее:

понял → сжал → переиспользовал → через это понял более сложное → снова сжал.

Человек постоянно перестраивает собственный язык мышления.

Чем богаче эта система, тем более сложную информацию можно передать ему коротким сообщением.

Фраза, совершенно бессмысленная для одного человека, может передать другому огромный объём знания за несколько секунд.

Именно поэтому два человека могут прочитать одну научную статью и фактически получить из неё совершенно разное количество информации.

Передача информации не означает передачу понимания

Представим предложение:

Современные системы используют knowledge tracing совместно с knowledge graphs для построения adaptive learning paths с учётом cognitive load и prerequisites учащегося.

Для специалиста это может быть вполне нормальной и компактной формулировкой.

Для огромного количества людей это информационный мусор.

Не потому, что они неспособны понять идею.

А потому, что сообщение закодировано через концепты, которых пока нет в их голове.

Можно было бы выразить примерно ту же мысль иначе:

Компьютер может постепенно определять, что человек уже понимает, какие знания ему ещё нужны и в какой последовательности их лучше дать, чтобы не заставлять его изучать слишком много нового одновременно.

Теперь сообщение стало доступно совершенно другой аудитории.

Информация по существу почти не изменилась.

Изменился способ её кодирования.

И это позволяет сформулировать важнейший принцип:

Хорошее объяснение определяется не только тем, что знает передатчик. Оно определяется тем, что уже знает получатель.

Универсально хорошего объяснения может вообще не существовать.

Научное знание всё сильнее сжимается

По мере развития любой области возникает собственный язык.

Это необходимо.

Специалистам бессмысленно каждый раз объяснять друг другу базовые идеи с нуля. Сложные конструкции получают названия и превращаются в новые строительные блоки мышления.

Один термин начинает заменять страницу объяснений.

Это чрезвычайно эффективная компрессия информации.

Но у неё есть цена.

Чтобы распаковать такой термин, человек должен заранее обладать соответствующим концептом.

Поэтому каждая развитая область постепенно создаёт собственный декодер.

Физики понимают физиков.

Биологи — биологов.

Экономисты — экономистов.

Программисты — программистов.

Проблема становится особенно заметной на границе дисциплин.

Высококвалифицированный специалист может открыть работу из соседней области и обнаружить, что значительная часть текста для него практически непонятна.

Он умеет читать каждое отдельное слово.

Но не умеет распаковывать стоящие за ними концепты.

Получается парадокс.

Человечество знает всё больше, но отдельному человеку становится всё труднее получить доступ ко всему знанию человечества.

Современное образование пытается решить не ту задачу

Традиционное образование обычно начинает с предмета.

Вот программа.

Вот последовательность тем.

Вот первый семестр.

Вот второй.

Вот список литературы.

А затем по этому маршруту пытаются провести тысячи совершенно разных людей.

Но у этих людей разные головы.

Один уже знает половину необходимых концептов.

Другому не хватает нескольких базовых.

Третий прекрасно понимает саму идею, но не знает профессионального термина.

Четвёртый знает термин и способен повторить определение, но концепта за ним фактически нет.

Пятый пришёл вообще ради одной конкретной способности, для которой 80% курса никогда не понадобится.

Мы пытаемся адаптировать человека к учебной программе.

Логичнее сделать наоборот.

Начинать нужно не с предмета. Начинать нужно с цели

Допустим, человек хочет получить некоторую способность.

Не «изучить программирование».

А, например:

научиться самостоятельно создавать простые цифровые инструменты для своего бизнеса.

Это совершенно другая постановка задачи.

Теперь можно спросить:

Что этому конкретному человеку действительно необходимо понимать, чтобы получить эту способность?

Что он уже понимает?

Какие концепты отсутствуют?

Какие из традиционно изучаемых вещей современная технология уже сделала необязательными?

Что ему достаточно знать поверхностно?

Что необходимо понимать глубоко?

Какие промежуточные концепты можно вообще пропустить?

И вдруг оказывается, что традиционный путь длиной в тысячу условных единиц знания можно сократить до двухсот.

Не за счёт ухудшения результата.

А за счёт удаления информации, которая не нужна для поставленной цели этому конкретному человеку в существующем технологическом мире.

Технологии постоянно уничтожают старые обязательные знания

На заре персональных компьютеров человека действительно приходилось учить запускать графическую оболочку командой win.

Нужно было объяснять, что такое окно, иконка, двойной щелчок.

Сегодня огромному количеству людей эти знания никогда не понадобятся.

Технология спрятала соответствующий уровень сложности.

Но образование обладает огромной инерцией.

Мы продолжаем строить программы исходя из исторически сложившихся цепочек:

чтобы понять D, сначала изучи A, затем B, потом C.

Хотя современный мир уже может позволять:

A → D.

Или вообще:

D.

Особенно быстро это происходит сейчас благодаря ИИ.

То, что пять лет назад было необходимой профессиональной компетенцией, завтра может стать внутренней технической деталью интеллектуальной системы.

Следовательно, цепочка обязательных концептов не может быть постоянной.

Она должна непрерывно пересматриваться.

Искусственный интеллект делает возможной другую архитектуру обучения

До появления современных ИИ-систем персонализировать передачу знания таким образом было практически невозможно.

Автор учебника вынужден написать одну версию текста.

Преподаватель может немного адаптировать объяснение к аудитории, но физически не способен постоянно поддерживать точную модель знаний каждого из сотен учеников.

ИИ способен работать иначе.

Система может постепенно строить живую модель концептов конкретного человека.

Не просто:

знает математику — 72%.

А:

этот концепт понимает хорошо; этот использует, но не понимает механизм; этот знает под другим названием; здесь отсутствует необходимая причинная связь; этот термин человеку незнаком, хотя сама идея ему уже понятна.

После этого задача объяснения становится вычисляемой.

Есть:

цель человека;

его текущая система концептов;

огромный граф человеческого знания;

современные технологические возможности.

Нужно найти минимальную цепочку изменений, которая приведёт человека от текущего состояния к необходимой способности.

Минимизировать нужно не время обучения

Обычно мы спрашиваем:

Как объяснить этот курс быстрее?

Это вторичный вопрос.

Первый должен звучать:

Почему человек вообще должен изучать весь этот курс?

Если программа содержит тысячу концептов, а для цели конкретного человека необходимы сто, ускорять изучение тысячи — плохая оптимизация.

Сначала нужно выбросить девятьсот.

Из оставшихся ста часть человек уже знает.

Некоторые можно заменить более общей моделью.

Некоторые достаточно обозначить: «знай, что такая область существует и когда к ней обращаться».

Некоторые действительно необходимо понять глубоко.

Только после этого имеет смысл оптимизировать объяснение.

Мы не можем заставить человеческий мозг обучаться в двадцать раз быстрее.

Но иногда можем в двадцать раз уменьшить количество того, что ему действительно необходимо изучить.

Это принципиально другой способ ускорения развития человека.

При этом минимальный путь у каждого свой

Допустим, необходимо объяснить человеку некоторую систему управления.

Инженеру удобнее объяснить её математически.

Программисту — через состояние программы и feedback loop.

Предпринимателю — через цены и изменение спроса.

Сантехнику — через давление и клапан.

Это не четыре разных концепта.

Это четыре разных способа добраться до достаточно близкой внутренней модели.

После того как понимание возникло, можно сказать:

В общей форме это называется так-то.

Теперь профессиональный термин перестал быть неизвестным словом.

Он стал сжатым указателем на уже существующий концепт.

Следующее объяснение можно строить уже через него.

Поэтому система обучения должна постоянно меняться вместе с человеком.

Объяснение, необходимое ему сегодня, через полгода станет раздражающе примитивным.

Его внутренний декодер изменился.

Значит, должен измениться и язык системы.

Сначала человека необходимо научить учиться

Но существует проблема ещё глубже любой технологии.

Огромное количество людей вообще не понимает, что происходит в момент обучения.

Человек приходит на курс.

Слушает лекцию.

В какой-то момент перестаёт понимать происходящее.

Продолжает слушать.

Следующие объяснения строятся уже на непонятом концепте.

Через двадцать минут непонятны три концепта.

Через час — половина материала.

И человек делает вывод:

«Я недостаточно умный».

Хотя техническое описание проблемы может быть совершенно другим:

в цепочке понимания отсутствует один узел.

Возможно, преподаватель употребил термин, предполагая, что он уже известен.

Возможно, пропустил причинную связь.

Возможно, использовал абстракцию, которую конкретному человеку проще было сначала показать на примере.

Возможно, весь промежуточный материал вообще не нужен для его задачи.

Поэтому один из первых навыков, которому необходимо обучить человека, — диагностика собственного непонимания.

Не:

Я не понимаю физику.

А:

В этом объяснении я понимаю A и B, но не понимаю, почему из B следует C.

Или:

Я не знаю, что означает слово X.

Или:

Сам механизм мне понятен, но я не понимаю, зачем он здесь применяется.

Непонимание перестаёт быть оценкой человека.

Оно становится конкретной технической неисправностью в цепочке концептов, которую можно найти и устранить.

Это и означает научиться учиться.

ИИ способен как увеличивать, так и уменьшать интеллектуальный разрыв

Здесь появляется ещё одна проблема.

Мы часто предполагаем, что доступный всем ИИ будет интеллектуально выравнивать людей.

Это совсем не обязательно.

Представим двух человек с одинаковым доступом к одной модели.

Первый использует её так:

Сделай.

ИИ делает.

Человек получает результат.

Второй:

Почему получилось именно так? Какие здесь существуют альтернативы? Чего я не понимаю? На какой более общий принцип это похоже? Где ещё он применяется? Какие предположения мы сейчас молча приняли?

ИИ отвечает.

Ответ рождает новые вопросы.

Новые ответы создают новые концепты.

Новые концепты позволяют человеку задавать вопросы, которые раньше ему даже не могли прийти в голову.

Возникает положительная обратная связь:

понимание → более сильные вопросы → более сильное использование ИИ → новое понимание → ещё более сильные вопросы.

Поэтому одинаковый доступ к ИИ способен приводить к совершенно разным результатам.

У одного человека растёт главным образом производительность.

У другого одновременно растёт сам человек.

И разрыв между ними может не уменьшаться, а ускоренно увеличиваться.

ИИ в таком случае становится усилителем интеллектуальной дисперсии.

Сложность результата больше не показывает сложность человека

Это новое для человечества состояние.

Раньше существовала относительно сильная связь:

чтобы создавать более сложные вещи, человеку приходилось самому становиться компетентнее.

ИИ постепенно разрывает эту связь.

Человек может создать программный продукт, практически не понимая программирования.

Может получить сложный аналитический отчёт, не владея соответствующими методами анализа.

Может управлять процессами, внутреннего устройства которых почти не понимает.

Это не обязательно плохо.

Но появляется принципиальное различие:

сложность произведённого человеком результата ≠ интеллектуальная сложность самого человека.

Можно производить огромный объём интеллектуально сложной продукции, импортируя почти всю заключённую в ней сложность из ИИ.

Поэтому производительность больше нельзя считать достаточным показателем человеческого развития.

Нужно задавать другой вопрос:

Что изменилось в голове человека после выполнения этой работы?

Но нельзя превращать каждую работу в урок

Отсюда легко сделать неправильный вывод:

Значит, ИИ должен каждый раз заставлять человека самостоятельно думать и объяснять ему всё, что делает.

Это уничтожит сам смысл интеллектуальной автоматизации.

Человеческое внимание ограничено.

Нельзя заставлять человека изучать внутреннее устройство каждого инструмента, которым он пользуется.

Именно поэтому центральной становится идея минимально необходимого концепта.

Система должна уметь различать:

это человеку необходимо понимать;

об этом достаточно знать, что оно существует;

это понадобится только при возникновении определённой ситуации;

это можно полностью передать машине.

Цель — не максимизировать знания человека.

Цель — максимизировать его способность понимать и действовать при минимальной когнитивной стоимости.

Концепт становится конечной информационной единицей

Из этого следует архитектурный принцип.

Не статья.

Не книга.

Не урок.

Не курс.

Не дисциплина.

Концепт.

Большие информационные конструкции нужны только потому, что иногда для построения одного концепта человеку требуется длинная последовательность объяснений.

Но конечным результатом является не прочитанная страница.

Результатом является возникшая в голове смысловая конструкция, которую человек способен использовать дальше.

Поэтому концепт можно рассматривать одновременно как элементарную и конечную единицу знания.

Элементарную — потому что дальнейшее обучение строится из уже освоенных концептов.

Конечную — потому что задача передачи информации заканчивается не тогда, когда человек прочитал текст, а тогда, когда необходимый концепт успешно реконструирован в его модели мира.

Текст является транспортом.

Термин является адресом.

Объяснение является способом декодирования.

Концепт — результатом.

Возможно, нам нужна новая теория передачи знания

Классическая теория информации великолепно отвечает на вопросы передачи сигналов.

Но для человеческого обучения недостаточно знать, сколько информации было передано.

Можно передать гигабайт текста и практически ничего не изменить в голове получателя.

А можно произнести одну фразу — и перестроить его представление о целой области.

Значит, нас интересует другая величина.

Не:

сколько информации передано?

А:

какое полезное изменение произошло в системе концептов получателя и какой когнитивной ценой?

Это позволяет иначе определить эффективность обучения.

Хорошее объяснение — не самое полное.

Не самое научное.

Не самое короткое.

И даже не обязательно самое точное в максимальном количестве деталей.

Хорошее объяснение — то, которое с минимальными затратами человеческого внимания создаёт достаточно точный концепт для следующего необходимого действия или понимания.

А затем этот концепт становится строительным материалом следующего.

От универсального образования к живой системе концептов

В итоге получается совершенно другая архитектура.

Не существует единственного правильного курса.

Не существует постоянного набора обязательных prerequisites.

Не существует одного оптимального объяснения.

Есть человек в состоянии H₀.

Есть способность, которую он хочет получить, — T.

Есть текущее состояние мира и технологий — W.

И существует некоторое минимальное преобразование:

H₀ → H₁ → H₂ → … → T

Каждый переход — появление или перестройка концепта.

После каждого перехода маршрут можно пересчитать.

Возможно, новый концепт позволил перепрыгнуть через три следующих.

Возможно, обнаружился старый пробел.

Возможно, человек уже самостоятельно построил необходимую связь.

Возможно, технология изменилась и целая ветка знаний больше не нужна.

Поэтому граф должен быть живым.

И модель человека должна быть живой.

Главная задача — увеличить пропускную способность человеческого развития

Физиология человека меняется медленно.

Мы не можем просто увеличить человеческую память в десять раз или заставить мозг усваивать сложные модели со скоростью компьютера.

Но огромная часть сегодняшней стоимости обучения определяется вовсе не физиологией.

Она определяется плохой маршрутизацией информации.

Мы учим уже известное.

Объясняем через неизвестные термины.

Передаём детали, которые никогда не понадобятся.

Заставляем изучать исторически сложившиеся prerequisites.

Используем одинаковые объяснения для разных людей.

Путаем узнавание терминов с пониманием концептов.

Не замечаем небольшие пробелы, которые блокируют целые последующие цепочки.

И заставляем человека самостоятельно искать путь через гигантское пространство человеческого знания.

ИИ позволяет впервые атаковать почти все эти потери одновременно.

Не сделать мозг быстрее.

Сделать путь короче.

Не дать человеку больше информации.

Передать меньше — но именно той, которую он способен превратить в понимание.

Не заставить всех знать всё.

Дать каждому минимально достаточную систему концептов, позволяющую двигаться дальше.

И, возможно, именно это станет одним из главных изменений образования в эпоху искусственного интеллекта.

Потому что проблема человечества уже давно не в нехватке информации.

Проблема в том, сколько человеческой жизни сегодня требуется, чтобы превратить доступную информацию в понимание.