L'umanità ha imparato a creare conoscenza, ma non a trasmettere la comprensione

L'umanità non ha mai avuto un accesso all'informazione paragonabile a quello di oggi.

Praticamente chiunque può trovare in pochi secondi un manuale di fisica quantistica, le lezioni delle migliori università del mondo, documentazione di programmazione, articoli scientifici di genetica, corsi di economia, storia, ingegneria o medicina.

E con l'avvento dell'intelligenza artificiale sparisce persino la necessità di cercare autonomamente la maggior parte di queste informazioni. Basta fare una domanda per ricevere una risposta.

Sembrerebbe che abbiamo risolto il problema dell'accesso alla conoscenza.

Ma non abbiamo risolto un problema ben più importante.

L'accesso all'informazione non è l'accesso alla comprensione.

È possibile fornire a una persona un testo scientifico assolutamente preciso, contenente informazioni estremamente preziose, senza trasmetterle praticamente nulla.

Perché per comprendere l'informazione, una persona deve già comprendere qualcosa.

Ed è proprio qui che risiede uno dei problemi fondamentali del moderno sistema di trasmissione della conoscenza.

Il concetto: l'unità elementare della comprensione

Siamo abituati a misurare l'informazione in parole, pagine, libri, lezioni, ore di studio, gigabyte di dati.

Ma il pensiero umano funziona diversamente.

Non conserviamo libri dentro di noi.

Costruiamo concetti.

Un concetto è un'unità di senso compiuta che una persona è in grado di riconoscere, ricostruire mentalmente e utilizzare per comprendere qualcos'altro.

Ad esempio, la parola "pressione" di per sé non è una conoscenza.

Per una persona rappresenta la definizione scolastica che ha quasi dimenticato.

Per un ingegnere è un intero sistema di modelli fisici.

Per un idraulico è anche l'esperienza pratica: come si comporta l'acqua, cosa succede quando cambia il diametro di un tubo, perché il sistema fa rumore, dove sorgono i problemi.

La parola è una sola.

I concetti dietro di essa sono diversi.

E viceversa: una persona può comprendere perfettamente una certa idea senza conoscere affatto il termine scientifico accettato.

Ad esempio, capisce che un sistema può ridurre autonomamente l'impatto quando il risultato diventa troppo grande, e aumentarlo quando il risultato diventa troppo piccolo.

Comprende già il meccanismo.

Potrebbe semplicemente non sapere che esiste il termine "feedback negativo".

Perciò termine e concetto non sono la stessa cosa.

Il termine è un indicatore.

Il concetto è ciò che si sviluppa dietro quell'indicatore nella mente di una persona.

Questa distinzione sembra minima, ma cambia radicalmente la prospettiva sull'istruzione.

L'essere umano non accumula conoscenza in modo lineare

L'idea dell'apprendimento come riempimento sequenziale della mente con informazioni è troppo primitiva.

Accade qualcos'altro.

Una persona assimila un nuovo concetto attraverso quelli già esistenti.

All'inizio, un'idea complessa deve essere spiegata in modo esteso, attraverso esempi, analogie e fenomeni familiari.

Poi la persona la comprende.

Dopodiché, l'intera struttura può essere racchiusa in un nome breve.

Ora è sufficiente pronunciare:

"feedback negativo"

— e nella mente della persona si dispiega il modello che già conosce.

Diversi paragrafi di informazioni si sono trasformati in due parole.

Ma è accaduto qualcos'altro di ancora più importante.

Il nuovo concetto può ora essere utilizzato per comprendere concetti successivi.

L'apprendimento quindi non si presenta così:

conoscenza + conoscenza + conoscenza + conoscenza.

Piuttosto così:

compreso → compresso → riutilizzato → attraverso questo compreso qualcosa di più complesso → compresso di nuovo.

Una persona ricostruisce continuamente il proprio linguaggio del pensiero.

Più ricco è questo sistema, più informazioni complesse possono esserle trasmesse con un messaggio breve.

Una frase, del tutto priva di senso per una persona, può trasmettere a un'altra un enorme volume di conoscenza in pochi secondi.

Proprio per questo motivo due persone possono leggere lo stesso articolo scientifico e trarne in realtà una quantità di informazioni completamente diversa.

La trasmissione di informazioni non significa trasmissione di comprensione

Immaginiamo questa frase:

I sistemi moderni utilizzano il knowledge tracing insieme ai knowledge graphs per costruire adaptive learning paths tenendo conto del cognitive load e dei prerequisites dello studente.

Per uno specialista questa può essere una formulazione del tutto normale e compatta.

Per una miriade di persone è spazzatura informativa.

Non perché siano incapaci di comprendere l'idea.

Ma perché il messaggio è codificato attraverso concetti che non sono ancora presenti nella loro mente.

Sarebbe stato possibile esprimere all'incirca lo stesso pensiero in un altro modo:

Il computer può determinare gradualmente cosa la persona comprende già, di quali conoscenze ha ancora bisogno e in quale sequenza è meglio fornirgliele, per evitare di costringerla a studiare troppe cose nuove contemporaneamente.

Ora il messaggio è diventato accessibile a un pubblico completamente diverso.

L'informazione nella sostanza è rimasta quasi invariata.

È cambiato il modo di codificarla.

E questo permette di formulare un principio fondamentale:

Una buona spiegazione non è definita solo da ciò che sa chi trasmette. È definita da ciò che sa già chi riceve.

Una spiegazione universalmente buona potrebbe anche non esistere.

La conoscenza scientifica si comprime sempre di più

Man mano che un campo si sviluppa, genera il proprio linguaggio.

Ciò è necessario.

Per gli specialisti è inutile spiegare ogni volta le idee di base da zero. Le strutture complesse ricevono nomi e si trasformano in nuovi mattoni del pensiero.

Un singolo termine inizia a sostituire una pagina di spiegazioni.

Questa è una compressione delle informazioni estremamente efficiente.

Ma ha un prezzo.

Per decomprimere un tale termine, una persona deve già possedere in anticipo il concetto corrispondente.

Perciò ogni campo sviluppato crea gradualmente il proprio decoder.

I fisici comprendono i fisici.

I biologici i biologici.

Gli economisti gli economisti.

I programmatori i programmatori.

Il problema diventa particolarmente evidente ai confini tra le discipline.

Uno specialista altamente qualificato può aprire un lavoro proveniente da un campo vicino e scoprire che gran parte del testo è per lui praticamente incomprensibile.

Sa leggere ogni singola parola.

Ma non sa decomprimere i concetti che vi stanno dietro.

Ne deriva un paradosso.

L'umanità sa sempre di più, ma per il singolo individuo diventa sempre più difficile accedere a tutta la conoscenza dell'umanità.

L'istruzione moderna cerca di risolvere il problema sbagliato

L'istruzione tradizionale di solito parte dalla materia.

Ecco il programma.

Ecco la sequenza degli argomenti.

Ecco il primo semestre.

Ecco il secondo.

Ecco la bibliografia.

E poi si cerca di guidare migliaia di persone completamente diverse attraverso questo percorso.

Ma queste persone hanno teste diverse.

Una conosce già la metà dei concetti necessari.

A un'altra mancano alcuni concetti fondamentali.

Una terza comprende perfettamente l'idea in sé, ma non conosce il termine professionale.

Una quarta conosce il termine e sa ripeterne la definizione, ma di fatto il concetto dietro di esso non c'è.

Una quinta è venuta esclusivamente per una specifica competenza, per la quale l'80% del corso non servirà mai.

Cerchiamo di adattare la persona al programma di studio.

Sarebbe più logico fare il contrario.

Non bisogna partire dalla materia. Bisogna partire dall'obiettivo

Supponiamo che una persona voglia acquisire una certa capacità.

Non "studiare programmazione".

Bensì, ad esempio:

imparare a creare autonomamente semplici strumenti digitali per la propria attività.

Questa è una formulazione del problema completamente diversa.

Ora è possibile domandare:

Cosa deve effettivamente comprendere questa persona specifica per acquisire tale capacità?

Cosa comprende già?

Quali concetti mancano?

Quali cose tradizionalmente studiate la tecnologia moderna ha già reso facoltative?

Cosa le basta sapere in modo superficiale?

Cosa è necessario comprendere in profondità?

Quali concetti intermedi si possono saltare del tutto?

E improvvisamente si scopre che il percorso tradizionale lungo mille unità convenzionali di conoscenza può essere ridotto a duecento.

Non a scapito del risultato.

Ma grazie alla rimozione di informazioni che non sono necessarie per l'obiettivo prefissato da questa specifica persona nel mondo tecnologico attuale.

La tecnologia distrugge costantemente le vecchie conoscenze obbligatorie

Agli albori dei personal computer, bisognava davvero insegnare a una persona ad avviare l'interfaccia grafica con il comando win.

Bisognava spiegare cos'è una finestra, un'icona, un doppio clic.

Oggi un'enorme quantità di persone non avrà mai bisogno di queste conoscenze.

La tecnologia ha nascosto il livello di complessità corrispondente.

Ma l'istruzione possiede un'enorme inerzia.

Continuiamo a costruire programmi basandoci su catene storicamente consolidate:

per comprendere D, studia prima A, poi B, poi C.

Sebbene il mondo moderno permetta già:

A → D.

O addirittura:

D.

Questo avviene in modo particolarmente rapido oggi grazie all'IA.

Ciò che cinque anni fa era una competenza professionale necessaria, domani potrebbe diventare un dettaglio tecnico interno di un sistema intelligente.

Di conseguenza, la catena di concetti obbligatori non può essere fissa.

Deve essere continuamente rivista.

L'intelligenza artificiale rende possibile un'altra architettura di apprendimento

Prima dell'avvento dei moderni sistemi di IA, personalizzare la trasmissione della conoscenza in questo modo era praticamente impossibile.

L'autore di un manuale è costretto a scrivere un'unica versione del testo.

Un docente può adattare leggermente la spiegazione al pubblico, ma non è fisicamente in grado di mantenere costantemente aggiornato il modello esatto delle conoscenze di ciascuno dei centinaia di studenti.

L'IA è in grado di lavorare diversamente.

Il sistema può costruire gradualmente un modello vivo dei concetti di una persona specifica.

Non semplicemente:

conosce la matematica — 72%.

Bensì:

comprende bene questo concetto; utilizza questo, ma non ne comprende il meccanismo; conosce questo con un altro nome; qui manca la necessaria connessione causale; questo termine è sconosciuto alla persona, sebbene l'idea in sé le sia già chiara.

Dopodiché il compito della spiegazione diventa calcolabile.

Ci sono:

l'obiettivo della persona;

il suo sistema attuale di concetti;

il vasto grafo della conoscenza umana;

le moderne opportunità tecnologiche.

Bisogna trovare la catena minima di cambiamenti che porti la persona dallo stato attuale alla capacità necessaria.

Non è il tempo di studio che bisogna minimizzare

Di solito ci chiediamo:

Come spiegare questo corso più velocemente?

Questa è una domanda secondaria.

La prima dovrebbe essere:

Perché una persona dovrebbe studiare l'intero corso?

Se il programma contiene mille concetti, e per l'obiettivo di una persona specifica ne bastano cento, accelerare lo studio di mille è una pessima ottimizzazione.

Prima bisogna eliminarne novecento.

Dei cento rimanenti, una parte la persona la conosce già.

Alcuni possono essere sostituiti da un modello più generale.

Altri basta segnalarli: "sappi che questo campo esiste e quando rivolgersi ad esso".

Altri ancora è davvero necessario comprenderli in profondità.

Solo dopo ha senso ottimizzare la spiegazione.

Non possiamo costringere il cervello umano a imparare venti volte più velocemente.

Ma a volte possiamo ridurre di venti volte la quantità di ciò che ha realmente bisogno di studiare.

Questo è un modo fondamentalmente diverso di accelerare lo sviluppo umano.

Al contempo, il percorso minimo è diverso per ciascuno

Supponiamo di dover spiegare a una persona un certo sistema di controllo.

A un ingegnere conviene spiegarlo matematicamente.

A un programmatore attraverso lo stato del programma e il feedback loop.

A un imprenditore attraverso i prezzi e la variazione della domanda.

Ad un idraulico attraverso la pressione e la valvola.

Questi non sono quattro concetti diversi.

Sono quattro modi diversi per arrivare a un modello interno sufficientemente simile.

Una volta sorta la comprensione, si può dire:

In forma generale questo si chiama così.

Ora il termine professionale ha smesso di essere una parola sconosciuta.

È diventato un indicatore compresso di un concetto già esistente.

La spiegazione successiva può essere costruita già attraverso di esso.

Perciò il sistema di apprendimento deve cambiare continuamente insieme alla persona.

La spiegazione che le serve oggi, tra sei mesi diventerà fastidiosamente primitiva.

Il suo decoder interno è cambiato.

Di conseguenza, deve cambiare anche il linguaggio del sistema.

Per prima cosa bisogna insegnare alla persona ad imparare

Ma esiste un problema ancora più profondo di qualsiasi tecnologia.

Un'enorme quantità di persone non capisce affatto cosa accada nel momento dell'apprendimento.

Una persona arriva a un corso.

Ascolta la lezione.

A un certo punto smette di capire cosa sta succedendo.

Continua ad ascoltare.

Le spiegazioni successive si basano già sul concetto non compreso.

Dopo venti minuti tre concetti non sono chiari.

Dopo un'ora, metà del materiale.

E la persona giunge alla conclusione:

"Non sono abbastanza intelligente".

Anche se la descrizione tecnica del problema può essere completamente diversa:

nella catena della comprensione manca un nodo.

Forse il docente ha usato un termine dando per scontato che fosse già noto.

Forse ha saltato una connessione causale.

Forse ha usato un'astrazione che per quella specifica persona sarebbe stato più semplice mostrare prima con un esempio.

Forse l'intero materiale intermedio non serve affatto per il suo compito.

Perciò una delle prime competenze che bisogna insegnare a una persona è la diagnosi della propria incomprensione.

Non:

Non capisco la fisica.

Bensì:

In questa spiegazione capisco A e B, ma non capisco perché da B consegua C.

Oppure:

Non so cosa significhi la parola X.

Oppure:

Il meccanismo in sé mi è chiaro, ma non capisco perché venga applicato qui.

L'incomprensione cessa di essere una valutazione della persona.

Diventa un guasto tecnico specifico nella catena dei concetti, che può essere trovato e corretto.

Questo significa imparare a imparare.

L'IA è in grado sia di aumentare che di ridurre il divario intellettuale

Qui sorge un altro problema.

Spesso supponiamo che un'IA accessibile a tutti livellerà intellettualmente le persone.

Non è affatto detto.

Immaginiamo due persone con lo stesso accesso a un modello.

La prima lo usa così:

Fallo.

L'IA lo fa.

La persona ottiene il risultato.

La seconda:

Perché è venuto proprio così? Quali alternative esistono qui? Cosa non sto capendo? A quale principio più generale assomiglia? Dove altro si applica? Quali presupposti abbiamo accettato silenziosamente in questo momento?

L'IA risponde.

La risposta genera nuove domande.

Le nuove risposte creano nuovi concetti.

I nuovi concetti permettono alla persona di fare domande che prima non le sarebbero potute nemmeno venire in mente.

Insorge un feedback positivo:

comprensione → domande più forti → utilizzo più forte dell'IA → nuova comprensione → domande ancora più forti.

Pertanto, un uguale accesso all'IA può portare a risultati completamente diversi.

In una persona cresce principalmente la produttività.

Nell'altra cresce contemporaneamente la persona stessa.

E il divario tra di esse potrebbe non ridursi, ma aumentare in modo accelerato.

In tal caso l'IA diventa un amplificatore della dispersione intellettuale.

La complessità del risultato non mostra più la complessità della persona

Questa è una condizione nuova per l'umanità.

Prima esisteva una relazione relativamente forte:

per creare cose più complesse, una persona doveva diventare essa stessa più competente.

L'IA rompe gradualmente questa relazione.

Una persona può creare un prodotto software senza comprendere quasi nulla di programmazione.

Può ottenere un report analitico complesso senza padroneggiare i relativi metodi di analisi.

Può gestire processi di cui comprende a malapena il funzionamento interno.

Questo non è necessariamente un male.

Ma emerge una differenza fondamentale:

la complessità del risultato prodotto dall'uomo ≠ la complessità intellettuale dell'uomo stesso.

È possibile produrre un enorme volume di beni intellettualmente complessi, importando quasi tutta la complessità in essi racchiusa dall'IA.

Perciò la produttività non può più essere considerata un indicatore sufficiente dello sviluppo umano.

Bisogna porre un'altra domanda:

Cosa è cambiato nella mente della persona dopo aver completato questo lavoro?

Ma non si può trasformare ogni lavoro in una lezione

Da ciò è facile trarre una conclusione errata:

Significa che l'IA deve costringere ogni volta la persona a pensare autonomamente e a spiegarle tutto ciò che fa.

Questo distruggerebbe il senso stesso dell'automazione intellettuale.

L'attenzione umana è limitata.

Non si può costringere una persona a studiare il funzionamento interno di ogni strumento che utilizza.

Proprio per questo motivo l'idea del concetto strettamente necessario diventa centrale.

Il sistema deve saper distinguere:

questo la persona deve comprenderlo;

di questo basta sapere che esiste;

questo servirà solo al verificarsi di una determinata situazione;

questo può essere interamente delegato alla macchina.

L'obiettivo non è massimizzare la conoscenza della persona.

L'obiettivo è massimizzare la sua capacità di comprendere e agire con il minimo costo cognitivo.

Il concetto diventa l'unità informativa finale

Da ciò deriva un principio architettonico.

Non l'articolo.

Non il libro.

Non la lezione.

Non il corso.

Non la disciplina.

Il concetto.

Grandi strutture informative sono necessarie solo perché a volte, per costruire un singolo concetto, una persona ha bisogno di una lunga sequenza di spiegazioni.

Ma il risultato finale non è la pagina letta.

Il risultato è la costruzione di senso sorta nella mente, che la persona è in grado di utilizzare in seguito.

Pertanto, il concetto può essere considerato contemporaneamente l'unità elementare e finale della conoscenza.

Elementare perché l'apprendimento successivo si basa su concetti già assimilati.

Finale perché il compito di trasmissione delle informazioni non termina quando una persona ha letto il testo, ma quando il concetto necessario è stato ricostruito con successo nel suo modello del mondo.

Il testo è il mezzo di trasporto.

Il termine è l'indirizzo.

La spiegazione è il modo di decodifica.

Il concetto è il risultato.

Forse abbiamo bisogno di una nuova teoria della trasmissione della conoscenza

La teoria classica dell'informazione risponde magnificamente alle domande sulla trasmissione dei segnali.

Ma per l'apprendimento umano non basta sapere quanta informazione sia stata trasmessa.

È possibile trasmettere un gigabyte di testo e non cambiare praticamente nulla nella mente di chi riceve.

Oppure si può pronunciare una sola frase e ristrutturare la sua visione di un intero settore.

Ciò significa che ci interessa un'altra grandezza.

Non:

quanta informazione è stata trasmessa?

Bensì:

quale utile cambiamento è avvenuto nel sistema di concetti di chi riceve e a quale costo cognitivo?

Questo permette di definire l'efficacia dell'apprendimento in modo diverso.

Una buona spiegazione non è la più completa.

Non è la più scientifica.

Non è la più breve.

E non è nemmeno necessariamente la più precisa nel numero massimo di dettagli.

Una buona spiegazione è quella che crea con il minimo sforzo dell'attenzione umana un concetto sufficientemente preciso per la successiva azione o comprensione necessaria.

E poi questo concetto diventa il materiale da costruzione del successivo.

Dall'istruzione universale a un sistema vivo di concetti

Il risultato è un'architettura completamente diversa.

Non esiste un unico corso corretto.

Non esiste un insieme fisso di prerequisites obbligatori.

Non esiste un'unica spiegazione ottimale.

C'è una persona nello stato H₀.

C'è una capacità che vuole acquisire: T.

C'è lo stato attuale del mondo e della tecnologia: W.

Esiste una certa trasformazione minima:

H₀ → H₁ → H₂ → … → T

Ogni transizione è la nascita o la ristrutturazione di un concetto.

Dopo ogni transizione il percorso può essere ricalcolato.

Forse il nuovo concetto ha permesso di saltare i tre successivi.

Forse è emersa una vecchia lacuna.

Forse la persona ha già costruito autonomamente la connessione necessaria.

Forse la tecnologia è cambiata e un intero ramo di conoscenza non è più necessario.

Perciò il grafo deve essere vivo.

E il modello della persona deve essere vivo.

Il compito principale è aumentare la larghezza di banda dello sviluppo umano

La fisiologia umana cambia lentamente.

Non possiamo semplicemente decuplicare la memoria umana o costringere il cervello ad assimilare modelli complessi alla velocità di un computer.

Ma gran parte del costo odierno dell'apprendimento non è affatto determinato dalla fisiologia.

È determinato da un pessimo instradamento delle informazioni.

Insegniamo ciò che è già noto.

Spieghiamo attraverso termini sconosciuti.

Trasmettiamo dettagli che non serviranno mai.

Costringiamo a studiare prerequisites storicamente consolidati.

Utilizziamo le stesse spiegazioni per persone diverse.

Confondiamo il riconoscimento dei termini con la comprensione dei concetti.

Non notiamo piccole lacune che bloccano intere catene successive.

E costringiamo la persona a cercare da sola la strada attraverso il gigantesco spazio della conoscenza umana.

Per la prima volta l'IA permette di attaccare quasi tutte queste perdite contemporaneamente.

Non rendere il cervello più veloce.

Rendere il percorso più breve.

Non dare alla persona più informazioni.

Trasmettere meno, ma esattamente quelle che è in grado di trasformare in comprensione.

Non costringere tutti a sapere tutto.

Dare a ciascuno un sistema di concetti minimo e sufficiente che permetta di andare avanti.

E forse questo diventerà uno dei cambiamenti principali dell'istruzione nell'era dell'intelligenza artificiale.

Perché il problema dell'umanità non è da tempo la mancanza di informazioni.

Il problema è quanta vita umana sia necessaria oggi per trasformare l'informazione disponibile in comprensione.