มนุษยชาติเรียนรู้วิธีสร้างความรู้ แต่ยังไม่เรียนรู้วิธีถ่ายทอดความเข้าใจ

มนุษยชาติไม่เคยมีเข้าถึงข้อมูลได้มากเท่ากับในปัจจุบัน

เกือบทุกคนสามารถค้นหาตำราฟิสิกส์ควอนตัม, คำบรรยายจากมหาวิทยาลัยชั้นนำของโลก, เอกสารการเขียนโปรแกรม, บทความวิจัยพันธุศาสตร์, คอร์សเศรษฐศาสตร์, ประวัติศาสตร์, วิศวกรรมศาสตร์ หรือการแพทย์ ได้ภายในเวลาไม่กี่วินาที

และด้วยการมาถึงของปัญญาประดิษฐ์ แม้แต่ความจำเป็นในการค้นหาข้อมูลส่วนใหญ่ด้วยตนเองก็หายไป เราสามารถเพียงแค่ตั้งคำถามและรับคำตอบได้ทันที

ดูเหมือนว่าเราได้แก้ปัญหาการเข้าถึงความรู้แล้ว

แต่เรายังไม่ได้แก้ปัญหาที่สำคัญกว่ามาก

การเข้าถึงข้อมูล ไม่ใช่การเข้าถึงความเข้าใจ

เราสามารถให้ข้อความทางวิทยาศาสตร์ที่ถูกต้องแม่นยำแก่บุคคลหนึ่ง ซึ่งอัดแน่นไปด้วยข้อมูลที่มีคุณค่ามหาศาล แต่กลับไม่ได้ถ่ายทอดอะไรให้เขาเลยแทบจะทั้งหมด

เพราะการที่จะเข้าใจข้อมูลได้ บุคคลนั้นจำเป็นต้องมีความเข้าใจบางอย่างอยู่แล้วก่อนหน้านี้

และนี่คือจุดที่ปัญหาพื้นฐานที่สุดประการหนึ่งของระบบการถ่ายทอดความรู้สมัยใหม่ซ่อนอยู่

คอนเซ็ปต์ — หน่วยพื้นฐานของความเข้าใจ

เราคุ้นเคยกับการวัดข้อมูลด้วยคำศัพท์ หน้ากระดาษ หนังสือ คำบรรยาย ชั่วโมงการเรียนรู้ และกิกะไบต์ของข้อมูล

แต่กระบวนการคิดของมนุษย์ไม่ได้ทำงานแบบนั้น

เราไม่ได้เก็บรักษาหนังสือไว้ภายในหัวของเรา

เราสร้าง คอนเซ็ปต์

คอนเซ็ปต์ คือ หน่วยความหมายที่สมบูรณ์ ซึ่งมนุษย์สามารถจดจำ ฟื้นคืนในความคิด และนำไปใช้เพื่อทำความเข้าใจสิ่งอื่น ๆ ต่อไปได้

ตัวอย่างเช่น คำว่า "ความดัน" ในตัวมันเองไม่ใช่ความรู้

สำหรับคนบางคน คำนี้หมายถึงคำนิยามในโรงเรียนที่เกือบจะลืมไปแล้ว

สำหรับวิศวกร คำนี้หมายถึงระบบทั้งหมดของโมเดลทางฟิสิกส์

สำหรับช่างประปา คำนี้ยังรวมถึงประสบการณ์จริง: พฤติกรรมของน้ำเป็นอย่างไร เกิดอะไรขึ้นเมื่อขนาดเส้นผ่านศูนย์กลางท่อเปลี่ยนไป ทำไมระบบจึงเกิดเสียงดัง และปัญหาเกิดขึ้นที่ไหน

คำศัพท์มีคำเดียว

แต่คอนเซ็ปต์เบื้องหลังนั้นแตกต่างกัน

ในทางกลับกัน บุคคลหนึ่งอาจเข้าใจไอเดียบางอย่างเป็นอย่างดี โดยที่ไม่รู้จักคำศัพท์ทางวิทยาศาสตร์ที่เป็นที่ยอมรับเลยด้วยซ้ำ

ตัวอย่างเช่น เขารเข้าใจว่าระบบสามารถลดผลกระทบลงได้เองเมื่อผลลัพธ์มีขนาดใหญ่เกินไป และเพิ่มขึ้นเมื่อผลลัพธ์มีขนาดเล็กเกินไป

เขากเข้าใจกลไกนั้นแล้ว

เพียงแต่เขาอาจไม่รู้ว่ามีคำศัพท์ที่เรียกว่า "การป้อนกลับเชิงลบ" (negative feedback) อยู่

ดังนั้น คำศัพท์และคอนเซ็ปต์จึงไม่ใช่สิ่งเดียวกัน

คำศัพท์คือป้ายบอกทาง

คอนเซ็ปต์คือสิ่งที่กางออกอยู่เบื้องหลังป้ายบอกทางนั้นในหัวของมนุษย์

ความแตกต่างนี้ดูเหมือนจะเป็นเรื่องเล็กน้อย แต่มันเปลี่ยนมุมมองที่มีต่อการศึกษาไปอย่างสิ้นเชิง

มนุษย์ไม่ได้สะสมความรู้แบบเชิงเส้น

แนวคิดเกี่ยวกับการศึกษาว่าเป็นการเติมข้อมูลลงในหัวทีละขั้นตอนนั้นเรียบง่ายจนเกินไป

สิ่งที่เกิดขึ้นจริงคือนักเรียนซึมซับคอนเซ็ปต์ใหม่ผ่านคอนเซ็ปต์ที่มีอยู่แล้ว

ในตอนแรก ไอเดียที่ซับซ้อนจำเป็นต้องได้รับการอธิบายอย่างยืดยาว ผ่านตัวอย่าง การเปรียบเทียบ และปรากฏการณ์ที่คุ้นเคย

จากนั้นมนุษย์จึงเข้าใจมัน

หลังจากนั้น โครงสร้างทั้งหมดสามารถถูกย่อส่วนให้เหลือชื่อสั้น ๆ ได้

ตอนนี้ สิ่งที่ต้องทำมีเพียงแค่พูดว่า:

"การป้อนกลับเชิงลบ"

— และแบบจำลองที่เขารู้จักอยู่แล้วก็จะถูกคลี่ออกในหัวของเขา

ข้อมูลหลายย่อหน้าถูกย่อให้เหลือเพียงสองคำ

แต่ยังมีสิ่งอื่นที่สำคัญยิ่งกว่าเกิดขึ้น

ตอนนี้คอนเซ็ปต์ใหม่สามารถถูกนำไปใช้เพื่อทำความเข้าใจคอนเซ็ปต์ที่ซับซ้อนยิ่งขึ้นต่อไปได้

ด้วยเหตุนี้ การเรียนรู้จึงไม่ได้มีลักษณะเช่นนี้:

ความรู้ + ความรู้ + ความรู้ + ความรู้

แต่ค่อนข้างจะเป็นเช่นนี้:

เข้าใจ → ย่อส่วน → นำกลับมาใช้ซ้ำ → ใช้สิ่งนั้นทำความเข้าใจสิ่งที่ซับซ้อนขึ้น → ย่อส่วนอีกครั้ง

มนุษย์ทำการปรับเปลี่ยนภาษาแห่งความคิดของตนเองอยู่ตลอดเวลา

ยิ่งระบบนี้มีความอุดมสมบูรณ์มากเท่าไร ข้อมูลที่ซับซ้อนมากขึ้นก็สามารถถูกส่งผ่านไปยังเขาได้ด้วยข้อความที่สั้นลงเท่านั้น

ประโยคที่ไร้ความหมายโดยสิ้นเชิงสำหรับคนคนหนึ่ง สามารถถ่ายทอดปริมาณความรู้มหาศาลให้กับอีกคนหนึ่งได้ภายในเวลาไม่กี่วินาที

นี่คือเหตุผลว่าทำไมคนสองคนจึงสามารถอ่านบทความทางวิทยาศาสตร์ชิ้นเดียวกัน และได้รับปริมาณข้อมูลที่แตกต่างกันอย่างสิ้นเชิงในความเป็นจริง

การถ่ายทอดข้อมูลไม่ได้หมายถึงการถ่ายทอดความเข้าใจ

ลองจินตนาการถึงประโยคนี้:

ระบบสมัยใหม่ใช้ knowledge tracing ร่วมกับ knowledge graphs เพื่อสร้าง adaptive learning paths โดยคำนึงถึง cognitive load และ prerequisites ของผู้เรียน

สำหรับผู้เชี่ยวชาญ นี่อาจเป็นสูตรที่ปกติและกะทัดรัดพอสมควร

แต่สำหรับคนจำนวนมหาศาล นี่คือขยะทางข้อมูล

ไม่ใช่เพราะพวกเขาไม่สามารถเข้าใจไอเดียนั้นได้

แต่เป็นเพราะข้อความถูกเข้ารหัสผ่านคอนเซ็ปต์ที่ยังไม่มีอยู่ในหัวของพวกเขา

เราอาจจะแสดงความคิดที่คล้ายคลึงกันด้วยวิธีอื่นได้ว่า:

คอมพิวเตอร์สามารถค่อย ๆ ระบุได้ว่าสิ่งที่มนุษย์เข้าใจแล้วคืออะไร ความรู้อะไรที่เขายังต้องการ และควรให้ความรู้เหล่านั้นตามลำดับใดจึงจะดีที่สุด เพื่อไม่ให้เขาต้องเรียนรู้สิ่งใหม่ ๆ มากเกินไปในเวลาเดียวกัน

ตอนนี้ข้อความได้กลายเป็นสิ่งที่เข้าถึงได้สำหรับกลุ่มเป้าหมายที่แตกต่างออกไปอย่างสิ้นเชิง

ข้อมูลในเนื้อหาแทบจะไม่เปลี่ยนแปลงเลย

สิ่งที่เปลี่ยนไปคือ วิธีการเข้ารหัสข้อมูล

และสิ่งนี้ช่วยให้เราสามารถกำหนดหลักการที่สำคัญที่สุดได้:

คำอธิบายที่ดีไม่ได้ถูกกำหนดโดยสิ่งที่ผู้ถ่ายทอดรู้เท่านั้น แต่มันถูกกำหนดโดยสิ่งที่ผู้รับรู้แล้วเช่นกัน

คำอธิบายที่ดีในระดับสากลอาจไม่มีอยู่จริงเลยก็ได้

ความรู้ทางวิทยาศาสตร์กำลังถูกบีบอัดมากขึ้นเรื่อย ๆ

เมื่อสาขาวิชาใด ๆ พัฒนาขึ้น ภาษาเฉพาะของตนเองก็จะเกิดขึ้นตามมา

นี่เป็นสิ่งที่จำเป็น

มันไร้ประโยชน์ที่ผู้เชี่ยวชาญจะต้องมาอธิบายไอเดียพื้นฐานตั้งแต่เริ่มต้นใหม่ทุกครั้ง โครงสร้างที่ซับซ้อนจะได้รับชื่อเรียกและกลายมาเป็นบล็อกตัวต่อชิ้นใหม่ของการคิด

คำศัพท์คำเดียวเริ่มเข้ามาแทนที่หน้ากระดาษคำอธิบายทั้งหมด

นี่คือการบีบอัดข้อมูลที่มีประสิทธิภาพสูงสุด

แต่มันมีราคาที่ต้องจ่าย

เพื่อที่จะคลายการบีบอัดคำศัพท์ดังกล่าว บุคคลนั้นจะต้องครอบครองคอนเซ็ปต์ที่สอดคล้องกันล่วงหน้า

ดังนั้น แต่ละสาขาวิชาที่พัฒนาแล้วจึงค่อย ๆ สร้างเครื่องถอดรหัส (decoder) ของตนเองขึ้นมา

นักฟิสิกส์เข้าใจนักฟิสิกส์

นักชีววิทยาเข้าใจนักชีววิทยา

นักเศรษฐศาสตร์เข้าใจนักเศรษฐศาสตร์

โปรแกรมเมอร์เข้าใจโปรแกรมเมอร์

ปัญหานี้จะเห็นได้ชัดเจนเป็นพิเศษตรงรอยต่อระหว่างสาขาวิชาต่าง ๆ

ผู้เชี่ยวชาญที่มีคุณสมบัติสูงสามารถเปิดงานวิจัยจากสาขาข้างเคียง และพบว่าข้อความส่วนใหญ่ในนั้นแทบจะเข้าใจไม่ได้เลยสำหรับเขา

เขารู้วิธีอ่านแต่ละคำแยกจากกัน

แต่ไม่รู้วิธีคลายการบีบอัดคอนเซ็ปต์ที่อยู่เบื้องหลังคำเหล่านั้น

ผลลัพธ์ที่ได้คือความย้อนแย้ง

มนุษยชาติรู้มากขึ้นเรื่อย ๆ แต่สำหรับปัจเจกบุคคลแล้ว การเข้าถึงความรู้ทั้งหมดของมนุษยชาติกลับยากขึ้นเรื่อย ๆ

การศึกษาปัจจุบันพยายามแก้ปัญหาผิดจุด

การศึกษาแบบดั้งเดิมมักจะเริ่มต้นจากวิชา

นี่คือหลักสูตร

นี่คือลำดับของหัวข้อ

นี่คือภาคเรียนที่หนึ่ง

นี่คือภาคเรียนที่สอง

นี่คือรายชื่อหนังสืออ่านประกอบ

และจากนั้นพวกเขาก็พยายามพาผู้คนที่แตกต่างกันโดยสิ้นเชิงนับพันคนเดินทางไปตามเส้นทางนี้

แต่ผู้คนเหล่านี้มีสมองที่แตกต่างกัน

คนหนึ่งรู้คอนเซ็ปต์ที่จำเป็นไปแล้วครึ่งหนึ่ง

อีกคนขาดคอนเซ็ปต์พื้นฐานไปหลายตัว

คนที่สามเข้าใจไอเดียนั้นเป็นอย่างดี แต่ไม่รู้จักคำศัพท์เฉพาะทาง

คนที่สี่รู้จักคำศัพท์และสามารถท่องคำจำกัดความได้ แต่ไม่มีคอนเซ็ปต์เบื้องหลังคำนั้นในความเป็นจริง

คนที่ห้ามาที่นี่เพื่อความสามารถเฉพาะอย่างเดียว ซึ่ง 80% ของคอร์สนี้ไม่เคยจำเป็นต้องใช้เลย

เราพยายามปรับตัวมนุษย์ให้เข้ากับหลักสูตรการศึกษา

มันคงจะมีเหตุผลมากกว่าหากจะทำในทางกลับกัน

ไม่ควรเริ่มต้นจากวิชา แต่ควรเริ่มต้นจากเป้าหมาย

สมมติว่ามนุษย์ต้องการมีความสามารถบางอย่าง

ไม่ใช่ "เรียนรู้การเขียนโปรแกรม"

แต่เป็นตัวอย่างเช่น:

เรียนรู้วิธีการสร้างเครื่องมือดิจิทัลอย่างง่ายด้วยตนเองเพื่อธุรกิจของตนเอง

นี่คือการตั้งโจทย์ที่แตกต่างกันอย่างสิ้นเชิง

ตอนนี้เราสามารถถามได้ว่า:

สิ่งที่บุคคลนี้จำเป็นต้องเข้าใจอย่างแท้จริงเพื่อให้ได้ความสามารถนี้มาคืออะไร?

สิ่งที่เขาเข้าใจอยู่แล้วคืออะไร?

คอนเซ็ปต์ไหนที่ยังขาดหายไป?

สิ่งใดในสิ่งที่เรียนรู้กันแบบดั้งเดิมที่เทคโนโลยีสมัยใหม่ทำให้มันกลายเป็นสิ่งที่ไม่จำเป็นไปแล้ว?

สิ่งไหนที่เขารู้แค่ผิวเผินก็เพียงพอ?

สิ่งไหนที่จำเป็นต้องเข้าใจอย่างลึกซึ้ง?

คอนเซ็ปต์ขั้นกลางตัวใดที่สามารถข้ามไปได้เลย?

และจู่ ๆ ก็พบว่าเส้นทางดั้งเดิมที่มีความยาวหนึ่งพันหน่วยสมมติ สามารถลดลงเหลือเพียงสองร้อยหน่วยได้

ไม่ใช่ด้วยการทำให้ผลลัพธ์แย่ลง

แต่เกิดจากการกำจัดข้อมูลที่ ไม่จำเป็นสำหรับเป้าหมายของมนุษย์เฉพาะเจาะจงรายนี้ในโลกเทคโนโลยีปัจจุบัน

เทคโนโลยีทำลายความรู้บังคับเก่า ๆ อย่างต่อเนื่อง

ในช่วงเริ่มต้นของคอมพิวเตอร์ส่วนบุคคล มนุษย์ต้องเรียนรู้วิธีการรันกราฟิกส์シェルด้วยคำสั่ง win จริง ๆ

จำเป็นต้องอธิบายว่าหน้าต่างคืออะไร ไอคอนคืออะไร การดับเบิลคลิกคืออะไร

ในปัจจุบัน ข้อมูลเหล่านี้จะไม่จำเป็นสำหรับคนจำนวนมหาศาลเลย

เทคโนโลยีได้ซ่อนระดับความซับซ้อนที่สอดคล้องกันเอาไว้แล้ว

แต่การศึกษากลับมีความเฉื่อยชาอย่างมาก

เรายังคงสร้างหลักสูตรโดยอิงตามห่วงโซ่ที่พัฒนามาตามประวัติศาสตร์:

เพื่อที่จะเข้าใจ D ก่อนอื่นให้ศึกษา A จากนั้น B แล้วจึงค่อยเป็น C

ทั้งที่โลกสมัยใหม่อนุญาตให้ทำเช่นนี้ได้แล้ว:

A → D

หรือแม้กระทั่ง:

D

กระบวนการนี้เกิดขึ้นอย่างรวดเร็วเป็นพิเศษในปัจจุบันด้วยความช่วยเหลือของ AI

สิ่งที่เคยเป็นความสามารถทางวิชาชีพที่จำเป็นเมื่อห้าปีที่แล้ว อาจกลายเป็นรายละเอียดทางเทคนิคภายในของระบบอัจฉริยะในวันพรุ่งนี้

ดังนั้น ห่วงโซ่ของคอนเซ็ปต์บังคับจึงไม่สามารถคงที่ได้

มันจะต้องได้รับการทบทวนใหม่อย่างต่อเนื่อง

ปัญญาประดิษฐ์ทำให้สถาปัตยกรรมการเรียนรู้รูปแบบอื่นเป็นไปได้

ก่อนที่ระบบ AI สมัยใหม่จะถือกำเนิดขึ้น การปรับแต่งการถ่ายทอดความรู้ให้เป็นแบบส่วนบุคคลในลักษณะนี้นั้นแทบจะเป็นไปไม่ได้เลย

ผู้เขียนตำราเรียนจำเป็นต้องเขียนเนื้อหาออกมาเพียงเวอร์ชันเดียว

ผู้สอนสามารถปรับคำอธิบายให้เข้ากับผู้ฟังได้เล็กน้อย แต่ไม่มีความสามารถทางกายภาพที่จะคอยรักษาโมเดลความรู้ที่แม่นยำของนักเรียนแต่ละคนจากหลายร้อยคนได้ตลอดเวลา

AI มีความสามารถในการทำงานในรูปแบบที่แตกต่างออกไป

ระบบสามารถค่อย ๆ สร้าง แบบจำลองคอนเซ็ปต์ที่มีชีวิตของมนุษย์แต่ละคน ขึ้นมาได้

ไม่ใช่แค่เพียง:

รู้คณิตศาสตร์ — 72%

แต่เป็น:

คอนเซ็ปต์นี้เข้าใจได้ดี; คอนเซ็ปต์นี้นำไปใช้ แต่ไม่เข้าใจกลไก; คอนเซ็ปต์นี้รู้จักภายใต้ชื่ออื่น; ขาดความสัมพันธ์เชิงเหตุและผลที่จำเป็นในจุดนี้; คำศัพท์นี้ไม่คุ้นเคยสำหรับบุคคลนั้น แม้ว่าตัวไอเดียเองจะเข้าใจแล้วก็ตาม

หลังจากนั้น งานในการอธิบายก็จะกลายเป็นสิ่งที่สามารถคำนวณได้

เรามี:

เป้าหมายของมนุษย์;

ระบบคอนเซ็ปต์ปัจจุบันของเขา;

กราฟความรู้ของมนุษยชาติอันมหาศาล;

ขีดความสามารถทางเทคโนโลยีสมัยใหม่

สิ่งที่เราต้องหาคือ ห่วงโซ่ของการเปลี่ยนแปลงขั้นต่ำสุด ที่จะนำพาบุคคลนั้นจากสถานะปัจจุบันไปสู่ความสามารถที่ต้องการ

สิ่งที่ต้องย่อให้เล็กที่สุดไม่ใช่เวลาในการเรียนรู้

โดยปกติแล้วเรามักจะถามว่า:

จะอธิบายคอร์สนี้ให้เร็วขึ้นได้อย่างไร?

นี่คือคำถามลำดับรอง

คำถามแรกควรจะเป็น:

ทำไมมนุษย์จะต้องเรียนคอร์สนี้ทั้งหมดตั้งแต่แรกด้วยซ้ำ?

หากหลักสูตรประกอบด้วยหนึ่งพันคอนเซ็ปต์ แต่สำหรับเป้าหมายของบุคคลเฉพาะเจาะจงจำเป็นต้องใช้เพียงหนึ่งร้อยคอนเซ็ปต์ การเร่งการเรียนรู้หนึ่งพันคอนเซ็ปต์นั้นถือเป็นการเพิ่มประสิทธิภาพที่แย่มาก

สิ่งแรกที่ต้องทำือกำจัดเก้าสือคอนเซ็ปต์ทิ้งไป

ในหนึ่งร้อยคอนเซ็ปต์ที่เหลืออยู่ บุคคลนั้นรู้อยู่แล้วบางส่วน

บางส่วนสามารถแทนที่ด้วยโมเดลที่มีความเป็นสากลมากขึ้น

บางส่วนเพียงพอที่จะระบุไว้ว่า: "ให้รู้ว่ามีสาขานี้อยู่และควรจะติดต่อเมื่อไหร่"

บางส่วนจำเป็นต้องเข้าใจอย่างลึกซึ้งจริง ๆ

หลังจากนั้นจึงค่อยสมเหตุสมผลที่จะปรับปรุงคำอธิบายให้เหมาะสมที่สุด

เราไม่สามารถบังคับให้สมองของมนุษย์เรียนรู้เร็วขึ้นยี่สิบเท่าได้

แต่บางครั้งเราก็สามารถ ลดปริมาณสิ่งที่เขาจำเป็นต้องเรียนรู้อย่างแท้จริงลงได้ถึงยี่สิบเท่า

นี่คือวิธีที่แตกต่างกันอย่างสิ้นเชิงในการเร่งการพัฒนาของมนุษย์

ในขณะเดียวกัน เส้นทางขั้นต่ำของแต่ละคนก็มีความเฉพาะตัว

สมมติว่าจำเป็นต้องอธิบายระบบการจัดการบางอย่างให้บุคคลหนึ่งฟัง

สำหรับวิศวกร การอธิบายในรูปแบบคณิตศาสตร์ย่อมสะดวกกว่า

สำหรับโปรแกรมเมอร์ — ผ่านสถานะของโปรแกรมและ feedback loop

สำหรับผู้ประกอบการ — ผ่านราคาและการเปลี่ยนแปลงของอุปสงค์

สำหรับช่างประปา — ผ่านความดันและวาล์ว

นี่ไม่ใช่สี่คอนเซ็ปต์ที่แตกต่างกัน

แต่มันคือสี่วิธีที่แตกต่างกันในการเข้าถึงโมเดลภายในที่ใกล้เคียงกันพอสมควร

หลังจากที่ความเข้าใจเกิดขึ้นแล้ว เราสามารถพูดได้ว่า:

ในรูปแบบทั่วไป สิ่งนี้เรียกว่า...

ตอนนี้คำศัพท์เฉพาะทางได้หยุดเป็นคำที่ไม่รู้จักอีกต่อไปแล้ว

แต่มันได้กลายเป็น ป้ายบอกทางที่ถูกบีบอัดไปยังคอนเซ็ปต์ที่มีอยู่แล้ว

คำอธิบายถัดไปสามารถสร้างขึ้นโดยอาศัยสิ่งนี้ได้แล้ว

ดังนั้น ระบบการเรียนรู้จึงต้องเปลี่ยนแปลงไปพร้อมกับมนุษย์อยู่อย่างต่อเนื่อง

คำอธิบายที่จำเป็นสำหรับเขาในวันนี้ อีกครึ่งปีข้างหน้าจะกลายเป็นสิ่งที่เรียบง่ายจนน่าหงุดหงิด

เครื่องถอดรหัสภายในของเขาได้เปลี่ยนไปแล้ว

นั่นหมายความว่า ภาษาของระบบก็ต้องเปลี่ยนไปด้วยเช่นกัน

ก่อนอื่น มนุษย์จะต้องได้รับการสอนให้รู้วิธีการเรียนรู้

แต่ยังมีปัญหาที่ลึกซึ้งยิ่งกว่าเทคโนโลยีใด ๆ

ผู้คนจำนวนมหาศาลไม่เข้าใจเลยว่าเกิดอะไรขึ้นในขณะที่กำลังเรียนรู้

บุคคลหนึ่งเข้ามาเรียนในคอร์ส

ฟังบรรยาย

ในจุดใดจุดหนึ่งเขาหยุดเข้าใจสิ่งที่กำลังเกิดขึ้น

แต่ยังคงฟังต่อไป

คำอธิบายถัดๆ ไปถูกสร้างขึ้นบนพื้นฐานของคอนเซ็ปต์ที่ไม่เข้าใจนั้นแล้ว

ผ่านไปยี่สิบนาที มีสามคอนเซ็ปต์ที่ไม่เข้าใจ

ผ่านไปหนึ่งชั่วโมง ครึ่งหนึ่งของเนื้อหาไม่เป็นที่เข้าใจ

และบุคคลนั้นก็สรุปว่า:

"ฉันไม่ฉลาดพอ"

ทั้งที่คำอธิบายทางเทคนิคของปัญหาอาจเป็นอีกอย่างโดยสิ้นเชิง:

มีโหนดหนึ่งขาดหายไปในห่วงโซ่ของความเข้าใจ

เป็นไปได้ว่าผู้สอนใช้คำศัพท์โดยสันนิษฐานว่ามันเป็นที่รู้จักอยู่แล้ว

เป็นไปได้ว่าผู้สอนข้ามความสัมพันธ์เชิงเหตุและผลไป

เป็นไปได้ว่าผู้สอนใช้นามธรรมที่บุคคลเฉพาะเจาะจงอาจจะเข้าใจได้ง่ายกว่าหากแสดงตัวอย่างให้ดูก่อน

เป็นไปได้ว่าเนื้อหาขั้นกลางทั้งหมดไม่จำเป็นสำหรับงานของเขาเลยตั้งแต่แรก

ดังนั้น หนึ่งในทักษะแรกสุดที่จำเป็นต้องสอนมนุษย์ คือ — การวินิจฉัยความไม่เข้าใจของตนเอง

ไม่ใช่:

ฉันไม่เข้าใจฟิสิกส์

แต่เป็น:

ในคำอธิบายนี้ ฉันเข้าใจ A และ B แต่ไม่เข้าใจว่าทำไม B จึงนำไปสู่ C

หรือ:

ฉันไม่รู้ว่าคำว่า X หมายถึงอะไร

หรือ:

กลไกนี้ฉันเข้าใจดีแล้ว แต่มันถูกนำมาใช้ที่นี่ทำไมฉันถึงไม่เข้าใจ

ความไม่เข้าใจหยุดเป็นเรื่องของการประเมินตัวบุคคล

แต่มันกลายเป็น ความผิดปกติทางเทคนิคที่เฉพาะเจาะจงในห่วงโซ่ของคอนเซ็ปต์ ซึ่งสามารถค้นหาและแก้ไขได้

นี่คือสิ่งที่เรียกว่าการเรียนรู้วิธีการเรียนรู้

AI มีความสามารถทั้งในการเพิ่มและลดช่องว่างทางปัญญา

ตรงนี้มีปัญหาอีกประการหนึ่งปรากฏขึ้น

เรามักจะสันนิษฐานว่า AI ที่ทุกคนสามารถเข้าถึงได้จะช่วยปรับระดับความสามารถทางปัญญาของผู้คนให้เท่าเทียมกัน

แต่นั่นไม่จำเป็นต้องเป็นเช่นนั้นเสมอไป

ลองจินตนาการถึงคนสองคนที่เข้าถึงโมเดลเดียวกันได้อย่างเท่าเทียมกัน

คนแรกใช้มันในลักษณะนี้:

ทำให้ที

AI จัดการทำ

มนุษย์ได้รับผลลัพธ์

คนที่สอง:

ทำไมผลลัพธ์จึงออกมาเป็นเช่นนี้? มีทางเลือกอื่นใดอีกบ้าง? อะไรคือสิ่งที่ฉันยังไม่เข้าใจ? มันคล้ายกับหลักการทั่วไปข้อใด? มันถูกนำไปใช้ที่ไหนอีกบ้าง? สมมติฐานใดที่เรายอมรับไปโดยปริยายในตอนนี้?

AI ตอบคำถาม

คำตอบก่อให้เกิดคำถามใหม่ ๆ

คำตอบใหม่สร้างคอนเซ็ปต์ใหม่ ๆ

คอนเซ็ปต์ใหม่ช่วยให้มนุษย์สามารถตั้งคำถามที่แม้แต่จะคิดถึงมันในอดีតก็ยังทำไม่ได้

วงจรป้อนกลับเชิงบวกจึงเกิดขึ้น:

ความเข้าใจ → คำถามที่ทรงพลังยิ่งขึ้น → การใช้ AI ที่มีประสิทธิภาพยิ่งขึ้น → ความเข้าใจใหม่ → คำถามที่ทรงพลังยิ่งขึ้นไปอีก

ดังนั้น การเข้าถึง AI ในระดับเดียวกันจึงสามารถนำไปสู่ผลลัพธ์ที่แตกต่างกันอย่างสิ้นเชิง

สำหรับคนคนหนึ่ง สิ่งที่เติบโตขึ้นเป็นหลักคือผลผลิต

สำหรับอีกคนหนึ่ง ในเวลาเดียวกัน ตัวมนุษย์เอง ก็เติบโตขึ้นด้วย

และช่องว่างระหว่างพวกเขาก็อาจไม่ได้ลดลง แต่กลับเพิ่มขึ้นอย่างรวดเร็ว

ในกรณีนี้ AI จะกลายเป็น เครื่องขยายความแตกต่างทางปัญญา

ความซับซ้อนของผลลัพธ์ไม่ได้แสดงถึงความซับซ้อนของมนุษย์อีกต่อไป

นี่คือสภาพการณ์ใหม่สำหรับมนุษยชาติ

ในอดีตเคยมีความเชื่อมโยงที่ค่อนข้างแน่นแฟ้น:

เพื่อให้สามารถสร้างสิ่งที่ซับซ้อนมากขึ้นได้ มนุษย์จะต้องมีความสามารถมากขึ้นด้วยตนเอง

AI กำลังทำลายความเชื่อมโยงนี้ทีละน้อย

มนุษย์สามารถสร้างผลิตภัณฑ์ซอฟต์แวร์ได้โดยแทบจะไม่เข้าใจการเขียนโปรแกรมเลย

สามารถได้รับรายงานการวิเคราะห์ที่ซับซ้อนโดยไม่ต้องเชี่ยวชาญวิธีการวิเคราะห์ที่สอดคล้องกัน

สามารถจัดการกระบวนการต่าง ๆ โดยแทบจะไม่เข้าใจกลไกการทำงานภายในของมันเลย

นี่ไม่ใช่สิ่งที่ไม่ดีเสมอไป

แต่มีความแตกต่างขั้นพื้นฐานเกิดขึ้น:

ความซับซ้อนของผลงานที่มนุษย์ผลิตขึ้น ≠ ความซับซ้อนทางปัญญาของตัวมนุษย์เอง

คนเราสามารถผลิตผลงานที่มีความซับซ้อนทางปัญญาในปริมาณมหาศาล โดยการนำเข้าความซับซ้อนเกือบทั้งหมดที่บรรจุอยู่ภายในผลงานนั้นมาจาก AI

ดังนั้น ผลผลิตจึงไม่สามารถถือเป็นตัวชี้วัดที่เพียงพอสำหรับการพัฒนาของมนุษย์ได้อีกต่อไป

เราจำเป็นต้องตั้งคำถามข้ออื่น:

อะไรคือสิ่งที่เปลี่ยนแปลงไปในหัวของมนุษย์หลังจากทำงานนี้เสร็จสิ้น?

แต่เราไม่สามารถเปลี่ยนทุกงานให้เป็นบทเรียนได้

จากจุดนี้ทำให้สรุปผิดพลาดได้ง่ายว่า:

นั่นหมายความว่า AI จะต้องบังคับให้มนุษย์คิดด้วยตัวเองทุกครั้ง และอธิบายทุกสิ่งที่มันทำให้อخوانฟังอย่างละเอียด

สิ่งนี้จะทำลายความหมายของการอัตโนมัติทางปัญญาไปเสียเอง

ความสนใจของมนุษย์มีจำกัด

เราไม่สามารถบังคับให้มนุษย์ต้องเรียนรู้กลไกภายในของเครื่องมือทุกชิ้นที่เขาใช้งานได้

นี่คือเหตุผลที่แนวคิดเรื่อง คอนเซ็ปต์ที่จำเป็นขั้นต่ำ กลายเป็นหัวใจสำคัญ

ระบบจะต้องมีความสามารถในการแยกระหว่าง:

สิ่งนี้คือสิ่งที่มนุษย์จำเป็นต้องเข้าใจ;

สิ่งนี้เพียงพอที่จะรู้ว่ามันมีอยู่จริง;

สิ่งนี้จะจำเป็นเฉพาะเมื่อสถานการณ์บางอย่างเกิดขึ้นเท่านั้น;

สิ่งนี้สามารถมอบให้เครื่องจักรจัดการได้อย่างสมบูรณ์

เป้าหมายไม่ใช่การเพิ่มพูนความรู้ของมนุษย์ให้สูงสุด

เป้าหมายคือ การเพิ่มความสามารถในการเข้าใจและการกระทำของเขาให้สูงสุด ภายใต้ต้นทุนทางปัญญาที่ต่ำที่สุด

คอนเซ็ปต์กลายเป็นหน่วยข้อมูลขั้นสุดท้าย

หลักการทางสถาปัตยกรรมจึงตามมาจากจุดนี้

ไม่ใช่บทความ

ไม่ใช่หนังสือ

ไม่ใช่บทเรียน

ไม่ใช่คอร์ส

ไม่ใช่สาขาวิชา

คอนเซ็ปต์

โครงสร้างข้อมูลขนาดใหญ่มีความจำเป็นก็เพราะว่า บางครั้งเพื่อที่จะสร้างคอนเซ็ปต์เดียวขึ้นมา มนุษย์จำเป็นต้องอาศัยลำดับคำอธิบายที่ยาวเหยียด

แต่ผลลัพธ์สุดท้ายไม่ใช่หน้ากระดาษที่อ่านจบ

ผลลัพธ์คือโครงสร้างความหมายที่เกิดขึ้นในหัว ซึ่งมนุษย์สามารถนำไปใช้ประโยชน์ต่อไปได้

ดังนั้น คอนเซ็ปต์จึงสามารถมองได้ว่าเป็น หน่วยพื้นฐานและหน่วยสุดท้ายของความรู้ ในเวลาเดียวกัน

พื้นฐาน — เพราะการเรียนรู้ในลำดับถัดไปถูกสร้างขึ้นจากคอนเซ็ปต์ที่เชี่ยวชาญแล้ว

สุดท้าย — เพราะภารกิจในการถ่ายทอดข้อมูลจะสิ้นสุดลงไม่ใช่เมื่อมนุษย์อ่านข้อความจบ แต่เมื่อคอนเซ็ปต์ที่จำเป็นถูกสร้างขึ้นใหม่ในโมเดลโลกของเขาสำเร็จ

ข้อความคือพาหนะ

คำศัพท์คือที่อยู่

คำอธิบายคือวิธีการถอดรหัส

คอนเซ็ปต์คือผลลัพธ์

บางทีเราอาจต้องการทฤษฎีใหม่เกี่ยวกับการถ่ายทอดความรู้

ทฤษฎีสารสนเทศคลาสสิกตอบคำถามเกี่ยวกับการส่งสัญญาณได้อย่างยอดเยี่ยม

แต่สำหรับการเรียนรู้ของมนุษย์ การรู้เพียงแค่ว่ามีข้อมูลถูกส่งไปมากแค่ไหนนั้นยังไม่เพียงพอ

เราสามารถส่งข้อมูลขนาดหนึ่งกิกะไบต์และแทบจะไม่เปลี่ยนอะไรในหัวของผู้รับเลยก็ได้

หรือเราอาจจะพูดเพียงประโยคเดียว — แล้วปรับเปลี่ยนมุมมองของเขาทั้งสาขาวิชาได้

นั่นหมายความว่า เรามีความสนใจในปริมาณอีกค่าหนึ่ง

ไม่ใช่:

ข้อมูลถูกส่งไปมากแค่ไหน?

แต่คือ:

การเปลี่ยนแปลงที่เป็นประโยชน์ใดที่เกิดขึ้นในระบบคอนเซ็ปต์ของผู้รับ และด้วยต้นทุนทางปัญญาเท่าใด?

สิ่งนี้ช่วยให้เราสามารถกำหนดประสิทธิภาพของการเรียนรู้ใหม่ได้

คำอธิบายที่ดีไม่ใช่คำอธิบายที่สมบูรณ์ที่สุด

ไม่ใช่คำอธิบายที่เป็นวิทยาศาสตร์ที่สุด

ไม่ใช่คำอธิบายที่สั้นที่สุด

และแม้กระทั่งไม่จำเป็นต้องเป็นคำอธิบายที่ถูกต้องแม่นยำที่สุดในแง่ของรายละเอียดจำนวนมากที่สุด

คำอธิบายที่ดีคือคำอธิบายที่ สร้างคอนเซ็ปต์ที่ถูกต้องแม่นยำเพียงพอสำหรับการกระทำหรือความเข้าใจที่จำเป็นในขั้นต่อไป โดยใช้ต้นทุนความสนใจของมนุษย์ให้น้อยที่สุด

และหลังจากนั้น คอนเซ็ปต์นี้ก็จะกลายเป็นวัสดุก่อสร้างสำหรับคอนเซ็ปต์ถัดไป

จากการศึกษาสากลสู่ระบบคอนเซ็ปต์ที่มีชีวิต

ท้ายที่สุดแล้ว สถาปัตยกรรมที่แตกต่างไปจากเดิมอย่างสิ้นเชิงจึงเกิดขึ้น

ไม่มีคอร์สที่ถูกต้องเพียงหนึ่งเดียว

ไม่มีชุดของ prerequisites ที่จำเป็นต้องมีตายตัว

ไม่มีคำอธิบายที่เหมาะสมที่สุดเพียงหนึ่งเดียว

มีมนุษย์คนหนึ่งในสถานะ H₀

มีความสามารถที่เขาต้องการจะได้รับ คือ T

มีสถานะของโลกและเทคโนโลยีในปัจจุบัน คือ W

และมีการแปลงสภาพขั้นต่ำบางประการ:

H₀ → H₁ → H₂ → … → T

การเปลี่ยนแปลงแต่ละครั้งคือการเกิดขึ้นหรือการปรับโครงสร้างของคอนเซ็ปต์

หลังจากการเปลี่ยนแปลงแต่ละครั้ง เส้นทางสามารถถูกคำนวณใหม่ได้

เป็นไปได้ว่าคอนเซ็ปต์ใหม่ทำให้สามารถก้าวกระโดดข้ามคอนเซ็ปต์สามตัวถัดไปได้

เป็นไปได้ว่าพบช่องว่างเก่าที่ตกหล่นไป

เป็นไปได้ว่ามนุษย์สร้างความเชื่อมโยงที่จำเป็นขึ้นมาได้ด้วยตนเองแล้ว

เป็นไปได้ว่าเทคโนโลยีเปลี่ยนไปและสาขาความรู้ทั้งสาขาไม่จำเป็นอีกต่อไปแล้ว

ดังนั้น กราฟจึงต้องมีชีวิต

และโมเดลของมนุษย์ก็ต้องมีชีวิตเช่นกัน

ภารกิจหลักคือการเพิ่มแบนด์วิดท์ของการพัฒนาของมนุษย์

สรีรวิทยาของมนุษย์เปลี่ยนแปลงไปอย่างช้า ๆ

เราไม่สามารถเพียงแค่เพิ่มความจำของมนุษย์เป็นสิบเท่า หรือทำให้สมองซึมซับโมเดลที่ซับซ้อนด้วยความเร็วระดับคอมพิวเตอร์ได้

แต่ต้นทุนส่วนใหญ่ของการเรียนรู้ในปัจจุบันไม่ได้ถูกกำหนดโดยสรีรวิทยาเลยแม้แต่น้อย

แต่มันถูกกำหนดโดยการกำหนดเส้นทางข้อมูลที่ย่ำแย่

เราสอนในสิ่งที่รู้อยู่แล้ว

อธิบายผ่านคำศัพท์ที่ไม่รู้จัก

ถ่ายทอดรายละเอียดที่จะไม่มีวันได้ใช้

บังคับให้เรียนรู้ prerequisites ที่สืบทอดกันมาตามประวัติศาสตร์

ใช้คำอธิบายเดียวกันกับผู้คนที่แตกต่างกัน

มองข้ามช่องว่างเล็ก ๆ น้อย ๆ ที่บล็อกห่วงโซ่ทั้งหมดในภายหลัง

และปล่อยให้มนุษย์ต้องค้นหาเส้นทางด้วยตนเองผ่านพื้นที่อันมหึมาของความรู้มนุษย์

AI ช่วยให้เราสามารถโจมตีความสูญเสียเหล่านี้เกือบทั้งหมดพร้อมกันได้เป็นครั้งแรก

ไม่ใช่การทำให้สมองทำงานเร็วขึ้น

แต่เป็นการทำให้เส้นทางสั้นลง

ไม่ใช่การให้ข้อมูลแก่ ΜนУษย์มากขึ้น

แต่เป็นการถ่ายทอดให้น้อยลง — แต่เป็นข้อมูลที่เขาสามารถแปลงเป็นความเข้าใจได้จริง ๆ เท่านั้น

ไม่ใช่การบังคับให้ทุกคนรู้ทุกอย่าง

แต่เป็นการมอบระบบคอนเซ็ปต์ที่เพียงพอขั้นต่ำให้กับทุกคน ซึ่งช่วยให้พวกเขาสามารถก้าวต่อไปได้

และบางที นี่อาจกลายเป็นหนึ่งในการเปลี่ยนแปลงที่สำคัญที่สุดของการศึกษาในยุคปัญญาประดิษฐ์

เพราะปัญหาของมนุษยชาติไม่ได้อยู่ที่การขาดแคลนข้อมูลมานานแล้ว

ปัญหาอยู่ที่ว่า ทุกวันนี้ต้องใช้ชีวิตของมนุษย์มากแค่ไหน เพื่อแปลงข้อมูลที่มีอยู่ให้กลายเป็นความเข้าใจ