ความท้าทายด้านการศึกษาในยุคของเครื่องทำการบ้านด้วย AI

• ช่วงหลังมานี้ ความท้าทายในแวดวงการศึกษาอันเกิดจาก เครื่องทำการบ้านด้วย AI เพิ่มขึ้น
• นักเรียนเข้าถึงการทุจริตงานมอบหมายได้ง่ายด้วยการใช้ Generative AI อย่าง ChatGPT
• ผู้สอนแสดงความกังวลว่าการใช้ AI อาจนำไปสู่ การตัดขาดจากกระบวนการเรียนรู้และการคิดจริง
• ในโรงเรียนเริ่มมีการทดลอง จำกัดการใช้ AI หรือหันไปใช้วิธีแบบแอนะล็อก (เช่น การเขียนด้วยมือ)
• เพื่อก้าวข้ามปัญหานี้ จำเป็นต้องมี การเปลี่ยนแปลงทั้งระบบนิเวศการศึกษาและแนวทางที่รอบคอบ

---

บทนำ: AI กับอุปมาเรื่อง Butlerian Jihad

• ผู้เขียนเสนอมาอย่างต่อเนื่องตั้งแต่ปีก่อนให้ยึดหลัก Butlerian Jihad จาก Dune ("อย่าสร้างเครื่องจักรที่เลียนแบบจิตใจมนุษย์")
• หลักการนี้ถูกเสนอเป็นจุดยึดที่รวบรวมความกังวลหลากหลายต่อ AI ไว้ในความเชื่อเดียวกัน และใช้แยกแยะระหว่างการใช้ AI เพื่อประโยชน์ที่ดี เช่น ทางการแพทย์ กับ AI ที่เลียนแบบมนุษย์
• ช่วงหลัง กระแส “ต่อต้าน AI” กำลังแพร่ขยายจริง
  • มีเสื้อยืดคำว่า ‘Destroy AI’, กับดักป้องกัน AI scraper และการแพร่หลายของข้อความต่อต้าน AI ในวงกว้าง
  • ในวงการวรรณกรรมและการพิมพ์ ข้อกำหนดต่อต้าน AI กำลังกลายเป็นมาตรฐาน
• จากประเด็นถกเถียงเรื่องการคัดเลือกผู้ร่วมเสวนาด้วย AI เป็นต้น เหล่าครีเอเตอร์ ศิลปิน และนักเขียนมองว่าแม้แต่ การปฏิสัมพันธ์ใดๆ กับ LLM ก็เป็นการทรยศต่อความเป็นน้ำหนึ่งใจเดียวกันทางความคิดสร้างสรรค์

ความรู้สึกต่อต้าน AI ในระดับอารมณ์และจิตใจ

• มีการสังเกตเห็นการแพร่กระจายของ ความรู้สึกปฏิเสธในระดับรากฐาน ต่อ AI ซึ่งไปไกลกว่าการเคลื่อนไหวแบบลุดไดต์อย่างง่าย
• ความอึดอัดต่อการที่ AI เลียนแบบมนุษย์และการใช้งานอย่างไร้จริยธรรมได้ฝังลึกเกินกว่าจะเป็นเพียงข้อโต้แย้งเชิงเหตุผล
• แม้การโต้แย้งเชิงตรรกะต่อเทคโนโลยี AI จะถูกหักล้างไป ความรู้สึกต่อต้านตัวมันเองก็ไม่ได้หายไปง่ายๆ

ปัญหา AI ในภาคการศึกษา: การมาของเครื่องทำการบ้าน

• ผลกระทบของ AI ที่รู้สึกได้มากที่สุดในภาคการศึกษาช่วงนี้คือ การทุจริตงานมอบหมาย
• บทความจำนวนมากสะท้อนการพึ่งพา AI ที่เพิ่มขึ้นของนักเรียน ความหงุดหงิดของครู และความสับสนต่อการใช้ AI
• AI tutor อาจดูเป็นอุดมคติ แต่ก็มีข้อจำกัด เช่น การหลอน/สร้างข้อมูลผิดพลาด และการขาดผลลัพธ์การเรียนรู้ที่แท้จริง

ผลกระทบของการใช้ AI ต่อโครงสร้างการเรียนรู้และการประเมิน

• AI แยกผลลัพธ์ของงานมอบหมายออกจาก กระบวนการคิดและการฝึกฝนจริง ทำให้ยากต่อการตรวจสอบว่านักเรียนเข้าใจจริงหรือไม่
• มันทำให้หลีกเลี่ยง “ความยากที่พึงประสงค์” (Desirable Difficulty) และมอบเพียงความสะดวกสบายระยะสั้น
• ไม่ใช่แค่วิชาศึกษาทั่วไป แต่แม้แต่ในวิชาเอกหรือชั้นเรียนด้านงานสร้างสรรค์ก็มี แรงยั่วยวนให้พึ่งพา AI อย่างมาก

ประสบการณ์จริงในห้องเรียนและปัญหาการตรวจจับการทุจริตด้วย AI

• แม้แต่ในชั้นเรียนการเขียนระดับมหาวิทยาลัยของผู้เขียนเอง การใช้ Generative AI ก็เพิ่มขึ้นอย่างรวดเร็ว
• แม้บางกรณีจะถูกจับได้จากความผิดพลาดพื้นฐานของผู้ใช้ (เช่น ข้อมูลผู้เขียนตกหล่น ข้อเท็จจริงผิดพลาด) แต่ก็ยิ่งตรวจจับได้ยากขึ้นเรื่อยๆ
• ด้วย ข้อจำกัดของการตรวจจับการใช้ AI ครูจึงมีแนวโน้มจะเข้าสู่สภาวะไม่ไว้วางใจ เหนื่อยล้า และมีจิตวิทยาแบบเป็นปฏิปักษ์มากกว่าร่วมมือในกระบวนการประเมิน
• นักเรียนเองก็รับมือเรื่องนี้ได้ชำนาญมากขึ้น และอัตราการยอมรับการทุจริตทางการศึกษาก็ค่อยๆ ลดลง

AI กับการเขียน: ความแตกต่างเชิงแก่นแท้ของเครื่องมือ

• ผลงานที่เขียนด้วย AI เป็นสิ่ง ไม่เป็นแก่นสารและขาดบทสนทนาแบบมนุษย์ จึงเพิ่มความเหนื่อยล้าให้ผู้สอน
• มีการเปรียบ AI ว่าเป็น “เครื่องคิดเลขสำหรับคำ” แต่เช่นเดียวกับที่เครื่องคิดเลขไม่อาจแทนการศึกษาคณิตศาสตร์ได้ AI ก็ไม่อาจแทนความสามารถในการเขียนได้เช่นกัน
• สำหรับการเรียนรู้และการเติบโตที่แท้จริง การคิดเชิงสร้างสรรค์และการแสดงออกที่ไม่พึ่ง AI ยังคงสำคัญ

การจำกัดการใช้ AI และการทดลองใช้วิธีแบบแอนะล็อก

• มีการจำกัดรูปแบบการส่งงานให้ใช้ Google Docs เป็นต้นเพื่อยืนยันการใช้ AI แต่ในทางปฏิบัติกลับเพิ่ม การเฝ้าระวังและความไม่สะดวก
• โรงเรียนได้แยกย่อยขอบเขตการอนุญาตใช้ AI แต่ในความเป็นจริงแทบไม่มีนักเรียนที่อ้างอิงหรือเปิดเผยการใช้ดังกล่าว
• ตัวนักเรียนเองก็มีแนวโน้มมอง AI ว่าเป็น “การทุจริต” และพยายามปกปิดอย่างมาก

มุมมองและความกังวลของนักเรียนเกี่ยวกับ AI

• นักเรียนรู้สึกเหนื่อยล้าทั้งต่อ AI เอง และต่อ ชีวิตที่สะสมการพึ่งพาแพลตฟอร์มดิจิทัล
• บางคนกังวลเรื่อง การใช้ AI เกินขอบเขต ในโครงการอนาคต หรือจินตนาการถึงอนาคตที่เหมาะสมกว่าซึ่งเป็น ‘การใช้เทคโนโลยีอย่างยับยั้งชั่งใจ’
• ความกังวลเช่นนี้ยิ่งเพิ่มน้ำหนักให้กับความจำเป็นของข้อจำกัดการใช้ AI ตามช่วงวัยหรือกฎระเบียบทางสังคม

ผลกระทบด้านลบทางการรับรู้จาก AI และปัญหาในระดับสังคม

• เทคโนโลยีที่เลียนแบบจิตใจมนุษย์ของ AI อาจก่อให้เกิดผลข้างเคียง เช่น ความสับสนทางอารมณ์ การเสพติด และอาการหลงผิด
• ปัญหาเหล่านี้ไม่ได้จำกัดอยู่แค่การศึกษา แต่กำลังขยายเป็น การทุจริตในภาคธุรกิจ กฎหมาย วิทยาศาสตร์ และทั่วทั้งสังคม
• สิ่งนี้อาจนำไปสู่วิกฤต เช่น การบั่นทอนรากฐานของความไว้วางใจและการทำลายความจริง

แนวทางรับมือ: การทดลองจัดการเรียนการสอนแบบเน้นแอนะล็อก

• ในฐานะทางหลีกเลี่ยงเชิงพื้นฐาน ผู้เขียนวางแผนทดลองนำ การเรียนรู้ด้วยลายมือและกระดาษ มาใช้ในภาคการศึกษาหน้า
• นักเรียนจะต้อง จดด้วยตนเองและแก้ปัญหาโดยตรง โดยไม่มีอุปกรณ์ดิจิทัล
• จะให้ความสำคัญกับการประเมินที่อิงกระบวนการ กล่าวคือเน้นการมีส่วนร่วมและการทำให้เสร็จมากกว่าผลงานลัพธ์

บทสรุป: การเปลี่ยนกระบวนทัศน์การศึกษาเพื่อฟื้นคืนความเป็นมนุษย์

• ผู้สนับสนุน AI อ้างว่า “AI จะเปลี่ยนทุกสิ่ง” แต่สิ่งนั้นอาจไม่ได้หมายถึงสภาพแวดล้อมทางการศึกษาที่ดีขึ้น
• ผู้เขียนย้ำว่าในกระบวนการรับมือกับ AI สิ่งที่จำเป็นในท้ายที่สุดคือ สภาพแวดล้อมที่เป็นมนุษย์มากขึ้น มีความเคารพซึ่งกันและกัน และเอื้อต่อการใคร่ครวญ
• ท่ามกลางความเปลี่ยนแปลงไม่หยุดยั้ง ผู้เขียนหวังถึง การฟื้นคืนแก่นแท้ของการศึกษาและการก้าวกระโดดครั้งใหม่

ข่าวเพิ่มเติม

• ภาคการศึกษานี้ ผู้เขียนได้รับ รางวัลการสอนดีเด่นจากรัฐบาลนักศึกษาระดับบัณฑิตศึกษาของ ASU
• ได้รับ รางวัลอันดับ 1 สาขานวนิยายระดับบัณฑิตศึกษา ในงาน 63rd Glendon and Kathryn Swarthout Awards
• ได้รับคัดเลือกเข้าร่วม Carbon Removal Justice Fellowship ซึ่งจัดโดย National Wildlife Federation และ American University’s Institute for Responsible Carbon Removal และมีกำหนดเข้ารับการฝึกอบรมที่ DC และลุยเซียนา
• มีการเผยแพร่ บทสัมภาษณ์ บนบล็อกของ Hayden’s Ferry Review

Art Tour: Turbulent Mountain Waterfall

• ระหว่างการไปเยือน Phoenix Art Museum เมื่อไม่นานมานี้ ผู้เขียนได้ชมผลงาน “Turbulent Mountain Waterfall”(1991) ของ Pat Steir
• ภาพนี้จะคงอยู่เป็นความทรงจำที่ช่วยให้รู้สึกเย็นใจท่ามกลางอากาศร้อนที่กำลังมาถึงของรัฐแอริโซนา

[GN⁺]

ความคิดเห็นบน Hacker News

• อาจเป็นไปได้ว่าการเปลี่ยนรูปแบบก็ช่วยได้เหมือนกัน คิดว่าถ้าใช้ AI เพื่อเรียนที่บ้าน แล้วมาทำ "การบ้าน" ที่โรงเรียนภายใต้การคุมสอบจะเป็นอย่างไร

  • มีแนวคิดที่เรียกว่า Flipped classroom ซึ่งเป็นหัวข้อวิทยานิพนธ์ปริญญาโทของฉัน จริง ๆ แล้วเป็นไอเดียที่มีมานานมากแล้ว

• ฉันสอนคณิตศาสตร์อยู่ในมหาวิทยาลัยขนาด 30,000 คน และช่วงหลัง ๆ ก็กำลังกลับไปใช้วิธีดั้งเดิมคือสอบแบบคุมสอบด้วย 'กระดาษกับปากกา' อีกครั้ง ดูเหมือนนักศึกษาจะไม่ได้ไม่พอใจกับการเปลี่ยนแปลงนี้เป็นพิเศษ แต่ฝ่ายบริหารของมหาวิทยาลัยไม่ค่อยชอบแนวโน้มนี้นัก มีแรงกดดันสูงมากให้การประเมินทั้งหมดต้องเป็นมิตรกับการเรียนทางไกล เป็นนโยบายที่กำหนดให้นักศึกษาที่เรียนในห้องและนักศึกษาที่ลงทะเบียนออนไลน์ต้องใช้รูปแบบการประเมินเดียวกัน เนื่องจากการลงทะเบียนออนไลน์เป็นแหล่งรายได้สำคัญมาก การขยายส่วนนี้จึงถูกมองว่าสำคัญอย่างยิ่ง หากในวิชา Calculus I มี 1 จาก 7 ตอนเรียนที่เปิดแบบออนไลน์ อีก 6 ตอนเรียนแบบเจอหน้ากันก็จะถูกห้ามไม่ให้ประเมินแบบเจอหน้ากันทั้งหมด โดยอ้างเรื่อง "ความเป็นธรรม" มันน่าอึดอัดมากที่สถานการณ์เป็นแบบนี้จริง ๆ

  • ฉันเองก็สัมผัสแรงกดดันนั้นเหมือนกัน จริง ๆ แล้วคิดว่าปัญหา AI ที่เรากำลังเจออยู่จำนวนมากเป็นเพราะ AI ทำให้ปัญหาอื่น ๆ ในสังคมเราชัดเจนขึ้น เช่น คณาจารย์เป็นคนที่รู้เนื้อหาการสอนดีที่สุดและเป็นคนสอนจริง แต่คนที่มีอำนาจตัดสินใจกลับเป็นฝ่ายบริหาร อีกทั้งการที่มหาวิทยาลัยตั้งเป้าหมายเรื่องการทำเงินก็เป็นปัญหาเช่นกัน AI ทำให้ปัญหาเหล่านี้หนักขึ้นก็จริง แต่โครงสร้างที่เป็นปัญหานั้นมีอยู่ก่อน AI แล้ว ฉันหวังว่าต้องรอให้สถานการณ์เลวร้ายลงมากกว่านี้ก่อน ถึงจะมีการแก้ไขฐานรากจริง ๆ ถ้าโชคดี เราอาจใช้โอกาสนี้แก้ปัญหาที่เพิกเฉยมานานได้ ไม่อย่างนั้นก็คงแย่ลงโดยไม่มีโอกาสจะดีขึ้นเลย
  • ฉันจบปริญญา Software Engineering จาก Harvard Extension และต้องเข้าสอบในสภาพแวดล้อมที่มีการคุมสอบจริงหลายครั้ง การสอบที่มาดริดกับลอนดอนก็จัดการได้ไม่ยากนัก มันไม่ใช่เรื่องยากขนาดนั้นทั้งในมุมมหาวิทยาลัยหรือมุมนักศึกษา ตอนนี้ฉันกำลังเรียนปริญญาโทออนไลน์ที่ Georgia Tech ซึ่งการประเมินและการคุมสอบออนไลน์ก็ทำได้ค่อนข้างดี แม้แต่รายวิชาที่มีเนื้อหาคณิตศาสตร์มาก (เช่น Simulation) ก็ยังทำออนไลน์ได้เพียงพอ เพียงแต่บางวิชา (เช่น Graduate Algorithms) ดูเหมือนจะเจอปัญหากับการประเมินออนไลน์ เข้าใจได้ถ้าอาจารย์จะชอบการประเมินแบบเจอหน้ามากกว่า แต่สำหรับฉัน ถ้ามีตัวเลือกการคุมสอบให้เพียงพอหรือมีวิชาให้เลือกหลากหลาย ก็ไม่ได้มีข้อกังขาใหญ่อะไร
  • ในออสเตรเลีย มหาวิทยาลัยการเรียนทางไกลก็มีบริการสนามสอบแบบคุมสอบตามเมืองใหญ่หลายแห่ง เรียนกันจากระยะไกลได้ แต่สอบปลายภาคต้องไปสอบที่สนามสอบทางการที่มีผู้คุมสอบ และบางครั้งข้อสอบก็คิดเป็นมากกว่า 50% ของคะแนนรวม สงสัยว่าในสหรัฐฯ จะนำวิธีนี้มาใช้ได้ไหม
  • นักศึกษาที่ฉันเจอแสดงความช็อกและผิดหวังอย่างสม่ำเสมอกับการถูกบังคับให้กลับไปใช้ 'วิธีแบบเก่า' พวกเขาท้อแท้ที่ปริญญาซึ่งพยายามอย่างหนักเพื่อให้ได้มานั้นค่อย ๆ ไร้ค่า แต่ก็ไม่ได้อยากให้การสอบกลับมา โดยเฉพาะนักศึกษากลุ่ม Neurodivergent ที่เปราะบางกว่าในสภาพแวดล้อมการสอบ และดูจะทำได้ดีกว่ามากในงานแบบเปิดกว้าง (แม้ว่าตัวอย่างที่ฉันเจอจะมีอคติก็ตาม) นักศึกษากลุ่มนี้บอกว่าหาทางออกไม่เจอ ในมุมของนักศึกษาที่เป็นผู้เสียหายมากที่สุด ทั้งสถานการณ์เองและ "ทางออก" ที่แทบไม่ช่วยจริงต่างก็น่าอึดอัดพอ ๆ กัน
  • มหาวิทยาลัยที่ฉันเคยเรียน อาจารย์มักยืนกรานแทบตลอดว่าชั้นเรียนสายเทคนิคต้องใช้แค่ดินสอกับกระดาษ เวลาเขียนเรียงความจะมีแค่บางวิชาที่อนุญาตให้ใช้โน้ตบุ๊ก และถึงอย่างนั้นอาจารย์ก็ยังเดินตรวจทั่วห้องตลอดเวลาสอบ เมื่อก่อนฉันเคยสงสัยว่าทำไมไม่ใช้เทคโนโลยีใหม่ ๆ แต่ตอนนี้กลับรู้สึกขอบคุณอาจารย์เหล่านั้น การได้เขียนคณิตศาสตร์ด้วยมือตัวเองทำให้เข้าใจทฤษฎีได้แน่นมาก เวลาเห็นนักศึกษาสมัยนี้แล้วรู้สึกเสียดายจริง ๆ อาจารย์ทั้งหลาย บางครั้งก็ต้องกล้าพูดว่า "NO" นักศึกษาจะมาขอบคุณทีหลังเอง

• ฉันคิดมาตลอดว่าระบบการศึกษาพังมานานแล้วและแทบไม่มีประโยชน์ ครูแทบไม่เคยทำให้รู้สึกว่ากำลัง “สอน” อะไรจริง ๆ ด้วยซ้ำ ตรงกันข้าม ถ้าแสดงให้เห็นว่าคิดเป็น ก็มักโดนกดไว้เพราะไม่ตรงกับหลักสูตร ฉันคิดว่าการที่ AI ทำการบ้านได้ง่าย แสดงให้เห็นว่าการบ้านนั้นไม่มีคุณค่า การเรียนการสอนและการเรียนรู้ที่แท้จริงต้องอาศัยความร่วมมือ

  • การคิดว่าการบ้านไม่มีความหมายเพียงเพราะ AI ทำแทนได้ เป็นมุมมองที่ผิวเผิน การบ้านจำนวนมากจริง ๆ ก็ทำได้ง่ายอยู่แล้วด้วยเครื่องคิดเลขหรือ Wikipedia หรือหนังสือเรียน แต่ไม่ได้แปลว่าการบ้านเหล่านั้นไม่จำเป็น ในความเป็นจริง การบ้านช่วยสร้างโครงสร้างการคิดในสมองและทำให้ได้เรียนรู้หลายทักษะไปพร้อมกัน แน่นอนว่ายุคสมัยเปลี่ยนไป และความหมายของการประเมินก็เปลี่ยนจากอดีตจริง
  • จุดประสงค์ของการบ้านคือการได้ฝึกจริง ค้นหาว่าตรงไหนที่ยังต้องการ และตรวจดูความก้าวหน้า การที่ AI ทำการบ้านได้ไม่ได้ทำให้การบ้านหมดประโยชน์ แน่นอนว่าประสบการณ์แย่ ๆ หรือการไม่ได้เจอครูที่ดีเป็นเรื่องน่าเสียดายมาก แต่การปัดทิ้งระบบทั้งหมดที่ใช้ได้ผลกับคนส่วนใหญ่ก็ไม่สมเหตุสมผล ก่อนจะคาดหวังการคิดเชิงวิพากษ์แบบอิสระ นักเรียนจำนวนมากยังอ่านหนังสือและทำคณิตศาสตร์พื้นฐานไม่ได้ด้วยซ้ำ การได้เรียนรู้เรื่อง ‘การให้เหตุผลอย่างสมเหตุสมผลต่อผลลัพธ์’ ผ่านโจทย์คณิตศาสตร์ในโรงเรียนก็เป็นจุดสำคัญ ฉันคิดว่าความสามารถในการตรวจสอบว่ามีสะพานยาว 43,000 km นั้นสมเหตุสมผลหรือไม่เป็นเรื่องสำคัญจริง ๆ
  • ปัจจุบัน AI ทำการบ้านคณิตศาสตร์และการเขียนโปรแกรมระดับมหาวิทยาลัยอย่าง Harvard ได้ แต่ในยุคก่อน GPT ฉันได้เรียนรู้อะไรมากมายจากการบ้านจริง ๆ และยังสนุกกับการทำการบ้านด้วย การบอกว่าพอมี AI แล้วทุกอย่างก็หมดความหมายเป็นการกระโดดสรุปทางตรรกะ
  • จุดประสงค์ที่แท้จริงของการบ้านไม่ใช่การทำการบ้านให้เสร็จ แต่คือการพิสูจน์ความสามารถในการเรียนรู้และสิ่งที่ได้เรียนมา ไม่ว่าจะให้คนอื่นทำแทนหรือให้ AI ทำให้ สุดท้ายถ้าทักษะไม่เกิดขึ้น ความหมายของปริญญาก็หายไป มหาวิทยาลัยต้องปรับปรุงวิธีประเมินเพื่อรักษาความน่าเชื่อถือของปริญญาไว้ ถ้าทักษะการใช้ AI เป็นสิ่งจำเป็น ก็ควรมีการประเมินและมอบวุฒิแยกต่างหาก กล่าวคือ ควรแยกให้ชัดระหว่างปริญญา Computer Science ทั่วไปกับ AI Assisted Computer Science

• ฉันสอนวิศวกรรมคอมพิวเตอร์/การเขียนโปรแกรม และการหานโยบายที่เหมาะสมที่สุดต่อ AI ไม่ใช่เรื่องง่าย ด้านหนึ่งฉันเองก็ใช้ AI เยอะและได้ประโยชน์กับการเรียนรู้มาก แต่ในอีกด้าน AI ทำให้งานเสร็จเร็วขึ้นก็จริง แต่คุณภาพของผลลัพธ์กลับต่ำลง นักศึกษามองงานบังคับเป็นแค่ 'ด่านที่ต้องผ่าน' และมุ่งจะผ่านมันไปให้ได้แบบง่ายที่สุด ในจุดนี้ AI ดูไม่ใช่ผู้ช่วยเรียน แต่เป็นเครื่องทำการบ้านมากกว่า เราไม่สามารถนำการใช้คอมพิวเตอร์หรือภาษาที่แปลกออกไป (เช่น วิธีใช้คอมไพเลอร์ที่ฉันสร้างเอง) มาใช้ได้ ตอนนี้แนวทางของฉันยังคงเน้นงานโปรเจกต์และสอบปากเปล่า โปรเจกต์ต้องอาศัยการทำงานร่วมกัน จึงเป็นโครงสร้างที่ LLM ดึงคำตอบสำเร็จรูปออกมาได้ยาก และการสอบปากเปล่าก็เผยให้เห็นทั้งทักษะและความลึกได้ทันที แต่ทุกปีก็ยังมีนักศึกษาบางคนเสียเวลาไป 3 ภาคการศึกษาหรือมากกว่านั้น ทั้งที่ยังเชื่อมโยงแนวคิดพื้นฐานง่าย ๆ ไม่ได้เลย และในกรณีแบบนั้นฉันก็ต้องบอกในฐานะอาจารย์ว่านั่นเป็น 'เวลาที่สูญเปล่า' พื้นฐาน Linux ได้รับผลกระทบน้อยกว่าเพราะเป็นแค่การฝึกใช้เทอร์มินัล และ LLM ยังเข้าถึง terminal API ไม่ได้ ฉันก็เคยพิจารณาจะให้ IDE ออนไลน์และเฝ้าดูขั้นตอนการคัดลอก-วาง แต่ก็ไม่ค่อยชอบความจริงที่ว่านักศึกษาอาจไม่ได้รันซอฟต์แวร์บนเครื่องของตัวเองโดยตรง

  • ถึงฉันจะไม่ได้อยู่คนละยุคมากนัก แต่ตอนเรียนมหาวิทยาลัย การประเมิน CS ก็อิงจากโปรเจกต์กลุ่มกับการสอบข้อเขียนแบบเจอหน้า ในห้องสอบห้ามเอาเครื่องคิดเลขที่มีความสามารถด้านโปรแกรมหรือหน่วยความจำขนาดใหญ่เข้าไป รวมถึงห้ามเอาโน้ตบุ๊กเข้าด้วย ก็ไม่ได้ลำบากอะไร ตอนนี้จะมีประเด็นกันมากก็จริง แต่จริง ๆ แล้วฉันคิดว่ามันไม่ได้เกินไปกว่าความขัดแย้งระหว่างรุ่นหรือการอ้างสิทธิของนักศึกษาเสียอีก วิชาที่ต้องประเมินด้วยการเขียนยาว ๆ ต่างหากที่น่าเป็นห่วงกว่า จริง ๆ แล้วการสอบปากเปล่าหรือการเขียนเรียงความในสมุดสอบ (Blue book) ก็เคยใช้ได้ดีมาแต่ก่อน
  • ทัศนคติที่นักศึกษามองงานบังคับเป็นแค่ 'กำแพงที่ต้องผ่านไปแบบไม่สะดุด' ดูเหมือนจะแพร่หลายมากในชุมชนออนไลน์ (เช่น Hacker News) ตั้งแต่ก่อนมี LLM ก็มีตรรกะประเภท 'มหาวิทยาลัยไร้ความหมาย' 'ปริญญาเป็นแค่เศษกระดาษ' 'เนื้อหาในชั้นเรียนไม่มีค่า' และสุดท้ายก็สรุปว่า 'งั้นโกงก็สมเหตุสมผล' แต่พอประเมินการได้งานหรือความสามารถในการทำงานจริง ก็แยกนักศึกษาที่เรียนรู้จริงออกจากนักศึกษาที่แค่พยายามเล่นเกมให้ผ่านไปได้ง่ายมาก
  • เห็นด้วยว่าการสอบปากเปล่าเผยให้เห็นความสามารถของนักศึกษาได้ดี ถ้ามีห้องแล็บคอมพิวเตอร์ การให้โจทย์ฝึกเขียนโปรแกรมแบบเรียลไทม์เป็นประจำทุกคาบก็น่าจะดีเหมือนกัน ส่วนการให้ IDE ออนไลน์หรือเฝ้าดูการคัดลอก-วาง ก็อาจมีข้อเสียตรงที่นักศึกษาที่เก่งจริงจะใช้เอดิเตอร์ของตัวเองไม่ได้ ฉันเองก็ไม่อยากพิมพ์โค้ดบนเว็บเพจเหมือนกัน
  • ทุกปีที่เห็นนักศึกษาบางคนมาถึงห้องสอบทั้งที่ยังไม่เข้าใจพื้นฐานเลยแม้แต่น้อย ก็ยังรู้สึกช็อกอยู่เหมือนเดิม
  • ถ้ามีวิชาที่ให้นักศึกษาออกแบบและเขียนภาษาการเขียนโปรแกรมด้วยตัวเอง การนำภาษาที่เป็นผลงานดีที่สุดของนักศึกษาปีก่อนมาใช้ก็อาจเป็นวิธีหนึ่ง แบบนี้ LLM จะสร้างคำตอบได้ไม่ง่าย ฉันเองอยู่คนละสายจากคณิตศาสตร์/คอมพิวเตอร์โดยสิ้นเชิง แต่ก็คิดว่าเป็นไอเดียที่น่าสนใจ

• ฉันมองว่า AI มีโอกาสสูงที่จะเร่งการเรียนรู้ของนักศึกษาในอนาคตอย่างก้าวกระโดด เหมือนแนวการศึกษาแบบ Montessori ที่ LLM สามารถช่วยนักเรียนที่สำรวจเส้นทางของตัวเองไปในทิศทางต่าง ๆ ได้ ในกรณีของฉัน ตอนมัธยมครูมักหลบเลี่ยงคำตอบและไม่ค่อยต่อยอดการอภิปราย ทำให้ฉันค้างคาใจอยู่ตลอด (โดยเฉพาะชีววิทยาและเคมี) แน่นอนว่าตอนนี้สภาพการศึกษาเน้นการบ้านเป็นหลัก จึงมีแต่นักเรียนที่มีความอยากรู้อยากเห็นจริง ๆ เท่านั้นที่จะได้ประโยชน์จาก LLM ถ้ามีการนำรูปแบบการสอนใหม่มาใช้ ก็หวังว่าจะดึงความอยากรู้อยากเห็นที่มีอยู่ในนักเรียนทุกคนออกมาได้ดีกว่านี้ ถ้าใครรู้จักเครื่องมือ AI ที่ยังคงภาพรวมของแนวคิดสำคัญอย่างตรีโกณมิติไว้ แต่เปิดให้สำรวจเชิงลึกตามหัวข้อได้ ก็อยากให้แนะนำ

  • ฉันคิดว่าหัวใจของปัญหาตอนนี้คือโครงสร้างแบบ 'การบ้านเป็นศูนย์กลาง' สิ่งที่นักเรียนที่อยากรู้อยากเห็นจริง ๆ ต้องการคือ 'เวลาว่าง' มากกว่า แทนที่จะยุ่งกับงานหรือใช้ LLM ตลอดเวลา ถ้ามีภาระเรียนพอดี ๆ แบบสมัยก่อนจนเหลือเวลาให้สำรวจเองได้ ก็น่าจะดีกว่า สำหรับฉัน ตอนที่เรียนดนตรีและอิเล็กทรอนิกส์ด้วยตัวเอง ฉันใช้เกณฑ์อื่นมาตรวจสอบความก้าวหน้าแทนการสอบ (เช่น วงจรทำงานได้จริงหรือไม่) ฉันยังสงสัยว่าการใช้ LLM อย่างเดียวโดยไม่มีเกณฑ์ภายนอก จะพาไปสู่ความเข้าใจเชิงลึกได้จริงแค่ไหน
  • ฉันกำลังทำผลิตภัณฑ์ AI tutor ที่ออกแบบมาให้สนทนาแบบ Socratic และแตกแขนงหัวข้อได้อย่างอิสระ ถ้าสนใจก็ใส่ชื่อไว้ใน waiting list ได้ ตั้งเป้าเปิดตัว MVP ภายในไม่กี่สัปดาห์
  • เวลาสำรวจปัญหาที่ซับซ้อน การคุยกับ AI ที่อาจโกหกหรือสร้างคำอ้างอิงปลอมขึ้นมากลับเป็นอุปสรรคมากกว่า
  • ฉันยังไม่เคยเห็นด้วยตาตัวเองเลยว่า AI ช่วยให้การเรียนรู้พุ่งขึ้นอย่างก้าวกระโดดจริง รีวิวออนไลน์หรือการรายงานด้วยตัวเองอย่างเดียวไม่น่าเชื่อถือ
  • เมื่อก่อนเวลาอึดอัดกับแนวคิดบางอย่าง ครูมักตอบแบบขอไปทีหรือไม่อธิบายลึกพอ จนรู้สึกค้างคา ช่วงหลังฉันเพิ่งตระหนักว่า AI เปิดทางให้เกิดการเรียนรู้ที่ลื่นไหลและสำรวจได้มากขึ้น แม้ว่า ChatGPT จะไม่ได้สมบูรณ์แบบ แต่ก็มีประโยชน์มากพอสมควรในการช่วยขยายความคิดของฉันผ่านการเปรียบเทียบแนวคิดหรือโต้แย้งเชิงตรรกะ ในทางปฏิบัติฉันไม่ได้รับคำตอบของ AI มาเป็นคำตอบสุดท้าย แต่ใช้มันเหมือนการเด้งความคิดไปมาเพื่อหาแนวทางสำรวจใหม่ ๆ

• ฉันสอนอยู่ในมหาวิทยาลัยขนาดเล็ก วิธีที่เราใช้มีดังนี้

  • สอบกลางภาคและปลายภาคทั้งหมดเขียนด้วยลายมือ
  • ให้นักศึกษาอธิบายว่าพวกเขาออกแบบและเขียนโค้ดงานโปรแกรมอย่างไร (ทำได้เพราะมีแค่ 15-20 คน ถ้าคนเยอะกว่านี้จะยาก)
  • ให้ นักศึกษานำเสนอและตอบคำถามในหัวข้อที่ซับซ้อน
  • ส่งสรุปหนึ่งหน้าแบบลายมือ แผนภาพ หรือ mind map
  • ในแล็บเขียนโปรแกรมก็เปลี่ยนข้อกำหนดของโจทย์ในวันนั้นแบบสด ๆ ให้ต้องแก้ปัญหาเฉพาะหน้าอย่างสร้างสรรค์ (เช่น สถานการณ์ว่า 'ลูกค้า' เปลี่ยน requirement) ปัญหาจริง ๆ คือวิธีนี้ต้องใช้แรงของผู้สอนมากกว่ามาก และก็มีคนไม่มากนักที่อยากคิดนอกกรอบ
  • คำว่า 'ลายมือ' นี่หมายถึงปากกากับกระดาษจริง ๆ ใช่ไหม

• ถ้าแนวโน้มตอนนี้ยังเดินต่อไป อีกหน่อยปริญญามหาวิทยาลัยส่วนใหญ่อาจไร้ค่าลงอย่างสิ้นเชิง ถ้านักศึกษาที่ใช้ AI โกงการบ้านได้รับปริญญา ปริญญานั้นก็ไม่มีคุณค่าอะไรเลยในฐานะหลักฐานของความสำเร็จทางการเรียน สถาบันที่มอบปริญญาแบบนี้ก็แทบไม่ต่างจากโรงงานขายปริญญาไร้จรรยาบรรณในอดีต ฉันกลับรู้สึกโชคดีที่ปริญญาของตัวเองได้มาตั้งแต่ปี 2011

  • อาจารย์ที่ดีที่สุดเท่าที่ฉันเคยเจอแทบไม่ให้น้ำหนักกับคะแนนการบ้านเลย หรืออย่างมากก็แค่เช็กว่าส่งหรือไม่ส่งเท่านั้น เรื่องการเข้าเรียนก็ไม่คิดคะแนนเลย อาจารย์เหล่านั้นให้ชั้นเรียนกับงานเป็นเพียงเครื่องมือการเรียนรู้ และใช้การสอบภายใต้การคุมสอบในเวลาเรียนหรือที่ศูนย์สอบของมหาวิทยาลัยเป็นการประเมินจริง การควบคุมนักศึกษามหาวิทยาลัยที่เป็นผู้ใหญ่แล้วด้วยคะแนนการบ้านหรือการเข้าเรียนดูค่อนข้างเด็กน้อยและประคบประหงมเกินไป ปล่อยให้พวกเขาเรียนเอง และประเมินแค่ว่าได้เรียนรู้อะไรจริงในสภาพแวดล้อมที่โกงไม่ได้ น่าจะสมเหตุสมผลกว่า การไล่กวดการโกงการบ้านให้หมดไปให้ความรู้สึกเหมือนการปะผุชั่วคราวให้กับระบบเดิมที่ถึงทางตัน มากกว่าจะเป็นนวัตกรรมการสอนจริง ๆ
  • โรงเรียนหรือมหาวิทยาลัยควรเลิกใช้การบ้านเป็น 'หลักฐานของความสามารถ' ได้แล้ว ฉันยังสงสัยอยู่เลยว่าคะแนนการบ้านมีความหมายจริงไหม ยุค AI มาถึงแล้วและย้อนกลับไม่ได้ มหาวิทยาลัยควรยอมรับความจริงและเตรียมเปลี่ยนแปลง
  • ฉันกลับคิดตรงกันข้าม ปริญญามหาวิทยาลัยที่ผ่านการตรวจสอบได้จะยิ่งมีค่า มหาวิทยาลัยชั้นนำจะเปลี่ยนไปเน้นการสอบแบบเจอหน้ามากกว่างานระยะไกลเพื่อยืนยันการเรียนรู้ที่แท้จริง จริง ๆ แล้วการทุจริตมีมานานแล้ว และมหาวิทยาลัยดี ๆ ก็มีระบบที่ทำให้โกงไปจนจบได้ยาก ที่มหาวิทยาลัยรัฐใกล้ตัวฉัน นักศึกษารู้กันกว้างขวางว่าถ้าเลือกอาจารย์คนไหนหรือเลือกตอนเรียนไหนจะมีโอกาสโกงมากจนจบได้ง่าย อาจารย์ที่เข้มงวดเรื่องทุจริตก็อาจถูกนักศึกษาถล่มคะแนนประเมินได้
  • แม้จะไม่เกี่ยวกับ AI โดยตรง แต่ฉันมีเรื่องเล่าเกี่ยวกับการโกงข้อสอบออนไลน์ หลานของฉันต้องเปลี่ยนไปเรียนออนไลน์เพราะโรคระบาด แล้วตั้งแต่นั้นค่าเฉลี่ยของห้องก็พุ่งขึ้นทันที ช่วงแรกหลานปฏิเสธจะโกง แต่สุดท้ายก็เริ่มโกงเหมือนคนอื่น ๆ เขาแปะโพสต์อิทเต็มผนังรอบจอแล้วทำข้อสอบ จนพ่อเดินเข้ามาดุว่าทำวอลเปเปอร์เสียหาย
  • ฉันคิดว่าปัญหานี้ไม่ใช่เรื่องใหม่ สมัยก่อนอาจารย์ของฉันก็เคยบอกว่า auto-complete ใน Java IDE รบกวนการเรียนรู้ เลยให้ล็อกอินผ่าน SSH ไปทำแล็บด้วย Vim และ C โดยตรง

• งานของฉันตอนเรียน MBA ทำกันแบบนี้

  • ตั้งความเห็นที่ตัวเองมีอยู่แล้วก่อน
  • ค้นหางานวิจัยที่สนับสนุนความเห็นนั้นให้มากพอ โดยไม่อ่านเนื้อหาอย่างละเอียด อ่านแค่บทคัดย่อ
  • ตอนเขียนเรียงความก็คัดเฉพาะส่วนจากงานอ้างอิงที่เข้ากับข้ออ้างของตัวเองที่สุดมาใช้ วิธีแบบนี้ไม่มีการเรียนรู้อะไรเข้ามาเกี่ยวเลย มีแต่ทำให้ทักษะการค้นวารสารดีขึ้นเท่านั้น งานวิจัยที่สนับสนุนมุมมองที่เราต้องการมีอยู่เสมอ ถ้าหาเป็นก็เจอ การมอบกระบวนการนี้ให้ LLM ทำทั้งหมด ฉันก็คิดว่าจะไม่กระทบการศึกษาจริง ๆ เลย
  • มันน่าเสียดายที่เป็นแบบนั้น ฉันสงสัยว่าทำไมถึงไม่ได้ดื่มด่ำกับตัวงานวิจัยเองเพื่อเรียนรู้จริง ๆ
  • จริง ๆ แล้วปัญหาคือตัวเราเอง ถ้าเขียนงานบนฐานของวิธีการทางวิทยาศาสตร์ ก็สามารถเขียนงานดี ๆ ได้อย่างจริงจังในแทบทุกหัวข้อ แต่ปริญญาอย่าง MBA ในความเป็นจริงถูกมองว่าเป็นแต้มต่อสำหรับเลื่อนตำแหน่ง เปลี่ยนสายอาชีพ ฯลฯ ไม่ใช่ว่าการทำ 'วิทยาศาสตร์จริง' จะได้ผลตอบแทนที่ดีกว่า ฉันเองก็ทำแบบเดิมซ้ำ ๆ ในหลายวิชา หลายครั้ง เอาแค่เกรด เนื้อหาดูดีพอก็พอ พอออกไปทำงานจริงก็พบว่าบริษัทก็คล้ายกัน เลือกแต่ข้อมูลที่พิสูจน์ความเห็นของตัวเองมาส่ง ถ้าไม่มีก็ดึงหลักฐานที่คล้าย ๆ กันมาแสร้งหนุนข้ออ้างของตัวเอง ต่อให้ความคิดเห็นหรือสมมติฐานของฉันผิด ก็ไม่มีรางวัลอะไรจากการไปบอกหัวหน้าหรือลูกค้าว่ามันไม่ถูก
  • ฉันเคยเขียนงานจิตวิทยาให้เพื่อนคนหนึ่งทั้งที่ไม่มีพื้นฐานอะไรเลย และได้คะแนนสูงสุด ทำเหมือนกับที่อธิบายไว้เมื่อกี้ทุกอย่าง แม่ของฉันถึงขั้นเคยรับงานเขียนบทความแทนนักศึกษาต่างชาติ โดยอิงจากไฟล์บันทึกเสียงการบรรยายด้วย
  • ถึงจะเป็นแค่การสรุปงานวิจัยก็ตาม อย่างน้อยก็ควรจำไว้ว่าต้องมีใครสักคนที่เขียนงานวิจัยเหล่านั้นโดยตรง และผลิตความรู้ขึ้นมาด้วยความคิดอิสระ

• เราจำเป็นต้องทบทวนกันในระดับมนุษยชาติว่าจุดประสงค์ของการศึกษาคืออะไร และในอนาคตควรเป็นอะไร ตามความเป็นจริงแล้วคงไม่มีใครอยากจ่ายค่าเล่าเรียนมหาวิทยาลัยเพื่อบ่อนทำลายทักษะและความเข้าใจของตัวเอง นักศึกษา 90% มีเป้าหมายชัดคือปริญญาเป็นตั๋วสู่การมีงานทำ ส่วนอีก 10% นั้น แม้แต่มองความจริงที่ไม่สบายใจเกี่ยวกับตัวเองก็ยังไม่ยอมรับ นายจ้างจะไม่เชื่อถือก็ไม่ใช่เรื่องแปลก จริง ๆ แล้วทุกคนก็รู้อยู่แล้วว่าคะแนนสอบหรือผลสัมฤทธิ์ทางการเรียนไม่ใช่มาตรวัดเชิงวัตถุ หลักเกณฑ์การศึกษาและหลักสูตรของแต่ละโรงเรียนต่างกันมาก ตอนมัธยมฉันแทบประคองตัวอยู่ได้ด้วย GPA 3.2 แต่พอเข้ามหาวิทยาลัย ข้อสอบจัดระดับคณิตศาสตร์กลับเป็นระดับมัธยมต้นที่ทำได้สบาย ๆ และแม้แต่นักศึกษาที่ได้ 4.0 GPA ก็มีให้เห็นบ่อยที่ต้องกลับไปเรียนวิชาพื้นฐานใหม่ ถึงอย่างนั้น ความต้านทานต่อการทดสอบมาตรฐานก็ยังสูงมากเสมอ ทั้งที่อย่าง SAT ก็มีโอกาสสอบซ้ำได้หลายครั้ง

  • งั้นหมายความว่านักศึกษา 10% ที่อยากเรียนจริงก็ต้องยอมประนีประนอมกับเกมโรงงานปริญญาด้วยอย่างนั้นหรือ เป็นคำโต้แย้งที่แม้จะค่อนข้างประชดประชัน แต่ก็ยังรู้สึกว่ามันเกินไปอยู่ดี

• ฉันก็มีประสบการณ์ในทางตรงข้าม ถ้าไม่มี AI ฉันคงไม่มีความอดทนพอจะเรียน Rust นอกโรงเรียนจนจบได้เมื่อปีที่แล้ว การมีติวเตอร์ส่วนตัวที่เข้าถึงได้ตลอดเวลาทำให้แม้แต่คำถามที่นึกขึ้นมาได้ตอนอาบน้ำก็ถามได้ทันที ซึ่งมีค่ามาก ในขณะเดียวกัน ถ้าฉันต้องกลับไปเรียนในโรงเรียนอีกครั้ง ก็คงต้องใช้ AI แน่นอนเพื่อไม่ให้ตกขบวนเรื่องข้อสอบหรือการบ้าน ในสภาพแวดล้อมที่ประเมินแบบอิง bell curve AI ทำให้ทุกคนถูกบีบให้ต้องใช้ตามกลไกแบบ game theory

  • ฉันก็คล้ายกัน AI เป็นเครื่องมือเรียนรู้ที่ทรงพลังมากจริง ๆ แต่เป็นความท้าทายสำหรับระบบการศึกษา