A Google már nem csak válaszolni akar – tanítani is

A Google most azt ígéri, hogy ennek a folyamatnak egy részét átveszi.

A cég a keresőt és a Gemini asszisztenst érintő új tanulási funkciókat jelentett be. A csomag látványos: interaktív ábrák, 3D-s szimulációk, személyre szabott gyakorlókvízek, feltöltött jegyzetekből készített vázlatok, valamint egy külön felület, ahol a diákok mindezeket egy helyen érhetik el.

Az új funkciók mögötti logika egyszerű: ne csak találjunk valamit, hanem értsük is meg.

Ha valaki rákeres például a pH-skálára, a Google nem feltétlenül egy hagyományos találati listával kezd, hanem interaktív magyarázatot adhat az AI-összefoglalóban. Ha a diák tovább kérdez – például azt szeretné látni, hol helyezkednek el rajta különböző citrusfélék –, az AI-mód már erre a konkrét kérdésre építhet fel egy vizuális felületet.

Hasonló irányba mozdul a Gemini is. Egy olyan kérésre, mint hogy „mutasd meg 3D-ben, hogyan épül fel a DNS”, forgatható és nagyítható térbeli modell jelenhet meg. A Lens pedig azt ígéri, hogy a diák lefotózhatja a feladatát, az AI pedig nemcsak választ ad, hanem megpróbálja elmagyarázni a fogalmat, megmutatni a hibát vagy továbbvezetni az elakadásnál.

Ez már jóval több, mint keresés. A Google egyre inkább olyan felületet épít, ahol a kérdés és a magyarázat között alig marad köztes lépés.

A segítség könnyen túl jó lehet

Egy jó ábra, egy 3D-s modell vagy egy személyre szabott kvíz valóban sokat segíthet. Különösen annak, aki már rendelkezik valamennyi háttértudással, és pontosan tudja, mit szeretne tisztázni. Egy biológushallgatónak egy forgatható DNS-modell remek vizualizáció. Vizsga előtt egy jól összeállított kvíz hatékony ismétlés lehet. Ha pedig valaki egyetlen ponton akadt el egy matematikai levezetésben, hasznos lehet, ha az AI nem rögtön megoldja, hanem megmutatja, hol csúszott félre a gondolatmenet.

A kérdés inkább az, mi történik akkor, amikor még maga az alapfogalom sincs meg. Mert attól, hogy valamit nagyon szemléletesen látunk, még nem biztos, hogy meg is értettük. Egy animáció könnyen keltheti azt az érzést, hogy „ez világos”, miközben néhány perccel később önállóan már nem tudnánk elmagyarázni.

A tanulásnak ugyanis van egy kellemetlen tulajdonsága: gyakran éppen az a része rögzít, amely egy kicsit nehéz. Amikor vissza kell idézni valamit, hibázni kell, újra nekifutni, saját szavakkal megfogalmazni. Ha az AI minden ilyen súrlódást eltüntet, a tanulás kényelmesebb lesz – de nem feltétlenül mélyebb.

Ugyanaz az eszköz két teljesen különböző módon használható.

Az egyik diák megnézi a 3D-s modellt, majd becsukja, és megpróbálja saját szavaival elmondani, hogyan épül fel a DNS. Ezután kér egy kvízt, megoldja segítség nélkül, és csak a végén ellenőrzi magát. A másik végignézi ugyanazt a modellt, végigkattintja a magyarázatot, majd úgy érzi, kész van. A felület mindkettőjüknek ugyanaz. A tanulási eredmény valószínűleg nem.

Ezért az AI-oktatási eszközök egyik legnagyobb kérdése nem az lesz, mennyire jó válaszokat tudnak adni, hanem hogy mennyire tudják rávenni a felhasználót arra, hogy ő maga is dolgozzon a válaszért.

A háttérben persze üzleti verseny is zajlik

A Gemini ugyanazért a felhasználói csoportért versenyez, amelyet az OpenAI és számos oktatási startup is szeretne megszerezni: a diákokért. Nemcsak azért, mert óriási piacról van szó, hanem mert aki tizenhat évesen megszokja, hogy egy adott AI-rendszerhez fordul segítségért, jó eséllyel később is ugyanott marad. Az is eldőlhet, melyik platform válik egy generáció alapértelmezett tanulási felületévé.

Ez megmagyarázza, miért kap ekkora hangsúlyt a látvány, a gyorsaság és az, hogy minél több tanulási feladat ugyanazon a helyen elvégezhető legyen.

A jó AI nem elveszi a munkát, hanem jól adagolja

Egy jó tanulási eszköz nem feltétlenül attól jó, hogy minden akadályt eltakarít. Néha éppen azzal segít, hogy nem mondja meg azonnal a választ. Kérdez. Visszairányít. Megmutat egy részletet, aztán hagyja, hogy mi rakjuk össze a többit. Tesztel úgy, hogy közben nincs ott mellettünk a megoldás.

A Google új funkciói ehhez rengeteg lehetőséget adhatnak – feltéve, hogy nem egyszerűen még simábbá teszik az információfogyasztást. Mert attól, hogy az AI felnagyítja a DNS-t, elforgatja a molekulát és színesen megmutatja, melyik rész mit jelent, a megértés utolsó lépését továbbra is nekünk kell megtennünk. És talán ez lesz az AI-alapú tanulás legfontosabb szabálya is: a legjobb eszköz nem az, amelyik mindent megcsinál helyettünk, hanem az, amelyik éppen annyi segítséget ad, hogy a nehezét még nekünk kelljen megoldani.

Forrás www.TechCrunch.com