Bruken av kunstig intelligens (KI) i forskning og undervisning har dukket opp flere ganger i de siste møtene jeg har deltatt på, enten innenfor EECRG eller innenfor faggruppen vår, spesielt i forhold til storspråklige modeller. På den ene siden har jeg funnet disse modellene som et nyttig tilleggsverktøy for å hjelpe med koding og dataanalyser, poster- og presentasjonsdesign, og som et alternativ til en søkemotor for å oppsummere grunnleggende konsepter.
På den andre siden lærte hallusinerte referanser, sammenblanding av kodespråk og noen åpenbare faktiske unøyaktigheter meg å være klar over begrensningene til disse teknologiene. Kanskje disse problemene vil bli utjevnet i fremtiden etter hvert som språkmodellene utvikler seg, men det er klart at en av utfordringene vi står overfor i universitetsmiljøet er at både studenter og forskere skal finne en optimal balanse bak å finne den potensielle verdien av slike verktøy, uten å være overavhengig og tenke ukritisk på resultatene de genererer.
Som jeg er sikker på at mange vil være enige om, har KI bydd på store utfordringer i undervisningen de siste årene. Mange av vurderingsverktøyene jeg brukte i mitt eget kurs ble mindre relevante ettersom KI har blitt mer utbredt, og de raskt utviklende teknologiene vil sannsynligvis bety at vi hele tiden må revurdere hvilke typer vurderinger som er verdifulle for både lærere og elever. De største spørsmålene som har kommet fra diskusjonene våre har vært, hvordan kan vi teste for kunnskap og forståelse i KI-alderen, og på lengre sikt, hvordan endrer tilgjengeligheten av KI ferdighetene, kunnskapen og forståelsen våre nyutdannede trenger?
Jeg tror dette er et tema som vil bli tatt opp på det kommende BIOTEACH-seminaret i mars. I likhet med alle BIO-torsdags lunsjseminarene vil dette definitivt være verdt å delta på.
Alistair Seddon
Faggruppeleder, Økologi og evolusjon