Барбара Оакли - соавтор одного из самых популярных курсов за всю историю платформы Coursera: Learning How to Learn (3,85 млн зарегистрировавшихся учеников, 84,5 тыс отзывов). Недавно она в соавторстве с другим популярным на платформе преподавателем - Джулсом Уайтом (Jules White) - выпустила новый курс на схожую тему: Accelerate Your Learning with ChatGPT (https://www.coursera.org/learn/learning-chatgpt).
Курс достаточно короткий - всего два "модуля", 18 видео суммарной длительностью 2ч 40мин. В курсе практически нет других учебных материалов кроме видео.
В начале авторы дают вводную информацию по основам LLM и промпт-инжиниринга. Далее основная часть посвящена конкретным приемам использования ИИ в процессе обучения - всего их описано около десятка.
Под катом я поместил саммари курса, автоматически сгенерированное на основе субтитров с помощью Gemini 1.5 Pro (а точнее говоря, с помощью NotebookLM).
Оглавление
00-introduction.en.txt: Введение в генеративный ИИ и обучение
Этот вводный раздел знакомит с темой книги: как генеративный ИИ может дополнить процессы обучения в человеческом мозге. В нём кратко описываются основные возможности ИИ, которые будут рассмотрены далее: создание привлекательных зацепок для учёбы, установление связей между идеями и личным опытом, преодоление ограничений рабочей памяти.
01-peeking-under-the-hood-of-the-brain.en.txt: Заглядывая под капот мозга
Данный раздел фокусируется на принципах работы больших языковых моделей (LLM), лежащих в основе генеративного ИИ. Описывается, как эти модели предсказывают следующее слово в предложении и соотносят слова друг с другом. Особое внимание уделяется важности концепции "трансформера" и его компонентов: энкодера, обрабатывающего входную информацию (например, промпт), и декодера, генерирующего выходные данные.
02-exploring-the-concept-of-transformer-models-translation.en.txt: Исследуем концепцию моделей-трансформеров: перевод
Раздел демонстрирует возможности перевода моделей-трансформеров на примере вымышленного языка укладки камней. Показано, как модель не просто переводит слова, а интерпретирует идеи и концепции, преобразуя их в осмысленную структуру из камней.
03-ai-meets-metaphor-learning-is-linking.en.txt: ИИ встречается с метафорой: обучение как установление связей
В этом разделе обсуждается использование метафор в обучении и то, как генеративный ИИ может помочь создавать эффективные метафоры для понимания сложных идей.
04-translating-concepts-to-metaphors-analogies.en.txt: Перевод концепций в метафоры и аналогии
Раздел углубляется в тему использования метафор и аналогий, сгенерированных ИИ, для объяснения новых идей. Описывается "шаблон метафоры" – метод промпт-инжиниринга, позволяющий модели использовать знакомые пользователю области знаний для создания понятных аналогий.
05-helping-the-large-language-model-select-metaphors-analogies.en.txt: Помощь LLM в выборе метафор и аналогий
Продолжая тему предыдущего раздела, здесь рассматривается настройка промптов для получения более точных и разнообразных метафор. Показано, как описание собственных интересов и знаний помогает модели создавать релевантные аналогии.
06-large-language-models-the-brain.en.txt: Большие языковые модели и мозг
Раздел посвящен сравнению LLM с человеческим мозгом. Описываются различные LLM, созданные технологическими гигантами (Google, Amazon, Microsoft), а также компаниями из Китая (Baidu, Alibaba, Tencent). Проводится аналогия между "контекстным окном" модели и объемом информации, который может обработать мозг.
08-prompting-for-options-perspectives-not-answers.en.txt: Запрос опций и перспектив, а не ответов
В этом разделе подчеркивается важность запроса у ИИ не готовых ответов, а различных вариантов и точек зрения на проблему. Это позволяет задействовать критическое мышление и принимать более осознанные решения.
09-prompting-for-questions.en.txt: Запрос вопросов у ИИ
Раздел посвящен использованию генеративного ИИ для создания вопросов по заданной теме. Это позволяет проверить знания, углубить понимание материала и потренироваться перед экзаменами.
10-mapping-the-landscape-of-large-language-models-and-genai-learning.en.txt: Картирование ландшафта LLM и обучения с помощью генеративного ИИ
В этом разделе рассматривается разнообразие существующих LLM и инструментов на их основе (DALL-E, Midjourney, Runway). Подчеркиваются уникальные характеристики каждой платформы и важность понимания их архитектуры и особенностей.
11-ai-driven-learning-maximizing-retrieval-practice.en.txt: Обучение с помощью ИИ: максимальное использование практики извлечения
Раздел посвящен использованию генеративного ИИ для практики извлечения информации. Описывается техника "предварительного тестирования", которая помогает определить наиболее важные аспекты материала.
12-flipped-interaction-pattern-ai-driven-practice-teaching.en.txt: Шаблон перевернутого взаимодействия: практика и обучение с помощью ИИ
В этом разделе рассматривается "шаблон перевернутого взаимодействия" - метод, при котором модель сама задает вопросы и адаптирует свое поведение в зависимости от ответов пользователя.
13-prompting-for-feedback.en.txt: Запрос обратной связи у ИИ
Раздел посвящен использованию генеративного ИИ для получения обратной связи на собственные вопросы и формулировки. Описываются два шаблона промпт-инжиниринга: "уточнение вопроса" и "когнитивный верификатор".
14-unleashing-curiosity-and-motivation.en.txt: Раскрытие любопытства и мотивации
Данный раздел фокусируется на роли любопытства и мотивации в обучении. Описываются "сфокусированный" и "рассеянный" режимы мышления, а также их связь с процессами обучения.
15-multimodal-discovery.en.txt: Мультимодальное открытие
Раздел посвящен использованию мультимодальных подсказок, таких как фотографии, для получения информации от ИИ. Описываются примеры использования фотографий для генерации инструкций, рецептов, планов и ответов на вопросы.
16-genai-as-a-creative-catalyst-supplementing-working-memory.en.txt: Генеративный ИИ как катализатор творчества: дополнение рабочей памяти
В этом разделе рассматривается, как генеративный ИИ может служить инструментом для дополнения рабочей памяти и расширения творческих возможностей.
17-the-importance-of-classical-study-memorization-with-respect-to-prompts.en.txt: Важность классического обучения и запоминания в контексте промптов
Раздел подчеркивает важность широких знаний и понимания концепций для создания эффективных промптов. Описывается, как знание определенных имен, терминов и стилей позволяет генерировать более точные и релевантные результаты.
Обзор
Анализ основных тем и ключевых идей
Представленные фрагменты текстов посвящены теме генеративного искусственного интеллекта (ИИ) и его применению в обучении. В документах рассматриваются принципы работы больших языковых моделей (LLM), таких как ChatGPT, Gemini и Claude, а также предлагаются практические советы по их использованию для более эффективного обучения.
Основные темы:
Принципы работы генеративного ИИ:
Трансформер: В документах подробно рассматривается концепция трансформера - архитектуры нейронной сети, лежащей в основе современных LLM. Описываются два основных компонента трансформера: энкодер, который обрабатывает входные данные (например, промпт), и декодер, который генерирует выходные данные (например, текст, изображение).
Контекстное окно: Важным аспектом LLM является размер контекстного окна - максимальное количество токенов (слов или их частей), которые модель может обработать одновременно. Размер контекстного окна влияет на способность модели запоминать информацию и генерировать связный текст.
Сходство с человеческим мозгом: Авторы проводят параллели между работой LLM и когнитивными процессами в человеческом мозге. Например, описываются два пути формирования нейронных связей, аналогичные работе гиппокампа и базальных ганглиев, отвечающих за сознательное и бессознательное обучение.
Применение генеративного ИИ в обучении:
Генерация метафор и аналогий: Описывается, как с помощью LLM можно генерировать метафоры и аналогии, которые помогут лучше усвоить новый материал. Приводятся примеры промтов, которые позволяют получить объяснение сложных понятий с использованием знакомых образов и аналогий.
Генерация вопросов для самопроверки: LLM можно использовать для создания вопросов по изучаемому материалу. Это позволяет проверить свои знания, выявить слабые места и сфокусироваться на их проработке.
Интерактивная практика: В документах рассматривается концепция "перевернутого взаимодействия", которая позволяет использовать LLM для создания интерактивных тестов и симуляций. Модель адаптируется к ответам пользователя и динамически подбирает следующие вопросы или задания.
Мультимодальный поиск: Описывается возможность использования LLM для обработки не только текста, но и изображений. Приводятся примеры того, как фотографии можно использовать для получения информации, генерации инструкций и решения задач.
Ключевые идеи:
Генеративный ИИ не заменяет, а дополняет человеческий интеллект. LLM - это мощные инструменты, которые могут сделать процесс обучения более эффективным и увлекательным. Однако важно помнить, что они не способны мыслить самостоятельно и принимать решения.
Качество обучения с помощью ИИ зависит от качества промтов. Чем точнее и информативнее промпт, тем более релевантный и полезный результат выдаст LLM.
Важно развивать критическое мышление и не принимать на веру все, что генерирует ИИ. LLM могут допускать ошибки, поэтому важно анализировать полученную информацию и проверять ее достоверность.
Примеры цитат:
"Трансформер имеет два основных компонента: энкодер и декодер. Энкодер принимает информацию, например, промпт, а декодер выдает результат." (Фрагмент 01)
"Метафора - это отличный способ усвоить новые идеи, но метафоры всегда имеют свои ограничения. Когда метафора перестает работать, мы можем просто отбросить ее и найти новую. С помощью ChatGPT, Claude или любой другой хорошей платформы генеративного ИИ найти подходящие метафоры стало намного проще." (Фрагмент 03)
"Никогда не просите один вариант ответа. Всегда просите варианты и точки зрения. Наша цель - начать больше думать о проблемах, которые мы решаем, когда обращаемся к ИИ. Мы не хотим начать думать меньше из-за того, что неправильно формулируем запросы." (Фрагмент 08)
"Мультимодальный промптинг - это одна из моих любимых вещей в генеративном ИИ ... Вместо того, чтобы отправлять фотографию другу, мы можем отправить ее одной из этих больших языковых моделей, чтобы она помогла нам перевести изображение в информацию." (Фрагмент 15)
"То, что мы знаем, наши знания истории искусства, наши знания о таких вещах, как SWOT-анализ, все это - наши знания о словах, концепциях и фреймворках - это наши новые краски. Чем больше мы знаем, тем богаче наша палитра для промтинга, тем уже мы с точки зрения того, что знаем, тем менее широки наши знания, тем хуже для нас в промтинге." (Фрагмент 17)
Заключение:
Представленные фрагменты текстов дают общее представление о принципах работы генеративного ИИ и его потенциале в сфере образования. Авторы подчеркивают важность активного и осознанного подхода к использованию LLM, а также необходимость развития критического мышления. При правильном подходе генеративный ИИ может стать ценным инструментом для обучения и саморазвития.
