Lapset opettavat AI: lle vähän ihmisyyttä Cognimatesin avulla

Kirjoittaja Stefania Druga, henkilökohtaiset robotit

Älykkäitä leluja ja keskusteluagentteja on läsnä lastenkoteissa. Yli 47,5 miljoonaa aikuista käyttää jo älykkäitä avustajia (kuten Amazonin Alexa) pelkästään Yhdysvalloissa. Tämä herättää kysymyksiä AI: n vaikutuksesta lasten käyttäytymiseen. Aikana MIT Media Lab -ryhmän Henkilökohtaiset robotit -ryhmässä tutkimukseni painopiste oli ymmärtää paremmin tätä AI: n kanssa kasvavaa lasten sukupolvea positiivisen kehityksen suojelemiseksi ja kannustamiseksi. Loin Cognimatesin avoimen lähdekoodin alustana AI-lukutaidolle 7–14-vuotiaille lapsille. Vaikka koulut ja vanhemmat ovat alkaneet tunnistaa koodauksen yhdeksi lasten vaadittaviksi taitoiksi, mielestäni on tärkeää esitellä nuoria myös AI: n ja koneoppimisen käsitteille käytännön projektien avulla, jotta he voisivat käyttää tietoisempaa ja kriittisempää käyttöä nämä tekniikat.

Cognimates-alusta pyrkii saavuttamaan sen sallimalla lasten ohjelmoida ja räätälöidä älykkäitä laitteita, kuten Alexa ja älykäs robotti Cozmo. Lapset voivat myös käyttää alustaa kouluttaakseen omia AI-mallejaan, oppiakseen rakentamaan pelin, joka paranee pelaamalla heidän kanssaan ajan myötä Rock Paper Saksia tai luomalla asennuksen, jossa koko huone reagoi tavalla, jolla he kuvaavat unelmiaan. Cognimates rakentuu useisiin osiin (mukaan lukien visuaalinen ohjelmointikieli) Scratch-avoimen lähdekoodin alusta, jonka on luonut MIT Media Lab -yrityksen Elinikäinen päiväkoti -ryhmä. Cognimates-alustan päätavoite on laajentaa koodausta AI-koulutukseen ja lukutaitoon.

Ensinnäkin rakastaa: harjaaminen, oppiminen ja opettaminen
Kuten monet Media Lab -opiskelijat, polkuni on ollut kaukana lineaarisesta, mutta yhdistävä säie on aina ollut rakkauteni syvällisen uteliaisuuden vetämään oppimiseen. Olen syntynyt Maneciu-Ungurenissa, pienessä kaupungissa Transylvaniassa, Romaniassa. Äitini on opettaja ja isäni on sähköinsinööri. Kasvaessani sain löytää ja jakaa heidän intohimonsa. Yhdessä isäni kanssa olen oppinut suunnittelemaan ja rakentamaan mitä tahansa huoneessani olevista huonekaluista tavaroihin, joita uusimme vanhoilta messuilta ostamiemme autojen osista. Äitini kanssa huomasin, kuinka paljon hyvä opettaja voi koskettaa oppilaidensa elämää. Sain nähdä kuinka äitini oli yhteisön sielu pienessä kylässä, jossa hän opetti. Hän ei vain auttaisi oppilaita akateemisissa ongelmissa, vaan myös kuuntelee heidän henkilökohtaisia ​​kamppailujaan ja auttaisi heitä ja heidän perheitään hetkessä. Ymmärsin jo varhaisesta iästä lähtien kuinka paljon myönteisiä vaikutuksia hyvillä opettajilla voi olla yhteisöissään ja miksi on tärkeää yhdistää ja työskennellä ihmisten kanssa henkilökohtaisella tasolla.

Hackidemia STEAM -työpaja perheille Singaporessa 2014. Luotto: Hackidemia STEAM -työpaja perheille Singaporessa 2014

Yhdistäisin äitini rakkauden opetukseen ja isäni intohimoan käytännön huolehtimisesta elämäni työssäni. Perustin voittoa tavoittelemattoman STEM-koulutusorganisaation Hackidemiaan vuonna 2012. Ansaitsin ensimmäisen maisterintutkinnon koulutuksen mediatekniikasta ja työskentelin vuoden ajan Dublinin Googlen hakutyöryhmässä, ennen kuin päätin, että haluan jatkaa intohimoani. koulutukselle ja joilla on välitöntä vaikutusta. Lähdin Googlesta ja menin Kambodžaan vapaaehtoiseksi orpokodiin Phnom-Penhin pääkaupungin ulkopuolelle neljän kuukauden ajan. Täällä työskentelin kaiken ikäisten lasten kanssa, opettaen heille kaiken voitavani: matematiikan, englannin, kirjallisuuden, tietokoneiden ja Internetin käytön, valokuvauksen, asioiden korjaamisen. Vanhemmat lapset siirtävät sitten tietonsa opettamalla nuorempia lapsia.

Juuri tämän kokemuksen aikana huomasin, kuinka tehokas on antaa lapsille mahdollisuus oppia opettamalla ja työskennellä paikallisten yhteisöjen kannalta merkityksellisillä käytännön projekteilla. Saatuaani liittymisen Pariisin Descartes-yliopiston monitieteiseen biotieteiden tutkimusryhmään CRI, päätin aloittaa vastaavien työpajojen pitämisen ranskalaisissa kouluissa. Etsin hakemusta tohtoriksi tohtoriksi CRI: ssä, yksi ystäväni kertoi minulle NASAn sosiaalisen vaikutuksen kesäohjelmasta, nimeltään Singularity University (SU). SU: ssa tapasin myös yhden ihmisistä, jotka inspiroivat minua eniten unelmiesi toteuttamisessa, robotisti ja entinen astronautti Dan Barry. Dan yritti tulla astronautiksi 10 kertaa ennen kuin hän lopulta onnistui. Kun tapasin hänet, hän vastasi SU: n laitteistolaboratoriosta ja oli edelleen niin iloinen ja innostunut kuin lapsi joka kerta kun sai mahdollisuuden hakata laitteistoa.

Vasemmalta oikealle: Stefania Druga, Dan Barry, Libby Falk GSP12 SU -ohjelmassa. Luotto: TJ Rak 2012

Dan rohkaisi minua aloittamaan laitteistojen prototyyppityöpajojen järjestämisen ja opetti minulle juottamaan ja ohjelmoimaan mikrokontrollerit ensimmäistä kertaa. Ohjelman lopussa sain erittäin houkuttelevan työn, jonka päädyin kieltäytymään rakentamaan omaa organisaatiota. Muistan edelleen Danin neuvoja: "Ajattele missä haluat olla 10 vuotta sitten ja varmista, että omistat joka päivä, jokainen minuutti päästäksesi sinne etkä häiritse matkaa."

SU-ohjelman aikana, kun opisimme robotiikkaa, nanotuotantoa tai synteettistä biologiaa, en voinut auttaa, mutta ajattelin kuinka paljon olisin halunnut oppia kaikista näistä tekniikoista nuorempana. Päätin kehittää Hackidemiaa esitelläkseen lapsille mielenkiintoisimmat tekniikat ja tutkimuskysymykset soveltuvalla ja hauskalla tavalla. Kansainvälisten opiskelijoiden ja mentorien SU-verkoston avulla aloitimme työpajojen järjestämisen ja STEM-tapahtumien järjestämisen kaikkialla maailmassa. Neljä vuotta myöhemmin meillä oli 40 kansainvälistä Hackidemia-lukua, useita pitkäaikaisia ​​projekteja, kuten Afrimakers, MakerCamp, ja pystyimme kouluttamaan yli 400 mentoria, 2 000 opiskelijaa ja 10 000 lasta. Tässä vaiheessa kävi ilmeiseksi, että aloimme maksimoida vaikutusmme ruohonjuuritason organisaationa.

Hackidemia-työpaja lapsille ja opettajille Budapestissa 2015. Luotto: Hackidemia 2015

Takaisin kouluun: Samat intohimot, uudet taidot Media Labissa
Tällöin aloin miettiä, mitä minun pitäisi tehdä seuraavaksi, jotta saan tehtäväni muuttaa lasten oppimistavat uudelle tasolle. Halusin saada ohjausta, oppia uusia taitoja ja työskennellä ihmisten kanssa, jotka jakavat arvoni ja ajavat. Tiesin Media Labista, koska olin käyttänyt monia Lab-projekteja, kuten Makey-Makey ja Scratch, työpajoissani lasten kanssa ja minulla oli jopa mahdollisuus käydä ja esitellä Hackidemia elinikäisen lastentarhan ryhmässä aiemmin. Päätin, että haluan työskennellä paikassa, jossa tutkimus otetaan käyttöön todellisessa maailmassa ja jossa ihmiset arvostavat ja rohkaisevat monitieteistä lähestymistapaa.

Minulla ei ollut mielessä erityistä hanketta, kun minut hyväksyttiin Media Labin master-ohjelmaan, mutta tiesin, että haluan jatkaa työtä suunnittelemalla uusia luovia oppimiskokemuksia lapsille ja rakentaakseen työkaluja tueksi sitä. Ensimmäisen lukukauden aikana osallistuin monenlaisiin luokkiin ”Kuinka tehdä melkein mitä tahansa” Human Machine Symbiosiksen. Aloin rakentaa kaikenlaisia ​​outoja ja funky-projekteja - jättiläinen arcade-ohjelmoitaviin vartalolaajennuksiin ja 5-akselisen pahvikoneen vaahtoleikkaukseen, muutamia mainitakseni.

Esimerkki projektista Poppy Ergo Jr -robotille, joka voidaan ohjelmoida demonstroimalla piirtämään kirjoittajan kehittämällä Scratch-laajennuksella. Luotto: Stefania Druga

Ensimmäinen AI-koodausprojektini
Etsiessään toimilaitteita vartalolaajennuksilleni törmäsin avoimen lähdekoodin 3D-tulostettavaan robottiin, Poppy Ergo Jr., jonka on kehittänyt Flowers-ryhmä Inria Bordeauxissa Ranskassa (http://www.poppy-project.org). Pidin erityisesti siitä, kuinka tämä robotti oli koodattu toimilaitteisiin, jotka pystyivät tallentamaan ja toistamaan kaikki liikkeet. Aloin heti kuvitella, kuinka lapset voisivat opettaa tällaista robottia demonstraation avulla (esim. Tekniikka kuinka piirtää tai liikuttaa kuin koira).

Päätin rakentaa Scratch-laajennuksen tälle robotille. Tämä oli ensimmäinen Scratch-laajennus, jonka rakensin vuoden 2017 alussa yhdessä alaopiskelijani, Eesh Likhithin kanssa. Ensimmäisen robottilaajennukseni rakentamisen jälkeen ajattelin, että olisi hienoa, jos lapset pystyisivät yhdistämään sen tietokonevisioon. Ajattelin, että lapset näyttäisivät objektin robotin verkkokameralle ja robotti yrittäisi piirtää sen objektien perusteella, jotka se osaa jo piirtää. Prototyyppittääksemme tämän vuorovaikutuksen yhdessä Eeshin kanssa, aloitimme uuden Scratch-laajennuksen kehittämisen tietokoneen visioon, joka käytti julkista Clarifai-sovellusliittymää kuvan tunnistamiseen. Dokumentoimme ja julkaissimme nämä kaksi laajennusta ScratchX-alustalla.

Ovien avaaminen AI-koulutukseen
Ensimmäiset robotti- ja esineentunnistuskoodauslaajennukseni avasivat oven AI-koulutukseen. Aloitin yhteistyön Randi Williamsin kanssa, Henkilökohtaiset robotit -ryhmän jatko-opiskelijan kanssa, joka oli kiinnostunut esiopetuksen AI-koulutuksesta. Professori Cynthia Breazealilla on pitkä historia kehittää lapsille tarkoitettuja koulutusteknologioita sekä sosiaalisten robottien työkalusarjoja, joiden avulla lapset oppivat koodausta opettamalla robotteja. Randi ja minä yritimme selvittää kuka muu työskenteli tällä alalla. Saatuaan selville, että muita asiaankuuluvia tutkimuksia ei ollut, päätimme järjestää työpajojen sarjan ja seurata kuinka lapset ja vanhemmat ovat vuorovaikutuksessa AI-laitteiden ja lelujen kanssa. Analysoimme ja jaoimme havainnot sarjassa papereita ja blogin kirjoituksia.

Esimerkki Cognimates Teach AI -alusta, jossa lapset voivat kouluttaa omat luokittelijansa kuvien ja tekstin avulla. Luotto: Stefania Druga 2018

Tämän prosessin aikana tajusin, kuinka tärkeätä on deystifioida, miten AI-tekniikka toimii, ja antaa lapsille mahdollisuus asettaa itsensä AI: n luojaksi, ei vain kuluttajille.

Custom Vision -luokittelija, jonka lapset ovat luoneet Cognimates -sovelluksella pelaamaan rock-paperisaksia. Luotto: Stefania Druga

Kognimaattien luominen oli tämän alustavan tutkimuksen tulos. Minua liittyi tähän projektiin uskomattoman lahjakas alaopiskelijoiden ryhmä: Sarah T. Vu, Tammy Qiu, Clemente Ocejo, Eesh Likith ja Lauren Oh. He osallistuivat sekä foorumin teknisiin näkökohtiin että tutkimukseen, jota teimme kouluissa ja yhteisökeskuksissa.

Nimein alustan kunnianosoitukseksi Edith Ackermannin tutkimukselle ja työlle aiheesta "Animaatioita" tai "Pelaa asioita, jotka tekevät asioita." Edith yhdessä Sherry Turklen kanssa olivat ensimmäisiä, jotka tutkivat kuinka lapset sitoutuvat älykkäisiin leluihin ja ovat vuorovaikutuksessa niiden kanssa 1980- ja 90-luvulla. . Edithin puitteet sen määrittelemiseksi, mikä antaa lelun katsoa olevan AniMate, toimi sekä ohjeena että inspiraationa siitä, kuinka suunnittelin Cognimates-alustan. Tämän projektin ja tutkimukseni tavoitteena on rakentaa heidän viisauteensa ja paljastaa mitkä ovat uudet ohjaavat periaatteet suunnitellessasi oppimistyökaluja ja laitteita tälle sukupolvelle, joka kasvaa AI: n kanssa.

Mikä on tunnelma?
Aluksi minulle tunnustaminen oli älykäs edustaja, jota lapset voivat ohjelmoida ja opettaa. Agentti olisi sekä ystävällinen seuralainen (leikkikaveri) että esine, jonka kanssa tulisi ajatella ja oppia (kognitioida). Cynthia Breazeal ja hänen Henkilökohtaiset robotit -ryhmän opiskelijat olivat jo tutkineet tätä ”ohjelmoinnin opetukseksi” -mallia SoRon (Social Robot Toolkit) kanssa ja kehittäneet sosiaalisia robotteja vertaistuksisiksi oppimiskumppaneiksi useita vuosia. Joten Cognimates oli luonnollinen jatke tähän perinteeseen hänen tutkimusryhmässään.

Ajatuksena oli myös suunnitella alusta, jonka avulla lapset voisivat yhdistää useita laskennallisia esineitään ja saada heidät toimimaan vuorovaikutuksessa keskenään. Opinnäytetyöni aikana tajusimme, että lapset viittaavat myös digitaalisiin merkkeihin (codelab sprites) myös kognittioon. Puhuessaan tekemistään projekteista ja oppimistaan ​​käsitteistä he viittasivat ”tee Nary onnelliseksi” -projektiin eikä “tunteiden havaitsemiseen” tai “tunteiden analysointiin”. Vaikka monet AI-järjestelmien ja älykkäiden agenttien käsitteet ja sisäinen toiminta olivat alun perin liian abstrakteja, he pystyivät nopeasti ymmärtämään kuinka kone oppii, jos kyseinen toiminta tapahtuu hahmon, tarinan tai pelin avulla.

Esimerkkejä fyysisistä tunnettavista hahmoista: Ogre ja sammakkoprinssi kehitettiin lasten kanssa luovaan tarinankerrontaan koodiprojektin avulla. Luotto: Stefania Druga

Tämä rohkaisi meitä luomaan paljon enemmän hahmoja ja aloitusprojekteja, jotka voisivat ilmentyä ja ilmentää mitä erilaiset AI-palvelut tekevät. Jotkut hahmot, kuten Nary, pystyivät ilmaisemaan erilaisia ​​tunteita, jos tietokone havaitsi onnellisen tai surullisen viestin. Muut merkit vaihtaisivat väriä, jotta tietokone näyttäisi tietyn värin. Teimme myös visuaalisen laajennuksen jättiläisen silmän näyttääkseni mitä tietokone tunnistaa tai jos se sekoittuu. Kun lapset ohjelmoivat kognitiivisella palvelulla, digitaalinen kognitti ilmentää ja osoittaa, kuinka tämä palvelu toimii (esim. Oppiminen näkemään tai puhumaan). Nämä hahmot pyrkivät luomaan voimakkaita analogioita ja käsitteellisiä siltoja antaen samalla lasten käyttää niitä relatiivisissa tarinoissa.

Esimerkki Kognimoi aloitusprojektin, jossa Nary reagoi sen lähettämien viestien tunteisiin. Luotto: Stefania DrugaTunnistaa hahmon, jota Nary reagoi sen lähettämien viestien tunteisiin. Luotto: Suunnittelija Mircea Dragoi, sivusuunnassa 2018

Kognitiivin ”toisuus”, keinotekoisuus, uskottavuus, ystävällisyys ja ohjelmoitavuus voivat johtaa erittäin rikkaisiin psykologisiin pohdintoihin, kuten toimivuus ja identiteetti, sekä hallinta- ja kommunikaatiokysymyksiin, jotka auttavat lapsia ymmärtämään, kuinka ohjelmointi ja AI toimivat.

Kognimoi työpaja Elizabeth Peabody Community Centerissä Somervillessä UROP-joukkueen kanssa (vasemmalta oikealle) Lauren Oh, Sarah T. Vu, Tammy Qiu. Luotto: Stefania Druga.

Opinnäytetyöni loppuun mennessä sain selville, kuinka 107 lapselta (7–14-vuotiailta) neljästä maasta kehittyi parempi ymmärtäminen AI-käsitteistä ja muuttui käsitys älykkäistä agenteista ohjelmoimalla ja opettamalla niitä Cognimates-alustalla. Kuukauden kuluttua koodaamisesta ja AI-agenttien kouluttamisesta alustamme, lapset kehittivät vahvan ymmärryksen AI-tekniikoista ja sujuivat sujuvasti niiden käyttämisessä. Yhteistyö- ja viestintätaidoilla oli merkittävä rooli siinä, kuinka nopeasti lapset kykenivät ymmärtämään erilaisia ​​koneoppimisen käsitteitä, kuten tietokonevisio, tuntemusanalyysi ja ohjattu oppiminen.

Selvitetään
Nuorempana tutkijana on sekä jännittävää, mutta jotenkin innostavaa aloittaa tutkimusalue, jota ei ole vielä vahvistettu. Vaikka Sherry Turkle, Edith Ackermann, Michael Scaife ja Mike Duuren tekivät useita tutkimuksia älykkäistä leluista lapsille aikaisempina vuosikymmeninä, tuolloin tekniikka ei ollut niin kehittynyttä kuin nykyään, ja älylaitteet eivät olleet niin laajalti läsnä lastenkodit ja koulut nykyisellään. Tässä yhteydessä minun piti suunnitella ja mukauttaa tutkimusmenetelmiä eri aloilta, kuten ihmisrobotiikan vuorovaikutus, kognitiivinen tiede, pedagogiikka ja psykologia yrittäessään ymmärtää, miten lapset kasvavat AI: n kanssa nykypäivänä empiiristen havaintojen avulla.

Cognimates-alustan suunnittelussa yritin yhdistää aiempien koodaussovellusten tärkeimmistä ominaisuuksista: intuitiiviset lohkot, pääsy mobiililaitteisiin, yhteys fyysiseen maailmaan ja laitteistot. Lisäsin myös kognitiivisten palveluiden modulaariset koodauslaajennukset intuitiivisten AI-harjoitusominaisuuksien lisäksi. Ne on suunniteltu erityisesti AI-koulutukseen. Lapset olivat mukana suunnittelukumppaneina prosessin kaikissa vaiheissa.

Digitaalisten tunnistusmerkkien jäljennökset lasten palautteen perusteella. Luotto: Suunnittelija: Mircea Dragoi, Lateral 2018

Kuten Allison Druin huomauttaa, ”lapsilla on niin vähän kokemuksia elämässään, että he voivat antaa mielipiteensä ja nähdä, että aikuiset ottavat heidät vakavasti.” Hän väittää, että tällaiset kokemukset voivat luoda luottamusta lapsiin sekä akateemisesti että sosiaalisesti ja tuottaa “suunnittelun” -keskeinen oppiminen. ”Tällaisen oppimisen voiman kokeminen ja ilo suunnitella ja rakentaa yhdessä lasten kanssa ja heidän kanssaan oli yksi suosikkini osista tässä projektissa. Pidän sitä kriittisenä prosessina kaikkien uusien ja tutkimatta tulevien tekniikoiden suunnittelussa, jotka tukevat lasten kehitystä.

Opiskelijatasapaino
Tulen olemaan hyvin rehellinen ja sanon, että en usko tasapainonnistaneeni työtäni ja elämääni parhaalla mahdollisella tavalla, minkä seurauksena työskentelin suurimman osan ajasta erittäin pitkiä työpäiviä ja viikonloppuja. Media Labissa on yleinen ongelma yrittää tehdä liikaa, koska Lab tarjoaa niin paljon mahdollisuuksia ja on erittäin vaikea oppia sanomaan "ei". Ajan myötä, kun keskityin entistä enemmän tämän alustan kehittämiseen, opin, kuinka kanavoida kaikki muut vastuuni, kuten luokkien ottaminen, demojen tekeminen ja yhteistyö Lab-jäsenyritysten kanssa siten, että se aina edistää ja edistää Tunnistaa projektin jollain tavalla.

Tärkeä oli myös oppia kehittämään ja kouluttamaan harjoittelijaryhmä (UROP), joka voisi tukea projektia luotettavasti johtamalla opiskelua kouluissa tai tekemällä demoja. Yritin kirjoittaa blogin kirjoituksia ja puhua lehdistölle joka kerta, kun julkaisimme uuden tutkimuksen. Minulle oli tärkeätä jakaa tutkimuksiani ja olla mukana kaikissa vanhempien, opettajien, tekniikan suunnittelijoiden ja päätöksentekijöiden yhteisöissä, jotka voivat auttaa edistämään tätä AI-lukutaitoa.

Kartta Cognimates-käyttäjistä ympäri maailmaa, 816 yksilöivää käyttäjää,
2063 istuntoa, keskimääräinen istuntoaika 30 min. Luotto: Stefania Druga 2018

Olen todella hämmästynyt ja inspiroinut asioista, joita lapset keksivät, kun heille annetaan vapaus, työkalut ja tilaa ilmaisulle ja löytölle. Kun olin opiskelemassa kouluissa, ja se oli vaikeaa hallinnollisten esteiden tai työn suuren määrän vuoksi, vedän aina energiaa jatkaa näkemään, kuinka paljon lapset haastavat itsensä ja oppivat. Kun kirjoitan opinnäytetyötä ja takertuin kvantitatiiviseen tietoanalyysiin tai tutkimukseen liittyvään työhön, palasin lukea lasten keskustelujen ja haastattelujen tekstikirjoituksia. Se herätti hymyn kasvoni, muistutti minua, miksi työnnän itseäni niin paljon tekemään tätä työtä ja jatkan.

Cognimatesin, lasten ja AI: n tulevaisuus
Mielestäni olemme käymässä asekilpailua koulutuksessa tekniikan kehityksen kanssa, ja meidän on aloitettava pohtia AI-lukutaitoa ennen lasten ja heidän perheidensä käyttäytymismalleja asettua paikalleen. Yhdistin Hackidemian voittoa tavoittelemattomaksi organisaatioksi, ja jatkan osana sitä Cognimatesin kanssa tekemälleni työlle kehittääksesi täydellisen avoimen lähdekoodin opetussuunnitelman AI-koulutukselle (kidsteach.ai) yhteistyössä akateemisten ja teollisuuskumppaneiden kanssa. Tavoitteena on jakaa pääsy AI-lukutaitoalustallemme ja oppimateriaaleihin erilaisilla koulualueilla, museoissa ja kirjastoissa Yhdysvalloissa ja kansainvälisesti työskentelemällä samalla opettajien ja perheen koulutuksen ja tiedotuksen parissa.

Tunnustaa demon Kanadan pääministerin Justin Trudeaun vierailun aikana MIT: ään. Vasemmalta oikealle: Cynthia Breazeal, Justin Trudeau, Stefania Druga. Luotto: AP Press.

Haluan, että työni jatkaa tutkimustietojen avulla ja tarjoaa opiskelijoille nykyiset mahdollisuudet osallistua, joten olen aloittanut yhteistyön MIT: n, Harvardin koulutuskoulun, NYU ITP: n ja Penn Universityn eri tutkimusryhmien kanssa. Lapset opettavat AI-aloitteiden tärkein tavoite on edelleen kehittää mahdollisuuksia rakentaviin keskusteluihin AI: n ympärillä yhdistämällä eri yhteisöjä samalla kun lapset voivat opettaa meitä ja innostaa meitä siitä, miten AI: tä voidaan parhaiten hyödyntää 2000-luvulla.

Mielestäni yksi suurimmista systeemisistä haasteista, joihin kohtasin, oli vakuuttaa aikuiset kuuntelemaan ja oppimaan lapsilta. Pyrin tarjoamaan vanhemmille ja opettajille tapoja ohjata ja olla osa keskustelua lasten kanssa hallitsematta sitä. Mielestäni ensimmäinen askel tässä pitkäaikaisessa prosessissa on osoittaa, että lapsilla on paljon tekemistä AI: n kanssa ja miksi heidän on tärkeää ymmärtää se. Seuraava askel on helpottaa vanhempien ja opettajien osallistumista yhteiseen oppimisprosessiin tämän tekniikan ympärillä. Vaikka nuoret digitaaliset alkuperäiskansat ovat erittäin nopeita hankkimaan uusia teknisiä taitoja, heillä ei aina ole kypsyyttä tehdä oikeita päätöksiä, ja tässä on tärkeätä, että perheet ja kouluttajat pääsevät mukaan.

Lisäresursseja

  • Kasvaa AI: n kanssa. Tunnustaminen: koodauksesta opetuskoneisiin, Stefania Druga. MIT-diplomityö 2018 (pdf)
  • Hei Google, voinko syödä sinua?: Alkuperäiset tutkimukset lapsen edustajan vuorovaikutuksessa. Stefania Druga, Randi Williams, Cynthia Breazeal ja Mitchel Resnick. IDC 2017 (pdf)
  • Kuinka älykkäitä älykkäät lelut ovat? Lasten ja vanhempien älykkyyden määritykset laskennallisiin kohteisiin, Stefania Druga, Randi Williams, Hae Won Park, Cynthia Breazeal. IDC 2018 (pdf)
  • Nukkuni sanoo, että se on OK: Ääniohjattu lelu vaikuttaa lasten moraalisiin päätöksiin, Randi Williams, Christian Vazquez, Stefania Druga, Pattie Maes, Cynthia Breazeal. IDC 2018 (pdf)

Tämä viesti julkaistiin alun perin Media Lab -verkkosivustolla.