Erfaringsgrunnlaget

Ki-generert innhold gjør at skriveferdighet er blitt en upålitelig indikator på læring. Det føyer seg til andre utviklingstrekk:

• Arbeidslivet krever ikke bare akademisk forståelse, men også evne til å anvende kunnskap i komplekse kontekster. Kunstig intelligens og annen automatisering overtar eller bidrar til å løse rutinepregede og regelstyrte oppgaver. Arbeidsgivere etterspør derfor ferdigheter som problemløsning i tvetydige situasjoner, samarbeid, kommunikasjon og selvstendighet. Dette er evner som lett overses i en pensum-fokusert og forelesningsbasert modell.
• Globaliseringen av høyere utdanning gir behov for målbare og overførbare kvalifikasjoner. Kompetansebaserte rammeverk, som European Qualifications Framework og nasjonale kvalifikasjons-rammeverk, har større fokus på  læringsutbytte. De legger vekt på hva studenter kan gjøre etter endt utdanning – ikke bare hva de kan uttale seg om.
• Nyere pedagogiske teorier som sosiokulturell læringsteori og erfaringsbasert læring framhever aktive, situerte og relasjonelle prosesser som grunnlag for dyp læring. Kompetansebegrepet passer bedre med denne forståelsen, fordi det kombinerer kunnskap, ferdigheter, holdninger og kontekstuell dømmekraft.
• Studenter investerer tid og penger i utdanning og har derfor forventninger om å få konkrete ferdigheter og forbedrede jobbmuligheter igjen. Dette forsterkes av forbrukerlogikk og målstyringskultur.

Dagens debatter reiser derfor spørsmål om verdien av tekstbaserte vurderingsformer. På bakgrunn av slike utforsker undervisere over hele verden nye vurderingsformer. Framfor tekstlige besvarelser legger de vekt på synlige ferdigheter, situert problemløsning og kontekstavhengig prestasjon. Det er en bevegelse mot kompetansebasert utdanning.

Læreplaner og evaluering organiseres rundt de ferdigheter som studentene må kunne demonstrere. Å skrive fagstoff er selvsagt også en relevant ferdighet, men da med tilgang til dagens skriveredskaper og slik at teksten brukes for realistiske formål. Å analysere og løse et forknytt problem (wicked problem) der man ikke kjenner løsningsmåten på forhånd og heller ikke vet hvor og hvordan den finnes, er en annen. Lesning og forelesning gir da sjelden løsningen. Man må heller prøve seg fram.

Slike tilnærminger er utviklet for å sikre at kandidater oppfyller krav som ligger nærmere  praksisfeltet. Kompetanserammer knytter læring direkte til oppgaver i arbeids- og samfunnsliv. De  reduserer avstanden mellom akademiske og praktiske kriterier. Det kan f.eks. innebære at studenter får studiepoeng for å gjennomføre et prosjekt i samarbeid med en ekstern aktør i stedet for å skrive en tradisjonell semesteroppgave.

Dette har også en kunnskapsteoretisk side som demper orienteringen mot ren teori, men styrker anvendelse og ferdighet. Dette har selv sine teoretiske uttrykk som for eksempel kombinasjonen av Aristoteles begrep om techne, fronesis og praxis.

Samtidig vurderes et neste trinn i KI-utviklingen der nevrale nettverk oppdateres kontinuerlig av samspillet med omgivelsene framfor statistisk avlesning av tekster. Dette er erfaringsbasert KI:

Vår påstand er at det vil oppstå forbløffende nye muligheter når hele potensialet i erfaringsbasert maskinlæring tas i bruk. Denne erfaringens tidsalder vil sannsynligvis kjennetegnes av agenter og miljøer som – i tillegg til å lære fra store mengder erfaringsdata – vil bryte gjennom begrensningene i menneskesentrerte KI-systemer på flere områder:

• • • Agenter vil leve i erfaringsstrømmer, snarere enn korte øyeblikk av interaksjon.
    • Handlinger og observasjoner vil være rikt forankret i miljøet, i stedet for bare via menneskelig dialog.
    • Belønningssystemet bygger på denne «opplevelsen» av miljøet, i stedet for å avledes av menneskelig forforståelser.
    • De vil planlegge og/eller resonnere rundt erfaring, snarere enn å resonnere utelukkende i menneskelige termer.

Silver og Sutton: Welcome to the Era of Experience [PDF]

Artikkelen ble publisert i april 2025, men allerede i juli samme år tyder mye på at den får betydning (impact). Den nåværende KI-fasen der de store språkmodellene trenes på statiske tekstkorpora nærmer seg metningspunktet. En ny «erfaringsfase» er nødvendig.

Artikkelen argumenterer for at erfaringsbaserte data vil overskygge menneskegenererte data i omfang og kvalitet. Det muliggjør utvikling av KI-agenter med minne og langsiktige mål. Flere kommentatorer ser dette som forsøk på å gjenreise forsterkningslæring og modeller som bygger omverdensrepresentasjoner snarere enn å basere seg utelukkende på tekster. Selv om det er for tidlig å si noe sikkert om betydningen av denne artikkelen, har flere omtalt den som et bemerkelsesverdig og kanskje banebrytende manifest for framtidig FoU.

Dette vil trolig også sette skarpere lys på det genuint menneskelige erfaringsgrunnlaget, bl.a. som verifisering og grunnlag for kontradiksjon av det maskinene legger til grunn. Dette er en viktig grunn til at norsk akademia må løfte anseelse og praksus for det eksperimentelle utviklingsarbeidet. Dette bør bli bredde-idrett. Vi kan her ha nytte av de klassiske begrepene om teknikk, ferdighet og praksis: