W rozmowie dla RMF24 prof. Piotr Sankowski — dyrektor Instytutu Badawczego IDEAS, profesor informatyki na UW, czterokrotny laureat grantów ERC — powiedział zdanie, które chodzi za mną od kilku dni:

„(…) traktować te modele jako takiego sparing partnera. Pewnie docelowo mam nadzieję, że powstaną rozwiązania, które będziemy mogli udostępnić naszym dzieciom, które na pytanie »napisz mi pracę domową« będą odmawiały takiej odpowiedzi, a będą po prostu prowadziły dyskusję z tym dzieckiem (…), w jaki sposób on tę pracę ma jak najlepiej napisać (…), a nie po prostu serwowały gotowe rozwiązania.”

To najtrafniejsze zdanie o AI w edukacji, jakie ostatnio słyszałem. Cała rozmowa jest warta posłuchania, szczególnie wątek o tym, dlaczego nadal warto uczyć się trudnych rzeczy: Prof. Piotr Sankowski: Wciąż warto uczyć się trudnych rzeczy (RMF24).

Chcę rozpakować, skąd bierze się ta nadzieja, gdzie ma haczyk i — najważniejsze dla nas, rodziców — co z tym zrobić już dziś, zanim takie „odmawiające” modele powstaną.

Skąd nadzieja: hipoteza dwóch sigm

W 1984 r. amerykański psycholog edukacji Benjamin Bloom opisał wynik, który do dziś elektryzuje. Przeciętny uczeń pracujący z indywidualnym tutorem — jeden na jeden, z regularnym testem i informacją zwrotną — wypadał lepiej niż 98% uczniów uczonych klasowo. W języku statystyki: o dwa odchylenia standardowe (dwie „sigmy”). Po ludzku: dziecko ze środka skali ocen przesuwało się niemal na sam jej szczyt.

Brzmi jak marzenie każdego rodzica. I było — z jednym „ale”. Tutora jeden na jeden dla każdego dziecka nie da się sfinansować ani zeskalować. To zawsze był luksus nielicznych. Sam Bloom nie ogłaszał recepty; postawił problem: jak sprawić, żeby nauczanie grupowe zbliżyło się do efektu indywidualnego tutoringu, bez zatrudniania korepetytora dla każdego.

I dokładnie w tym miejscu pojawia się nadzieja związana z AI. Duży model językowy jest tani, dostępny o każdej porze i — w teorii — może dostosować tempo i formę do konkretnego dziecka. Gdyby działał jak tutor z badań Blooma, mielibyśmy spersonalizowaną edukację dla każdego, nie tylko dla tych, których stać na korepetytora. To realna, piękna obietnica.

Gdzie jest haczyk

Zanim kupimy tę obietnicę w całości — trzy rzeczy, o których warto pamiętać, żeby nie sprzedawać dziecku cudów.

Po pierwsze, dwóch sigm nikt nie odtworzył tanio. Sam wynik 2σ jest w późniejszych badaniach kwestionowany — próby replikacji dawały efekt znacznie mniejszy (rzędu pół odchylenia), a metaanalizy korepetycji notują zwykle 0,3–0,8. To cel, do którego warto dążyć — nie gwarancja, którą można odhaczyć. Każdy, kto sprzedaje Ci „AI da Twojemu dziecku efekt korepetytora”, upraszcza.

Po drugie, model to nie ludzki tutor. Efekt Blooma dawał człowiek, który pilnował, żeby uczeń opanował materiał, zanim ruszył dalej. Czat, który na pierwsze pytanie „serwuje gotowe rozwiązanie”, robi dokładnie odwrotnie — wyręcza zamiast uczyć. To nie jest wada konkretnego modelu. Różnica tkwi w tym, jak się go używa i jak jest zaprojektowany. Ten sam model potrafi być sokratejskim przewodnikiem albo automatem do odpisywania — zależnie od tego, jak go ustawimy i czego nauczymy dziecko od niego oczekiwać.

Po trzecie, tło kulturowe nie jest neutralne. Asystent ucznia niesie założenia, przykłady i język tego, kto go zbudował. Dla naszych dzieci to argument, żeby kibicować polskim rozwiązaniom — z naszym kontekstem i wartościami — a nie tylko adoptować cudze w ciemno. Sankowski w tej samej rozmowie mówi to wprost: w niektórych zastosowaniach potrzebujemy własnych, suwerennych modeli, a żeby się czegoś nauczyć, trzeba to po prostu robić.

Co to znaczy dla rodzica

Tu dochodzimy do sedna. Sankowski mówi jeszcze jedno, co warto wbić sobie do głowy: trudnych rzeczy nadal warto się uczyć. AI nie zwalnia dziecka z myślenia — podnosi cenę umiejętności samodzielnego myślenia. Im łatwiej wygenerować przeciętną odpowiedź, tym cenniejszy staje się ten, kto potrafi ją ocenić, poprawić i pójść dalej.

Pytanie dla rodzica nie brzmi więc „czy dać dziecku AI”. Brzmi: „czy nauczę je traktować model jak sparing partnera, a nie jak automat do prac domowych”. To pierwsze wymaga od nas obecności. Drugie — tylko hasła.

Dobra wiadomość: nie musisz czekać na model, który „odmawia”. Sam efekt sparing partnera możesz uruchomić dziś, ustawiając trzy rzeczy.

1. Zmień pytanie, które dziecko zadaje modelowi

Cała różnica między wyręczaniem a uczeniem mieści się w sformułowaniu. Naucz dziecko prosić nie o odpowiedź, ale o prowadzenie. Konkretnie — pokaż mu dwa zdania na start rozmowy z czatem:

  • Zamiast: „Napisz mi rozprawkę o Lalce Prusa.”
  • Spróbuj: „Jestem w 7. klasie i mam napisać rozprawkę o Lalce. Nie pisz jej za mnie. Zadawaj mi pytania, żebym sam ułożył tezę i argumenty. Powiedz, kiedy coś mam słabo uzasadnione.”

To samo działa w matematyce („nie podawaj wyniku, naprowadź mnie na następny krok”), w przyrodzie, w angielskim. Jedno zdanie na początku zamienia automat w korepetytora.

2. Rozmawiajcie o tym, co model wygenerował

Sankowski opisuje to dokładnie: największe zrozumienie zostaje nie wtedy, gdy dziecko skopiuje wynik, ale gdy o nim podyskutuje. „Dlaczego model tak napisał? Zgadzasz się? Co byś zmienił?” Dwie minuty takiej rozmowy przy stole robią więcej niż godzina samodzielnego klikania. I są przy okazji najprostszym testem, czy dziecko w ogóle rozumie to, co oddaje.

3. Ucz wyłapywać, kiedy model się myli — i potakuje

Modele bywają, jak mówi Sankowski, „sykofantyczne” — bardzo chętnie potwierdzają to, co już myślimy. Jeśli zadasz pytanie sugerujące odpowiedź, dostaniesz odpowiedź, którą chciałeś usłyszeć. Świetne ćwiczenie dla starszego dziecka: zadać czatowi to samo pytanie z dwóch przeciwnych stron i zobaczyć, że potrafi gorliwie poprzeć obie. To najtańsza lekcja krytycznego myślenia, jaką znam — i szczepionka na traktowanie modelu jak wyroczni.

Jedna rzecz do zrobienia dziś

Usiądź z dzieckiem przy następnej pracy domowej, którą i tak chce „zrobić z AI”. Nie zabraniaj. Zamiast tego przepisz razem pierwsze zdanie polecenia — z „napisz mi” na „nie pisz za mnie, naprowadź mnie”. Zobaczcie wspólnie, jak zmienia się rozmowa. To dziesięć minut, po których dziecko ma narzędzie, a nie wyręczyciela.

Bo cała stawka jest tu prosta: ten sam model jednemu dziecku robi pracę domową, a drugie uczy ją robić. O tym, które to będzie, decyduje nie technologia — tylko my.

Więc jedno pytanie na wieczór: kiedy Twoje dziecko ostatnio siadło z AI — wyszło z tego mądrzejsze, czy tylko szybciej gotowe?