נשארים מעודכנים
הצטרפו לקהילת 'הגיע זמן חינוך' וקבלו עדכון שבועי עם כל מה שמורות ומורים צריכים לדעת
מורים רבים משלבים כיום בכיתה כלים דיגיטליים ובינה מלאכותית, אך לא תמיד עוצרים לברר כיצד ניתן ללמד את עקרונות פעולתם באופן מושכל וביקורתי. פעמים רבות הכלים מספקים תוצרים מהירים, מסודרים ומשכנעים, היוצרים תחושה של דיוק ואובייקטיביות – תחושה שעלולה להיות מטעה.
במאמר זה מוצגת נקודת מבט פשוטה אך עקרונית: שימוש בשתי פונקציות Excel (פונקציות UNIQUE ו-GROUPBY) כמודל אפשרי ופשוט להבנת אופן עיבוד הנתונים במערכות AI.
באמצעות דוגמה נגישה אציג את יתרונות האוטומציה, את מגבלותיה והאחריות המקצועית שלנו הנלווית לה. השאלה המרכזית אינה מה הכלי יודע לעשות, אלא מי בוחן את התוצאה, ומה קורה כאשר מסקנות מתקבלות בלי לעצור ולבדוק את הנתונים שעליהם הן נשענות.
במערכות שונות קיימות רשימות נתונים גדולות הכוללות אלפי רשומות, ובהן עמודות שבהן ערכים חוזרים על עצמם. לדוגמה, בתהליך בחירת מגמות לימוד נדרש כל תלמיד לבחור מגמה ראשית אחת או מספר מגמות.
כדי לאתר את רשימת המגמות שנבחרו בפועל ניתן להיעזר בפונקציית UNIQUE בתוכנת Excel. פונקציה זו מהווה כלי אנליטי בסיסי אך יעיל המאפשר זיהוי והפרדה של ערכים ייחודיים מתוך מערך נתונים נתון. השימוש בה נפוץ בהקשרים ניהוליים לצורך ניתוח מגמות, ניקוי כפילויות ותמיכה בקבלת החלטות מבוססת נתונים.
יתרונה המרכזי של הפונקציה טמון באוטומציה ובפשטות היישום, המאפשרות חיסכון בזמן וצמצום טעויות אנוש בתהליך המיון. מבנה הפונקציה הוא:
UNIQUE(array) =
כאשר array מייצג את טווח הנתונים שממנו מופקים הערכים הייחודיים.
כאשר עולה הצורך לא רק לזהות ערכים ייחודיים, אלא גם לאגד נתונים ולבצע עליהם חישובים מסכמים, ניתן להיעזר בפונקציית GROUPBY.
פונקציה זו מאפשרת קיבוץ נתונים לפי שדה אחד או יותר וביצוע חישובים כגון ספירה, סכימה או חישוב ממוצע. מבנה הפונקציה הוא:
(GROUPBY(array, by_array, function=
כאשר array מייצג את טווח הנתונים לחישוב, by_array מייצג את השדה שלפיו מקבצים את הנתונים, ו-function מייצג את סוג החישוב (כגון COUNT, SUM, AVERAGE).
בדוגמה של בחירת מגמות לימוד, ניתן באמצעות פונקציה זו לקבל טבלה מסודרת המציגה את רשימת המגמות שנבחרו ואת מספר התלמידים שבחרו בכל מגמה.
עם זאת, חשוב להדגיש כי פונקציות אלו אינן בוחנות את איכות הנתונים או נכונותם, אלא פועלות על המידע כפי שהוא. כך למשל, אם אותה מגמה נרשמה במספר אופנים שונים (כגון "מידע ונתונים" או נתונים ומידע" או כתוצאה משגיאת הקלדה), כל אחת מהאפשרויות תופיע כערך נפרד בתוצאה. מצב זה עלול ליצור תמונה מסולפת של הנתונים ולהוביל למסקנות שגויות.
את סוג טעות זו ניתן לצמצם באמצעות כלים כגון "אימות נתונים", אך הדוגמה נועדה להמחיש עקרון רחב יותר: איכות התובנות המופקת מן הנתונים תלויה באופן ישיר באיכות הקלט ומידת הבקרה המופעלת עליו. בהיעדר מנגנון מובנה של בקרת איכות או אימות תוכן, נתונים שגויים, חלקיים או מוטים ייכללו בתוצאה הסופית ועלולים להשפיע על שיקול הדעת של המשתמש.
בהיבט המושגי, ניתן להצביע על קווי דמיון בין אופן פעולתן של פונקציות חישוביות כגון UNIQUE ו-GROUPBY לבין מנגנוני החישוב של מערכות בינה מלאכותית (AI).
בדומה לפונקציות אלו, גם מערכות AI נשענות על מידע קיים ומעבדות אותו ללא הבנה סמנטית או שיפוט ערכי עצמאי. במהלך תהליך האימון, לרוב מערכות AI לומדות דפוסים מתוך כמויות עצומות של טקסטים שנוצרו על-ידי בני אדם, כגון מאמרים, ספרים ואתרי אינטרנט. הלמידה אינה כוללת שמירה של המידע עצמו או גישה למקורות בזמן אמת, אלא זיהוי של קשרים סטטיסטיים בין מילים, רעיונות ומבני שפה.
באופן זה, כאשר נשאלת שאלה, מערכת AI אינה מחפשת עובדות או מאמתת מידע, אלא מייצרת תשובה הנראית סבירה מבחינה הסתברותית על סמך הדפוסים שנלמדו. תהליך זה דומה, ברמה הרעיונית, לאופן שבו פונקציית UNIQUE מזהה ערכים נפוצים או חוזרים ופונקציית GROUPBY מקבצת נתונים ומפיקה מהם סיכומים סטטיסטיים. כפי שערך שגוי אך נפוץ יופיע בתוצאת UNIQUE או ש-GROUPBY יסכם נתונים גם אם הם שגויים או מוטים, כך גם ייתכן שמערכות AI עשויות לשקף דפוסים שגויים אם הם רווחים במקורות שעליהם אומנו.
עם זאת, חשוב להדגיש כי קיים הבדל מהותי בין הכלים: בעוד שפונקציות כמו UNIQUE ו-GROUPBY פועלות באופן דטרמיניסטי, צפוי ושחזורי, מערכות AI פועלות באופן הסתברותי, תוך חיזוי והפקת פלט המבוסס על הקשרים סטטיסטיים מורכבים בין מילים, מושגים ורעיונות. אף שניתן לזהות דמיון מסוים לאופן שבו בני אדם מכלילים מידע ולומדים מדפוסים, חשוב להדגיש כי AI אינו "חושב" או "מבין" במובן האנושי, אלא מבצע חישובים מתקדמים על בסיס נתונים ודפוסים לשוניים.
מן האמור עולה מסקנה מרכזית בעלת חשיבות ניהולית וחינוכית: מערכות אוטומטיות, מתקדמות ככל שיהיו, אינן מחליפות את שיקול הדעת האנושי!
בדומה לפונקציות חישוביות כגון UNIQUE ו-GROUPBY הפועלות על נתונים כפי שהם ומפיקות תוצרים ללא הבנה של הקשר, משמעות או ערך, כך גם מערכות בינה מלאכותית פועלות על בסיס דפוסים, שכיחויות והקשרים סטטיסטיים.
האחריות לבחינת התוצרים, להבנת מגבלות הכלי ולאימות המידע המופק ממנו מוטלת באופן מלא עלינו, המשתמשים, מורים, תלמידים, מקבלי החלטות. בין אם מדובר בפונקציה פשוטה ב-Excel ובין אם במערכת AI מתקדמת, שימוש בלתי ביקורתי עלול להוביל לקבלת החלטות שגויות במסווה של אובייקטיביות טכנולוגית.
בעידן של דיגיטציה ובינה מלאכותית, נדרשת לא רק שליטה בכלים עצמם, אלא גם פיתוח מיומנויות של חשיבה ביקורתית, אחריות מקצועית ויכולת לבחון נתונים באופן מושכל. הטכנולוגיה יכולה לארגן, לסכם ולחשב, אך האחריות לפרש, לבקר ולהחליט נותרת אנושית, ותישאר כזו גם בעתיד.
