Mākslīgais intelekts UNED: pētījumi, projekti un atbildīga izmantošana

Mākslīgais intelekts UNED ir kļuvis par vienu no stratēģiskajiem pīlāriem gan mācīšanā, gan pētniecībā un izglītības inovācijās. Sākot ar maģistra grādu mākslīgā intelekta pētniecībā un beidzot ar tālākizglītības kursiem un ģeneratīvā mākslīgā intelekta projektiem, Spānijas lielākā tālmācības universitāte veido ļoti spēcīgu ekosistēmu ap šo disciplīnu.

Ja meklējat informāciju par “UNED mākslīgo intelektu”, jo apsverat apmācību, pētniecību vai vienkārši vēlaties uzzināt vairāk Šeit atradīsiet ļoti visaptverošu ceļvedi par to, kā universitātēs tiek izmantots mākslīgais intelekts (īpaši ģeneratīvais mākslīgais intelekts). Mēs aplūkosim oficiālās studiju programmas, universitāšu specifiskās kvalifikācijas, kursu saturu, uzņemšanas prasības, tālmācības metodoloģijas, institucionālos projektus, kas saistīti ar mākslīgo intelektu, kā arī ētiskās un juridiskās sekas, ko rada pati UNED.

Ko nozīmē mākslīgais intelekts UNED kontekstā?

UNED mākslīgais intelekts (MI) tiek aplūkots no plašas un ļoti stingras perspektīvas.Tas aptver visu, sākot no teorētiskajiem pamatiem līdz jaunākajām lietojumprogrammām, tostarp ģeneratīvo mākslīgo intelektu. Tas nekoncentrējas uz "moderniem rīkiem", piemēram, ChatGPT, bet gan sāk ar klasiskiem jēdzieniem, lai pilnībā izprastu, kas slēpjas aiz šīm sistēmām.

Ievads mākslīgajā intelektā, kas tiek aplūkots maģistra programmā un kursos Tas aptver vēsturisku fonu, formālās definīcijas un klasisko atšķirību starp spēcīgu mākslīgo intelektu (MI) un vāju MI. Spēcīgs MI attiecas uz sistēmām, kurām teorētiski varētu būt ar cilvēkiem salīdzināmas kognitīvās spējas, savukārt vājš MI koncentrējas uz programmām, kas spēj ļoti efektīvi risināt konkrētus uzdevumus, bet bez apziņas vai dziļas izpratnes.

Tiek apskatīti arī dažādie skaitļošanas līmeņi un intelektuālas sistēmas pamatstruktūra.Zināšanu attēlošana, secinājumu dzinējs, mācību mehānismi, mijiedarbības saskarnes utt. Turpmāk tiek paskaidrots, ar ko nodarbojas mākslīgais intelekts (uztvere, spriešana, plānošana, mācīšanās, mijiedarbība ar cilvēkiem…), un tiek sadalītas aktīvākās pielietojuma jomas: medicīna, izglītība, inženierzinātnes, drošības sistēmas, viedās pilsētas, novērošana, datu analīze vai sociālā robotika.

UNED uzsver labas secinājumu izpratnes nozīmi. (kā mašīna pāriet no datiem un noteikumiem uz secinājumiem) un atšķirība starp simbolisko, konekcionistisko un varbūtības pieeju, kā arī bioloģiski iedvesmotām un hibrīdām metodēm, kas apvieno vairākas paradigmas. Tas viss kalpo par pamatu, lai izprastu, kā mūsdienās darbojas lieli valodu modeļi un ģeneratīvās sistēmas tekstam, attēlam vai video.

Maģistra grāds mākslīgā intelekta pētniecībā no UNED

UNED mākslīgā intelekta pētniecības maģistra grāds ir oficiāla kvalifikācija, kas nepārprotami vērsta uz pētniecību. un ne tikai profesionāla specializācija. Tas ir, tās galvenais mērķis ir sagatavot studentus zinātniskās karjeras uzsākšanai, kas parasti noslēdzas ar doktora disertāciju, lai gan iegūtās zināšanas ir ļoti vērtīgas arī tehnoloģiju uzņēmumos.

Šī maģistra grāda programma saista bakalaura studiju programmā iegūtās mākslīgā intelekta pamatzināšanas ar pašreizējām pētniecības robežām.Dizains ir modulārs (pamati, metodes, pielietojumi un projekti), un visi priekšmeti ir izvēles, izņemot vienu pētniecības metodoloģijas kursu. Tas ļauj studentiem personalizēt savu mācību ceļu, pamatojoties uz iepriekšējo apmācību, metodēm, kas viņus interesē (simboliskā, konekcionistiskā, varbūtības, bioloģiski iedvesmotā vai hibrīdā) un pielietojuma jomām, kuras viņi vēlas izpētīt.

Mācības notiek pilnībā attālināti, izmantojot UNED platformu.Turpmāk nepārtraukta uzraudzība tiek veikta, izmantojot aktivitātes, vingrinājumus, forumus, uzdevumu iesniegšanu un citus tiešsaistes rīkus. Mācībspēki sniedz atbalstu spāņu vai angļu valodā atkarībā no studenta vēlmēm, lai gan tas nenozīmē, ka visi materiāli ir pieejami abās valodās.

Šo maģistra grādu ir pārbaudījusi ANECA, un tas ir pakļauts oficiālam pārbaudes, uzraudzības un akreditācijas procesam. Spānijas likumdošanas prasības. Universitāšu padome un Izglītības ministrija apliecina tā oficiālo statusu, un grāds ir iekļauts Universitāšu, centru un grādu reģistrā (RUCT). Akreditācija tiek periodiski atjaunota, pārbaudot, vai rezultāti ir atbilstoši programmas turpināšanai.

Runājot par karjeras ceļiem, galvenā iespēja ir turpināt studijas intelektuālo sistēmu doktorantūras programmā UNED (Nacionālā tālmācības universitāte) ETSI Datorzinātņu skolā.Tomēr tā paver durvis arī uz citām saistītām doktorantūras programmām Spānijas un starptautiskās universitātēs. Neskatoties uz pētniecības fokusu, daudzi absolventi savas zināšanas pielieto uzņēmumos, kas specializējas IT, datu zinātnes, kiberdrošības, digitālās veselības vai nozarēs, kurās mākslīgais intelekts ir inovāciju atslēga.

Maģistra studiju programmas mērķi un kompetences

Pēc mākslīgā intelekta pētījumu maģistra grāda iegūšanas studentam jāspēj pārliecinoši rīkoties ar mākslīgā intelekta pamatprincipiem un jaunākajām tehnoloģijām.Tas ietver gan teorētisko pamatu, gan mūsdienu modeļus un metodes, īpašu uzmanību pievēršot simboliskajām, konekcionistiskajām un varbūtības metodēm, kā arī jaunākajām hibrīdajām pieejām.

Galvenās kompetences ietver plaša mākslīgā intelekta metožu kopuma apgūšanu un zināšanas par to, kad katru no tām izmantot.: uz zināšanām balstītas sistēmas, noteikumi un ierobežojumi, Bajesa tīkli, lēmumu koki, neironu tīkli (tostarp dziļā mācīšanās), evolucionārā skaitļošana, datu ieguve, informācijas atklāšana tekstos, datorredze, adaptīvās sistēmas izglītībā utt.

Vēl viena būtiska spēja ir šo metožu pielietošana konkrētās, ļoti atbilstošās jomās.piemēram, medicīnā, izglītībā, inženierzinātnēs, drošībā, novērošanā vai viedajās pilsētās. Runa nav tikai par "programmēšanas modeļiem", bet gan par problēmas konteksta izpratni, zināšanu pārvēršanu no dabiskās valodas aprēķināmā attēlojumā un efektīvu, lietderīgu un zinātniski apstiprinātu sistēmu izstrādi.

Maģistra programmā liels uzsvars tiek likts arī uz zinātniskās pētniecības prasmēm.: bibliogrāfijas meklēšana un pārvaldība, pašreizējās tehnikas kritiska analīze, hipotēžu un mērķu formulēšana, eksperimentālā plānošana, datu vākšana un apstrāde, rezultātu interpretācija, rakstu vai referātu rakstīšana un darba publiska aizstāvēšana.

Ņemot vērā lielo izvēles iespēju klāstu programmā, ir grūti definēt ļoti specifiskas kompetences ikvienam.Tāpēc ieteicams rūpīgi pārskatīt katra priekšmeta vadlīnijas un, galvenais, vienoties ar maģistra programmas direktoru (un vēlāk ar maģistra darba vadītāju) par to, kuri priekšmeti un pieeja vislabāk atbilst katra studenta interesēm.

Mācību programma, studiju ceļi un maģistra darbs

Maģistra grāds sastāv no 60 ECTS kredītpunktiem, kas atbilst aptuveni 1.500 studenta darba stundām.No šiem 60 kredītpunktiem 30 ir sadalīti izvēles priekšmetos, bet pārējie 30 ir veltīti obligātajam pētījuma metodoloģijas priekšmetam (3 kredītpunkti) un maģistra darbam (27 kredītpunkti).

Obligātais priekšmets ir “Intelektuālo sistēmu pētījumu metodoloģija” (3 ECTS)Šo kursu vislabāk ir apgūt sākumā, jo tas nodrošina pamatu maģistra darba un jebkura cita pētījuma virziena izstrādei šajā jomā. Tas ir galvenais elements, lai apgūtu projektu izstrādi, posmu plānošanu, bibliogrāfisko avotu pārvaldību un zinātnisko tekstu rakstīšanu.

Izvēles priekšmeti (visi 6 kredītpunktu vērtībā) aptver ļoti plašu metožu un pielietojumu klāstu.:

• Mākslīgā intelekta pielietojums cilvēka un ilgtspējīgai attīstībai
• Dziļā mācīšanās
• Evolucionārā skaitļošana
• Informācijas atklāšana tekstos
• Mašīnmācīšanās metodes
• Varbūtības metodes
• Simboliskās metodes
• Datu ieguve
• Lingvistiskās apstrādes pamati
• Adaptīvās sistēmas izglītībā
• Mākslīgā redze
• Semantiskais tīmeklis un datu saistīšana

Kā vadlīnijas maģistra programma piedāvā vairākus iespējamos maršrutus, pamatojoties uz iepriekšējo gadu pieredzi.:

1. Zināšanu inženierijaTas apvieno tādus priekšmetus kā simboliskās metodes, semantiskais tīmeklis un datu sasaiste, lingvistiskās apstrādes pamati un mākslīgā intelekta pielietojumi cilvēka un ilgtspējīgai attīstībai.

2. Lēmumu teorija un datu analīzeTas aptver varbūtības metodes, datu ieguvi, mašīnmācīšanās metodes, evolucionāro skaitļošanu, informācijas atklāšanu tekstos, lingvistiskās apstrādes pamatus un mākslīgā intelekta pielietojumu cilvēka un ilgtspējīgai attīstībai.

3. Inteliģentās sistēmasTas balstās uz mašīnmācīšanās metodēm, mākslīgo redzi, dziļo mācīšanos, evolucionāro skaitļošanu un mākslīgā intelekta lietojumiem cilvēka un ilgtspējīgai attīstībai.

4. Mācīšana un mācīšanāsTā koncentrējas uz adaptīvām sistēmām izglītībā, datu ieguvi, lingvistiskās apstrādes pamatiem un mākslīgā intelekta lietojumiem cilvēka un ilgtspējīgai attīstībai.

Maģistra darbs (27 kredītpunkti) ir patiess ievads pētniecībāTam jāaptver visas fāzes: problēmas definēšana, pašreizējās tehnikas apskats, mērķu izvirzīšana, metodoloģiskais dizains, prototipu vai eksperimentu ieviešana, rezultātu analīze un zinātniska teksta rakstīšana, ideālā gadījumā publicējama.

Ņemot vērā maģistra darba milzīgo svaru kopējā kredītpunktu skaitā, vadītāja loma ir izšķiroša.Uzņemto studentu atlasē tiek ņemti vērā ne tikai akadēmiskie sasniegumi, bet arī katra profesora individuālās pasniedzēja spējas un kandidāta interešu un pieejamo pētniecības virzienu savstarpējā saistība.

Piekļuves, iepriekšējas reģistrācijas un uzņemšanas kritēriji maģistra programmā

Lai iestātos mākslīgā intelekta pētījumu maģistra grāda programmā UNED, vispirms ir jāiziet iepriekšējas reģistrācijas un uzņemšanas process.Ar iepriekšēju grādu vien nepietiek, jo programmā ir ierobežots vietu skaits atkarībā no fakultātes spējām vadīt maģistra darbus.

Pieteikties var oficiāli Spānijas sistēmas vai Eiropas augstākās izglītības telpas (EHEA) absolventi. kas ļauj piekļūt maģistra grāda programmām. Tiek pieņemti arī grādi no izglītības sistēmām ārpus Eiropas Augstākās izglītības telpas (EAIT), ja universitāte apstiprina izglītības līmeņa līdzvērtību. Šī piekļuve nenozīmē grāda pilnīgu atzīšanu; tā tikai dod tiesības tā īpašniekam turpināt studijas maģistra grāda iegūšanai UNED.

Iepriekšēja reģistrācija parasti sākas maija otrajā pusēLai gan katru gadu ir obligāti jāpārbauda oficiālais kalendārs UNED tīmekļa vietnē (EHEA maģistra sadaļa), 2025.–26. gada kursu ceļvedis kalpo kā atsauce, taču saturs un datumi tiek atjaunināti katrā jaunajā izdevumā.

Papildus oficiālajam pieteikumam UNED pieteikumā pretendentam jāaizpilda īpaša veidlapa (Google Forms saite sniegta ceļvedī), kur jūs sniegsiet savu akadēmisko informāciju, pieredzi, pētniecības intereses un atbilstību maģistra programmai. Šī veidlapa ir jāatlasa iepriekš.

Atlases process notiek vairākos posmosMaģistra programmas koordinators sagatavo katra pieteikuma "kopsavilkumu" un izplata to fakultātei, lai tā varētu novērtēt pretendentu piemērotību, pamatojoties uz viņu maģistra darba tēmām. Daži profesori var sazināties ar pretendentiem, lai veiktu telefona vai videokonferences interviju. Katrs profesors galu galā norāda, vai viņš atbalsta konkrētus kandidātus.

Atbalstīto kandidātu saraksts kalpo kā sava veida “īsais saraksts”.Tas negarantē uzņemšanu, bet ir ļoti spēcīgs rādītājs: ja neviens profesors neatbalsta pretendentu, ir ārkārtīgi maz ticams, ka viņš tiks uzņemts. Tiem, kuriem ir viena vai vairākas atzinības, tiek norādīts atbalstošo profesoru skaits un vārdi.

Pēc tam studentam jāizvēlas vispiemērotākais direktors un jāsazinās ar viņu. Lai pabeigtu uzņemšanu, kad vienošanās ir panākta, informējiet koordinatoru, lai jūsu pieteikuma statuss mainītos uz "Uzņemts" un jūs varētu reģistrēties, kad sākas attiecīgais periods. Ja sākotnēji izvēlētais profesors nevar uzņemties lomu (pilnas uzņemšanas vai citu iemeslu dēļ), students var sazināties ar citiem profesoriem, kuri arī var viņu atbalstīt.

Runājot par kvantitatīvajiem kritērijiem, uzņemšanai ir divi lieli svērumi.Akadēmiskā kvalifikācija (ieskaitot vidējo atzīmi) līdz 30% un citi ar maģistra programmu saistīti nopelni, pētniecības pieredze, tematiskā piederība un paredzamā centība līdz 70%. Vidējai atzīmei jābūt izteiktai skalā no 1 līdz 4; ja akadēmiskais sniegums ir citā skalā, tas jāpārveido, ievērojot UNED sniegtās instrukcijas un zvērētu apliecinājumu veidnes.

Ilgums, darba slodze un reģistrācijas plānošana

Lai gan maģistra programma ir paredzēta pilna laika studijām viena gada laikā, patiesībā vidējais ilgums parasti ir no 2 līdz 3 gadiem.jo vairums studentu apvieno studijas ar darbu vai citiem pienākumiem.

Katrs ECTS kredītpunkts ir līdzvērtīgs 25 darba stundām; maģistra grāda 60 kredītpunkti veido aptuveni 1.500 stundas.Lai sniegtu priekšstatu, standarta gada darba stundas ir aptuveni 1.776 stundas. Tāpēc pašā rokasgrāmatā ir uzsvērts, ka studentiem rūpīgi jāizvērtē sava faktiskā pieejamība, pirms viņi uzņemas saistības iegūt visus 60 kredītpunktus vienlaikus.

UNED noteikumi nosaka, ka maģistra grāda iegūšanai var uzturēties ne ilgāk kā 4 gadus pēc kārtas.Šis laika ierobežojums kopā ar mācību maksu (kas jāpārbauda UNED maģistra grādu cenu lapā sabiedrībai) liek rūpīgi plānot studiju tempu.

Pirmajā gadā ir obligāti jāreģistrējas vismaz 12 kredītpunktos.Ieteicams vienmēr iekļaut priekšmetu “Intelektuālo sistēmu pētījumu metodoloģija” (3 kredītpunkti) un vismaz divus izvēles kursus. Pēc tam kredītpunktu skaitu var pielāgot atkarībā no dienā pieejamā laika (8 stundas dienā viena gada laikā, 4 stundas dienā aptuveni divu gadu laikā utt.).

Attiecībā uz maģistra darbu ir iespēja reģistrēties supervīzijas režīmā.Tas nenozīmē visu 27 kredītpunktu apmaksu, bet gan saiknes nodrošināšanu ar programmas direktoru un projekta definēšanas virzību. Kad tiks pieņemts lēmums formalizēt maģistra darbu ar aizstāvēšanu, būs jāreģistrējas atbilstošajiem 27 kredītpunktiem. Ja aizstāvēšana nenotiek akadēmiskajā gadā, kurā veikts maksājums, būs nepieciešama atkārtota reģistrācija.

Vēsturiskie studiju pārtraukšanas rādītāji parāda, cik pieprasīta ir šī programma.ar dažādām vērtībām atkarībā no kursa (aptuveni 20–50 % novērtētajos gados). Uzņemto studentu skaits pielāgojas arī vadības kapacitātei: pēdējos gados tas ir svārstījies no aptuveni 30–48 studentiem katrā kursā.

Maģistra programmas tālmācības metodoloģija, novērtēšana un kvalitāte

Maģistra programma tiek pasniegta pilnībā tiešsaistē, izmantojot UNED pieredzi attālinātajā mācīšanā.Katru priekšmetu atbalsta virtuālā platforma: forumi, praktisko uzdevumu iesniegšana, materiāli, video semināri utt. Nav obligātu ārējo prakšu, taču programmas eksperimentālais raksturs atspoguļojas praktisko uzdevumu un projektu svarā vērtējumā.

Vērtējums parasti balstās uz aktivitāšu, projektu vai praktisko vingrinājumu pabeigšanu un iesniegšanu. ar noteiktiem termiņiem. Ja students iesniedz darbu pēc galvenā jūnija termiņa, bet septembra termiņā, tas tiks parādīts šīs sesijas protokolā. Augusts tiek uzskatīts par mēnesi bez mācību stundām.

Attiecībā uz kvalitātes nodrošināšanas sistēmu UNED ir SGIC (iekšējā kvalitātes nodrošināšanas sistēma). Sertificēta ANECA, kas aptver bakalaura, maģistra un doktora grādus. Šī sistēma uzrauga mācībspēku kvalitāti, resursus, studentu pakalpojumus, uzņemšanu, konsultēšanu, darba vietu iekārtošanu, rezultātu izsekošanu, ieteikumu un sūdzību izskatīšanu, kā arī atbalsta personāla piemērotību.

Atbildība par maģistra programmas kvalitāti gulstas uz vairākām iestādēmGrāda koordinācijas komiteja, Centra Kvalitātes nodrošināšanas komiteja, Skolas vadības komanda un UNED Kvalitātes nodrošināšanas komiteja. Turklāt universitātes statistikas portālā ir pieejami katras studiju programmas snieguma un apmierinātības rādītāji, tostarp dati par šo maģistra programmu (ar tās pašreizējo nosaukumu vai iepriekšējo nosaukumu — Maģistra grāds padziļinātā mākslīgā intelekta jomā).

Šis grāds nedod tiešu piekļuvi regulētajām profesijām.Tomēr tas nodrošina piekļuvi doktorantūras studijām (izpildot pārējās kopējās kredītpunktu prasības) un rada ļoti pievilcīgu profilu uzņēmumiem, kas meklē speciālistus intelektuālajās sistēmās, progresīvā datu analīzē vai lietišķā mākslīgā intelekta risinājumos.

Citi maģistra grādi un apmācība mākslīgā intelekta jomā UNED ETSI Datorzinātņu skolā

Papildus mākslīgā intelekta pētījumu maģistra grādam UNED ETSI datorzinātņu programma piedāvā vēl trīs oficiālas maģistra grādus, kas vairāk orientēti uz profesionālo jomu.kas varētu interesēt tos, kas meklē lietišķāku pieeju datortehnikai un tehnoloģiju pārvaldībai.

Šie maģistra grādi irDatortehnikas maģistra grāds, inženierzinātņu un datu zinātnes maģistra grāds un Maģistra grāds kiberdrošībāVisās no tām būtiska loma ir mākslīgajam intelektam un datu analīzei, lai gan pieeja nav tik stingri orientēta uz pētniecību kā mākslīgā intelekta maģistra programmā.

Viena skaidra atšķirība ir maģistra darbam piešķirtajā svarā.Šajās trīs profesionālajās programmās maģistra darbs parasti ir līdzvērtīgs 12 ECTS kredītpunktiem (aptuveni 300 stundas), savukārt mākslīgā intelekta pētījumu maģistra programmā maģistra darbam ir 27 kredītpunkti (675 stundas), kas ir praktiski puse no kopējā gada apjoma.

ETSI Datorzinātņu skola uztur arī īpašu virtuālu telpu, kurā tiek publicētas ar mākslīgo intelektu saistītas stipendijas un darba piedāvājumi.Šīs programmas ir īpaši paredzētas maģistrantūras studentiem. Tas atvieglo saziņu ar pētniecības grupām, tehnoloģiju uzņēmumiem un iestādēm, kuras interesējas par mākslīgā intelekta padziļinātiem profiliem.

Tālākizglītība, pēcdiploma grādi un kursi par mākslīgo intelektu UNED

Papildus oficiālajām maģistra grādiem UNED piedāvā arī pēcdiploma programmu ar saviem grādiem. (Maģistra grādi tālākizglītībā, specializācijas diplomi, ekspertu diplomi un skolotāju apmācības sertifikāti), kas ietver arī apmācības kursus, kas saistīti ar mākslīgo intelektu un digitālajām prasmēm.

Lai iegūtu šīs specializētās grāda iegūšanas iespējas, parasti ir nepieciešams universitātes grāds, bakalaura grāds, diploms, inženierzinātņu grāds vai arhitektūras grāds.Tomēr izņēmuma kārtā un ar kursa direktora labvēlīgu ziņojumu rektorāts var atbrīvot no grāda prasības personas ar akreditētu profesionālo karjeru, kas apliecina spēju sekmīgi pabeigt apmācību, ja vien šīm personām ir piekļuve universitātei saskaņā ar spēkā esošajiem noteikumiem.

Šajos kursos UNED strādā pie tādām prasmēm kā digitālās informācijas meklēšana un pārvaldība, satura veidošana un problēmu risināšana ar tehnoloģijām., saskaņoti ar digitālo kompetenču ietvariem (piemēram, navigācijas līmeņi, informācijas filtrēšana un novērtēšana; digitālā satura izstrāde; programmēšanas pamati; tehnoloģiju radoša izmantošana utt.).

Raksturīgs piemērs ir ievadapmācība mākslīgajā intelektā Vispārējais mērķis ir sniegt skaidru izpratni par to, kas ir mākslīgais intelekts (MI) un kā tas tiek pielietots praksē, sākot no teksta ģenerēšanas līdz attēlu veidošanai. No studentiem tiek sagaidīts, ka viņi izpratīs šo sistēmu darbības pamatus, to priekšrocības, ierobežojumus un saistītos riskus.

Šīs apmācības parasti apvieno rakstiskus materiālus (piezīmes, prezentācijas), nodarbību ierakstus, diskusiju forumus un praktiskas aktivitātes.Tiešsaistes rīki, piemēram, ChatGPT, Bing Chat vai ChatSonic, tiek izmantoti, lai parādītu reālās pasaules lietošanas gadījumus satura ģenerēšanā, vienmēr radot kritisku un ētisku pieeju to izmantošanai akadēmiskā un profesionālā kontekstā.

Ievads, mākslīgā intelekta pielietojums un riski konkrētos kursos

Īsos kursos, kas paredzēti plašai sabiedrībai, UNED strukturē mākslīgā intelekta saturu ļoti skaidros blokos.kas ļauj cilvēkiem bez iepriekšējas tehniskās apmācības saprast, kas slēpjas aiz šiem rīkiem.

Pirmais bloks parasti ir ievadmodulis, kurā tiek atbildēts uz pamatjautājumiem.Kas ir mākslīgais intelekts, kādus mērķus tas tiecas sasniegt, kā tas ir vēsturiski attīstījies un kādi galvenie mākslīgā intelekta veidi tiek atšķirti (piemēram, tradicionālās ekspertu sistēmas, uzraudzītas mācīšanās modeļi, dziļi neironu tīkli, satura ģeneratori utt.).

Otrajā sadaļā uzmanība pievērsta mākslīgā intelekta praktiskai izmantošanai.Kurss identificē ikdienas uzdevumus, kuros mēs jau izmantojam šo tehnoloģiju (ieteikumu rīki, virtuālie asistenti, surogātpasta filtri, tulkošanas sistēmas utt.), un iedziļinās tekstu un sarunu ģenerēšanā ar tādiem rīkiem kā ChatGPT, Bing un ChatSonic. Būtiska uzmanība tiek pievērsta arī attēlu ģenerēšanai, izmantojot ģeneratīvos modeļus, analizējot to iespējas un ierobežojumus.

Trešajā sadaļā uzmanība pievērsta riskiem un sliktajai praksei.Dezinformācija, plaģiāts, identitātes zādzība, diskriminējoša vai neobjektīva satura ģenerēšana, ļaunprātīga izmantošana akadēmiskos uzdevumos utt. Tiek apskatīti reāli piemēri un apspriests, kā atklāt pazīmes, ka saturu, iespējams, ir ģenerējis mākslīgais intelekts, kā arī tiek apspriesta informācijas pārbaudes nozīme.

Metodoloģija apvieno teoriju, tiešraides demonstrācijas un atklātas diskusijas.Studenti tiek mudināti dalīties pieredzē par to, kā viņi izmanto šos rīkus savā vidē, zinātniskās fantastikas gadījumi tiek apspriesti saistībā ar reāliem pielietojumiem, un tiek veicināta kritiska attieksme, lai izvairītos gan no naiva entuziasma, gan no tiešas noraidīšanas.

Ģeneratīvais mākslīgais intelekts, pētniecība un institucionālā stratēģija UNED

Ģeneratīvā mākslīgā intelekta (Ģeneratīvā MI jeb GenAI) parādīšanās ir iezīmējusi pagrieziena punktu UNED.Tas jo īpaši attiecas uz tādiem rīkiem kā ChatGPT, kas tikai dažu mēnešu laikā sasniedza desmitiem miljonu lietotāju, ir guvuši milzīgu ietekmi. Šāda veida modeļi, kuru pamatā ir transformatoru arhitektūras un lielie valodu modeļi (LLM), spēj ģenerēt tekstu, attēlus, video un citu saturu no vienkāršām dabiskās valodas instrukcijām.

Zinātniskās pētniecības jomā ģeneratīvā mākslīgā intelekta (AI) tehnoloģija jau tiek izmantota, lai paātrinātu daudzus pētniecības procesa posmus.: literatūras meklēšana un sintēze, kopsavilkumu ģenerēšana, palīdzība eksperimentālā dizaina izstrādē, atbalsts izpētes datu analīzē, manuskriptu rakstīšana, rakstīšanas stila pārskatīšana, attēlu vai diagrammu veidošana utt. Tādi rīki kā ChatGPT, SciSpace, Elicit, Perplexity, Epsilon, Consensus, Scite, NotebookLM, Jenni vai Microsoft Copilot ir daļa no daudzu pētnieku repertuāra.

Vienlaikus UNED stingri uzsver šāda veida sistēmas ierobežojumus un riskus.Viņi manipulē ar datiem, var reproducēt apmācības kopās esošās neobjektivitātes, delikāti risina privātuma jautājumus, un viņu paļaušanās uz potenciāli autortiesībām pakļautiem materiāliem rada svarīgas juridiskas un ētiskas debates.

Tāpēc Izglītības inovāciju prorektorāts ir definējis īpašu stratēģiju ģeneratīvā mākslīgā intelekta izmantošanai mācīšanā un mācīšanās procesā.Mērķis ir divējāds: no vienas puses, izmantot šo rīku piedāvātās iespējas, lai uzlabotu studentu un skolotāju pieredzi, un, no otras puses, saglabāt integritāti un akadēmisko izcilību, novēršot negodīgu vai nepārredzamu izmantošanu.

Šī stratēģija tiek īstenota, izmantojot vairākus rīcības virzienus: ģeneratīvā mākslīgā intelekta rokasgrāmatu sagatavošana skolotājiem un studentiem, apmācību kursu un semināru organizēšana (daudzus no tiem pasniedz Universitātes Tālmācības institūts, IUED) un izglītības inovāciju projektu izstrāde, kas integrē mākslīgo intelektu UNED platformās un pakalpojumos.

Izglītības inovāciju projekti ar mākslīgo intelektu UNED

UNED ne tikai runā par mākslīgo intelektu, bet arī aktīvi integrē to konkrētos projektos. kas cenšas uzlabot mācīšanu, akadēmisko vadību un studentu pieredzi, vienmēr atbildīgā ietvaros.

Starp Izglītības inovāciju prorektorāta veicinātajiem projektiem izceļas šādi::

1. Izglītības inovāciju centrsPlatforma, kas izmanto ģeneratīvo mākslīgo intelektu, lai ieteiktu mācību inovācijas konkrētos priekšmetos. Tā palīdz skolotājiem identificēt jaunas metodoloģijas, aktivitātes vai resursus, ko viņi varētu ieviest savos kursos, lai uzlabotu mācīšanos.

2. Jauno izglītības tehnoloģiju laboratorijaŠī laboratorija, kas ir integrēta pašā centrā, eksperimentē ar progresīvām ģeneratīvā mākslīgā intelekta funkcijām, lai atbalstītu mācībspēkus un piedāvātu labākus pakalpojumus studentiem. Tā izmanto UNED izveidoto Edubots platformu, lai izstrādātu sarunu palīgus un citus intelektiskus rīkus.

3. PārbaudeŠis projekts koncentrējas uz plaģiāta atklāšanu nepārtrauktās novērtēšanas testos (CAT), izmantojot dabiskās valodas apstrādes metodes. Tas neaprobežojas tikai ar tekstu salīdzināšanu, bet arī analizē rakstīšanas modeļus un to saskaņotību.

4. Akadēmiskais ieteikumsInteliģenta ieteikumu sistēma, kas analizē sarežģītus akadēmiskos datus, lai sniegtu ieteikumus gan studentiem, gan mācībspēkiem. To var izmantot, piemēram, lai vadītu kursu izvēli, optimizētu akadēmisko plānošanu vai identificētu problemātiskus akadēmiskos ceļus.

5. ARCDU: projekts, kas vērsts uz tādas ontoloģijas izstrādi, kas atvieglo izglītības resursu padziļinātu meklēšanu UNED meklētājprogrammā, uzlabojot materiālu izgūšanu, izmantojot semantiskos deskriptorus.

6. DŽEONA: iniciatīva, kas izmanto ģeneratīvo mākslīgo intelektu, lai uzlabotu komunikāciju UNED Abierta kursos, ģenerējot skaidrākus tekstus, kas pielāgoti dažādām mērķauditorijām.

7. UNED Atklātais čempionāts: telpa MOOC un masveida kursiem, kuros tiek pārbaudīti personalizēti ieteikumi grādiem, maģistra grādiem un tālākizglītībai, pamatojoties uz dalībnieku interesi un uzvedību konkrētā kursā.

8. VALODA: projekts, kas izstrādā ģeneratīvus mākslīgā intelekta rīkus valodu mācīšanai un apguvei, piemēram, sarunu asistentus, adaptīvus vingrinājumu ģeneratorus vai automatizētas atgriezeniskās saites sistēmas rakstiskai un mutiskai producēšanai.

Visas šīs iniciatīvas veicina kritiskas, informētas un radošas mākslīgā intelekta izmantošanas institucionālās kultūras veidošanu.izvairoties no vienkāršas ārēju rīku lietošanas un izvēloties savus risinājumus, kas atbilst publiskās universitātes vērtībām.

Ētika, noteikumi un atbildīga mākslīgā intelekta izmantošana pētniecībā

UNED atkārtoti uzsver, ka mākslīgā intelekta, un jo īpaši ģeneratīvā MI, izmantošanai jābūt kritiskai, informētai un atbildīgai.Nepietiek tikai zināt, "kuru pogu nospiest"; ir svarīgi saprast modeļa ierobežojumus, rīka lietošanas apstākļus un tā ģenerētā ētiskās un juridiskās sekas.

Pētniecības jomā ieteicams arī iepazīties ar izdevēju, zinātnisko žurnālu un regulatīvo iestāžu noteikumiem un vadlīnijām. saistībā ar mākslīgā intelekta (AI) izmantošanu rakstīšanā, datu analīzē vai manuskriptu pārskatīšanā. Daudzos publicēšanas ētikas biļetenos jau ir iekļautas īpašas sadaļas par ģeneratīvo mākslīgo intelektu.

UNED vadlīnijās ir uzsvērti tādi jautājumi kā nepieciešamība pēc pārredzamības (deklarējot, vai ir izmantots mākslīgais intelekts un kādam mērķim), kā arī autoru galīgā atbildība. Attiecībā uz darba saturu, trešo pušu rīkos ievadīto sensitīvu datu aizsardzību, plaģiāta novēršanu un jebkādu kritisku datu, kas iegūti, izmantojot ģeneratīvo modeli, manuālas pārbaudes nozīmi.

Jūs esat arī aicināti pārdomāt līdzsvaru starp piepūli un ieguvumu.Mākslīgā intelekta izmantošana, lai ietaupītu laiku atkārtotu vai zemas pievienotās vērtības uzdevumu veikšanā, var būt pozitīva, taču spriešanas, pētījuma izstrādes vai rezultātu interpretācijas pilnīga deleģēšana automatizētai sistēmai ir pretrunā ar dziļās mācīšanās principiem un akadēmisko ētiku.

Tikmēr Eiropas Komisija un citas starptautiskās institūcijas uzsver, cik svarīgi ir palielināt speciālistu skaitu mākslīgā intelekta jomā.Tiek runāts par apmācību stiprināšanu tehnisko prasmju, kritiskās domāšanas un ētikas kritēriju jomā to personu vidū, kuras izstrādā, izmanto vai kuras šīs sistēmas ietekmē. UNED, uzsverot attālināto mācīšanos un nepārtrauktu profesionālo attīstību, pielāgojas šīm vadlīnijām, piedāvājot elastīgus mācību ceļus un daudzveidīgus apmācības resursus.

Ņemot vērā visus šos oficiālos pētījumus, pašu grādus, projektus un ētikas vadlīnijas, mākslīgais intelekts UNED ir konfigurēts kā ļoti pilnīga ekosistēma.: telpa, kurā jūs varat mācīties no nulles, specializēties pētniecības līmenī, piedalīties izglītības inovāciju projektos ar ģeneratīvo mākslīgo intelektu un vienlaikus attīstīt kritisku perspektīvu, kas spēj izmantot šo tehnoloģiju potenciālu, nezaudējot no redzesloka akadēmisko integritāti, zinātnisko kvalitāti un katra tehniskā lēmuma sociālo ietekmi.