»… Tudi v kreativnem delu želimo izkusiti ta pozitivni občutek, ko streš intelektualni oreh. Če nisi navajen prenašati te bolečine čim dlje, se boš v želji, da čim prej končaš agonijo, zelo hitro zadovoljil, in to že s povprečnim   
rezultatom. In umetna inteligenca prinaša takojšen analgetik za to bolečino. Hitra zadovoljitev pa je huda nevarnost, da ne bomo raziskali vseh mogočih  odgovorov na neki komunikacijski problem in se bomo zadovoljili s povprečno idejo.«  
(Tomato Košir)¹

Napredek v razvoju umetne inteligence, uporaba velikih jezikovnih modelov in na njih temelječih klepatalnikov (ChatGPT, DeepSeeek, Gemini ...) sta že zdavnaj temeljito zarezala v pedagoško prakso in jo zagotovo do temeljev pretresla. Najnovejši modeli gene­ra- tivne umetne inteligence so se neverjetno približali prej izključno človeški zmožnosti mišljenja, pisanja in ubesedovanja … Krog kognitivnih zmožnosti, ki si jih prisvaja umetna inteligenca je vsak dan širši. Tako se zdi, da je zdaj zmožna ustrezno artikulirati odgovore na najbolj zapletena vprašanja o zadevah sveta, interpretirati umetniška dela in politične situacije ter nenazadnje – kot je bilo pokazano že večkrat – ustvarjati »lastna« dela, po­dobna umetniškim, ki uspejo pretentati žirije pomembnih festivalov in prejemajo celo nagrade. S temi dosežki so zmožnosti UI dregnile v samo jedro pedagoških prizadevanj, na katerih od nekdaj temelji šolski sistem.

Uporaba umetne inteligence v poučevanju (v osnovnem, srednjem in visokem šolstvu) je tako v pedagoški stroki kot med učitelji naletela na mešane odzive. Medtem ko pri nekaterih strokovnjakih žanje navdušenje, pri drugih vzbuja precejšen dvom. Že dolgo časa nobena tema denimo ni povzročila takšnega porasta ponudbe dodatnih izobraževanj za učitelje, kot je to uspelo umetni inteligenci. Toda prevlada UI med temami pedagoških usposabljanj ne odraža nujno le želje po dodatnem znanju, ampak morda v isti meri tudi strah pred krizo pedagoškega sistema, kakor ga poznamo. (Nekateri se bodo ob tej misli nemara celo namuznili, češ saj se sistem ni korenito spremenil že od Marije Terezije dalje).

Turingova pedagoška dilema

Veliki jezikovni modeli (LLM), ki zdaj že nekaj časa uspešno »posnemajo človekovo mišljenje«, kakor v svojem prispevku pravi profesor Krašna, so poglavitni krivci za nekaj povsem novih tipov tesnob, ki se rojevajo v nedrjih sodobnih šolskih ustanov. Brez večjega tveganja napake lahko ugotovimo, da jedro težav ni v ontološkem statusu samega mišljenja, torej v vprašanju, ali je strojno mišljenje dejavnost, ki je po svoji naravi enaka človeškemu mišljenju. To je vsekakor pomembna filozofska tema, ki se je v enem izmed prispevkov loteva Marko Štempihar. Toda za ustvarjanje pedagoške zmede je povsem dovolj filozofsko bolj »šibko« vprašanje: Ali je postopke generativne inteligence po zunanji obliki še mogoče ločiti od postopkov (in rezultatov) človeškega mišljenja.  
Natanko takšno vprašanje si je že v petdesetih letih prejšnjega stoletja zastavil Alan Turing, tisti matematik in filozof, ki se je prerekal z Wittgensteinom in dekodiral (nacistični kodirni stroj) Enigmo. Čeprav v tistem času sploh ni bilo tako samoumevno, da bodo stroji kadarkoli zmogli oponašati mišljenje, kakor to počno danes, si je Turing zastavil hipotetično vprašanje: »Ali stroji lahko mislijo?« In kmalu tudi ugotovil, da bi se temeljit odgovor moral začeti z bolj ali manj nedvoumnimi »definicijami pomena besed ’stroj’ in ’misliti’«, kar za sabo potegne skoraj nemogočo razrešitev dolgotrajnih sporov o tem, kaj ta dva izraza sploh pomenita. Zato se je zastavljene dileme lotil po drugi poti. Zasnoval je igro, ki jo je poimenoval »igra oponašanja«, kasneje pa so jo zgodovinarji računalništva in filozofije preimenovali v »Turingov test«. Poskušajmo jo na kratko povzeti z njegovimi lastnimi besedami: Igrajo jo tri osebe, stroj (A), človek (B) in izpraševalec (C), pri čemer »izpraševalec ostaja v svoji sobi, ločen od drugih dveh.«² Pri tem je ključno, da imajo osebe v igri različne cilje. Cilj A je, da poskuša zavesti C in povzročiti napačno identifikacijo. Nasprotno pa je cilj osebe B, da pomaga izpraševalcu«. In nazadnje, »cilj igre za izpraševalca je«, pravi Turing, da ugotovi, kateri izmed drugih dveh je stroj in kateri je človek. V ta namen jima lahko zastavi poljubno število vprašanj. Odgovori seveda ne bi smeli biti ustni, »ampak pismeni, še bolje tipkani«, da razsodnik stroja ne bi prepoznal po zvenu njegovega (kovinskega) glasu. Tako je izpraševalec torej tudi razsodnik, ki na podlagi natipkanih odgovorov razsoja, ali lahko stroji mislijo, oziroma ali lahko zadovoljivo oponašajo človeško mišljenje. Če izpraševalec ne bo znal nedvoumno razsoditi, ali je avtor odgovora stroj ali človek, bo s tem dokazano, da stroji mislijo. To je torej izhodiščna ideja, kakor v svojem prispevku pravi Olga Markič, s katero je »Alan Turing, ki velja za očeta UI, … spodbudil kritično razpravo o možnostih izdelave mislečega stroja«.   
Preskočimo zdaj nekaj desetletij naprej v času in si predstavljajmo naslednjo niti ne tako zelo hipotetično situacijo: Učitelj se po napornem dnevu v šoli zvečer znova vrne k svojim šolskim obveznostim. Na mizi pred njim je kup esejev, ki so jih pri zadnjem preverjanju znanja spisali dijaki zadnjega letnika gimnazije. Nadalje predpostavimo še, da je bil esej zastavljen tako, da bi ga bilo nemogoče spisati brez minimalnega miselnega napora, v njem je, recimo, bilo potrebno streti nek miselni oreh, zato ga dijak ni mogel spisati le s pomočjo prepisovanja snovi iz svojega zvezka ali učbenika. 

Ko učitelj takole med branjem besedil svojih dijakov preverja njihovo znanje in razumevanje, pomisli na marsikaj; pogosto denimo se sprašuje o tem, ali je neki dijak svojo nalogo prepisal, saj je na moč podobna neki drugi esejski rešitvi, ki jo je prebral pred desetimi minutami. Ali je torej to, kar je zapisano, zraslo – kakor radi rečemo – na njegovem zelniku ali pa beremo plod razmišljanja in ubeseditve njegovega soseda, od katerega je prepisoval. V zadnjem času se je tem kritičnim – in nedvomno temačnim – mislim učitelja, ki so namenjene avtorstvu prebranih besedil pridružilo še eno, veliko bolj resno in tesnobno vprašanje, ki vedno bolj pogosto skrbi za razburjenje v prenekaterih šolskih zbornicah. Razsoditi mora, ali so misli, ubesedene na papirju v njegovih rokah rezultat napora žive osebe ali pa, nasprotno, bere besede in stavke »mislečega stroja«, ki je že zdavnaj usvojil strojno učenje jezika.  
75 let po Turingu in v obdobju, ko strojno mišljenje postaja samoumevno, se sodobnemu učitelju in izpraševalcu, kakršen sem tudi sam, zastavlja skoraj identično vprašanje, kot se je zastavilo mlademu Turingu, le da v obratni smeri. Trudi se razsojati o tem, kar je seveda njegova poklicna deformacija, ali mu je uspelo dijake naučiti misliti. Ali razmišljajo s pojmi in miselnimi orodji, ki jim jih je predstavil med urami pouka svojega predmeta? Zastavlja si torej na glavo obrnjeno Turingovo vprašanje, pri čemer ni odveč poudariti, da so se vloge med strojem in človekom tokrat zamenjale. Če je v Turingovi igri oponašanja človek pomagal izpraševalcu (stroj pa je poskušal prekriti svojo identiteto), pa je zdaj pogosto ravno obratno, in poskuša človek prikriti strojno identiteto »svoje« šolske naloge.    
Natanko tak pomislek se je porodil tudi prej omenjenemu profesorju, ki je težavo z nedovoljeno uporabo UI predvidel že vnaprej ter sprejel potrebne preventivne ukrepe. Dijakom je sicer dovolil pripravljanje s pomočjo UI, jim je pa strogo prepovedal, da bi posnemali esej, ki bi ga v celoti ustvaril klepetalnik. Hkrati je zahteval, da esej pišejo »na roke« in sicer med uro pouka, kjer so odrezani od povezave z internetom. Tako je izločil možnost oddaje esejev, ki bi bili neposredni rezultat strojnega učenja ChatGPT-jev in ne lastnega učenja dijakov. 

Prav zaradi teh »preventivnih« ukrepov ga je rezultat preverjanja znanja globoko presenetil. Kljub temu, da so dijaki pisali esej med uro pouka, je učitelj brez večjih težav prepoznal, kateri dijaki so svoj kritiški esej predhodno »naročili« pri UI in ga med šolsko uro zgolj reproducirali. Tudi za to so sicer potrebovali nekaj miselnega napora (za reprodukcijo doma »naročenega« besedila), toda to ni tisti miselni napor, ki je učni cilj tega predmeta. 

Zgornja pripoved iz življenja gimnazijskega učitelja je sicer, zdaj lahko povem, iz prve roke, vendar pa to še ne pomeni, da je zgolj prvoosebna. Na srečanju srednješolskih učiteljev filozofije, ki sem se ga nedavno udeležil, je mimogrede padla opazka, da bo kmalu konec z vsemi seminarskimi nalogami, z večino klasičnih tipov domačih nalog in nenazadnje tudi s klasičnim pisanjem esejev. Kasneje, na fakulteti, pa bo treba premisliti celo, kako bo s pisanjem diplomskih del, saj se je izkazalo, da ni ustreznega mehanizma, ki bi uspel potrditi avtentičnost napisanega. Če so vsi ti osrednji načini izkazovanja znanja postavljeni pod vprašaj, potem je jasno, da je potres najvišje stopnje po Richterjevi lestvici zajel tudi same temelje pedagoške prakse. 

Brez dvoma je generativna UI neverjetna in skrajno uporabna družbena pridobitev. Nenazadnje je plod nakopičenega znanja generacij pišočih in razmišljujočih ljudi. Učitelji v sodobnih šolah, ki si poskušamo zamisliti njeno pedagoško funkcijo, pa smo danes spričo njenega skokovitega razvoja soočeni z neko povsem novo dilemo – poimenujmo jo kar po Turingu. Turingova pedagoška dilema se glasi, ali bo kadarkoli sploh še mogoče nedvoumno razsoditi, katere misli pripadajo učencem in katere stroju. In po kakšnih kriterij bomo odslej ocenjevali in vrednotili ta preplet človeškega in strojnega mišljenja. Če naj sleherni učitelj sploh opravi svoje poslanstvo in oceni učenčevo znanje, razumevanje in presojanje naučene snovi (če se omejimo le na nekaj kategorij Bloomove taksonomije izobraževalnih ciljev), mora pred tem bolj ali manj nedvoumno razsoditi, ali so to, kar bere, njihove lastne misli, ali pa so si njegovi dijaki to – nekoč ekskluzivno človeško dejavnost in najpomembnejši pedagoški cilj vsakega izobraževanja – priskrbeli v strojnem učenju (in mišljenju) z druge strani računalniškega ekrana, ki ga velike korporacije za mali denar z veseljem ponujajo vedno večji množici ljudi. 

»Šibka pedagogika« in poučevanje med roboti

Obstaja pa še ena perspektiva tukajšnje zagate, ki smo jo doslej prezrli in ki je ob sodobnih razmišljanjih o uporabi umetne inteligence v učnem procesu pogosto zapostavljena. Če smo v Turingovem testu sprva na mesto izpraševalca postavili učitelja, ki je razsojal, ali je esej besedilo jezikovno izpopolnjenega stroja ali izdelek živega mislečega bitja, pa ne smemo prezreti, da se na istem mestu – razsodnika – v učnem procesu vedno znova znajdejo tudi učenec, dijak in študent. Pogosto pozabljamo, da je pedagoško razmerje učitelja in učenca sicer asimetrično, pa vendar razmerje enakosti.

V sodobni literaturi o umetni inteligenci v poučevanju je poudarjena pomoč, ki jo lahko UI učiteljem nudi pri izdelavi povzetkov, pri načrtovanju učne ure, še posebej pri sestavljanju testov in nenazadnje tudi pri praktični izvedbi pouka. Če na hitro pregledamo nasvete o rabi UI, pogosto naletimo na besedo prihranek. Toda »prihranek časa« in »prihranek energije« sta izrazito ekonomska argumenta in prav tako izrazito neprimerna (ali vsaj ne neproblematična) za pedagoško okolje, kjer je v doseganje ciljev pač treba vlagati nekaj truda. Če prihranek pri pripravi na drugi strani ustvari presežek prostega časa učitelju, potem je to osebni in morda ekonomski, nikakor pa ne pedagoški argument.

Sestavljanje učne ure, njeno zamišljanje, pedagoški premislek o posredovanju učne snovi nekega predmeta, pisanje sestavkov, priprava predavanj in vprašanj in vsega, kar sodi k poučevanju, je vendar temeljna učiteljeva naloga. Brez teh dejavnosti je učitelj le še pasivni izvajalec tujih zamisli. Ista dilema (Turingova pedagoška dilema), ki smo jo srečali zgoraj, se potemtakem zastavlja tudi z druge strani katedra in ni nič manj veljavna, ko si jo ogledamo s stališča učenca.    

Ključno vprašanje morda niti ni, ali je učenec, ki posluša snov (ali rešuje test), ki ga je pripravila UI, na neki način deležen podobne prevare, kot jo je deležen učitelj, ki bere odgovore, ki jih ni napisala ena izmed verzij ChatGPT-ja. Morda je celo bolj pomembno (širše družbeno) vprašanje: Kaj se zgodi z motivacijo dijaka, ki ga uči in vzgaja UI in ne učeči profesor, kaj z njegovim čustvenim in umskim odnosom do znanja? Tudi če zanemarimo vprašanje, kdo bo v prihodnosti sploh ustvarjal stroje umetne inteligence, gradil njeno arhitekturo in polnil podatkovne baze z novimi znanji, iz katerih UI črpa svojo jezikovno virtuoznost, še vedno ostaja odprto zelo problematično vprašanje, da vsaj trenutno z modeli UI v šolo na veliko vstopajo korporacije in z njimi povsem drugačen odnos do znanja. Odnos korporacij ali nasploh kapitalizma do vednosti nikakor ni enak razsvetljenskim idealom poučevanja, na kakršne še vedno prisegamo, vsaj v pedagoški teoriji.

Tukaj opisana situacija je seveda vse preveč shematična, da bi jo lahko opisali kot resno grožnjo klasičnemu razumevanju šole. V svoji radikalni izpeljavi bi privedla do absurda ali karikature učnega procesa, ki bi naredil ovinek mimo živih udeležencev pedagoškega razmerja in v katerem bi učiteljev personalizirani UI asistent v resnici poučeval le učenčevega individualiziranega UI asistenta. Toda vseeno je z opozorilom nanjo mogoče formulirati vprašanje o motivaciji, angažmaju in verjetju v (lastno) pedagoško početje, ki je z nepremišljeno rabo UI prav tako postavljeno pod vprašanj, kot je učenje učenca z nekritično rabo UI za ponarejanje rezultatov lastnega miselnega napora. V jedru vzgoje je nujen neki element tveganja, ki ga vanj prinaša živo razmerje, kakršnega vzpostavljata učitelj in učenec. Pripoznanje tega elementa tveganja v vzgoji, teoretik pedagogike Gert Biesta imenuje »šibka vzgoja«: »Tveganje je pristno, ker vzgoja ni interakcija med roboti, temveč srečanje med človeškimi bitji.«

Če šele poglobljeno branje, kakor opozarja Olga Markič, otroku »omogoča razumevanja besedila in kritičen, kreativen ter empatičen in čustven odnos do prebranega«, ali ne bi morali isto sklepati tudi za odraslega (učitelja). Šele temeljit študij in priprava učne vsebine omogočata čustven in empatičen odnos do predelane snovi, ki je seveda prav tako bistven element pedagoškega prenosa vednosti, kakor so naučena dejstva. Pedagogika nikoli ni le goli prenos informacij, pač pa vedno tudi prenos odnosa do znanja (čustev, drže, verjetij …). 

In morda ni naključje, da se je ob Turingovem testu, ki preverja zaznavanje razlike med strojnim in človeškim mišljenjem v literaturi uveljavil še en razločevalni test med ljudmi in androidi. Gre za test empatije, ki si ga je prvi zamislil Philip K. Dick v romanu Ali androidi sanjajo o električnih ovcah?, kasneje pa je v scenaristični predelavi zaslovel še s filmom Iztrebljevalec.

Woight-Kampffova naprava, po kateri se test tudi imenuje, meri takojšen (nezavedni) telesni odziv  na besedno zastavljena vprašanja, ki vključujejo etično in moralno sporne situacije. Naslednje vprašanje sodi med standardna testna vprašanja iztrebljevalcev: »Hodiš po pesku v puščavi, ko nenadoma pogledaš dol in vidiš želvo, ki se premika proti tebi. Z roko sežeš proti njej in jo obrneš na hrbet. Želva leži na hrbtu, njen trebuh se žge na vročem soncu, z nogami se poskuša obrniti, vendar se ne more – ne brez tvoje pomoči. Toda ti ji ne pomagaš. Zakaj?« Medtem ko testna oseba razmišlja o svoji reakciji in se odziva na povedano, naprava pozorno beleži njene telesne reakcije »kapilarno dilatacijo tako imenovane odzivne rdečice«, »razširjanje in oženje zenice« ter »neprostovoljno dilatacijo šarenice«. Woight-Kampffov test za razliko od Turingova zunanjega izraza mišljenja (besedila) preverja vpliv (etičnega) mišljenja na telesno delovanje. Zaznava empatijo testirancev do živali, ljudi in do samega sebe. Na neki način meri družbeno občutljivost, ki pa je ne meri na ravni zavesti oziroma zavestnega odziva, temveč nasprotno na nezavedni ravni delovanja parasimpatičnega in simpatičnega živčevja, ki pogosto proti naši volji, oziroma preden se zavestno sploh odzovemo na slišano vprašanje, že povzroči telesne reakcije …  
Gre za literarni in ne za teoretski poskus artikulacije razlike med roboti in ljudmi, zatorej je zagotovo slabše filozofsko utemeljen kot Turingov poskus. Toda ideja je kljub temu zanimiva tudi s pedagoškega vidika. Philip K. Dick si je Woight-Kampffov test zamislil kot nujno dopolnilo Turingovega testa, njegov zastavek pa je očitno v tem, da bi razlikoval stroj od človeka tam, kjer humanoidnemu robotu (androidu) oponašanje človeka v celoti uspe.   
Poučevanje v obdobju umetne inteligence v očeh piscev tematskega bloka

Skrajno preprosta teza tega uvodnika je skratka v ugotovitvi, da je razlikovanje med stroji in ljudmi pravzaprav že samo po sebi eminentno pedagoško vprašanje. Vprašanje obstoja novega tipa UI je dregnilo v jedro poučevanja in z veliko mero gotovosti lahko ugotovimo, da bo treba zaradi razvoja UI poučevanje povsem na novo premisliti. Ne le v smislu tehnologije učenja (pomoč UI pri pripravi učne ure ali pri učenju, pri sestavljanju in reševanju testov …), predvsem bo treba povsem na novo premisliti tudi temeljne elemente šolskega poučevanja: razmerje med učencem, učiteljem in znanjem. Ponovno bo treba premisliti vlogo učitelja v učnem procesu, vlogo vzgoje, vlogo učbenikov. Ali je pametno in smiselno strojnemu (ali tudi globokemu) učenju prepustiti del veščin poučevanja, kakor denimo kopanje globokih jam prepuščamo strojem? Kakšna naj bo nova delitev dela med UI in učiteljem?   
Ob razmisleku o poučevanju in umetni inteligenci se skratka takoj sproži plaz vprašanj. Na nekaj od teh vprašanj je poskušalo odgovoriti pet piscev, ki smo jih povabili k pisanju. Predvsem pa so poskušali osvetliti ozadje, na katerem se ta vprašanja zastavljajo.  

Prvi prispevek je spisal Marjan Krašna, profesor didaktike informacijsko komunikacijske tehnologije. Preden se je lotil analize vpliva umetne inteligence in velikih jezikovnih sistemov (LLM) na izobraževanje, je podrobneje pojasnil, kako UI in LLM sploh delujejo. Besedilo prinaša vpogled v delovanje nevronskih mrež in pretvorbo besedila (vprašanj in odgovorov) na »žetone«, ki delujejo v ozadju sodobnih LLM, in tako pojasni, kako je mogoče da sodobni sistemi UI tako prepričljivo »posnemajo človekovo mišljenje«. Zaključi pa se s predstavitvijo vizij nadaljnjega razvoja UI in njene vpetosti v izobraževalne namene.

Naslednji  sestavek sta v zanimivi soavtorski navezi spisala znanstvenik, pisatelj in publicist  Sašo Dolenc ter njegova hčerka, dijakinja 4. letnika gimnazije Katarina Dolenc. Članek nam tako rekoč iz prve roke v branje prinaša predstavitev realnih praks rabe umetne inteligence v srednji šoli ter splošnejšo umestitev teh praks v šolski sistem, ki se opira na izsledke metaanaliz pedagoških učinkov UI. Zaključi se z etičnim premislekom o rabi UI in presojanjem o prednostih in nevarnostih te rabe.

Tretji prispevek, ki je delo filozofa in gimnazijskega profesorja Marka Štempiharja, se ukvarja s filozofskim razmislekom o vlogi umetne inteligence v vzgoji in izobraževanju. Premišljuje o različnih aporijah in zagatah, ki jih vpeljava UI povzroča, obravnava razširjene nekritične rabe UI ter poskuša opozoriti na načine, kako bi uporaba UI lahko pomagala pri doseganju ključne naloge šolanja, ki ostaja razvijanje kritičnega mišljenja in avtonomije učencev. Filozofske izpeljave opira na ideje Turinga, Kanta, Heideggerja in Bieste, teoretski razmislek pa zaključi z nekaj izkustvenimi opažanji iz svoje lastne pedagoške prakse.

Članek profesorice filozofije in kognitivnih znanosti Olge Markič se obrača k filozofskim dilemam, ki jih sproža uporaba orodij umetne inteligence. Generativno UI in z njo povezane klepetalnike zgodovinsko umešča v razvoj pametnih orodij (vključno z »izumom« pisave) ter poskuša z vidika nekaterih že odprtih vprašanj na novo premisliti rabo UI v izobraževanju, še posebej vplive njihove rabe na družbo in na posameznikovo dojemanje sveta in na njegove spoznavne (kognitivne) procese. 

Tematski sklop dopolnjuje in zaključuje prispevek Maše Jazbec iz robotskega laboratorija, ki je namenjen približevanju naprednih robotskih tehnologij mladim generacijam. Maša Jazbec je intermedijska umetnica, raziskovalka in vodja pedagoških delavnic pri Katapult Robotiki. Svoje bogate izkušnje z raziskovanjem povezave med robotiko in učenjem otrok je s sodelavci usmerila v snovanje pedagoških programov z rabo različnih tipov robotov. Nekaj jih popiše v svojem prispevku in poskuša osvetlili didaktične prednosti pristopa, kjer robotika deluje kot učni vmesnik, ki umetno inteligenco izrazi s telesom, gibanjem, govorom, dotikom in interakcijo.

¹ Tomato Košir (2025) : Urša Izgoršek: Tomato Košir: Svet se zame izkrivlja do absurda, Nedelo, 12. julij 2025,   
str. 12–13

² Izvorno je bila igra zasnovana za razločevanje spola, in formulacija se je glasila: »Igrajo jo tri osebe, moški (A), ženska (B) in izpraševalec (C), ki je lahko enega ali drugega spola.« Kasneje je Turing igro priredil za razločevanje stroja in človeka, pri čemer je moral spremeniti tudi postulat, da je izpraševalec lahko ali stroj ali človek.