Teraz pojawia się pytanie
Ile z długich godzin spędzonych w tradycyjnych szkołach poświęca się na intensywną, skoncentrowaną pracę umysłową, która przynosi znaczące rezultaty? Zadając to pytanie, musimy pamiętać, że ludzie są w stanie utrzymać intensywne, świadome skupienie w ciągu dnia tylko przez określony czas, po którym następuje zmęczenie poznawcze, prowadzące do gwałtownego spadku produktywności i wyników. To ograniczenie wynika z potrzeby odpoczynku (okresów odpoczynku lub rozrywki) koniecznego do utrzymania wysokiego poziomu uwagi i wydajności, bowiem nadmierny wysiłek prowadzi do popełniania błędów, spadku kreatywności i wypalenia. Wydaje się zatem, że Alpha i Studia Nova znalazły sposób na uczynienie procesu uczenia się znacznie bardziej efektywnym niż ten, z którym mamy do czynienia w konwencjonalnym szkolnictwie.
Garmy swoim Studia Nova próbuje pobudzić w Stanach Zjednoczonych i poza nimi ruch edukacyjny, który buduje i wspiera mikroszkoły na szeroką skalę. Na razie jednak jej starania nie przynoszą znaczących efektów. Istnieje jednak prężnie rozwijająca się opcja edukacyjna, w której szkoły są jeszcze mniejsze niż mikroszkoły. Są to szkoły domowe. W chwili pisania tego tekstu edukacją domową w Stanach Zjednoczonych jest objętych około 4 milionów uczniów klas K-12, czyli około 7% wszystkich uczniów szkół podstawowych i średnich. Zapoczątkowany pod koniec lat siedemdziesiątych XX wieku przez osoby niezadowolone z tradycyjnego systemu edukacji ruch edukacji domowej rozrósł się z 10 000–15 000 uczniów na początku lat osiemdziesiątych do milionów w latach dwutysięcznych, a do 1993 roku został zalegalizowany we wszystkich stanach.
Uczniowie uczący się w domu często uzyskują lepsze wyniki w standaryzowanych testach niż ci ze szkół publicznych. Osiągają oni doskonałe rezultaty w samodzielnej nauce.
W edukacji domowej mamy do czynienia z szerokim wykorzystaniem technologii: od systemów zarządzania nauczaniem (LMS), które zaczęły się upowszechniać pod koniec lat dziewięćdziesiątych, przez internetowe programy edukacyjne, takie jak Khan Academy, po narzędzia sztucznej inteligencji, w tym ChatGPT. Umożliwia to indywidualizację nauki oraz prowadzenie efektywnego kształcenia opartego na pełnym opanowaniu materiału, podobnie jak w modelu Studia Nova, gdzie nauka trwa trzy godziny dziennie. Uczniowie kształceni w domu poświęcają na skoncentrowaną naukę przedmiotów szkolnych średnio około czterech godzin dziennie, choć czas ten zależy od wieku ucznia i realizowanego programu. W przypadku młodszych dzieci wynosi on często około dwóch godzin, natomiast uczniowie szkół średnich uczą się zwykle około sześciu godzin dziennie. Podobnie jak Alpha School i Studia Nova, edukacja domowa pozwala uniknąć nieefektywności związanych z wielogodzinnym funkcjonowaniem w tradycyjnych szkołach, sprzyjając wysokim osiągnięciom uczniów, a zarazem ograniczając ryzyko niewłaściwego korzystania ze sztucznej inteligencji dzięki nadzorowi rodziców.
W porównaniu z tym, co było dostępne dla wcześniejszych pokoleń, dziś mądre korzystanie z technologii pozwala uczyć się o wiele wydajniej w sposób znacznie przyspieszający edukację. W szczególności pozwala uniknąć marnowania czasu i zbędnej pracy, które obciążały uczenie się w przeszłości.
Chcesz w swoim tekście zacytować czyjeś słowa? Potrzebny artykuł znajdziesz natychmiast online w formacie PDF. Porównaj to z rokiem 1998, gdy kończyłem pisać książkę i na wizytę w bibliotece uniwersyteckiej, w której znajdował się potrzebny mi artykuł, musiałem poświęcić pół dnia: na jazdę do tej biblioteki, szukanie czasopisma na regałach, wykonanie kserokopii, powrót do domu, a następnie ręczne przepisywanie cytatów. Wszystkie te czynności były wówczas niezbędne, abym mógł ukończyć książkę. Ale nie były one budujące – nie stałem się intelektualnie bardziej uczony dzięki wizycie w bibliotece.
Albo rozważ analogię do baseballu
Prowadziłem kiedyś treningi baseballu dla uczniów szkół średnich, zarówno młodszych, jak i starszych klas. W meczu uczestniczy dziewięciu zawodników, a każdy z nich musi odbyć swoją kolejkę odbijania, zanim którykolwiek będzie mógł ponownie podejść do kija. Jeśli potraktować każde takie podejście jako okazję do nauki, na jednego zawodnika przypada zaledwie jedna dziewiąta wszystkich prób odbijania. Oznacza to, że uczy się on tylko przez jedną dziewiątą czasu, w którym zawodnicy jego drużyny są przy kiju. Z punktu widzenia doskonalenia umiejętności jest to zatem bardzo nieefektywne wykorzystanie czasu. Dlatego sam mecz nie stanowi najlepszej okazji do szlifowania techniki odbijania i konieczne są indywidualne treningi. Znaczna część tradycyjnej edukacji jest, niestety, nieskuteczna w podobny sposób: skupia się na aktywności jednego ucznia lub niewielkiej grupy uczniów, podczas gdy pozostali siedzą bezczynnie i jedynie się przyglądają.
Oprócz poprawy efektywności i wydajności nauczania tradycyjnych przedmiotów, technologia oparta na sztucznej inteligencji obiecuje otwarcie zupełnie nowych perspektyw w opanowaniu materiału, rozszerza naukę daleko poza tradycyjny program i umożliwia uczniom zdobywanie zaawansowanych, niegdyś rzadko spotykanych umiejętności. Rozważ następujące możliwości:
- Doskonalenie akcentu i wymowy w nauce języków obcych
Sztuczna inteligencja rozpoznająca mowę potrafi analizować intonację, rytm i artykulację aż do poziomu fonemu, oferuje indywidualną korektę i wizualizację, szczególnie dla osób, dla których dany język nie jest językiem ojczystym i które chcą wyeliminować niewłaściwy akcent. Uczniowie mogą wielokrotnie ćwiczyć z modelami głosu, aż ich akcent stanie się doskonały, co jest efektem rzadko osiąganym podczas tradycyjnych lekcji.
- Twórcze pisanie z retoryczną precyzją
Edytory wykorzystujące sztuczną inteligencję mogą uczyć uczniów rozpoznawania i stosowania środków retorycznych, takich jak analogia, paralelizm czy ironia, a także doskonalenia tekstu pod względem tonu, rytmu i siły argumentacji. Zamiast ogólnikowych uwag uczniowie otrzymują szczegółową analizę stylistyczną, odwołującą się do klasycznych zasad retoryki. Można przypuszczać, że szkoły o profilu klasycznym należałyby do pierwszych placówek wdrażających takie rozwiązania.
- Komponowanie i wykonanie muzyki polifonicznej
Sterowane sztuczną inteligencją oprogramowanie do nauki gry na keyboardzie i kształcenia słuchu może pomóc uczniom nie tylko grać muzykę Bacha, ale także myśleć kontrapunktycznie. Dzięki temu nauczą się oni prowadzenia głosów, harmonii i teorii muzyki nie abstrakcyjnie, ale w czasie rzeczywistym, podczas komponowania lub wykonywania utworu. Systemy sprzężenia zwrotnego potrafią identyfikować napięcie harmoniczne, sugerować korekty i pozwalają uczniom wielokrotnie udoskonalać utwór aż do pełnego opanowania faktur wielogłosowych.
- Zaawansowane umiejętności czytania nut i kształcenie słuchu
Wspomagane przez sztuczną inteligencję programy do kształcenia słuchu mogą dynamicznie generować ćwiczenia: słuchają śpiewu lub gry ucznia i udzielają mu natychmiastowych wskazówek korygujących. Uczniowie mogą przechodzić przez coraz bardziej złożone rytmy, tonacje i progresje harmoniczne i jeszcze przed rozpoczęciem studiów osiągnąć biegłość na poziomie konserwatorium.
- Symulacja eksperymentów naukowych i odkrycia oparte na dociekaniach
Uczniowie mogą projektować i przeprowadzać wirtualne eksperymenty z fizyki, chemii lub biologii, korzystając z opartych na sztucznej inteligencji laboratoriów, które modelują zmienne i dane. System może podpowiadać hipotezy, przewidywać wyniki i pomagać w interpretacji anomalii, rozwijając w ten sposób u ucznia autentyczne rozumowanie naukowe. Każdy, kto ma komputer i dostęp do internetu, może w ten sposób zostać początkującym naukowcem.
- Doskonalenie intuicji matematycznej i wizualizacji
Środowiska wirtualnej rzeczywistości wspomagane przez sztuczną inteligencję mogą pomagać uczniom w dynamicznym obrazowaniu abstrakcyjnych pojęć matematycznych, umożliwiając im zmianę parametrów i obserwowanie występujących między nimi zależności. Z czasem uczniowie przyswajają struktury matematyczne dzięki bezpośredniemu doświadczeniu i aktywnej pracy z nimi, zamiast ograniczać się do mechanicznego stosowania wzorów.
- Rozwijanie sprawności manualnej i umiejętności artystycznych dzięki analizie ruchu
Systemy sztucznej inteligencji wykorzystujące analizę obrazu mogą oceniać sposób prowadzenia pędzla, nacisk pióra czy ruchy wykonywane podczas rzeźbienia, a następnie natychmiast udzielać wskazówek dotyczących proporcji, perspektywy i techniki. Dzięki temu uczniowie mogą opanowywać takie umiejętności, jak kaligrafia, rysunek techniczny czy rysunek postaci, których nauka była dotąd możliwa przede wszystkim pod kierunkiem doświadczonego nauczyciela.
- Coaching debat i argumentacji
Podczas debat uczniów wystarczająco zaawansowane systemy przetwarzania języka naturalnego będą w stanie słuchać i rozumieć dialogi, oceniać twierdzenia, dowody i spójność logiczną w czasie rzeczywistym. Coach AI może proponować mocniejsze argumenty, wskazywać błędy logiczne i pomagać uczniom we wzmacnianiu perswazji.
- Trening inteligencji emocjonalnej i empatii poprzez symulowany dialog
Konwersacyjne awatary wykorzystujące sztuczną inteligencję mogą odtwarzać złożone sytuacje społeczne, wymagające rozpoznawania emocji i właściwego reagowania. Dzięki temu uczniowie ćwiczą empatię, negocjowanie oraz rozwiązywanie konfliktów. Informacje zwrotne mogą skupiać się na sygnałach emocjonalnych i wskazywać alternatywne sposoby reagowania, wspierając rozwój dojrzałości społecznej, czyli obszaru rzadko uwzględnianego w standardowych programach nauczania.
- Zaawansowane techniki rozwijania pamięci i wizualizacji
Tutorzy AI mogą uczyć uczniów organizowania i przypominania sobie obszernych zbiorów wiedzy, przekształcając abstrakcyjne informacje w żywe, zapadające w pamięć historie lub wzory przestrzenne. Podpowiedzi dostosowane do ucznia i spersonalizowany harmonogram powtórek umożliwią wyjątkowy rozwój zdolności przypominania i dogłębnego rozumienia różnych zagadnień, od dat historycznych po klasyfikacje naukowe.
Gdyby rozwój tej ostatniej zdolności był możliwy dzięki sztucznej inteligencji i upowszechnił się wśród studentów, miałoby to znaczenie zarówno praktyczne, jak i historyczne. Zanim książki i umiejętność czytania i pisania stały się powszechne, kultury opierały się głównie na przekazie ustnym, a doskonała pamięć była cnotą. Jedną z obaw związanych z prasą Gutenberga było to, że ludzka pamięć osłabnie. W obliczu internetu niepokoje te znacznie się nasiliły, ponieważ znaczna część ludzkiej wiedzy jest dostępna natychmiast, wymagając od nas jedynie minimalnej zdolności do zapamiętywania. Nieużywana zdolność zanika; a mieszkańcy krajów rozwiniętych w znacznej mierze utracili sprawność pamięci. Sztuczna inteligencja może odwrócić ten proces, wspierając rozwój pamięci uczniów, a tym samym pomagając im skuteczniej się uczyć. Bo któż w procesie uczenia się nie skorzystałby na dobrej pamięci?
Pierścień Oura
Ostatnia technologia, którą chciałbym omówić, czerpie inspirację z pierścienia Oura, „inteligentnego” pierścienia noszonego na palcu wskazującym, środkowym lub serdecznym ręki niedominującej. Za pomocą zaawansowanych biosensorów pierścień Oura monitoruje sen, aktywność, tętno, temperaturę itp., oferuje szczegółowy wgląd w proces regeneracji i informuje o ogólnym samopoczuciu. Od momentu premiery w 2015 roku zyskał on szerokie uznanie na całym świecie, a sportowcy, biohakerzy i entuzjaści wellness docenili go jako dyskretne, oparte na naukowych podstawach narzędzie do ciągłego monitorowania stanu zdrowia.
A co, gdyby coś tak dyskretnego jak pierścień Oura mogło śledzić postępy uczniów? Dostępne obecnie obrazowanie mózgu za pomocą funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS) lub elektroencefalografii (EEG) mogłoby służyć do monitorowania, czy uczniowie się nudzą, angażują, czy są przeciążeni poznawczo. Jednak te urządzenia pomiarowe są uciążliwe, niepraktyczne i na razie nieopłacalne, jeśli chodzi o powszechne zastosowanie podczas lekcji. W każdym razie uczniowie nie chcieliby ich nosić.
Odpowiednio zaprojektowane, niedrogie i dyskretne urządzenie mogłoby jednak monitorować stany aktywności mózgu sprzyjające uczeniu się oraz te, które je utrudniają. Pozwalałoby to na bieżąco dostosowywać sposób nauczania poprzez na przykład zmianę tempa lub dobór treści, tak aby poprawić koncentrację i zapamiętywanie. Urządzenie takie nie powinno służyć do inwigilowania uczniów ani ich podporządkowania. Nauczyciele i uczniowie mogliby natomiast wykorzystywać je do rozpoznawania momentów, w których uwaga zaczyna się rozpraszać, i wówczas odpowiednio korygować dalszy przebieg nauki.
Kształtowanie człowieka, nie jego techniczne ulepszanie
Celem wykorzystywania technologii w edukacji w sposób zarysowany powyżej i zgodny z przesłaniem płynącym z dokonań Escalantego jest rozwój humanistyczny, a nie transhumanistyczny. Chodzi o kształtowanie człowieka, rozwój poprzez zdobywanie wiedzy, która pozwala nam pełniej urzeczywistniać własne człowieczeństwo i żyć w sposób bardziej świadomy i twórczy. Celem nie jest jego techniczne ulepszanie czy usuwanie naszych niedoskonałości po to, by ostatecznie zastąpić nas za pomocą technologii zmierzających do zatarcia tego, co w nas ludzkie.
Przewiduję, że wizja humanistyczna zwycięży, prowadząc do znacznie większego, rzeczywistego rozwoju ludzkości niż wizja transhumanistyczna, w której wykorzystanie technologii służy do naprawy i udoskonalania ludzkości. Wizja humanistyczna jest naturalna, jak promowanie zdrowia poprzez odpowiednie odżywianie, ćwiczenia i odpoczynek. Podejście transhumanistyczne jest sztuczne, jak poleganie na lekach w celu osiągnięcia dobrego samopoczucia.
Porady dla rodziców
Na zakończenie chciałbym zwrócić się z radą do rodziców: kształtujcie swoje dzieci, zamiast je technicznie ulepszać. Jesteśmy żywymi organizmami, a nie urządzeniami, które można udoskonalać przez instalowanie coraz nowszych i sprawniejszych podzespołów, niczym w komputerze. Żyjemy i powinniśmy dążyć do coraz pełniejszego urzeczywistniania własnego życia. Jak dotąd nie wykorzystaliśmy jeszcze całego potencjału naszego człowieczeństwa. Dlaczego więc mielibyśmy zwracać się ku transhumanizmowi, którego celem jest tak dalekie przeobrażenie człowieka, że przestanie on być rozpoznawalny jako człowiek? Transhumanizm odwołuje się do naszego lęku, że coś stracimy lub zostaniemy w tyle, mówiąc nam: ulepszajcie swoje dzieci, bo w przeciwnym razie przegrają rywalizację, nie dostaną się na najbardziej prestiżowe uniwersytety i staną się obywatelami drugiej kategorii. Tymczasem kształtowanie dzieci nie tylko, jak dowodzi doświadczenie, sprzyja ich wszechstronnemu rozwojowi, lecz także nie niesie ze sobą ryzyka wyrządzenia im krzywdy. Żadnego z tych twierdzeń nie można odnieść do transhumanizmu.
Postscriptum
Ostatnio dużo mówi się wśród dziennikarzy, ekspertów i podcasterów o możliwości opracowania sztucznej inteligencji ogólnej (AGI – artificial general intelligence), która tak bardzo przewyższy nasze zdolności poznawcze, że przejmie świat, wypierając nas i ostatecznie usuwając ludzkość ze świata. To mrzonka. Zjawisko załamania się modeli LLM sugeruje, że systemy te napotykają wrodzone ograniczenia, które mogą na zawsze uniemożliwić osiągnięcie AGI1. Istnieje jednak głębszy teoretyczny powód tego ograniczenia związany z ideą zachowania informacji. Zgodnie z nią można matematycznie wykazać, że systemy obliczeniowe nigdy nie będą w stanie wygenerować nowej informacji potrzebnej do osiągnięcia AGI. Uzasadnienie tego twierdzenia przedstawiam w mojej niedawno wydanej monografii poświęconej temu zagadnieniu (duża jej część napisana jest w sposób przystępny dla przeciętnego czytelnika)2.
— Koniec części drugiej (ostatniej) —
William Dembski
Oryginał: Edification vs. Enhancement – The Non-Transhumanist Vision of AI in Education, „Science & Culture Today” 2025, October 31 [dostęp: 24 VII 2026].
Przekład z języka angielskiego: Piotr Bylica
Źródło zdjęcia: Pixabay
Ostatnia aktualizacja strony: 24.7.2026
Chcesz wiedzieć więcej na temat sztucznej inteligencji? Zapraszamy do lektury książki Mit sztucznej inteligencji.
Książka dostępna w księgarni Fundacji En Arche.
Przypisy
- Por. I. Shumailov et al., AI Models Collapse When Trained on Recursively Generated Data, „Nature” 2024, Vol. 631, s. 755–759, https://doi.org/10.1038/s41586-024-07566-y; Model Collapse, „Wikipedia” (dostęp: 21 VII 2026).
- Por. W.A. Dembski, The Law of Conservation of Information: Search Processes Only Redistribute Existing Information, „BIO-Complexity” 2025, Vol. 2, s. 1–58, https://doi.org/10.5048/BIO-C.2025.2.
Literatura:
1. Dembski B., Ben Carson's Lost Interview on Education, „Substack” 2024, May 20 [dostęp: 21 VII 2026].
2. Dembski B., Studia Nova: Reinventing K-12 Education, „Substack” 2024, May 12 [dostęp: 21 VII 2026].
3. Dembski W.A., The Law of Conservation of Information: Search Processes Only Redistribute Existing Information, „BIO-Complexity” 2025, Vol. 2, s. 1–58, https://doi.org/10.5048/BIO-C.2025.2.
4. Fryer R., The Economics of Education Reform, „Wall Street Journal” 2025, September 8 [dostęp: 21 VII 2026].
5. Model Collapse, „Wikipedia” (dostęp: 21 VII 2026).
5. Shumailov I., et al., AI Models Collapse When Trained on Recursively Generated Data, „Nature” 2024, Vol. 631, s. 755–759, https://doi.org/10.1038/s41586-024-07566-y.