pondělí 12. října 2026

Tiché poznání podle CCR

Po 10 letech se vracíme k problematice tzv. tichého poznání. Nejprve si připomeňme, jak jsme si ho definovali: „Tiché poznání (tacit knowledge) je individuální součást schopností člověka, jejíž podobu nelze jednoznačně vyjádřit, pro její vytvoření nelze použít jednoduché postupy a nelze ji ověřovat tradičními testy. Patří sem dovednosti, zkušenosti, vcítění, intuice, úsudek, odbornost apod.“ (Tiché poznání v online světě).

Jsme si vědomi toho, že vzdělávání musí hledat mezi explicitním (tvrdým, definovatelným) a tichým (tacitním, měkkým, nedefinovatelným) poznáním rovnováhu. Rozvoj technologií přináší změny, které vyvolávají potřebu tuto problematiku revidovat. Konstatovali jsme již před 10 lety, že právě tiché poznání se získává nesnadněji a že by bylo dobré, kdyby se mu věnovalo více výzkumné pozornosti. Bostonské Centrum pro rekonstrukci kurikula (Center for Curriculum Redesign) se zjevně snaží tento deficit snížit. Vydalo studii svého vědeckého pracovníka, bývalého šéfa Centra pro pedagogický výzkum OECD Dirka Van Dammeho s názvem Tacit Knowledge, Human Cognition and Artificial Intelligence [1]. Navazuje tím na dřívější práci, která se zabývala změnami vzdělávání vyvolanými nástupem AI obecněji (Vliv AI na kognitivní schopnosti lidí).

Nejnovější studie se věnuje specificky významu a proměně tichých znalostí v éře digitálních technologií a umělé inteligence. Změnu přístupu k tichým znalostem ve vzdělávání naznačuje následující tabulka.



Tradiční formy

Technologicky orientované

Hybridní integrované formy

Znalost

Internalizace obsahu

Externí přístup

Internalizace, strukturace a aplikace znalostí

Postup

Memorování a opakování

Použití nástrojů, řešení úkolů

Transformace znalostí do expertizy

Role AI

Vnější

Náhrada myšlení

Partner vyžadující ověření

Cíl

Získávání znalostí

Efektivita

Rozvoj odbornosti

Tiché poznání

Skryté a nedefinované

Není řešeno

Zásadní význam pro interpretaci, transfer a odpovědnost

Postavení tichého poznání v různých formách vzdělávání

Studie vysvětluje, jak důležité jsou pro lidskou odbornost takové schopnosti, jako je intuice, zkušenost a úsudek, které nelze snadno přenést do kódu a automatizovat (viz Polanyiho paradox). Nástup moderní AI, zejména hlubokého učení a velkých jazykových modelů (LLM), toto tradiční pojetí zásadně rekonfiguruje. Stroj sice postrádá skutečné porozumění, tělesnou zkušenost a etickou odpovědnost, stále více však dokáže díky AI tiché poznání efektivně napodobovat.

Základní znalosti jsou stále důležité. Patří k nim ty, které lze formulovat, formalizovat, měřit a zpracovávat stroji. Jejich externalizace, automatizace a standardizace však mění podmínky, za nichž je získáván a udržován tichý úsudek. AI se stále více přibližuje vybraným dimenzím tichých znalostí prostřednictvím statistického učení, latentních reprezentací a interakce s lidmi. Takto vygenerovaná aproximace však není ekvivalentní lidskému tichému porozumění, které zůstává založeno na zkušenosti, významu a odpovědnosti. Díky AI však dochází k jeho proměně.

Tiché poznání je zakotveno ve zkušenosti, formováno kontextem, uplatňováno v praxi a udržováno prostřednictvím účasti v komunitách. Umožňuje lidem rozpoznávat vzorce, interpretovat situace, přizpůsobovat pravidla okolnostem, spolupracovat s ostatními a jednat v nejistotě. Tiché poznatky proto nejsou jen nějakým vedlejším produktem znalostně orientovaného učení, jsou jednou z podmínek, které činí získané znalosti použitelnými.

AI se učí prostřednictvím vzorů z rozsáhlých dat, nikoli z formálních pravidel. Může generovat výstupy, které se zdají být závislé na formách úsudku, interpretace a kontextové citlivosti tradičně spojované s tichými znalostmi. Velké jazykové modely zpochybňují předpoklad, že znalosti musí být nejprve explicitně kodifikovány, než je mohou operacionalizovat stroje.

Technologická inovace však neovlivňuje tiché znalosti jednotně. Její účinky jsou ambivalentní. Některé technologie mohou tiché znalosti externalizovat, uchovávat nebo redistribuovat, jiné oslabují zkušenostní, ztělesněné, sociální a mezigenerační vztahy, jimiž se tiché znalosti získávají a udržují.

To znamená, že je třeba zkoumat vnitřní diferenciaci tichých znalostí. Některé jejich dimenze zanechávají stopy v jazyce, chování, rutinách, profesních postupech nebo senzomotorických vzorcích, a proto je lze částečně externalizovat, modelovat nebo statisticky aproximovat. Jiné dimenze zůstávají hluboce spjaty s provedením, prožitou zkušeností, sociální účastí, identitou, etickou odpovědností a zodpovědným úsudkem. Ústřední otázkou tedy není, zda tiché znalosti lze či nelze kodifikovat, ale které dimenze tichých znalostí lze zachytit za jakých podmínek a co se v tomto procesu transformuje nebo ztrácí.


Oblast

Přenositelnost na AI

Důvod

Příklady

Definovatelnost

Částečná

Některé implicitní znalosti lze vyjádřit jako pravidla, kontrolní seznamy, příklady nebo protokoly.

Kontrolní seznamy, právní směrnice, profesní pravidla.

Ztělesnění

Nízká až střední

Omezená možnost vyjádření textem; robotika a senzory dokážou aproximovat některé procedurální a percepční prvky.

Robotická manipulace, fyzické vyšetření, řemeslné dovednosti, řízení vozidel.

Kognitivní

Střední

LLM dokáže odvodit vzorce uvažování z textů a případů, ale postrádá plné kontextové ukotvení.

Diagnóza nemoci, právní argumentace, odborná zpětná vazba.

Sociální

Střední

Organizační rutiny a normy lze částečně odvodit z komunikačních a pracovních dat, ale skutečné zapojení je stále obtížné napodobit.

Koordinace týmu, pracovní rutiny, profesní kultura.

Mechanická

Střední

Přístroje, pracovní postupy a prostředí lze modelovat pomocí dat, senzorů a digitálních dvojčat.

Laboratorní systémy, průmyslové procesy, klinické pracovní postupy.

Vyjádřitelnost

Vysoká

LLM jsou obzvláště silné tam, kde je implicitní znalost vyjádřena prostřednictvím příběhů, případů, dialogu a písemné komunikace.

Mentorování prostřednictvím vyprávění, kazuistik, obchodních rozhovorů, anamnéz pacientů.

Osobnostní

Nízká až střední

Normy lze popsat nebo simulovat, ale povinnosti, identita a odpovědnost zůstávají lidské a institucionální.

Právní odpovědnost, lékařská etika, autorita učitele, profesní identita.

Přenositelnost různých složek tichého poznání na AI

Tradiční pojetí předpokládalo, že pro automatizaci jakékoli znalosti je nutné ji nejprve explicitně reprezentovat a popsat. Generativní AI a strojové učení však přesouvají základy automatizace od kodifikace ke statistickému učení. Tyto systémy již nevyžadují, aby jim lidé předepisovali pravidla, místo toho se učí rozpoznávat vzorce a pravidelnosti přímo z obrovských souborů lidských dat, textů, obrázků a interakcí.

I když lidé nedokážou své tiché poznání přímo popsat a vtělit do příruček či standardů, toto poznání zanechává husté „stopy“ v jejich pozorovatelném chování a komunikaci. Tyto stopy se projevují například v zápisech lékařských diagnóz, právních argumentech, vědeckých diskusích nebo mentorských dialozích. AI systémy se z takových stop dokážou učit a následně generovat kontextově citlivé odpovědi nebo řešit komplexní úkoly bez explicitních instrukcí, čímž funkčně obcházejí nutnost přímé kodifikace.

Hranice automatizace se již neodvíjí od toho, zda je úkol „rutinní“, či zda ho lze explicitně popsat slovy. Novým měřítkem pro to, jak úspěšně dokáže AI aproximovat lidské tiché poznání, se stávají dva rozměry:

  • Hustota vzorců (pattern density): Míra, do jaké jsou vztahy mezi vstupy a výstupy úkolu bohatě reprezentovány v tréninkových datech.

  • Ověřitelnost výstupů (verifiability): Rozsah, v jakém lze vygenerované výsledky snadno hodnotit, korigovat a vylepšovat.

Pokud má úkol vysokou hustotu vzorců a jeho výstupy jsou dobře ověřitelné, AI v něm dokáže vysoce efektivně napodobit expertní úsudek. To znamená, že je třeba změnit (rekonfigurovat) pohled na tiché poznání. Důsledky pro vzdělávání jsou značné. Ve věku AI se vzdělávání nesmí vzdát získávání znalostí, ale musí posílit rozvoj integrované odbornosti – schopnost kombinovat explicitní znalosti, tichý úsudek, externí kognitivní nástroje a odpovědné lidské konání (hybridní forma).

Studie se v závěrečné části zabývá důsledky pro vzdělávání blíže. Navrhuje v reakci na nástup AI zásadní transformaci celého vzdělávacího systému. Návrh má několik pilířů.

  • Rozvoj „integrované expertízy“
    Tradiční vzdělávání často staví do protikladu získávání teoretických znalostí a rozvoj měkkých dovedností (kompetencí). Novým cílem má být rozvoj integrované expertízy, tj. propojení znalostí, tichého úsudku, externích kognitivních nástrojů (včetně AI) a odpovědného lidského jednání.

  • Zachování kurikula bohatého na znalosti
    Nástup AI nesnižuje význam lidských znalostí, naopak jej zvyšuje. Školy nesmí rezignovat na výuku faktů a konceptů v jazycích, matematice, vědách, historii či umění. Pokud žáci nemají v dlouhodobé paměti bohaté, strukturované znalosti, nedokážou formulovat smysluplné otázky pro AI, rozpoznat relevanci a správnost jejích odpovědí, ani odhalit její zkreslení, halucinace či opomenutí. Znalosti se musí do mysli žáka hluboce internalizovat (vstřebat), aby se mohly proměnit v intuitivní, tichý úsudek použitelný v praxi.

  • Záměrné budování tichého poznání
    Vzhledem k tomu, že se tiché poznání rozvíjí pouze přímou praxí, musí výuka poskytovat strukturované příležitosti pro jeho vznik. To vyžaduje zařazení metod, jako je řešení komplexních problémů, diskuse nad případovými studiemi, experimentování, interpretace nejednoznačných důkazů a týmová spolupráce, kde mechanická aplikace pravidel selhává.

  • Reforma způsobu hodnocení
    Pokud má výuka rozvíjet lidský úsudek a tiché poznání, musí se změnit i způsob ověřování výsledků. Hodnocení se již nemůže soustředit pouze na konečné produkty či správné odpovědi (které žáci snadno získají od AI). Musí se hodnotit samotný proces uvažování, obhajoba rozhodnutí, interpretace, vyhodnocování zdrojů, spolupráce a způsob, jakým žáci korigují a využívají výstupy AI.

  • Pětivrstvý model kognitivní kompetence pro revizi kurikula
    Studie
    navrhuje strukturovat školní kurikulum podle pěti úrovní kognitivních kompetencí, které zohledňují, jak AI ovlivňuje různé lidské schopnosti. Přehledně je tento model popsán prostřednictvím následující infografiky generované s pomocí Gemini Notebooku. Povšimněte si menšího posunu od původního návrhu CCR, který v eoce 2015 mluvil o převráceném kurikulu (Převrácené čtyřrozměrné kurikulum). Dnes se již nejedná přímo o převracení, ale o „rekonfiguraci“. Na vrcholu zůstává meta-kompetence.

Infografika na základě studie vytvořená Gemini Notebookem

Hlavním závěrem je, že moderní vzdělávání musí posilovat schopnost kritického úsudku, aby lidé dokázali inteligentní systémy zodpovědně ovládat, nikoli jimi být nahrazeni. Tato analýza tak redefinuje vztah mezi lidskou kognicí a stroji v kontextu budoucího rozvoje expertních dovedností.

Ukazuje se, že nástup AI vytváří nové formy tichých znalostí. Některé z nich mohou být převzaty stroji, jiné nikoli. Statistické učení, latentní reprezentace, modely světa a ztělesněné systémy umělé inteligence mění vztah mezi tichou znalostí a strojovým poznáváním. Dochází k prudkému vývoji této problematiky, to znamená, že bude nezbytné ji nadále blíže zkoumat.

Zdroje:
Dirk Van Damme et al. (2026). Tacit Knowledge, Human Cognition and Artificial Intelligence. Center for Curriculum Redesign.
https://curriculumredesign.org/wp-content/uploads/Tacit-Knowledge-CCR.pdf


Zuckerbergova budoucnost pro všechny

Mark Zuckerberg nám všem poslal 10. srpna dopis [1], který stojí za přečtení. Vyberu to nejdůležitější.

---

Máme štěstí, že žijeme v neuvěřitelném historickém okamžiku. V příštích několika letech budou lidé schopni využívat superinteligenci nad rámec lidských schopností k vytváření a objevování mimořádných nových věcí, budování nových podniků, vyjadřování nových myšlenek, učení se novým konceptům a zlepšování našeho zdraví a kvality života. Jak se k tomuto okamžiku blížíme, je důležité rozvíjet to, jak můžeme superinteligenci nejlépe využít ke zlepšení našich životů, práce, komunit, svobody a bezpečnosti.

Rozhodující otázkou naší doby je, kdo bude mít přístup k superinteligenci a na co ji použijeme. Bude centralizovaná a omezená na několik institucí, nebo bude nástrojem, který umocní každého?

Navrhujeme (Meta) filozofii založenou na posílení postavení jednotlivce jako zdroje prosperity, na vynálezech jako primárním účelu superinteligence a na rovnováze sil jako základu bezpečnosti. Všechny nové technologie vytvářejí příležitosti i výzvy. Superinteligence bude patřit mezi nejdůležitější technologie v historii, takže její příležitosti a výzvy budou pravděpodobně větší než jakékoli, které jsme dosud viděli. Měli bychom to brát velmi vážně.

Lidstvo zažilo mnoho převratných technických změn. Pokaždé existuje strach, že lidé zůstanou pozadu. Ale pokaždé to většině lidí přineslo větší prosperitu, zdraví a svobodu. Věříme, že to tak bude i s umělou inteligencí a že přínos bude v budoucnosti moci sdílet každý. Také věříme, že hodnoty, které nás dovedly až sem – jako je svoboda, otevřené bádání, svobodné podnikání a rovné příležitosti – jsou zároveň správnými hodnotami pro budování pozitivní budoucnosti.

Největšího pokroku lidstvo dosáhlo tím, že do rukou lidí vložilo moc, aby mohli naplňovat své vlastní aspirace. Jakmile všichni získají výkonnější nástroje, každý člověk se stane schopnějším utvářet budoucnost. Největším přínosem superinteligence nebude automatizace, ale objevování nového.

S tím, jak se inteligence rozšíří, nejdůležitější otázkou bude, jak ji budeme řídit. Někteří tvrdí, že samotná superinteligence nebo malá skupina expertů, kteří ji ovládají, by měla rozhodovat o tom, co je pro lidstvo nejlepší. My s tím nesouhlasíme. Historie demokracie a ekonomie ukázala, že neexistuje jediná objektivní odpověď na to, jak si lidé definují nejlepší život, a proto je nejlepším přístupem nechat lidi rozhodovat o tom, na čem v jejich vlastních životech záleží.

Věříme, že zpřístupnění superinteligence všem je způsob, jak na tuto otázku odpovědět. To navazuje na tradici všudypřítomných digitálních technologií. Teď může každý schopnosti superpočítačů a internetu dostat do kapsy. Spíše než centralizovat superinteligenci, měli bychom ji široce distribuovat a dát každému člověku možnost ji ovládat. Tak se otevírá potenciál nové éry osobního umocnění, kde jednotlivci mohou tento nový mocný nástroj využít k dosažení svého plného potenciálu, k naplňování svých zájmů a ke zlepšení svých životů a světa více než kdykoli předtím.

Meta se snaží budovat naznačený cíl několika konkrétními způsoby:

  • Mimořádně schopný osobní agent, který uživatelům rozumí.
    Tento agent bude pracovat 24 hodin denně, 7 dní v týdnu jejich jménem, ​​aby zlepšil jejich vztahy, zdraví, kariéru, finance, správu domácnosti, koníčky a další. Uvolní čas na věci, které je baví, a pomůže jim dosáhnout dále, než by jinak dokázali. Bude mít silné možnosti ochrany soukromí a zabezpečení, takže mu lze důvěřovat, že se postará o veškerý osobní obsah s vědomím, že k citlivým informacím nemá přístup nikdo jiný. Bude možné s ním komunikovat prostřednictvím jakéhokoli zařízení.

  • Nástroje pro tvorbu
    To, co dříve trvalo měsíce nebo to bylo nemožné, dnes lze s umělou inteligencí vygenerovat za chvíli (programování, videa ad.). Každý může vyjádřit své nápady.

  • Nástroje pro objevování
    Brzy budou všichni mít vynálezecké superschopnosti. Výzkum ve všech oblastech bude schopen aplikovat vědecké metody a po dobu týdnů nebo měsíců pracovat na testování a zdokonalování hypotéz. Vědecké objevy budou pravděpodobně jednou z nejcennějších forem vynálezů pro společnost.

  • Budování nových firem
    Lidé začínají být schopni sami realizovat nápady, aniž by museli shánět peníze nebo budovat velké týmy. Mnoho nápadů, jejichž vyzkoušení by dříve bylo příliš obtížné nebo drahé, bude nyní možných. To znamená, že bude vznikat více podnikatelských záměrů. To povede nejen k mnohem většímu ekonomickému růstu, ale také k větší zaměstnanosti v průběhu času, spíše než k jejímu snížení.

  • Osobní lektor
    Každý bude mít k dispozici kouče s doktorátem ze všech oborů a neomezenou trpělivostí, který mu pomůže naučit se cokoli, co chce. Studenti dostanou takovou dodatečnou pomoc, jakou si v současné době mají pouze ti, jejichž rodiče si mohou dovolit. Dospělí budou mít k dispozici superinteligentního asistenta pro učení, který přesně ví, jak vás naučit novým pracovním dovednostem, novým jazykům, novým koníčkům nebo čemukoli jinému, co vás zajímá.

Meta prosazuje hodnoty osobního posílení a přispívá k budoucnosti, kde každý bude mít větší roli při utváření světa než dnes. Pokud tyto snahy uspějí, pak budoucnost přinese hojnost osobního vyjádření, vyjadřování myšlenek, prohloubení vztahů, ekonomickou a finanční prosperitu, zlepšení zdraví a vynálezy, které si dnes nedokážeme představit. Ale co je nejdůležitější, budoucnost si vytvoříme my všichni a bude odrazem všech našich hodnot a perspektiv.

---

Je to jen výňatek, ale čte se to rozhodně dobře, že ano! Mark Zuckerberg se ve svém dopise zmiňuje i o rizicích a o potřebě spolupracovat s vládou. Navrhuje budovat koncept vývoje AI na principu rovnováhy budované rekurzivním sebezdokonalováním různých vzájemně si konkurujících a kontrolujících se modelů, které přispívají k pozitivnímu vývoji celé společnosti. Optimismus rozhodně převládá. Od majitele jedné z největších technologických společností asi nic jiného nelze čekat.

Otázkou však je, jak moc se mu dá věřit. Když dopis psal, už věděl, že Meta zaplatí 17 miliard dolarů mimosoudního vyrovnání těm americkým státům, které na ní podaly žalobu kvůli záměrnému ovlivňování dětí na jejích sociálních sítích. Kromě peněz Meta slíbila zavádět změny ve prospěch dětí – dvouhodinové denní limity, noční blokování, omezení oznámení během školních hodin ad. [2]

Co na to říci? Pozdě ale přece. Možná by pak situace se zákazy mobilů ve školách mohla vypadat docela jinak.

Mark Zuckerberg's vision of superintelligent AI for everyone



Zdroje:

[1] Mark Zuckerberg - The Future is for Everyone. 2026
https://www.meta.com/thefutureisforeveryone/

[2] Queenie Wong, Nilesh Christopher - Meta’s ‘Big Tobacco moment’ leaves parents asking if social media is too dangerous for kids, 2026
https://www.latimes.com/business/story/2026-08-28/metas-massive-settlement-may-not-be-enough-to-improve-child-safety-experts-say

pondělí 5. října 2026

AI gramotnost podle Julianiho

Ten, kdo sleduje Spomocníka dlouhodobě, má celkem jasnou představu o tom, jaký vliv má AI na učení. Kdybych to měl shrnout, řeknu jednoduše, že není dobré nechat AI myslet za nás a jen slepě přebírat, co od ní dostaneme. Možná ale nebude na škodu, když si spolu s Julianim podstatu této problematiky zopakujeme [1].

AI se v posledních letech vyvíjí převážně tak, že se vývojáři snaží vytvořit model, který umí něco, co ty ostatní dosud neumí. Postupně tak můžeme očekávat, že prostor pro čistě lidské schopnosti se bude stále zmenšovat. To má zásadní vliv na vzdělávání. Orientovat výuku na ty kompetence, které AI sice zatím nemá, ale do budoucna si je asi osvojí, je přinejmenším krátkozraké. Mnohem rozumnějším cílem je to, co AI za člověka nikdy nebude schopná dělat.

Na první pohled je to možná docela jednoduché. Jde v zásadě o to, mít kontrolu nad tím, k čemu AI používáme. Člověk by měl vědět, co chce, a rozhodovat o tom, kterou část práce stroji přenechá (Nový výzkum vlivu AI na kognitivní odlehčení).

Zase tak moc jednoduché to ale ve skutečnosti není. Na začátku musí být schopnost identifikovat problém a najít postup, jak ho (třeba s pomocí AI) vyřešit. Tu bohužel školy většinou u žáků nerozvíjejí. Zadání dostávají často hotové a postup mají předem daný. Pak ale stačí, když žák řešení přenechá stroji, a má hotovo. Obzvlášť v případě, kdy je po něm vyžadováno jen odevzdání výsledku.

Schopnost identifikovat problém však není snadno získatelná. Je celkem zřejmé, že žák, který ji nemá, není schopen ho řešit a porozumět souvislostem. A navíc ani nedokáže posoudit, zda je to, co mu vytvořila AI, bez chyb. Vypadá to jako začarovaný kruh. Tu schopnost totiž lze získat pouze prostřednictvím dostatečných znalostí. Snad ani ne přímo fakt, která jsou snadno okamžitě dostupná, ale existencí kognitivních struktur neboli shluků (Kurz Learning How to Learn: Naučte se učit se), do nichž nové informace zapadají (nebo nezapadají). Ty však lze budovat jedině pomocí dlouhodobého získávání faktických znalostí (Paradox paměti podle Barbary Oakley).

AI v tomto ohledu rizika jen zvyšuje. Model AI může žákovi předložit plynulý, sebevědomý, krásně uspořádaný, a přitom zcela chybný text, který vhodné kognitivní struktury nevytváří. Jedinou obranou je dostatek znalostí o dané problematice. Žák, který nic neví, rozdíl nepozná, a co je horší, nemá důvod se domnívat, že nějaký existuje.

Někdo si možná myslí, že schopnost správně rozhodovat (kritické myšlení) je přenosná – tj. lze ji získat v jednom oboru, a pak použít jinde. Dnes však již např. díky Danielu Willinghamovi víme, že je tato možnost dost omezená (Základem kritického myšlení jsou fakta). Ve skutečnosti je poznání pro každou oblast specifické.

Tak třeba o příčinách bolševické revoluce v Rusku během 1.sv.v. (která nás dodnes ovlivňuje) nemůžete dobře uvažovat, aniž byste znali souvislosti. Myšlení se odvíjí od obsahu a kontextu. I když je konkrétní obsah zapomenut (třeba datum či jméno), kognitivní struktura zůstane a šance na odhalení případných chyb či nepřesností se zvyšuje. Totéž platí o všech možných na internetu kolujících dezinformacích.

V dnešním světě zní divně říkat, že děti stále potřebují mít znalosti. Ale, jak se zdá, je to základ pro všechny ostatní žádané kompetence. Jenže něco se přece jen změnilo. Náklady na výrobu obsahu klesly téměř na nulu, což znamená, že výukové cíle jsou někde jinde. Posouvají se směrem k rozhodování, co tvořit a schopnosti posoudit použitelnost výsledku. To není jen otázkou preference výběru z většího množství generovaných výstupů. Uplatní se přitom právě ony potřebné znalosti.

Z toho vyplývá potřeba orientovat výuku na znalosti v souvislosti s rozpoznáváním problémů, na hodnocení výstupů generovaných AI a na schopnost výsledek obhájit. Žák, který si nikdy nevybral problém a neobhájil svůj výběr, nemá žádnou praxi v jediné fázi práce, která mu i v přítomnosti AI stále patří.

Cestu k potřebné kompetenci doprovází nutnost akceptovat to, co Robert Björk nazývá „žádoucími obtížemi“ (desirable difficulties), a ty se neobejdou bez toho, o čem opakovaně referujeme jako o kognitivním tření, které je protiváhou ke kognitivnímu odlehčení (viz Je digitální klam skutečný?).

Podstatou vytváření efektivních učebních zkušeností je ochota zůstat v obtížích, což může být v prostředí, v němž se nám technologie snaží práci usnadňovat, docela nesnadné. AI je nejúčinnějším nástrojem pro odstraňování třecích momentů, jaký kdy byl vytvořen. Jsou situace, v nichž má usnadnění (odstranění tření) své místo (např. formátování citací nebo čištění datové sady). Pozor však na to, aby nedošlo k odstranění skutečného učení, které se bez žádoucího tření neobejde.

K důležitým lidským dovednostem dnes patří schopnost rozpoznat, která obtíž je jen nuda a která představuje učení, a tu je třeba schválně chránit. To je rozhodování, které musí žáci nyní dělat mnohokrát denně, obvykle sami, často pozdě večer při práci na domácím úkolu. Téměř nikdo je neučí, jaké důsledky může případné usnadnění mít. Většinou jen sledujeme, zda nepodvádějí.

Musíme změnit to, čemu přikládáme hodnotu. Pořád sice záměrně budujeme znalosti, jejich hodnota je ale jinde. Obsah a kontext jsou palivem pro učení, které by mělo vypadat jinak.

Je třeba dát žákům volnou ruku v rané fázi procesu. Nechat je vybrat si problém, ne jen vyřešit zadaný, a nutit je výběr obhájit a vysvětlit, proč to udělali. Žáci musí umět vyhodnotit výstupy umělé inteligence v oblasti, kterou skutečně znají. Toto je v současnosti nejvhodnější dostupná forma hodnocení dosažených výukových výsledků, protože je velmi těžké předstírat pochopení, když něco kritizujete.

Realita je taková, že člověk, který se vyzná ve věcech, který dokáže říct, co se vyplatí dělat, a který se dokáže zabývat složitým problémem, aniž by ho okamžitě outsourcoval, bude mít vliv bez ohledu na to, jak se AI v příštím roce změní nebo vylepší. Technologie se neustále rychle vyvíjejí, lidské kompetence jen pomalu.

Měli bychom věnovat více času tomu, jaké dovednosti a znalosti budou i nadále důležité, místo abychom se neustále snažili držet krok s tím, co se mění.

Desirable difficulties for learning with Elizabeth Bjork and Robert Bjork