לפני כשבוע גרהם אטוול (Graham Attwell) דיווח בבלוג שלו על מחקר (שהתפרסם בחודש מאי השנה) שבחן כיצד למידת מכונה (לפי ויקיפדיה זה התרגום של machine learning) יכולה להשפיע לחיוב על קבלתם לעבודה של סטודנטים בסיום לימודיהם האקדמיים. אטוול הסביר שהמחקר שנערך על ידי אוניברסיטת אוהיו:
leveraged machine learning to forecast successful job offers before graduation with 87 percent accuracy
המחקר בחן מגוון נתונים אודות כ-850 סטודנטים במגמה לזהות אלו תכונות יכולות לחזות עבורם הצלחה, או אי-הצלחה, בקבלה לעבודה אחרי הלימודים. באמצעות הנתונים שנאספו הוכנה תוכנת מחשב שבאמצעותה ביקשו לחזות את הסיכויים של 212 סטודנטים להתקבל לעבודה. כזכור, אחוזי החיזויים הנכונים היו גבוהים – 87%.
בהתחשב בעובדה שהמטרה של איסוף וניתוח הנתונים היתה לחזות את הסיכויים של סטודנטים להתקבל לעבודה, אפשר לקבוע שיש כאן הישג מאד מרשים, ואטוול אכן מציין זאת לחיוב. הרי אם מחשב יוכל לזהות מיהם הסטודנטים שעבורם יש חשש שלא יתקבלו למקומות עבודה, הנהלות המוסדות יוכלו לפנות אליהם כדי לדרבן אותם, או לכוון אותם לעשות את הדברים הדרושים לשפר את סיכוייהם. עם זאת, הוא מביע אי-נוחות כלפי המחקר:
Firstly it reduces the purpose of degree level education to employment. Secondly it accepts that employers call the shots through proxies based on unquestioned and unchallenged “well recognised skills” demanded by employers.
אטוול כותב שבין האינדיקטורים לסיכוי להתקבל לעבודה (אותם “כישורים מוכרים”) נמצאת, למשל, תקופה של סטאז’ ללא תשלום אצל מעסיקים אחרים. הוא מזכיר לנו שעל פי רוב מי שיכול להרשות לעצמו לעבוד בסטאז’ כזה בדרך כלל בא ממשפחה יחסית מבוססת יותר. כך יוצא שמבלי להתכוון האלגוריתם נותן משקל מועדף לסטודנטים עשירים יותר (וזה איננו צריך להפתיע שלסטודנטים ממשפחות בעלות אמצעים יש יתרון במציאת עבודה). הוא מוסיף שגם אם הנהלות המוסדות יצליחו לזהות את הסטודנטים שזקוקים לעזרה כדי להתאים אותם למה שהמעסיקים מחפשים, במציאות הנוכחית עדיין אין מספיק משרות לכולם. עידוד סטודנטים לעשות את הדרוש להתאים לעבודה יכול להיות דבר מבורך, אבל במציאות כלכלית שבו אין מספיק משרות זה עשוי לגרום לסטודנט לחשוב שהכשלון במציאת עבודה הוא אשמתו ולא בעיה כלל חברתית.
כצפוי, אני מזדהה עם הביקורת של אטוול. נדמה שעורכי המחקר מניחים כהנחת יסוד שהיעד המרכזי של לימודים הוא להתקבל למקום עבודה. גישה כזאת מצביעה על צמצום מדאיג של יעדי ההשכלה הגבוהה, תוך יישור קו עם הציפיות והדרישות של המעסיקים. אבל עוד מעבר לחשיבות של הבעיה הזאת, נדמה לי שיש במחקר בעיה יותר גדולה. אטוול מסביר שהאלגוריתמים של המערכת כוונו כך שהם יזהו התנהגויות של סטודנטים שמעידות על קשיים פוטנציאליים בעבודה:
A key step in the project was “identifying employability signals” based on the idea that “it is well-recognized that employers desire particular skills from undergraduate students, such as a strong work ethic, critical thinking, adept communication, and teamwork.” These signals were adapted as proxies for the “well recognised” skills.
לפי עורכי המחקר ההתערבות החישובית שבמחקר שלהם היא דוגמה של “למידה מכונה”. זאת ללא ספק דרך טובה לזכות בכותרות היות והתיאור האופנתי הזה רומז על כך שהם לא סתם הריצו תוכנה, אלא שהמחשבים שלהם ביצעו פעולות חישוביות שהן בחוד החנית של התקשוב היום. היומרה עוזרת במקום שהצניעות בוודאי היתה מזיקה. ובכל זאת, במחקר מהסוג הזה אפשר היה לצפות לקצת יותר צניעות. הרי ממה שמתואר במחקר מדובר במשהו די פשוט. נדמה לי שאפילו גליון אקסל היה יכול להשיג תוצאות דומות. זאת ועוד: אחרי שהחוקרים אספו מאפיינים עבור כ-850 סטודנטים וקבעו את המאפיינים שעל פיהם המחקר נערך, הם בחנו בסך הכל 212 סטודנטים. אפשר היה לקוות, ואף לצפות, שהמספר הזה איננו גדול מדי עבור אנשי הסגל והמנהל של מוסד להשכלה גבוהה. האנשים האלה אמורים לעקוב אחר הסטודנטים שלהם ולהיות מודעים למצב הלימודים שלהם. עם כל הכבוד ל-“למידת המכונה” ויתרונותיה, אם מוסד להשכלה גבוהה זקוקה לאלגוריתם על מנת לזהות את מה שעוד לפני-כן היה די גלוי לעין, יש כאן תעודת עניות עבור האנשים שבוחרים להפעיל אותה.
כאילו לשכנע אותנו שאין גבול לתשבוחות שאפשר להרעיף על למידת המכונה ועל הבינה המלאכותית (שנוהגים לבלבל ביניהן די בחופשיות) בחינוך, יומיים אחרי פרסום המאמרון של אטוול הניו יורק טיימס דיווח על “פריצת דרך” בבינה המלאכותית – מחשב הצליח לעבור, בציון גבוה, מבחן במדעים של כיתה ח’. הכתבה מסבירה שבתחרות שנערכה לפני ארבע שנים אף לא אחד מהמחשבים המתחרים הצליח לעבור את המבחן, והנה, רק ארבע שנים מאוחר יותר יש הצלחה גדולה. הנה, יש עדות למה שאנחנו קוראים כמעט מידי יום בעיתונות – הבינה המלאכותית מתקדמת בצעדי ענק. הכתבה מוסרת לנו שאמנם רבים מהשאלות במבחן היו שאלות שבסך הכל דרשו אחזור מידע (האם למחשב מותר מבחן בספרים פתוחים? האם הוא בכלל יכול לסגור את הספרים?) אבל היו גם שאלות שדרשו חשיבה לוגית. ובכל זאת:
Aristo was built solely for multiple-choice tests. It took standard exams written for students in New York, though the Allen Institute removed all questions that included pictures and diagrams. Answering questions like that would have required additional skills that combine language understanding and logic with so-called computer vision.
דווקא כאשר רבים כבר מסכימים שמבחנים מהסוג הזה אינם באמת מסוגלים להעריך למידה יש מי שצוהל שמחשב מצליח לעבור אחד מהם? נדמה שיש כאן עוד דוגמאות לכך שמערכות חינוך הן בין המעודדות הקולניות ביותר של הבינה המלאכותית. הן מוכנות לראות בכל הישג בנאלי פריצת דרך מדהים. וכך אנחנו מוצאים את עצמנו במצב הנוכחי: משבחים “למידת המכונה” שמצליחה לעשות את מה שהיינו מצפים ממערכת חינוך מושכלת “רגילה” לעשות, ונותנים כותרת גדולה לבינה מלאכותית שמקבלת ציון יפה במבחן מהסוג שרבים משוכנעים שאין לו מקום במערכת. הישגים אדירים לתקשוב החינוכי.