Przewodnik dla nauczyciela na temat zrównoważonego rozwoju sztucznej inteligencji

Naucz zrównoważonego rozwoju sztucznej inteligencji jako pytania dowodowego, a nie reguły mówiącej, że każda wskazówka jest dobra lub zła. Usługi AI wykorzystują energię elektryczną, wodę chłodzącą i sprzęt fizyczny, ale „zapytanie” nie ma stałego zasięgu. Rozmiar modelu, zadanie, czas odpowiedzi, sprzęt, obciążenie centrum danych i źródło energii elektrycznej mają znaczenie.

Uczniowie powinni po ukończeniu kursu potrafić odróżnić energię od węgla i wody, prześledzić twierdzenie o jej źródle, wyjaśnić niepewność i wybrać proporcjonalne narzędzie. Należy unikać sytuacji, w której młodzi ludzie czują się odpowiedzialni za decyzje dotyczące infrastruktury kontrolowane przez dostawców i instytucje. Osobiste wybory mogą zmniejszyć ilość odpadów; zamówienia, projektowanie produktów i polityka publiczna kształtują większy system. Celem zajęć jest świadoma agencja: korzystaj ze sztucznej inteligencji, gdy wspiera ona naukę, kwestionuj niewspierany marketing środowiskowy i rozpoznaj, kiedy wystarczy zwykłe oprogramowanie.

Ustal jasny wspólny model

Zacznij od opisu fizycznego. Podpowiedź trafia do centrum danych, jest konwertowana na tokeny i przetwarzana przez wyspecjalizowane chipy. Model odczytuje dane wejściowe i generuje dane wyjściowe, zwykle jeden token na raz. Działająca obsługa sieci, pamięci, chłodzenia i konwersji mocy. Co się stanie, gdy wyślesz wiadomość AI daje sekwencję przyjazną dla uczniów.

Następnie oddziel na tablicy trzy terminy. Energia to zużywana energia elektryczna. Węgiel operacyjny zależy od sposobu wytwarzania energii elektrycznej; szersze rozliczanie emisji dwutlenku węgla może obejmować produkcję i budownictwo. Wodę można stosować do chłodzenia, wytwarzania energii i produkcji chipów, a skutki lokalne zależą od niedoboru i czasu.

Międzynarodowa Agencja Energetyczna Raport dotyczący energii i sztucznej inteligencji jest silnym źródłem na poziomie systemu. Obejmuje centra danych, zamiast udawać, że każdy wat można przypisać do jednego pytania w klasie. To rozróżnienie pomaga uczniom połączyć dwie koncepcje: zwykła podpowiedź tekstowa może być niewielka, podczas gdy szybko rosnący łączny popyt może nadal mieć znaczenie.

Uczyć niepewności, nie ucząc bezradności

Liczby się nie zgadzają, ponieważ ich granice się nie zgadzają. Jedno źródło może mierzyć akcelerator podczas aktywnych obliczeń; inny może obejmować bezczynne maszyny, procesory, pamięć, chłodzenie i straty mocy. Średni dostawca może łączyć wiele modeli i długości żądań. Szacunki badawcze mogą modelować sprzęt, którego nie można bezpośrednio zaobserwować.

Daj uczniom czterokolumnową kartę źródłową: produkt i data; zmierzone lub oszacowane; uwzględniona granica; brakujące informacje. Poproś ich, aby zachowali etykiety takie jak „mediana”, „średnia” i „scenariusz”. Nigdy nie powinni uśredniać sprzecznych danych tylko po to, aby uzyskać przejrzystą odpowiedź.

Google własne badanie nt Gemini Aplikacje są przydatne, ponieważ Metoda obejmuje aktywne chipy, pojemność bezczynną, systemy hosta i obciążenie centrum danych. Ogranicza się także do Google produkt, okres czasu i wybrana granica. Ta kombinacja – użyteczna i ograniczona – to ton, który należy modelować.

Treechat jest metodologia podobnie opisuje szacunki operacyjne oparte na modelu, a nie bezpośredni odczyt licznika lub oświadczenie dotyczące pełnego cyklu życia.

Używaj podpowiedzi do dyskusji, które ujawniają kompromisy

Następujące podpowiedzi działają w parach, seminariach lub pisemnym bilecie wyjściowym:

• Mały model dwukrotnie daje słabą odpowiedź; większy model odpowiada poprawnie raz. Który wybór jest bardziej zrównoważony i jakich dowodów brakuje?
• Czy szkoła powinna preferować narzędzie z niskimi szacunkami na żądanie, czy takie, które publikuje niższe całkowite roczne emisje? Czy oba wskaźniki mogą mieć znaczenie?
• Czy używanie wody do chłodzenia jest zawsze szkodliwe, czy też źródło, pora roku, niedobór i alternatywne metody chłodzenia zmieniają ocenę?
• Jeśli firma finansuje sadzenie drzew, czego byś potrzebował, zanim nazwałbyś swoją sztuczną inteligencję „neutralną pod względem emisji dwutlenku węgla”?
• Kto ma większą kontrolę nad śladem sztucznej inteligencji: uczeń, nauczyciel, nabywca szkoły, dostawca chmury czy organ regulacyjny ds. energii elektrycznej?
• Kiedy wyjaśnienie wygenerowane przez sztuczną inteligencję dodaje wystarczającej wartości edukacyjnej, aby uzasadnić użycie go zamiast wyszukiwania lub podręcznika?

Nie oceniaj uczniów po osiągnięciu jednej zatwierdzonej odpowiedzi moralnej. Oceń jakość granicy, dowodów i rozumowania. The Często zadawane pytania dotyczące wpływu sztucznej inteligencji na środowisko może służyć jako punkt wyjścia, a nie arkusz odpowiedzi.

Wypróbuj dwa uczciwe zajęcia w klasie

Aby przeprowadzić audyt roszczeń, udostępnij grupom post lub nagłówek w mediach społecznościowych na temat wody, energii lub drzew AI. Uczniowie lokalizują oryginalne źródło i identyfikują produkt, rok, jednostkę, mianownik i wykluczenia. Przepisują nagłówek, aby był dokładny. Uczy to umiejętności korzystania z mediów bez konieczności dostępu do danych prywatnych dostawców.

W przypadku ćwiczenia polegającego na projektowaniu zadań wyznacz jeden cel nauczania — na przykład wyjaśnienie młodszemu uczniowi procesu fotosyntezy. Grupy projektują trzy trasy: brak generatywnej sztucznej inteligencji, model z małym tekstem i asystent o dużej liczbie funkcji. Przewidują, które kroki dodają wartość, jakie dane zostaną przesłane i które części prawdopodobnie będą wymagały dalszych obliczeń. Następnie oceniają jakość odpowiedzi i weryfikują swoje przewidywania.

Nie przedstawiaj czasu reakcji, odczytu baterii urządzenia ani ikony interfejsu dostawcy jako bezpośredniego pomiaru energii. Jeżeli nie istnieje porównywalne ujawnienie, stwierdzenie „nie możemy wyłonić zwycięzcy” jest uznane za pomyślne. UNESCO Ramy kompetencji AI dla nauczycieli stawia zrównoważony rozwój obok ludzkiej sprawczości, etyki, podstaw i pedagogiki; działanie powinno łączyć te cele.

Ustal proporcjonalną praktykę w klasie

Praktyczną normą jest: użyj najmniej złożonego, zatwierdzonego narzędzia, które spełnia cel nauczania. Szukaj źródeł. Użyj kalkulatora do obliczeń arytmetycznych. Użyj małego modelu do rutynowej obsługi języka. Zarezerwuj większe systemy rozumowania, obrazu lub badań dla zadań, w których ich możliwości są istotne.

Poproś o zwięzłe wyniki, usuń nieistotny kontekst i unikaj generowania wielu jednorazowych wariantów. Nie zamieniaj jednak liczenia żetonów w tabelę zachowań ani nie karz ucznia, który potrzebuje technologii wspomagającej. Dostępność, obsługa językowa i bezpieczeństwo mogą uzasadniać obliczenia. Zrównoważony rozwój jest jednym z aspektów dobrej pedagogiki, a nie konkursem dotyczącym racjonowania żywności.

Wyraźnie wyrażaj się o prywatności i ocenie. Postępuj zgodnie z polityką uczelni, unikaj przesyłania danych osobowych uczniów i informuj uczniów, kiedy wsparcie AI jest dozwolone i jak należy to potwierdzać. UNESCO wytyczne dotyczące generatywnej sztucznej inteligencji w edukacji i badaniach zaleca użytkowanie dostosowane do wieku, skupione na człowieku i zwracanie uwagi na ochronę danych.

Zadawaj lepsze pytania na temat swojej instytucji

Nie należy oczekiwać od nauczycieli, że będą sami audytować globalną usługę w chmurze. Zapytaj zespoły zakupowe, czy dostawcy ujawniają wybrane modele, energię potrzebną do wykonania konkretnego zadania, koszty ogólne centrum danych, granice wodne i bezwzględny roczny wpływ. Zapytaj, czy interfejs pozwala użytkownikom wybrać mniejszy model i czy powoduje widoczność wywołań narzędzi.

Uwzględnij uczniów w tym zapytaniu. Mogą formułować pytania, porównywać odpowiedzi dostawców i identyfikować, gdzie twierdzenia marketingowe przewyższają dowody. Nasz przewodnik dla studentów na temat wpływu sztucznej inteligencji na środowisko daje im równoległą listę kontrolną, podczas gdy wybór asystenta AI według zużycia energii wyjaśnia, dlaczego same nazwy modeli nie wystarczą.

Zachowaj odpowiedzi i przejrzyj je, gdy zmienią się umowy, narzędzia lub ujawnienia dostawców.

Skończ na agencji, a nie na alarmie. Klasa odpowiedzialna może w sposób przemyślany korzystać ze sztucznej inteligencji, żądać jaśniejszych ujawnień i nadal uznawać niepewność. Lekcja nie brzmi: „nigdy nie pytaj”. Chodzi o to, aby „rozumieć swoje zadanie, używać odpowiedniego narzędzia i dołączać dowody do każdego roszczenia”.