Στο προηγούμενο άρθρο του ιστολογίου, μέσα από το MagicSchoolAI, σας έδειξα πως μπορείτε κι εσείς να δημιουργήσετε ένα πλήρες εκπαιδευτικό υλικό για την εισαγωγή μικρών μαθητών στη βιολογική βάση της νευροδιαφορετικότητας. Εκείνο το υλικό στόχευε κυρίως στην πρωτοβάθμια εκπαίδευση και επικεντρωνόταν στη θεμελιώδη κατανόηση: ότι οι άνθρωποι αντιλαμβάνονται τον κόσμο με διαφορετικούς τρόπους και αυτό είναι κάτι που συμβαίνει συχνά στη ζωή.

Σε αυτό το άρθρο, συνεχίζουμε την ίδια θεματική, γιατί σκέφτηκα ότι δεν γίνεται να αφήσω παραμελημένα και τα μαθητούδια της δευτεροβάθμιας εκπαίδευσης, ιδίως όταν πρόκειται για ένα τόσο σοβαρό ζήτημα! Πάλι με τη βοήθεια της Τεχνητής Νοημοσύνης, αλλά αυτή τη φορά όχι με ένα εργαλείο που προορίζεται αποκλειστικά για εκπαιδευτική χρήση, δημιούργησα ένα υλικό που μπορεί να αξιοποιηθεί σε εκπαιδευτικό πλαίσιο (και μη) για να κατανοηθούν όλα όσα δεν συζητιούνται σχεδόν ποτέ.

Λόγος γίνεται για το γνωστό σε όλ@ μας, και μη εξαιρετέο, ChatGPT! Φυσικά, όλο αυτό που θα περιγραφεί σήμερα εδώ αποτελεί μια πρόταση που είτε μπορεί να χρησιμοποιηθεί από εσάς αυτούσια είτε μπορεί να λειτουργήσει ως έμπνευση για να δοκιμάσετε κι εσείς την τύχη σας σε κάτι παρόμοιο με οποιοδήποτε άλλο εργαλείο AI. Μαζί με το το ChatGPT το πήγαμε ένα βήμα παραπέρα όσον αφορά στην επιστημονικότητα και στην εμβάθυνση: φτιάξαμε μια οπτικοποίηση η οποία επιτρέπει στο@ μαθητ@ να δουν σε βάθος πώς ταξιδεύει ένα αισθητηριακό ερέθισμα μέσα στο νευρικό σύστημα και πώς προκύπτουν οι συμπεριφορές που μπορεί να παρατηρούν στους εαυτούς τους ή στ@ συμμαθητ@ τους. Με στόχο πάντα να γνωρίσουν καλύτερα τους εαυτούς τους και να κατανοήσουν τους συνανθρώπους τους και τις ανάγκες τους, ώστε να οδηγηθούμε σε μια πιο συμπεριληπτική κοινωνία. Μέσα από αυτή την δραστηριότητα, η οποία φυσικά χρειάζεται να συνοδευτεί και από άλλες παρεμβάσεις από τ@ εκπαιδευτικό, η αισθητηριακή επεξεργασία παύει να είναι μια αφηρημένη έννοια καθώς τη βλέπουμε να πραγματοποιείται μπροστά στα μάτια μας σε νευρολογικό επίπεδο.

Το ταξίδι ενός νευρικού σήματος: Μια διαδραστική οπτικοποίηση της αισθητηριακής επεξεργασίας με τη βοήθεια της Τεχνητής Νοημοσύνης

Η λειτουργία του νευρικού συστήματος είναι σύνθετη. Η οπτικοποίηση επιτρέπει στ@ μαθητ@ να “δουν” αυτό που κανένα σχολικό βιβλίο δεν μπορεί να δείξει: ότι η συμπεριφορά δεν είναι ποτέ τυχαία, αλλά είναι αποτέλεσμα αποφάσεων του νευρικού συστήματος που λαμβάνονται ακαριαία σε πολλές διαδοχικές δομές. Και φυσικά, η βαθύτερη κατανόηση αυτής της πορείας ενισχύει την κατανόηση της νευροδιαφορετικότητας και της συμπερίληψης. Όταν ένα παιδί δει με τα μάτια του πώς και γιατί κάποιος υπερ-αντιδρά σε ένα άγγιγμα, η ενσυναίσθηση γίνεται σχεδόν αυτονόητη.

Μετά από πολύωρες συζητήσεις και τσακωμούς με το ChatGPT, δημιουργήσαμε ένα διαδραστικό ψηφιακό εργαλείο οπτικοποίησης που:

  • δείχνει την πορεία ενός απτικού αισθητηριακού σήματος από τους υποδοχείς της παλάμης μέχρι τον εγκέφαλο,
  • και την επιστροφή του σήματος, δηλαδή την παραγωγή μιας συμπεριφοράς.

Ο μαθητής μπορεί να “παίξει” με τη λειτουργία του νευρικού συστήματος ως προς 3 βασικές παραμέτρους: τον δικτυωτό σχηματισμό του εγκεφαλικού στελέχους (ρυθμίζει το επίπεδο διέγερσης και με πόση “ένταση” εισέρχεται το ερέθισμα στον εγκέφαλο), τον θάλαμο (ενισχύει τα αισθητηριακά σήματα) και το μεταιχμιακό/ λιμβικό σύστημα με αρχηγό την αμυγδαλή (αποφασίζει αν κάτι είναι επικίνδυνο ή ασφαλές). Μέσα από αυτή την παραμετροποίηση, @ μαθητ@ μαθαίνει για αυτές τις δομές, για το που βρίσκονται και τι κάνουν.

Υπάρχει επίσης δυνατότητα επιλογής τύπων αισθητηριακών προφίλ, τα οποία αυτόματα αλλάζουν τις τρεις παραμέτρους. Μετά τη ροή της οπτικοποίησης της μετάδοσης του σήματος μέσα από τις δομές του νευρικού συστήματος που προαναφέρθηκαν, παράγεται ένα από τα 5 αποτελέσματα αισθητηριακής απόκρισης: υπερβολική ανταπόκριση – σήμα κινδύνου, υπέρ-ευαισθησία χωρίς αίσθηση κινδύνου, φυσιολογική επεξεργασία, μειωμένη ανταπόκριση και γενικευμένη δυσκολία ρύθμισης με σύνθετη εικόνα.

Το αποτέλεσμα δεν βασίζεται σε υποκειμενική ερμηνεία, αλλά στην επιλογή των παραμέτρων, όπως λειτουργεί το πραγματικό νευρικό σύστημα. Παράλληλα, τα παιδιά μαθαίνουν και για το πού στηρίζεται το ότι “όλοι είμαστε διαφορετικοί” και για την πορεία μετάδοσης ενός ερεθίσματος και την αντίστροφη πορεία μετάδοσης ενός σήματος, παρατηρώντας την οπτικοποίηση η οποία αποδεικνύει ότι η διαδικασία για όλ@ μας είναι κοινή. Ο τρόπος που το εκλαμβάνει ο οργανισμός μας διαφέρει.

Πώς το φτιάχνω; Η Τεχνητή Νοημοσύνη ως συν-δημιουργός!

Η δημιουργία αυτού του εργαλείου δεν ήταν αυτόματη. Η ΤΝ δούλεψε σαν συνεργάτης στην εκπαιδευτική ανάπτυξη, όχι σαν εργοστάσιο έτοιμων υλικών. Το πιο σημαντικό είναι ότι απέδειξε πως όταν υπάρχει βαθιά παιδαγωγική πρόθεση, η ΤΝ μπορεί να γίνει εργαλείο υψηλής ποιότητας μάθησης. Το σημαντικό είναι ότι οι δυνατότητες υπάρχουν και η ΤΝ μάς επιτρέπει να τις κάνουμε πράξη.

Η οπτικοποίηση που δημιουργήσαμε δεν είναι απλώς το αποτέλεσμα ενός “καλού prompt”. Η αλήθεια είναι πιο ενδιαφέρουσα και βαθιά παιδαγωγική. Το ChatGPT λειτούργησε κατά βάση ως παραγωγός του αρχικού κώδικα και δευτερευόντως ως πηγή έμπνευσης και καθοδηγητής. Τον κώδικα τον παρήγαγε μετά από μια σειρά συζητήσεων και prompts, τα οποία μπορείτε να δείτε στο παρακάτω αρχείο που θα επισυνάψω για να καταλάβετε πόσο συγκεκριμένα πρέπει να είναι αυτά που του ζητάμε και να το δοκιμάσετε κι εσείς:

Ωστόσο, όπως συμβαίνει με όλα τα πολύπλοκα εκπαιδευτικά εργαλεία, η ΤΝ έχει όρια:

  • δεν μπορεί να “δει” την τελική εικόνα όπως τη βλέπει ένας άνθρωπος,
  • δεν μπορεί πάντα να τοποθετήσει στοιχεία ακριβώς όπως τα φαντάζεται @ εκπαιδευτικός,
  • δεν καταλαβαίνει το αισθητικό και παιδαγωγικό πλαίσιο όσο βαθιά το καταλαβαίνουμε εμείς,
  • και συχνά χρειάζεται πολύ συγκεκριμένη καθοδήγηση για την οπτική λεπτομέρεια.

Έτσι, στο στάδιο της υλοποίησης, χρειάστηκε να παρέμβω και εγώ στον κώδικα, και σε αυτό το σημείο είναι που λειτούργησε ως καθοδηγητής γιατί από προγραμματισμό είμαι άσχετη! Με τη βοήθειά του μπόρεσα να τροποποιήσω σημεία που το μοντέλο δεν μπορούσε να προσαρμόσει, να ευθυγραμμίσω τις κινήσεις της βούλας του ερεθίσματος με την ανατομική διαδρομή και γενικά να κάνω τις λεπτές επεμβάσεις που αν δεν είχαν γίνει το εγχείρημα να φτιάξω μια πραγματικά λειτουργική οπτικοποίηση θα είχε αποτύχει. Στα παρακάτω στιγμιότυπα οθόνης φαίνεται το τελικό αποτέλεσμα από μια εκτέλεση της οπτικοποίησης, με τις κόκκινες βούλες να αποτελούν το αισθητηριακό ερέθισμα και τις πράσινες την αισθητηριακή απάντηση του νευρικού συστήματος.

Θα ήθελα να κλείσω τονίζοντας ότι το πιο διδακτικό μέρος της εμπειρίας είναι ότι η ΤΝ μπορεί να δημιουργήσει τα θεμέλια, αλλά η ανθρώπινη σκέψη είναι αυτή που δίνει μορφή, ακρίβεια και παιδαγωγική αξία.

Αυτή η οπτικοποίηση αποτέλεσε μια υβριδική συνεργατική κατασκευή, όπου τεχνητή νοημοσύνη και ανθρώπινη αντίληψη λειτούργησαν σαν συγκοινωνούντα δοχεία.

One thought on “Η Τεχνητή Νοημοσύνη συναντά τη Βιολογία vol. 2: η πορεία ενός αισθητηριακού ερεθίσματος στο ΝΣ”

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *