Universitas harus memaksa mahasiswanya untuk merinci bagaimana mereka menggunakan AI dalam tugas

Kegagalan perguruan tinggi dan universitas dalam menciptakan kebijakan di seluruh institusi yang menentukan penggunaan AI yang dapat diterima dan tidak dapat diterima menempatkan siswa pada risiko reputasi: hal ini dapat menyebabkan siswa dituduh melakukan ketidakjujuran akademis, dan kemungkinan besar membuat siswa kurang siap menghadapi dunia kerja.

Sebuah studi baru-baru ini yang dipimpin oleh Hui Wang di Universitas Arizona menemukan bahwa dari 100 universitas terkemuka di AS, lebih dari sepertiganya memiliki kebijakan yang tidak jelas atau belum diputuskan mengenai penggunaan AI dan lebih dari separuhnya menyerahkan keputusan kepada masing-masing instruktur.

Membiarkan hal tersebut kepada fakultas adalah sebuah hal yang masuk akal, terutama karena hal ini dapat dilihat sebagai tuntutan dari kebebasan akademis – yang didefinisikan oleh American Association of University Professors (AAUP) sebagai “hak fakultas untuk memilih materi, menentukan pendekatan terhadap mata pelajaran, membuat tugas, dan menilai kinerja akademik siswa dalam kegiatan pengajaran yang menjadi tanggung jawab masing-masing anggota fakultas”.

Namun para pengajar terpecah belah mengenai apakah penggunaan AI merupakan ketidakjujuran akademis. Lance Eaton, direktur pengembangan fakultas di College Unbound, telah mengumpulkan pernyataan kebijakan AI dari 164 anggota fakultas dari institusi di seluruh dunia. Korpus Eaton menunjukkan ketidaksepakatan yang luas mengenai apakah alat AI harus dilarang, diizinkan atau didorong. Beberapa fakultas – khususnya di bidang STEM dan bisnis – mengizinkan AI tanpa syarat, sementara fakultas lain mengizinkan penggunaannya hanya untuk tugas tertentu, seperti penelitian atau pengeditan. Fakultas humaniora cenderung melarang sepenuhnya penulisan yang dibantu AI karena dianggap tidak etis dan bertentangan dengan kebijakan integritas akademik.

Menghadapi pedoman yang beragam dan sering kali bertentangan, siswa mungkin tidak yakin kapan dan bagaimana mereka dapat menerapkan alat AI secara etis ke dalam mata pelajaran. Pada gilirannya, para pengajar mungkin tidak yakin kapan dan bagaimana AI dapat diperkenalkan ke dalam kurikulum, atau bagaimana mereka dapat menggunakannya untuk penilaian, pengajaran, dan beasiswa.

Pedoman yang dikeluarkan oleh American Psychological Association (APA) dan Modern Language Association (MLA) juga tidak banyak membantu dalam hal penggunaan AI. Hal ini tidak memperhitungkan jumlah tenaga kerja manusia yang terlibat atau tingkat bantuan AI yang berbeda-beda, sehingga sulit untuk secara akurat mengaitkan penulis atau menilai integritas karya tersebut.

Selain itu, dengan mengharuskan penulis mengutip setiap frasa yang dihasilkan oleh AI, keduanya gagal menjawab realitas bagaimana penulis menggunakan AI saat ini. Misalnya, satu frasa – metafora, hipotesis, inti argumen mungkin muncul dari interaksi dengan beberapa alat AI, seperti Elicit, Consensus, Perplexity, Inciteful, atau LitMaps, yang membantu dalam pencarian, memvisualisasikan hubungan antara akademisi makalah dan mengidentifikasi teks dan pengaruh utama. Penulis dapat mengembangkan frasa ini lebih lanjut dengan menggunakan NotebookLM untuk menghasilkan podcast tentang bacaan dasar. Mengharapkan penulis untuk mengutip selusin alat AI adalah tidak praktis. Selain itu, persyaratan tambahan MLA untuk mencantumkan petunjuk yang digunakan untuk menghasilkan frasa dapat mengakibatkan artikel dua halaman diikuti oleh 20 halaman petunjuk.

Dalam pernyataan posisinya yang baru-baru ini diterbitkan, “Membangun Budaya untuk Literasi AI Generatif dalam Bahasa, Sastra, dan Penulisan Perguruan Tinggi”, gugus tugas gabungan MLA dengan Conference on College Composition and Communication (CCCC) berpendapat bahwa kursus menulis tahun pertama “telah tanggung jawab khusus untuk mengajari siswa cara menggunakan AI secara kritis dan efektif dalam situasi akademik dan dalam kehidupan literasi mereka”. Namun dengan menugaskan tanggung jawab ini terutama pada kursus menulis tahun pertama, pedoman tersebut secara tidak sengaja meminggirkan literasi AI.

Kegagalan yang dilakukan oleh universitas dan asosiasi profesional ini melemahkan misi universitas riset modern: untuk mempersiapkan mahasiswa dengan kompetensi literasi yang mereka perlukan agar dapat sejahtera di tempat kerja yang sedang ditransformasikan oleh AI. Menurut Indeks Tren Kerja 2024 Microsoft, berdasarkan survei terhadap 31.000 pekerja di 31 negara, 75 persen pekerja berpengetahuan kini menggunakan AI di tempat kerja, jumlah ini meningkat hampir dua kali lipat dalam enam bulan terakhir.

Selain itu, para siswa sendiri dengan cepat mengadopsi AI. Dalam survei tahun 2024 yang dilakukan Dewan Pendidikan Digital terhadap hampir 4.000 siswa di 16 negara, 86 persen melaporkan menggunakan AI untuk tujuan akademis. Namun sebanyak 80 persen merasa bahwa integrasi AI ke dalam kurikulum universitas mereka tidak memenuhi harapan mereka, dan 72 persen merasa universitas mereka harus memberikan lebih banyak pelatihan AI.

Saya menyampaikan kekhawatiran rekan-rekan saya tentang AI. Tampaknya tidak etis bagi saya bahwa OpenAI dan perusahaan lain telah menyerap sejumlah besar konten internet, termasuk materi berhak cipta, untuk melatih model AI mereka tanpa izin atau kompensasi kepada pembuat aslinya. Sebagai penulis artikel di Writing Commons, sebuah proyek pendidikan terbuka dan ensiklopedia untuk para penulis, saya kesal karena karya saya dihapuskan tanpa persetujuan saya. Saya membutuhkan waktu puluhan tahun untuk menulis artikel tersebut. Demikian pula, menurut saya tidak etis bagi penerbit akademis seperti Taylor & Francis untuk menjual beasiswa anggota fakultas tanpa mendapatkan izin kami.

Saya khawatir dengan dampak lingkungan dari sistem AI, khususnya kontribusinya terhadap pemanasan global dan konsumsi air. Saya khawatir dengan pembangkit listrik tenaga nuklir yang diinvestasikan oleh Google, Amazon, dan perusahaan teknologi besar lainnya untuk menjalankan pusat data raksasa.

Saya khawatir AI akan membatasi hak pilihan manusia. Saya merasa terganggu karena sebagian besar pakar teknologi yang disurvei oleh para peneliti dari Elon University percaya bahwa AI akan menghilangkan pemikiran kritis; kemampuan membaca dan mengambil keputusan; dan keterhubungan tatap muka yang sehat, yang menyebabkan lebih banyak masalah kesehatan mental.

Namun di sinilah kita berada.

Mulai tahun ini, GPT-4 dapat menulis sebaik siswa sekolah menengah yang cerdas, dengan mendapat nilai persentil ke-93 dalam tes SAT Membaca dan Menulis Berbasis Bukti. Baru-baru ini, OpenAI o1, model AI baru yang diklaim perusahaan dapat menyelesaikan tugas-tugas kompleks, mendapat nilai 124 pada tes IQ Mensa Norwegia, yang menempatkannya dalam kategori kecerdasan manusia “di atas rata-rata atau cemerlang”.

Kita tidak bisa mengabaikan perubahan dramatis dalam pembuatan makna dan praktik literasi. Mengajarkan literasi AI saat ini mirip dengan mengajar membaca dan menulis di era setelah ditemukannya mesin cetak.

Namun, dapat dimengerti jika para guru khawatir bahwa menulis dengan bantuan AI dapat melemahkan kompetensi menulis dan berpikir kritis siswa. Faktanya, hasil ini mungkin terjadi jika siswa berinteraksi dengan sistem AI sebagai konsumen pasif, hanya menawarkan konten yang dimuntahkan untuk tugas tanpa keterlibatan yang tulus.

Untuk mengatasi permasalahan ini, kebijakan AI di seluruh universitas harus menegaskan perlunya menciptakan lingkungan di mana mahasiswa dan dosen terlibat secara kritis dengan alat AI dengan cara yang mendorong keagenan manusia. Kebijakan-kebijakan ini harus menegaskan bahwa para penulis dapat mengembangkan pemikiran mereka dan meningkatkan komunikasi mereka dengan cara terlibat dalam dialog internal dengan diri mereka sendiri tentang apa yang ingin mereka katakan dan bagaimana mereka perlu mengatakannya, dialog yang diperkaya dengan menginternalisasi masukan dari alat AI, serta masukan dari para guru, rekan kerja, klien, atau orang lain. Dilihat dari perspektif ini, AI adalah sebuah alat, bukan pengganti tulisan manusia.

Untuk menjaga kebebasan akademis, kebijakan AI di universitas harus mengizinkan fakultas untuk menolak penulisan yang dibantu AI. Sama seperti beberapa fotografer yang masih lebih memilih film analog daripada file digital, beberapa guru mungkin tidak ingin terlibat dalam penulisan yang dibantu AI. Meskipun universitas seharusnya tidak mewajibkan fakultas untuk mengajarkan literasi AI yang kritis, mereka harus mendorong fakultas dan mahasiswa untuk bereksperimen dan meneliti cara-cara penggunaan alat AI untuk memfasilitasi pemikiran kritis, komposisi, dan keagenan manusia.

Untuk menjaga integritas akademis dan mengukur upaya mahasiswa secara akurat, kebijakan AI di universitas harus mewajibkan mahasiswa untuk melampirkan catatan kaki pada tugas kuliah mereka yang menjelaskan cara mereka menggunakan AI: misalnya sebagai asisten peneliti untuk mengumpulkan dan mensintesis sumber. Atau sebagai asisten komposisi untuk prapenulisan, penyusunan, atau pengorganisasian. Atau sebagai editor untuk memoles prosa, menyesuaikan dengan standar penulisan bahasa Inggris atau memastikan referensi yang tepat.

Selain itu, kebijakan AI universitas harus mewajibkan mahasiswa untuk mengarsipkan log obrolan yang terkait dengan tugas kuliah mereka. Jika diinginkan, guru dapat meninjau log ini untuk menilai apakah siswa terlibat secara kritis dan bijaksana dengan alat AI. Kredit hanya boleh diberikan untuk kiriman yang dibantu AI ketika catatan kaki atau log obrolan AI menunjukkan bahwa siswa telah meninjau dan menyempurnakan konten yang dihasilkan AI secara menyeluruh, menunjukkan interaksi yang bermakna dengan alat dan pengawasan setiap kata. Hukuman yang ketat, termasuk kegagalan kursus, harus diterapkan untuk kiriman yang tidak menunjukkan bukti keterlibatan manusia, seperti referensi halusinasi yang diterima secara tidak kritis atau prosa yang dirumuskan.

Intinya adalah jika kita terus bertindak seolah-olah konsep lama tentang kepenulisan, penulisan, dan integritas akademis masih berlaku, kita berisiko menyerahkan hak pilihan dan kreativitas kita kepada mesin. Saatnya untuk mencari dan memperjuangkan hak pilihan manusia dan kreativitas. Menulis telah berubah, dan kita juga harus berubah.

Sumber: timeshighereducation.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

Saya bekerja di Microsoft dan mengajar kursus Stanford Online tentang AI. Tips dari saya untuk pekerja non-teknis.

Saya mulai bekerja di AI sekitar satu dekade lalu. Saya memulai magang ilmu data di Uber, kemudian melakukan konsultasi AI di McKinsey, dan kemudian bergabung dengan Microsoft, tempat saya sekarang bekerja di Copilot.

Saya mulai mengajar tamu di Stanford empat tahun lalu dan baru-baru ini ikut membuat kursus bernama Menguasai AI Generatif untuk Inovasi Produk, yang diluncurkan di Stanford Online pada Agustus 2024. Ini adalah kursus online mandiri yang berlangsung sepanjang tahun. Semua penelitian berasal dari pembicaraan dengan lebih dari 300 pengguna dan lebih dari 50 eksekutif.

Banyak orang yang mengikuti kelas ini adalah orang-orang yang ahli dalam bidang teknologi, seperti perwakilan dukungan pelanggan untuk produk teknis, atau manajer produk untuk produk perangkat lunak atau perangkat keras. Mereka sering kali mengerjakan produk teknis dan kursus ini membantu mereka lebih memahami gen AI.

Kami mengajarkan tiga modul dalam kursus ini. Modul pertama menjelaskan apa itu Gen AI dan di mana peluang terbesarnya. Pada modul kedua, kita membahas tentang seperti apa produk Gen AI yang hebat.

Modul ketiga membahas tentang bagaimana produk-produk Gen AI yang hebat dibuat dan apa yang dapat dilakukan individu untuk menjadikan diri mereka lebih berpengaruh, relevan, dan berguna ketika membuat produk-produk Gen AI.

Ini adalah dua jalur utama yang dapat Anda ambil untuk melakukannya.

Track 1: Tingkatkan keterampilan secara teknis
Ketika saya keluar dan berbicara dengan para pemimpin Fortune 500, mereka mengatakan bahwa kebutuhan mereka yang paling mendesak adalah para profesional yang menjembatani kedua dunia — mereka yang memahami persyaratan bisnis namun juga memahami persyaratan teknis.

Ini tidak berarti bahwa Anda harus mempelajari cara membuat kode, tetapi Anda setidaknya harus memiliki pengetahuan teknis yang cukup sehingga Anda dapat menerjemahkan visi produk ke dalam persyaratan teknis.

Versi pemula semakin mahir dalam rekayasa cepat. Ini kedengarannya cukup mendasar, namun memahami batasan sebenarnya dari perintah dan semua alat yang berbeda di seluruh teks, audio, dan gambar membuat Anda sudah sangat berharga dalam lingkungan bisnis karena Anda dapat membantu menghasilkan ide bahkan sebelum ide tersebut sampai ke dunia bisnis. tim teknis.

Pada tahap peralihan, Anda juga harus mulai memahami sedikit tentang cara kerja sistem gen AI dalam desain sistem, seperti bagaimana model gen AI dapat dipanggil dalam batasan data Anda.

Perusahaan memiliki batasan data yang mereka sepakati dengan pelanggannya bahwa data mereka tidak dapat melampauinya. Jadi jika Anda adalah bank, Anda mungkin memiliki perjanjian dengan nasabah Anda bahwa hanya bank yang akan menggunakan informasi mereka. Jika Anda mengirimkannya dalam bentuk obrolan ke OpenAI, itu akan melanggar batasan data perusahaan. Jadi sesuatu yang sederhana seperti mengetahui hal itu sudah sangat membantu.

Pada tahap lanjutan track ini, ada dua pilihan.

Beberapa orang yang tidak bekerja di perusahaan besar lebih mendalami pemahaman coding. Orang yang bekerja di perusahaan Big Tech biasanya mendalami arsitektur sistem lebih dalam. Jadi mereka akan memahami hal-hal seperti batasan data dan diagram aliran data dengan lebih detail.

Track 2: Menjadi pakar AI untuk industri Anda
Jalur keahlian domain adalah tempat para pebisnis secara otomatis condong ke arah dan mendapatkan keuntungan. Hal ini tidak berarti mengetahui lebih banyak tentang industri ini, namun mengetahui bagaimana gen AI dapat diterapkan pada domain secara lebih detail.

Misalnya saja di bidang keuangan, Anda harus mengetahui hal-hal seperti data apa yang dapat Anda gunakan untuk melatih model tertentu. Anda juga harus mengetahui hal-hal seperti jenis peraturan privasi dan keamanan apa yang harus Anda lalui agar aplikasi disetujui atau merilis aplikasi terkait gen AI.

Keahlian ini sangat berharga sehingga perusahaan membayar sejumlah besar uang kepada konsultan yang memiliki keahlian khusus ini. Saya mengenal orang yang pernah bekerja sebagai manajer operasi di sebuah bank dan dia mengetahui di mana gen AI adalah yang paling berharga. Sekarang, perusahaan hanya akan meneleponnya untuk mencari tahu di mana akan meluncurkan produk gen AI mereka.

Gunakan alat tersebut dan pelajari keterbatasannya untuk meningkatkan petunjuk Anda
Hal terbaik yang saya lihat dilakukan orang-orang adalah mencoba mengotomatisasi sebagian besar kehidupan mereka dengan gen AI. Mereka menggunakan ChatGPT atau Claude untuk segala hal dan itu membantu mereka memahami keterbatasan AI dengan sangat baik dan cara mendorongnya.

Ketika para pemula mulai menggunakan gen AI, mereka belum terbiasa dengan apa yang saya sebut dengan kecerdasan yang berlimpah. Mereka akan berkata, “Bisakah Anda memberi saya tanggapan terhadap pesan teks ini?”

Pakar yang banyak menggunakan gen AI akan mengatakan sesuatu seperti, “Bisakah Anda memberi saya 20 tanggapan untuk pesan teks ini?” Dan kemudian mereka akan pergi dan menggunakan selera mereka untuk memilih satu.

Di luar pekerjaan, saya menggunakannya dalam banyak cara untuk memikirkan banyak rencana. Ini sangat membantu saya sebagai mitra pemikiran, bahkan untuk komunikasi, untuk perencanaan umum, atau untuk sesuatu yang sepele seperti perencanaan perjalanan.

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.co

Saya bekerja di Microsoft dan mengajar kursus Stanford Online tentang AI

Saya mulai bekerja di AI sekitar satu dekade lalu. Saya memulai magang ilmu data di Uber, kemudian melakukan konsultasi AI di McKinsey, dan kemudian bergabung dengan Microsoft, tempat saya sekarang bekerja di Copilot.

Saya mulai mengajar tamu di Stanford empat tahun lalu dan baru-baru ini ikut membuat kursus bernama Menguasai AI Generatif untuk Inovasi Produk, yang diluncurkan di Stanford Online pada Agustus 2024. Ini adalah kursus online mandiri yang berlangsung sepanjang tahun. Semua penelitian berasal dari pembicaraan dengan lebih dari 300 pengguna dan lebih dari 50 eksekutif.

Banyak orang yang mengikuti kelas ini adalah orang-orang yang ahli dalam bidang teknologi, seperti perwakilan dukungan pelanggan untuk produk teknis, atau manajer produk untuk produk perangkat lunak atau perangkat keras. Mereka sering kali mengerjakan produk teknis dan kursus ini membantu mereka lebih memahami gen AI.

Kami mengajarkan tiga modul dalam kursus ini. Modul pertama menjelaskan apa itu Gen AI dan di mana peluang terbesarnya. Pada modul kedua, kita membahas tentang seperti apa produk Gen AI yang hebat.

Modul ketiga membahas tentang bagaimana produk-produk Gen AI yang hebat dibuat dan apa yang dapat dilakukan individu untuk menjadikan diri mereka lebih berpengaruh, relevan, dan berguna ketika membuat produk-produk Gen AI.

Ketika saya keluar dan berbicara dengan para pemimpin Fortune 500, mereka mengatakan bahwa kebutuhan mereka yang paling mendesak adalah para profesional yang menjembatani kedua dunia, mereka yang memahami persyaratan bisnis namun juga memahami persyaratan teknis.

Ini tidak berarti bahwa Anda harus mempelajari cara membuat kode, tetapi Anda setidaknya harus memiliki pengetahuan teknis yang cukup sehingga Anda dapat menerjemahkan visi produk ke dalam persyaratan teknis.

Versi pemula semakin mahir dalam rekayasa cepat. Ini kedengarannya cukup mendasar, namun memahami batasan sebenarnya dari perintah dan semua alat yang berbeda di seluruh teks, audio, dan gambar membuat Anda sudah sangat berharga dalam lingkungan bisnis karena Anda dapat membantu menghasilkan ide bahkan sebelum ide tersebut sampai ke dunia bisnis. tim teknis.

Pada tahap peralihan, Anda juga harus mulai memahami sedikit tentang cara kerja sistem gen AI dalam desain sistem, seperti bagaimana model gen AI dapat dipanggil dalam batas data Anda.

Perusahaan memiliki batasan data yang mereka sepakati dengan pelanggannya bahwa data mereka tidak dapat melampauinya. Jadi jika Anda adalah bank, Anda mungkin memiliki perjanjian dengan nasabah Anda bahwa hanya bank yang akan menggunakan informasi mereka. Jika Anda mengirimkannya dalam bentuk obrolan ke OpenAI, itu akan melanggar batas data perusahaan. Jadi sesuatu yang sederhana seperti mengetahui hal itu sudah sangat membantu.

Beberapa orang yang tidak bekerja di perusahaan besar lebih mendalami pemahaman coding. Orang yang bekerja di perusahaan Big Tech biasanya mendalami arsitektur sistem lebih dalam. Jadi mereka akan memahami hal-hal seperti batasan data dan diagram aliran data dengan lebih detail.

Jalur keahlian domain adalah tempat para pebisnis secara otomatis condong ke arah dan mendapatkan keuntungan. Hal ini tidak berarti mengetahui lebih banyak tentang industri ini, namun mengetahui bagaimana gen AI dapat diterapkan pada domain secara lebih detail.

Misalnya saja di bidang keuangan, Anda harus mengetahui hal-hal seperti data apa yang dapat Anda gunakan untuk melatih model tertentu. Anda juga harus mengetahui hal-hal seperti jenis peraturan privasi dan keamanan apa yang harus Anda lalui agar aplikasi disetujui atau merilis aplikasi terkait gen AI.

Keahlian ini sangat berharga sehingga perusahaan membayar sejumlah besar uang kepada konsultan yang memiliki keahlian khusus ini. Saya mengenal orang yang pernah bekerja sebagai manajer operasi di sebuah bank dan dia mengetahui di mana gen AI adalah yang paling berharga. Sekarang, perusahaan hanya akan meneleponnya untuk mencari tahu di mana akan meluncurkan produk gen AI mereka.

Hal terbaik yang saya lihat dilakukan orang-orang adalah mencoba mengotomatisasi sebagian besar kehidupan mereka dengan gen AI. Mereka menggunakan ChatGPT atau Claude untuk segala hal dan itu membantu mereka memahami keterbatasan AI dengan sangat baik dan cara mendorongnya.

Ketika para pemula mulai menggunakan gen AI, mereka belum terbiasa dengan apa yang saya sebut dengan kecerdasan yang berlimpah. Mereka akan berkata, “Bisakah Anda memberi saya tanggapan terhadap pesan teks ini?”

Pakar yang banyak menggunakan gen AI akan mengatakan sesuatu seperti, “Bisakah Anda memberi saya 20 tanggapan untuk pesan teks ini?” Dan kemudian mereka akan pergi dan menggunakan selera mereka untuk memilih satu.

Di luar pekerjaan, saya menggunakannya dalam banyak cara untuk memikirkan banyak rencana. Ini sangat membantu sebagai mitra pemikiran bagi saya, bahkan untuk komunikasi, untuk perencanaan umum, atau untuk sesuatu yang sepele seperti perencanaan perjalanan.

Daripada meminta nasihat teman, Anda sebaiknya mempertimbangkan untuk meminta nasihat dari LLM atau chatbot. Saat itulah Anda benar-benar mulai memahami manfaatnya.

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

Arsitektur Luar Angkasa di MIT

Studio Desain Arsitektur Luar Angkasa merupakan kolaborasi antara Arsitektur MIT, Departemen Penerbangan dan Astronautika, dan MIT Media Lab. Kursus ini mempertemukan para desainer dan insinyur untuk merencanakan, membangun, dan menguji habitat untuk lingkungan cuaca ekstrem seperti bulan.

Massachusetts Institute of Technology adalah universitas independen, coedukasi, dan swasta di Cambridge, Massachusetts. Misi kami adalah untuk memajukan pengetahuan; untuk mendidik siswa di bidang sains, teknik, teknologi, humaniora dan ilmu-ilmu sosial; dan untuk mengatasi permasalahan paling mendesak yang dihadapi dunia saat ini. Kami adalah komunitas pemecah masalah yang mencintai ilmu pengetahuan dasar dan bersemangat untuk membuat dunia menjadi tempat yang lebih baik.

Saluran YouTube MIT menampilkan video tentang semua jenis penelitian MIT, termasuk robot cheetah, LIGO, gelombang gravitasi, matematika, dan kumbang pengebom, serta video tentang origami, kapsul waktu, dan aspek kehidupan dan budaya lainnya di kampus MIT .

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

Dengan AI yang menulis begitu banyak kode, Apakah Anda masih harus mempelajari ilmu komputer?

Salah satu kekhawatiran terbesar seputar AI generatif adalah apakah teknologi ini akan membuat pekerja kehilangan pekerjaan. Ide ini khususnya muncul dalam konteks pengkodean perangkat lunak.

Github Copilot bisa menulis banyak kode saat ini, jadi apakah layak mempelajari ilmu komputer sekarang? Itu adalah pertanyaan di benak siswa sekolah menengah yang berpikiran matematika sejak ChatGPT muncul pada tahun 2022.

Ada poin data baru yang membantu menjawab setidaknya sebagian dari pertanyaan ini: Siswa masih berbondong-bondong mengambil jurusan ilmu komputer di perguruan tinggi.

Titik data yang menakjubkan
Mari kita ambil Universitas California Berkeley sebagai contoh, karena perguruan tinggi ini berada atau mendekati peringkat teratas dalam ilmu komputer.

Pendaftaran tahun pertama ke College of Computing, Data Science, dan Society CDSS UC Berkeley meningkat 48% tahun ini. Terdapat 14,302 pendaftaran (non-transfer) untuk jurusan CDSS ini pada kelas masuk Musim Gugur 2024, dibandingkan 9,649 pada tahun sebelumnya.

Sebagai perbandingan, jumlah pendaftaran tahun pertama ke UC Berkeley secara keseluruhan tidak banyak berubah dibandingkan tahun sebelumnya.

Hal ini diumumkan minggu lalu oleh Profesor Jennifer Chayes, dekan College of CDSS di Berkeley. Dia melontarkan statistik menakjubkan ini saat mengobrol dengan Gubernur Gavin Newsom dan Profesor Fei-Fei Li dari Stanford di Joint California Summit on Generative AI di San Francisco.

Ada peran bagi pengembang perangkat lunak manusia
Setelah itu, saya menghubungi John DeNero, Profesor Pengajar Ilmu Komputer di UC Berkeley, untuk membicarakan hal ini lebih lanjut.

Dia juga merupakan kepala ilmuwan di Lilt, sebuah startup AI generatif, dan sebelumnya dia adalah seorang peneliti di Google yang mengerjakan Google Terjemahan, salah satu aplikasi konsumen bertenaga AI pertama yang sukses.

“Mahasiswa mengungkapkan kekhawatiran bahwa AI generatif akan mempengaruhi pasar kerja rekayasa perangkat lunak, terutama untuk posisi entry-level, namun mereka masih bersemangat untuk berkarir di bidang komputasi,” tulisnya dalam email kepada Business Insider. “Saya memberi tahu mereka bahwa menurut saya banyak aspek menantang dalam pengembangan perangkat lunak tidak dapat dilakukan secara andal oleh AI generatif pada saat ini, dan saya berharap masih akan ada peran penting bagi pengembang perangkat lunak manusia di masa depan.”

AI tidak dapat melakukan hal-hal baru dengan baik
AI generatif saat ini sangat baik dalam mereplikasi bagian dari program perangkat lunak yang telah ditulis berkali-kali sebelumnya, jelas DeNero.

Itu termasuk tugas pekerjaan rumah ilmu komputer! Lihat liputan BI tentang seberapa banyak ChatGPT digunakan untuk menyontek pekerjaan rumah.

Bagaimana jika Anda ingin membuat sesuatu yang baru? Di sinilah manusia pembuat kode yang cerdas masih dibutuhkan. (Hal ini masuk akal karena model AI dilatih berdasarkan data. Jika informasi tersebut belum ada atau bukan bagian dari kumpulan data pelatihan, model sering kali mendapat masalah).

AI generatif “membutuhkan banyak campur tangan manusia untuk menghasilkan sesuatu yang baru, dan semua proyek pengembangan perangkat lunak yang penting melibatkan banyak hal baru,” kata DeNero. “Itulah bagian tersulit dan menarik dari komputasi yang saat ini membutuhkan orang-orang pintar dan terlatih.”

“AI generatif dapat mempercepat bagian-bagian penting dalam pengembangan perangkat lunak, dan pengembang perangkat lunak cenderung mengadopsi alat efisiensi dengan cepat,” tambahnya.

Apa yang terjadi di Lilt?
Hal ini berlaku untuk apa yang terjadi di Lilt, yang sedang membangun platform AI untuk penerjemah.

Google Terjemahan pertama kali keluar 18 tahun lalu. Namun tetap saja, ahli bahasa manusia mempunyai pekerjaan dan diandalkan ketika penerjemahan benar-benar penting. Misalnya, Anda mungkin dapat menggunakan Google Terjemahan untuk membaca jadwal kereta api Jepang, tetapi apakah Anda akan menggunakan aplikasi tersebut untuk menerjemahkan kontrak terpenting bisnis Anda tanpa meminta manusia ahli untuk memeriksanya? Mungkin tidak.

“Untuk menghasilkan terjemahan berkualitas publikasi yang andal, ahli bahasa masih menjadi pusat prosesnya, namun dengan menggunakan model AI generatif khusus tugas Lilt, para ahli tersebut jauh lebih cepat, akurat, dan lebih konsisten,” kata DeNero. “Hasilnya, lebih banyak teks diterjemahkan dengan kualitas lebih tinggi ke lebih banyak bahasa.”

Ia mengharapkan pola yang sama juga terjadi dalam pengembangan perangkat lunak: Sebuah tim kecil yang terdiri dari manusia pengembang yang sangat terlatih akan memiliki kapasitas yang lebih besar untuk membangun perangkat lunak yang berguna dan berkualitas tinggi.

“Jadi, lulusan Berkeley di masa depan akan memiliki banyak kesempatan untuk menggunakan keterampilan komputasi mereka untuk memperbaiki dunia,” kata DeNero. “Mudah-mudahan lebih banyak lagi dari mereka yang datang bekerja untuk Lilt.”

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

Hal yang perlu Anda ketahui tentang mempelajari Master di bidang Teknik & Teknologi

Teknik dan Teknologi adalah serangkaian disiplin ilmu yang berhubungan dengan segala sesuatu yang berhubungan dengan desain, manufaktur, dan pemeliharaan infrastruktur, perangkat, peralatan, dan sistem informasi yang digunakan oleh manusia sehari-hari. Pikirkan tentang mobil, TV, ponsel pintar, jaringan listrik, jembatan mekanis — semua mesin dan peralatan ini membuat hidup kita lebih nyaman, dan semua itu tidak akan ada tanpa karya luar biasa dari para insinyur dan penggemar teknologi.

Berikut beberapa subdisiplin Teknik yang paling populer: Teknik Dirgantara, Teknik Sipil, Teknik Mesin, Teknik Kimia, Teknik Industri, Robotika, dll.

Gelar Teknik dan Teknologi akan membantu Anda mengembangkan pengetahuan dan keterampilan yang dibutuhkan untuk membentuk masa depan teknologi, desain industri, dan ilmu terapan. Insinyur memanfaatkan penemuan ilmiah terbaru dan mengubahnya menjadi teknologi mutakhir, menggunakan bahasa ilmu eksakta seperti Matematika, Fisika, dan Kimia.

Beberapa tantangan yang dihadapi para insinyur mungkin termasuk mengadaptasi infrastruktur kota agar sesuai dengan pertumbuhan populasi, mengoptimalkan proses pemeliharaan, mengganti pekerjaan manual dengan otomatisasi, atau menciptakan material baru yang tahan lama dan lebih efisien. Elon Musk adalah contoh yang bagus tentang bagaimana teknik dapat memperbaiki masalah yang kompleks, dalam kasusnya, polusi dan eksplorasi ruang angkasa. Sama seperti dia mendorong gagasan sistem transportasi hyperloop, Anda dapat mengambil inisiatif dan mewujudkan visi Anda sendiri. Perangkat hebat apa yang Anda pikirkan yang dapat merevolusi dunia sepenuhnya? Ide teknologi apa yang akan Anda bagikan yang akan membuat hidup lebih baik bagi semua orang?

Lulusan Teknik dan Teknologi mendapatkan pekerjaan di berbagai bidang seperti Desain Industri, Teknik Dirgantara, Teknik Sipil, Insinyur Biomedis, dan banyak lainnya. Tergantung pada spesialisasi Anda, Anda dapat menemukan pekerjaan serbaguna di bidang pertanian, manufaktur mobil dan pesawat terbang, farmasi besar, perusahaan konstruksi, perusahaan teknologi, LSM lingkungan hidup dan banyak lagi.

Sumber: mastersportal.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com