Tehisintellekt, kirjutamine ja automatiseerimine (YID7016.YM)
Õppeaine kood
YID7016.YM
vana ainekood
Õppeaine nimetus eesti k
Tehisintellekt, kirjutamine ja automatiseerimine
Õppeaine nimetus inglise k
Artificial Intelligence, Writing and Automation
Õppeaine maht EAP
6.0
Kontrollivorm
arvestus
2024/2025 sügissemestri õppejõud
Ei ole õpetamiseks avatud. Vt all õppekava lingi kaudu peaeriala all nominaaljaotuse ajakava.
2024/2025 kevadsemestri õppejõud
Ei ole õpetamiseks avatud. Vt all õppekava lingi kaudu peaeriala all nominaaljaotuse ajakava.
Õppeaine eesmärgid
Aine eesmärk on anda ülevaade generatiivse tehisintellekti ja iseäranis suurte keelemudelite põhiste tööriistade (ChatGPT, Copilot, Claude, Elicit jt) kasutamise erinevatest viisidest, eelistest, riskidest ja tulevikusuundadest, ning samuti keelemudelite rakendustest analüütikas ja automatiseerimisel. Luuakse eeldused hindamaks, milliste ülesannete jaoks hariduses ja teaduses on mõttekas tehisaru tööriistu kasutada, ja arutletakse, millal nende kasutamine võib hoopis pärssida õppimist ja teadmiste omandamist. Lühidalt peatutakse ka muu meedia (pildi, video, muusika) genereerimisel. Aine teisene eesmärk on panna osaleja praktiliste ülesannete kaudu (AI toel) proovile sfäärides, milles tal ei pruugi tingimata taustateadmisi olla.
Õppeaine sisu lühikirjeldus
Aine käsitleb generatiivse tehisintellekti kasutamise võimalusi hariduses, teaduses, andmeanalüütikas ja sisuloomes. Auditoorne õpe koosneb loeng-seminaridest, kus käsitletakse järgmiseid teemasid:
- sisuloome-robotite, tehis-assistentide jms teenuste ja äppide kasutamine kirjutamisel, lugemisel, tõlkimisel, esituste tegemisel ja infootsingus; tehisarude produktiivne juhendamine (promptimine);
- akadeemilise kirjutamisega kaasnevate mehhaaniliste ülesannete (sh viitehaldus) automatiseerimine;
- tehis-teksti tuvastamise võimatus, automaathindamine, reguleerimine, ja teised väljakutsed hariduses;
- masin-assisteeritud andmeanalüütika;
- pildi, video ja muusika genereerimine ja selle problemaatika;
- andmete simuleerimine, võltsandmete ohud teaduses, avatud teaduse vajalikkus;
- programmeerimine ja veebikujundus juturoboti abiga (ei eelda varasemaid teadmisi);
- keelemudeli-teenuste APIde kasutamine ja avatud keelemudelite jooksutamine.
Iga loengu lõpus antakse praktiline koduülesanne, mida võib lahendada väikestes gruppides, ja mille tulemused esitatakse auditooriumi ees järgmise loengu alguses (aine sisaldab seega arvestataval määral avalikku esinemist ja diskuteerimist). Aine lõppeb projektiga, milleks on väiksema teadusartikli või bakalaureusetöö mahus näitliku uurimistöö (või loovuurimustöö) genereerimine ning "kaitsmine" ja ühe teise grupi töö retsenseerimine.
- sisuloome-robotite, tehis-assistentide jms teenuste ja äppide kasutamine kirjutamisel, lugemisel, tõlkimisel, esituste tegemisel ja infootsingus; tehisarude produktiivne juhendamine (promptimine);
- akadeemilise kirjutamisega kaasnevate mehhaaniliste ülesannete (sh viitehaldus) automatiseerimine;
- tehis-teksti tuvastamise võimatus, automaathindamine, reguleerimine, ja teised väljakutsed hariduses;
- masin-assisteeritud andmeanalüütika;
- pildi, video ja muusika genereerimine ja selle problemaatika;
- andmete simuleerimine, võltsandmete ohud teaduses, avatud teaduse vajalikkus;
- programmeerimine ja veebikujundus juturoboti abiga (ei eelda varasemaid teadmisi);
- keelemudeli-teenuste APIde kasutamine ja avatud keelemudelite jooksutamine.
Iga loengu lõpus antakse praktiline koduülesanne, mida võib lahendada väikestes gruppides, ja mille tulemused esitatakse auditooriumi ees järgmise loengu alguses (aine sisaldab seega arvestataval määral avalikku esinemist ja diskuteerimist). Aine lõppeb projektiga, milleks on väiksema teadusartikli või bakalaureusetöö mahus näitliku uurimistöö (või loovuurimustöö) genereerimine ning "kaitsmine" ja ühe teise grupi töö retsenseerimine.
Õppeaine õpiväljundid
Õppeaine edukal läbimisel üliõpilane:
- oskab valida tehisintellekti-põhiste tööriistade vahel vastavalt ülesandele, ja neid mõistlikult kasutada;
- mõistab praeguse tehisintellekti kasutamise piiratusi ja riske, ning tajub selliste tööriistade väljundi kriitilise hindamise vajadust;
- kulutab vähem aega automatiseeritavate rutiinsete tegevuste peale;
- on saanud ülevaate tehisintellektiga seotud väljakutsetest ja väärkasutuse ohtudest hariduses, sh tuvastamise ja hindamise problemaatika;
- on omandanud masin-assisteeritud programmeerimise põhimõtted;
- on omandanud masin-assisteeritud analüütika metoodika alused, ja mõistab, miks see eeldab üldjuhul ka statistiliste meetodite kaasamist.
- oskab valida tehisintellekti-põhiste tööriistade vahel vastavalt ülesandele, ja neid mõistlikult kasutada;
- mõistab praeguse tehisintellekti kasutamise piiratusi ja riske, ning tajub selliste tööriistade väljundi kriitilise hindamise vajadust;
- kulutab vähem aega automatiseeritavate rutiinsete tegevuste peale;
- on saanud ülevaate tehisintellektiga seotud väljakutsetest ja väärkasutuse ohtudest hariduses, sh tuvastamise ja hindamise problemaatika;
- on omandanud masin-assisteeritud programmeerimise põhimõtted;
- on omandanud masin-assisteeritud analüütika metoodika alused, ja mõistab, miks see eeldab üldjuhul ka statistiliste meetodite kaasamist.
Õppejõud
Andres Karjus
Lisainfo
Seda ainet ei ole lubatud VÕTAga üle kanda.