AI w szkolnej ławce: Jak wcześnie uczyć dzieci sztucznej inteligencji?

Przeczytaj także: AI jako korepetytor dla dziecka. Czy to bezpieczna alternatywa dla tradycyjnych zajęć?

Sztuczna inteligencja coraz szybciej trafia do szkół, choć na świecie nie wypracowano jednego modelu jej nauczania. Indie od 2020 roku regularnie wprowadzają zajęcia z AI, a od roku szkolnego 2026/2027 wejdą na kolejny poziom – wprowadzą zajęcia z myślenia obliczeniowego i sztucznej inteligencji dla klas III-VIII (szkoły dwunastoletniej). W Chinach nauka o sztucznej inteligencji objęła wszystkie szkoły podstawowe i średnie od pierwszej klasy, a w Zjednoczonych Emiratach Arabskich obowiązkowa edukacja AI rozpoczyna się już w przedszkolu.

Dzieci już dziś korzystają z chatbotów, systemów rekomendacyjnych, generatorów obrazów i narzędzi wspierających naukę. Brak edukacji nie sprawi, że przestaną używać AI, lecz że będą robić to bez odpowiedniego przygotowania. Szkoła może nauczyć je weryfikowania informacji, rozpoznawania halucynacji modeli, ochrony prywatności i zrozumienia, że odpowiedź algorytmu nie jest równoznaczna z wiedzą. W tym sensie edukacja AI przypomina naukę bezpiecznego korzystania z internetu – jej celem jest nie tyle promowanie samej technologii, lecz ograniczanie ryzyka, które ze sobą niesie – w szczególności w kontekście oczekiwanego dalszego dynamicznego jej rozwoju.

Są też ciemne strony

Jednocześnie wczesne wprowadzanie AI budzi uzasadnione wątpliwości. Wstępne badanie MIT Media Lab z udziałem 54 osób w wieku 18-39 lat wykazało, że uczestnicy korzystający z ChatGPT podczas pisania esejów mieli słabszą łączność neuronalną, większe trudności z przypomnieniem sobie własnych tekstów i słabsze poczucie ich autorstwa niż osoby pracujące samodzielnie. Autorzy mówią w tym kontekście o możliwym „długu poznawczym” – ograniczaniu wysiłku potrzebnego do ćwiczenia pamięci, argumentowania i krytycznego myślenia, który przejawiał się w spadku zaangażowania również przy kolejnych zadaniach. Choć niewielka skala badania nie pozwala na daleko idące wnioski, pokazuje ono, że kluczowe jest uczenie korzystania z AI jako wsparcia samodzielnego myślenia, a nie jego zastępstwa. Wyzwaniem pozostają też przygotowanie nauczycieli, bezpieczeństwo narzędzi i ochrona danych dzieci.

Z uwagi na wyżej wymienione niebezpieczeństwa, część państw wybiera bardziej ostrożne podejście. W Indiach AI jest przedmiotem fakultatywnym dla starszych uczniów, a w wielu krajach Europy zagadnienia związane z algorytmami, danymi i automatyzacją są stopniowo włączane do informatyki i innych przedmiotów. Pozwala to omawiać wiarygodność treści generowanych przez modele na języku natywnym, błędy i manipulacje na historii, rolę danych na matematyce, a odpowiedzialność za decyzje wspierane przez algorytmy na wiedzy o społeczeństwie. Dzięki temu AI staje się nie tylko narzędziem technicznym, lecz także zjawiskiem społecznym, ekonomicznym i kulturowym.

– Nie ma dziś jednoznacznej odpowiedzi, czy sztucznej inteligencji należy uczyć obowiązkowo już sześciolatków. Wiele zależy od tego, co rozumiemy przez taką edukację. Nauka świadomego rozpoznawania treści wygenerowanych przez sztuczną inteligencję, ochrony danych i zadawania kluczowych pytań może być potrzebna stosunkowo wcześnie (możemy ją określić mianem AI Literacy). Znacznie bardziej zaawansowane zagadnienia, takie jak tworzenie modeli, analiza statystyczna czy projektowanie systemów AI, wymagają natomiast odpowiednich podstaw matematycznych, logicznych i społecznych (AI Engineering). Kluczowe jest więc nie tylko pytanie „od kiedy?”, ale przede wszystkim „czego i w jaki sposób?” – mówi Przemysław Janicki, Senior Pre-Sales Solutions Architect w zespole Risk Solutions GSZ/CE w SAS.

Kilka kroków wyżej

Znacznie mniej wątpliwości budzi konieczność nauczania o AI na poziomie szkolnictwa wyższego. Sztuczna inteligencja nie jest już kompetencją zarezerwowaną dla informatyków, przynajmniej w czysto praktycznym jej aspekcie. Wpływa na pracę prawników, lekarzy, inżynierów, finansistów, marketerów, analityków, specjalistów od zarządzania i przedstawicieli zawodów kreatywnych. Absolwent powinien nie tylko umieć skorzystać z dostępnego narzędzia, lecz także ocenić jakość danych, zweryfikować wynik, dostrzec ryzyko dyskryminacji, rozumieć ograniczenia automatyzacji i wiedzieć, kiedy decyzja wymaga interwencji człowieka. Kompetencje AI powinny więc na pewnym etapie stać się obowiązkowym elementem studiów, ale ich zakres musi odpowiadać specyfice danej branży.

W rekrutacji na rok akademicki 2025/2026 najwięcej zgłoszeń odnotowano na psychologię – 43.562, kierunek lekarski – 30.597, zarządzanie – 27.368, prawo – 26.377 oraz informatykę – 26.248. Wśród najpopularniejszych dyscyplin znalazły się także ekonomia i finanse, informatyka techniczna i telekomunikacja, inżynieria mechaniczna oraz nauki medyczne.

To zestawienie pokazuje, że większość przyszłych absolwentów planuje pracować w obszarach, które AI już zmienia albo wkrótce zacznie zmieniać na dużą skalę. Dlatego edukacja dotycząca sztucznej inteligencji nie powinna ograniczać się do politechnik i kierunków informatycznych. Przyszły psycholog musi rozumieć ryzyka związane z analizą danych i automatyczną diagnozą, prawnik – odpowiedzialność za decyzje algorytmiczne, lekarz – ograniczenia systemów wspierających rozpoznanie chorób, a menedżer – konsekwencje przekazywania maszynom części procesów decyzyjnych. Pytanie nie brzmi już zatem, czy absolwenci powinni znać AI, lecz jak zapewnić im wiedzę dostosowaną do zawodu, który będą wykonywać.

Wiedza tajemna

Warto przy tym rozróżnić generatywną AI od znacznie szerszego świata sztucznej inteligencji. GenAI, takie jak ChatGPT, tworzy nowe treści, np. tekst, obrazy czy kod. To ich najczęściej świadomie używają ludzie, zadając pytania, prosząc o napisanie tekstu czy pomoc z jakimś zadaniem. Większość użytkowników potrafi napisać prompt, poprosić o coś, lecz nie wie jakie procesy zachodzą za kulisami i czy uzyskana odpowiedz jest prawdziwa. Tymczasem klasyczne systemy AI od lat wykonują mniej zrozumiałą, ale często znacznie ważniejszą pracę: wykrywają oszustwa w bankowości, prognozują popyt i optymalizują produkcję, wspierają diagnostykę medyczną, przewidują awarie maszyn czy analizują ryzyko ubezpieczeniowe. To właśnie w takich zastosowaniach szczególnie liczy się nie umiejętność napisania dobrego promptu, lecz rozumienie danych, modeli, statystyki i prawdopodobieństwa. A to prowadzi do kompetencji, która pozostaje fundamentem zarówno klasycznej, jak i generatywnej AI – szeroko rozumianej matematyki.

– Mimo to, dalej najważniejszą umiejętnością wokół AI będzie matematyka – dodaje Przemysław Janicki. – Firmy technologiczne poszukują przede wszystkim tych osób, które rozumieją, jak działają modele, potrafią interpretować wyniki, ocenić ich wiarygodność i rozwiązywać złożone problemy. Dlatego solidne podstawy matematyczne znów stają się jednym z najcenniejszych atutów absolwentów.

To właśnie matematyka jest językiem sztucznej inteligencji. Algebra liniowa pozwala modelom przetwarzać ogromne zbiory danych, rachunek prawdopodobieństwa i statystyka umożliwiają uczenie się na podstawie niepewnych informacji, a analiza matematyczna stanowi fundament metod optymalizacji, dzięki którym modele stają się coraz skuteczniejsze. Innymi słowy – bez matematyki nie byłoby współczesnych modeli AI. Osoby, które rozumieją te mechanizmy, nie tylko korzystają z gotowych narzędzi, ale potrafią je rozwijać, dostosowywać do potrzeb branży, którą reprezentują, i tworzyć kolejne innowacje.

Z perspektywy pracodawcy trudno więc dziś wskazać jeden kierunek studiów, który gwarantowałby zawodowy sukces. Według raportu World Economic Forum i PwC z 2026 roku już 37% młodych pracowników na świecie wykonuje zawody, w których AI może w średnim lub dużym stopniu zmienić charakter wykonywanych zadań. Nie musi to jednak oznaczać znikania całych profesji. Zmieniać się będzie przede wszystkim zakres pracy i zestaw potrzebnych kompetencji. Dotyczy to zarówno programistów i analityków, których część rutynowych zadań może przejąć AI, jak i humanistów, dla których atutem mogą być umiejętności związane z językiem, interpretacją, komunikacją, kreatywnością czy rozumieniem kontekstu. Nie ma więc jednej recepty na wybór kierunku studiów. Jedną drogą może być matematyka i rozwijanie modeli AI, inną informatyka i praca z technologią, a jeszcze inną wykorzystanie kompetencji humanistycznych, które są i będą przydatne zarówno od strony językowej, jak i filozoficznej przy projektowaniu i trenowaniu modeli. Wspólnym mianownikiem staje się zdolność uczenia się, krytycznej oceny wyników AI i adaptacji do zmieniającego się rynku pracy.