I dag holdt jeg mitt andre innlegg på to dager på IT-avdelingens idémøter om KI på UiO. I går handlet det om administrasjon, i dag om utdanning.
Assistenter og agenter, kort
Som jeg snakket om i går, er vi på en reise fra “bot’er” til assistenter og agenter. Jeg forsker selv på og med multi-agent-systemer, kombinasjoner av mange mennesker og mange maskiner. Jeg er derimot mer skeptisk til autonome systemer. De kan være veldig kraftige, men også veldig skumle. Vi trenger å bygge KI som “menneske-i-løkken”-systemer.
*Figur: Fra bot til autonomt system."
Hovedforskjellen mellom assistent (f.eks. ChatGPT) og agent (f.eks. Claude Code) er at agentene faktisk gjør ting, du snakker ikke bare med dem. Det er interessant for oss som underviser, og det er interessant for dem vi underviser, som skal lære å jobbe slik selv.
Jeg nevnte også forskjellen på verktøy og modell. Det ene er det du jobber gjennom, det andre er det som ligger under, og de har ulike kvaliteter.
Samme modell i mange verktøy, og samme verktøy kan bytte modell.
Utdanning er mange ting
Når jeg snakker om utdanning til en blandet forsamling, forsøker jeg alltid å minne om at utdanning er veldig mange ting på et universitet. De fleste tenker umiddelbart på undervisning, men jeg tenker også på veiledning som utdanning.
Som leder gjennom mange år har jeg i lange perioder vært frikjøpt og derfor ikke undervist regelmessig. Men jeg har til enhver tid veiledet mer enn en håndfull masterstudenter, stipendiater og postdoktorer, i tillegg til å holde styr på et kobbel av vitenskapelige assistenter, “interns” og gjester. Jeg tenker i aller høyeste grad også på dette som utdanning, selv om det ikke er organisert med emnekode.
I tillegg kommer ulike varianter av undervisning som ikke gir studiepoeng, utvikling og kjøring av nettkurs (MOOC-ene våre), minikurs (Carpentry-inspirerte kurs),og ad-hoc-seminarer og -workshops. De to siste glemmer vi ofte når vi snakker om utdanning ved UiO.
KI har med alt dette å gjøre, og mer.
Drømmen om en interaktiv lærebok
Jeg har undervist i lydprogrammering og lydlære ved UiO (og andre steder) siden 2003. Gjennom disse årene har jeg bygget opp en ganske stor kolleksjon med forelesningsnotater, presentasjoner, tankekort, kode, m.m., samt masse tilbakemelding fra studenter og kolleger.
Gjennom alle år har det vært et savn at det ikke finnes noen fornuftig innføringsbok for musikkstudenter som er interessert i kombinasjonen av musikkpsykologi og musikkteknologi. Det finnes noen gode innfringsbøker i hver av dem, men ikke i kombinasjonen. Og det er kombinasjonen vi har utviklet gjennom mange år i fourMs-laben og ved RITMO.
Etter å ha vært ute av undervisning i noen år, fikk jeg i 2024 mulighet til å utvikle det nye bachelor-emnet MUS2640 Sensing Sound and Music. Ideen var å ta opp i seg mye av det vi tidligere har undervist i lydprogrammering og lydlære, men gjøre det mer forskningsnært. Det ga meg en unik mulighet til å tenke nytt rundt formidlingen av musikkpsykologi og musikkteknologi for musikkstudenter.
Sommeren 2024 var de første kommersielle KI-agentene blitt såpass bra at det var mulig å jobbe ordentlig med dem. Så jeg begynte å fabulere om å gjøre om min store samling av undervisningsmateriale til en lærebok. Jeg kom for sent i gang til at det ble noe av høsten 2024, men jeg fikk laget en liten pakke med ekesempler som jeg testet med studentene i løpet av semesteret.
Tilbakemeldingene på det nye emnet var generelt gode, men studentene klaget på at det ikke fantes noen lærebok. Det tekstlige materialet de forholdt seg til var en sammenrasking av kapitler og artikler. Bra innhold, men ikke spesielt pedagogisk, og det forklarte ikke koblingen mellom musikkpsykologi og musikkteknologi på noen god måte.
Så, med mer tid og bedre KI-agenter tilgjengelig, brukte jeg sommeren 2025 til å skrive en bok med KI-hjelp. Det første utkastet av læreboken var tilgjengelig til semesterstart. Strukturen og innholdet var stort sett på plass, men det var mange hull og mangler. Løsningen ble å jobbe med å skrive “ferdig” hvert kapittel to uker foran studentene gjennom semesteret. Da hadde jeg også alt materialet så present at jeg lett kunne oppdatere ting underveis.
Studentene var fornøyde, men kom også med mange spørsmål og kritiske kommentarer. Dette var veldig nyttig når jeg nå i sommer jobbet med versjon 2.0, igjen skrevet sammen med agenter.
I tillegg til å oppdatere boken, har jeg nå også fått agenthjelp til å lage et helt økosystem for emnet: en e-bok med tolv kapitler (ett per uke), interaktive apper som kjører i nettleseren (og erstatter tidligere patcher), en ordliste, tips og triks, øvelser, quizer som kan importeres i Canvas, oppgaver, utkast til eksamenssett, og undervisningsnotater. Noe av det er veldig bra og har blitt brukt, andre ting har jeg latt ligge.
Nøkkelen til å få dette til å fungere er at jeg har hatt eierskap til alt materialet selv, og har jobbet åpent med dataene. Alt innholdet ligger på GitHub og er lisensiert med CC-BY-lisens hvis noen ønsker å gjenbruke.
Et helt økosystem for ett emne. Tallene er talt opp fra repoet og emnemappen 9. september 2026.
Tre runder med agenter. Samme mappe, samme repo, nye agenter hver gang.
Prinsipper, og opphavsretten
Noen prinsipper har styrt arbeidet med med å utvikle dette økosystemet. Det skal være forskningsbasert og forskningsnært. Det skal aktivere studentene. Det skal være tilgjengelig og brukervennlig. Da må være åpent materiale, og da må man ha opphavsretten til det. Det er ofte utfordringen når vi bruker andres materiale, at vi ikke har rettighetene. Fordelen med å skrive læreboken selv er at jeg bestemmer. Jeg kan bestemme at mitt eget materiale skal være CC BY og åpent tilgjengelig for hele verden.
Jeg ser dette som en del av motivasjonen for åpen forskning i det hele tatt. Åpne læremidler er en del av det jeg har kalt et åpen forskning-puslespill. Mens åpenhet har vært et mantra og politisk motivert i årevis, har det vært lite fokus på åpen utdanning. Tvert imot har vi valgt lukkede systemer (UiO har valgt Canvas og Panopto), og vi ønsker oss mest mulig opphavsrett og beskyttelse. Det er delvis et forlagsproblem, med lukkede bøker som noen skal tjene penger på, og delvis et systemproblem, med plattformer som ikke oppmuntrer til åpenhet. Så får vi problemene senere. Det har jeg skrevet mer om i en egen post.
Puslespillet for åpen forskning, slik jeg tegnet det i 2021. Åpne læremidler er én av brikkene.
Mange iterasjoner
Når jeg sier at jeg har “skrevet en bok med KI”, er det mange som tror at jeg har trykket på en knapp og fått ut en ferdig bok. Det er langt fra sannheten. Boken bygger på alt materialet mitt fra 2003 og fremover, og prosessen har vært svært iterativ, med hundrevis av “commits” mellom meg og agentene.
For meg som kan dette stoffet veldig godt, er det interessant å se når agentene gjør feil og når de ikke gjør det. Jeg har blitt imponert over hvor godt de får til alle de grunnleggende tingene. Men jeg ser også at de ikke er oppdatert på nyere forskning, og særlig den koblingen mellom musikkpsykologi og musikkteknologi som er bærebjelken i kurset. Her har jeg måttet argumentere ganske hardt for mitt eget syn og instruere dem til å tenke annerledes enn det som er gjengs kunnskap. Dette har vært veldig lærerikt, det har vært som å krangle med standhaftige kolleger.
Selve boken er ganske tradisjonell i form. Det aller morsomste har vært å få lydinteraksjon til å kjøre i nettleseren. Tidligere har jeg brukt Max/PD-patches til å illustrere ulike ting, men det har vært plundrete for studtenen. Med agenthjelp fikk jeg “portet” masse gammel kode til nettbaserte løsninger, så nå kan studentene gå inn på en side, starte lyd, endre på parametrene og høre på eksemplene direkte. Det er utrolig mye bedre for dem og gjør at de kan gjøre ting på første semester som vi ellers måtte spare til et mye høyere nivå.
For de som er interessert, ligger hele utviklingshistorikken på GitHub, et eksempel på veldig tett menneske–maskin-interaksjon over et par år. Det har vært utrolig gøy og lærerikt også for meg!
Mer menneskelig
Noen er bekymret for at KI-bruk gjør at det blir mindre fokus på menneskene. Jeg tenker motsatt. Min bruk av KI gjør at jeg får mer tid til å fokusere på studentene. Studentene har nå tilgang på et utrolig mye bedre materiale enn de hadde før, og kan også få bedre hjelp med læringen. Dette frigjør tid som jeg tidligere brukte på tekniske demonstrasjoner og feilsøking i imten.
Nå dropper jeg maskiner i timen og bruker tiden på å snakke med studentene, gå på lydvandring, teste utstyr i labene og vise dem ting “hands-on”. Jeg oppfordrer dem til å bruke KI som læringspartner, og siden alt materialet mitt er CC-BY-lisensiert, står de fritt til å bruke det med egne agenter (så lenge de krediterer meg!). Men de vet det er skoleeksamen til slutt, så de må lære seg noe.
Min erfaring er at dette fungerer bra. Studentene er motiverte, de gir gode tilbakemeldinger, og de sier fra når noe er feil, så det rettes med en gang. Ikke alt fungerte ved semesterstart, men men med agenthjelp er det lett å fikse feil underveis.
Noen flere tanker om KI og utdanning
Tiden gikk fort under presentasjonen, så det var mange ting jeg ikke rakk å snakke om.
Undervisningsadministrasjon er et åpenbart sted for KI-basert effektivisering. Vi har rigget oss til med en rigid og gammeldags måte å bygge opp studier på, med 10-poengsenheter og lite fleksibilitet. Dette stammer fra en tid med studiehåndbøker på papir og burde stå først i rekken til å fornyes. Det finnes andre konstellasjoner, og KI kan hjelpe oss å tenke rundt emneporteføljen.
Tilgang til data er kjernen for å få til dette. Grunnen til at jeg klarer å få til mye med KI i forskning (mer om det andre steder) og utdanning (slik nevnt her) er fordi jeg har tilgang til data (altså filer) med innhold som agentene kan jobbe med. Her må vi legge til rette for tilgang også til utdanningsrelaterte data (f.eks. FS). Jeg er generelt skeptisk til lukkete (“svart boks”) systemer, f.eks. Canvas, som er gode på å samle inn data, men dårlige på å gi fra seg dem igjen.
Veiledning er et stort tema i seg selv og fortjener en egen post senere. Men generelt tenker jeg at veiledning er en form for mesterlære der studentene involvers tett i pågående forskning. Også her kan KI helpe oss på vei med å lage konstellasjoner av mennesker og maskiner (agenter) som jobber sammen.
Noen spurte meg om KI gjør at jeg sparer tid. Når det gjelder administrasjon, er det et hovedmål for meg. Men når det gjelder forskning og utdanning er ikke målet å spare tid. Jeg har helt klart brukt mer tid på utdanning de siste årene enn jeg hadde gjort uten agent-hjelp. Men resultatet har blitt utrolig mye bedre, og jeg har lært masse underveis, som har vært veldig nyttig for forskningen min.
Jeg har også benyttet anledningen til å forbedre ting rundtmeg. For eksempel har jeg rettet en haug med feil i Wikipedia og fikset på flere av UiO-nettsidene jeg viser til. Studentene lærer mer, fordi materialet er bedre, og hele økosystemet rundt emnet blir bedre av det. Alt dette henger sammen med forskningen min, for det er slik ny kunnskap, nye metoder og nye verktøy blir til. Målet var aldri å spare tid, men å få bedre kvalitet.
Dette innlegget ble laget sammen med en agent. Jeg skrev stikkord, agenten bygde videre på notatene mine og presentasjonen og skrev et utkast. Hvordan de to innleggene ble til, har jeg skrevet om i en egen post. Det er også den arbeidsdelingen studentene lærer i verktøykassen: agenten lager et utkast, studenten leser, retter og forstår. Vi bruker en svart boks til å lage en hvit boks.