علی محمولی، مترجم: به گزارش فوربز، این روزها هر طرف را نگاه کنید، گفتوگویی درباره هوش مصنوعی میبینید. این مکالمات در شرکتها چیزی عادیاند ولی اخیرا در حال رایج شدن در میان اکثر هیاتعلمی دانشگاهها هستند. بسیاری از اعضای هیاتعلمی در رشتههای مختلف، به مرور در حال قدم نهادن در فضای هوش مصنوعی برای بهرهبرداری از آن در امور آموزشی و تحقیقاتی خود هستند. از طرف دیگر، دانشجویان در این زمینه استاد شدهاند و به سرعت راههایی که هوش مصنوعی میتواند زندگی آنها را بهبود ببخشد پیدا کرده و از آن در کلاس خود استفاده میکنند. بنا بر یک نظرسنجی که شرکت مشاور تحصیلی بستکالجز (BestColleges) در سال 2023 منتشر کرد، 54 درصد دانشجویان از هوش مصنوعی در تکالیف درسی خود استفاده کردهاند. در میان اساتیدی که از هوش مصنوعی استفاده میکنند، برخی از آن برای دادن تکالیف به دانشجویان خود کمک میگیرند و برخی برای نمرهدهی که البته کاملا به آن اتکا نمیکنند، برخی دیگر نیز آن را برای تنظیم ایدههای پژوهشی خود به کار میگیرند. من با تعدادی از اعضای هیاتعلمی که این فناوری جدید را در آغوش گرفتهاند گفتوگو کردم تا کمی بیشتر با رویکرد آنها در این زمینه آشنا شوم.
آنجلا سیوورث، استادیار دانشگاهای اندام تگزاس (Texas A&M University) در شهر کالج استیشن و در حال بررسی کاربرد هوش مصنوعی در کلاس درس خود است. درسی که سیوورث آن را آموزش میدهد درباره جمعآوری کمکهای مالی است. او در گفتوگو با من گفت «کاربرد هوش مصنوعی برای من ارائه تکلیف به دانشجویان است تا کار با آن را تجربه کنند.» او از دانشجویان خود میخواهد برای اهداکنندگان یک نامه درخواست کمک مالی و یک نامه تشکر بنویسند و همه این کار را با استفاده از هوش مصنوعی و به تنهایی توسط خودشان انجام دهند. به گفته سیوورث «دانشجویان از این تمرین لذت بردند و معمولا سبک نگارش مختص به خود را انتخاب میکنند.» با توجه به اینکه جمعآوری کمک مالی ذاتا یک کار شخصیسازی شده است، ممکن است برای هوش مصنوعی مدتی طول بکشد تا عواطف مورد نیاز فردی که یک اهداکننده را میشناسد تقلید کند.
بریتانی مایبورگ نیز استادیار رشته تاریخ هنر در دانشگاه ایالتی جکسون در شهری به همین نام در ایالت میسیسیپی است و کاربرد هوش مصنوعی برای او، تشویق دانشجویان به نشان دادن خلاقیت در پردیس دانشگاه است. آنطور که خودش توضیح میدهد: «در دانشگاه ایالتی جکسون، ما عمیقا به پیادهسازی اخلاقی و منصفانه هوش مصنوعی پایبندیم چون معتقدیم در جایگاه ویژهای برای درک مزایای شگفتانگیز هوش مصنوعی مولد و همچنین چالشهای سوءگیری الگوریتمی (algorithmic bias) قرار داریم.» اخیرا در مجموعه سخنرانیهایی با موضوع رهبری و میراث، مایبورگ و همکارانش چتبات هوش مصنوعی را طراحی و تمرین دادهاند که به دانشجویان کمک میکند چطور درباره آینده شغلی و تحصیلی خود خلاقانه فکر کنند. به گفته مایبورگ «این چتباتها براساس چارت درسی مقاطع مختلف و مسیر عمومی تحصیلی تمرین داده شدهاند تا به توانمندسازی دانشجویان برای تصمیمگیری درباره تحصیل خود بپردازند. این ابتکار، بازتابدهنده تعهد ما به موفقیت دانشجویان در دنیایی است که توسط فناوری به پیش میرود.»
شیلا تابانلی، استادیار دانشگاه راتگرز است که یک درس ریاضی غیرسنتی که براساس علوم شناختی و تحقیقات یادگیری اجتماعی- شناختی (SEL) است را آموزش میدهد. او در این درس «آموزش ریاضی دانشجویان را هدایت کرده و طرز فکر مطالعاتی آنها را به سوی یادگیری ریاضی میبرد.» به باور تابانلی، هوش مصنوعی میتواند به شکلهای جالبی در کلاس او مورد استفاده قرار گیرد. در واکنش به پیامی درباره ایدههای یادگیری که توسط یک متفکر سیستمی به نام بن مییر در شبکه اجتماعی لینکدین منتشر شد، تابانلی گفت: «برنامه دارم دانشجویانم را به استفاده از هوش مصنوعی در مطالعات درسی و ریاضی خود، با توجه به نزدیک شدن به امتحانات پایان ترم، ترغیب کنم که میتواند راه بسیار خوب و کمهزینهای برای به کار گرفتن هوش مصنوعی و شخصیسازی آن باشد.»
مییر در پیام لینکدین خود پیشنهاد داد که افراد، اصل 20/80 را برای یادگیری مفید به کار بگیرند. طبق پیشنهاد وی، افراد این سوال را از هوش مصنوعی بپرسند که «کدام 20 درصد از کل محتوای ورودی (دادهای که به هوش مصنوعی داده شده) میتواند 80 درصد مفاهیم مورد نیاز را ارائه دهد؟ لطفا بهطور مختصر آن محتوا را بیان کن.» مییر، علت ذکر این سوال از هوش مصنوعی را اینطور بیان کرد که «اصل 20/80 که به اصل پارتو (Pareto’s Principle) نیز شناخته میشود، میگوید که 80 درصد از کل فهم و یادگیری شما، میتواند از مطالعه تنها 20 درصد از کل محتوای موجود (مثلا در یک کتاب) به دست آید. با انتخاب مهمترین بخشها میتوانید به سطح درک قابل توجهی با حداقل تلاش برسید.» بهطور مثال در کتابخانه یک چتبات، یک کتاب علمی چند هزار صفحهای وجود دارد و شما میخواهید تنها با مطالعه بخش کمی از آن، بیشتر کتاب را درک کنید و در این مورد میتوان اصل پارتو را به کار گرفت تا کاربردیترین و مرتبطترین بخشهای کتاب را استحصا کنند. با این دستور دانشجویان تابانلی میتوانند یک لیست دقیق از مباحث مورد نیاز در موضوع مد نظر خود را ایجاد کنند.
با این حال با افزایش محبوبیت هوش مصنوعی در میان دانشجویان، اساتید در رابطه با روند آموزش نگران شدهاند. مارک واتکینز، محقق نوآوری آکادمیک در دانشگاه میسیسیپی معتقد است دانشجویان از هوش مصنوعی برای تکمیل تکالیف خود استفاده نمیکنند بلکه از آن برای «تولید روند نوشتاری خود بهره میبرند و آن (نوشتار خود) را جایگزین نمیکنند.» برخی از اعضای هیاتعلمی نیز اساسا علاقهای به استفاده از هوش مصنوعی در کلاس یا هر نوع استفادهای از آن را ندارند. این یک پاسخ طبیعی از زاویه دید استاد دانشگاه هاروارد، هومن هارونی است. به گفته هارونی «فناوری یک شوک ایجاد میکند و بزرگی این شوک به قدری است که نمیتوانیم آن را درک کنیم.» هارونی پیشنهاد داد اساتید از اینکه وانمود کنند هوش مصنوعی وجود ندارد دست بردارند، از آن در کنار دانشجویان استفاده کنند و به آنها آموزش دهند که چطور از هوش مصنوعی سوال بپرسند و چطور از آن برای رشد خلاقیت خود بهره ببرند.
طبق گفتههای راس آینکینز، دانشیار کمکی در دانشگاه پنسیلوانیا «اساتیدی که به این فناوریها به چشم ابزاری کاملا مضر یا صرفا مسیری برای دزدی علمی نگاه میکنند، در حقیقت در حال از دست دادن بخش بزرگی از توانایی بالقوه هوش مصنوعی و کارهایی که دانشجویان با آن انجام میدهند، هستند. بله، استدلالهایی برای ایجاد محدودیت در استفاده از هوش مصنوعی وجود دارد، اما فکر میکنم مهم است به دانشجویان نحوه بهکارگیری مسئولانه از آن را آموزش دهیم.» آینکینز و همکارانش از دانشجویان مصاحبههایی درباره نقش هوش مصنوعی در درس خود و نرمافزارهایی که استفاده میکنند، گرفتند. بنا بر آماری که از دانشجویان گرفته شد، تعداد کمی از اساتید آنها درباره هوش مصنوعی بحث کردهاند و تعداد بسیار کمتری در رابطه با استفاده از هوش مصنوعی در طول ترم، سیاست خاصی داشتهاند.
در همین رابطه نیز پایگاه خبری- تحلیلی اینساید هایر اد مقالهای با موضوع علت دودستگی اساتید حول استفاده از هوش مصنوعی منتشر کرد که در ادامه بخشی از آن آورده شده است. استفانی لاگینی فیوره، معاون دانشگاه و مدیر ارشد مرکز پیشرفت آموزش در دانشگاه تمپل، نمونه خفیفی از دودستگی حول نقش هوش مصنوعی در آموزش و یادگیری در موسسه خود دیده است. برخی حاضرند که عادات و شیوه کار خود را زیر سوال برده یا تغییر دهند، اما دیگران مقاومت میکنند که فیوره معتقد است ناشی از حزن و استیصال آنهاست. البته به گفته فیوره، این دودستگیها منحصر به هوش مصنوعی مولد نیستند. دانشگاه تمپل بهطور مثال مدتهاست که روشهای حرفهای و نوین آموزشی ارائه میدهد. در گذشته برخی از اعضای هیاتعلمی استدلال میآوردند که این روشهای نوین برای برخی موضوعات خاص نامناسب هستند یا این روشها جامع یا حتی دانشجومحور نیستند. به گفته او «ما نیاز داریم که آنها را امتحان کنیم و به خود و دیگران این شانس را دهیم که اشتباه کرده و برگردیم و مجدد تلاش کنیم؛ چراکه ما در نقطهای نیستیم که بدانیم در آینده دقیقا چه چیزی جایگزین وضعیت فعلی خواهد شد.»
برخی اوقات مدیران این دودستگیها را ایجاد میکنند. دانیل استنفورد، استاد دانشکده محاسبات و رسانههای دیجیتال در دانشگاه دپال که مسئولیت سمینارهای آموزشی اساتید با موضوع هوش مصنوعی مولد در سراسر ایالاتمتحده را برعهده دارد، با رئیس دانشکدهای برخورد کرد که فضای بسیار کمی برای ابراز نگرانی اساتید خود باقی گذاشته بود. به گفته استنفورد، فضای آنجا طوری شده بود که به اساتید میگفت «یا شما باید خودتان را با شرایط جدید وفق دهید و کنار بیایید، یا شما دایناسور هستید و این بسیار زیانآور است؛ چراکه شما دارید افراد را متهم به عدم اهمیت دادن به دانشجویان میکنید.»
با سرعت بالای دگرگونی افق هوش مصنوعی در سالهای آینده، آنهایی که به بررسی این موضوع مشغول هستند موافقند که اساتید باید برای استفاده از پتانسیل تحولآفرین و خلاقانه آن آماده باشند و همزمان بتوانند از یکپارچگی نهاد دانشگاه نیز پاسداری کنند.