ندا اظهری، مترجم: ایده هوش مصنوعی که مطرح شد، خیلی‌ها نگران آینده شدند. فیلم‌های تخیلی سال‌ها پیش که ربات‌ها شهرها را در دست می‌گرفتند گوشه کوچکی از توانمندی ربات‌هایی بود که مجهز به هوش مصنوعی بودند و می‌توانستند به خودی خود فکر کرده و تصمیم‌گیری کنند. مدتی که گذشت، این ربات‌ها واقعیت پیدا کردند و نگرانی‌ها هم بیشتر شد. در بسیاری از شرکت‌ها و کارخانه‌های تولیدی، ربات‌ها می‌توانستند با سرعت و کارایی بالاتری کارها را انجام دهند و به همین دلیل خط تولید رونق می‌گرفت. شماری از کارکنان کارخانه‌ها نگران از دست دادن موقعیت شغلی خود بودند و تصور می‌کردند از کار بیکار می‌شوند اما هنوز تا تسلط کامل هوش مصنوع راه زیادی باقی مانده است. اما با نقش جدیدی که هوش مصنوعی قرار است به‌تازگی ایفا کند، نگرانی نسبت به حوزه آموزش هم افزایش یافته است.
هوش مصنوعی در دنیای امروز
امروزه فناوری هوش مصنوعی نقش گسترده‌ای در تقویت و تحول صنایع دنیا ایفا می‌کند اما در این میان، بسیاری از کسب‌وکارها از این موضوع هراس دارند که سرمایه‌گذاری روی این فناوری در انتها به ضرر آنها تمام شود. با وجود این، تنها مسیر کسب‌وکارها برای پیشرفت در عرصه فناوری از مواجهه با خطر و پذیرش آن می‌گذرد. با توجه به گسترش فناوری هوش مصنوعی در دنیا به‌ویژه در سال‌های اخیر، پیش‌بینی‌ها حکایت از آن دارد که بازار جهانی این فناوری در سال‌های پیش رو رونق بیشتری پیدا خواهد کرد به‌طوری که انتظار می‌رود ارزش بازار هوش مصنوعی در سال 2025 به حدود 190.61 میلیارد دلار برسد. بازار هوش مصنوعی فناوری‌های پوشیدنی هم تا سال 2025 به 180 میلیارد دلار خواهد رسید. رشد پیش‌بینی شده سالانه هوش مصنوعی بین سال‌های 2020 تا 2027 حدود 33.2 درصد گزارش شده است. در این میان، انتظار می‌رود درآمد بازار جهانی تراشه‌های هوش مصنوعی تا 6 سال آینده یعنی تا سال 2027 به 83.25 میلیارد دلار برسد. بین سال‌های 2018 تا 2025، منطقه آسیا- اقیانوسیه با بالاترین میزان رشد سالانه این فناوری روبه‌رو خواهد بود.
چین تا سال 2030، با سهم 26.1 درصدی از بازار جهانی، سردمدار دنیا در عرصه فناوری هوش مصنوعی خواهد شد اما شواهد حاکی از آن است که کمبود نیروهای آموزش‌دیده و باتجربه در این عرصه فناورانه مانعی بر سر رشد بازار هوش مصنوعی در دنیاست. در سال 2019، صنعت کاربرد یادگیری ماشینی 37 میلیارد دلار از بودجه آمریکا را از آن خود کرد. همچنین طبق ارزیابی‌های صورت‌گرفته، فناوری هوش مصنوعی تا سال 2027 باعث افزایش حدود 15.7 تریلیون دلار یا 26 درصد افزایش در تولید ناخالص (GDP) جهانی خواهد شد. تولید ناخالص داخلی 15.7 تریلیون دلاری برآورد شده تا سال 2030 احتمالا از افزایش سودآوری 40 درصد و مصرف 60 درصد حاصل خواهد شد. با توجه به آماری که از رشد این فناوری وجود دارد، اما 93 درصد فناوری‌های خودکار در دنیا عدم آمادگی خود را برای مقابله با چالش‌های پیش رو با توجه به کمبود تکنسین‌های کارآزموده و باتجربه در این عرصه اعلام کرده‌اند.
نگرانی از فناوری‌های جدید
هوش مصنوعی به‌زودی مانند انسان قادر به تحقیق و نوشتن مقالات خواهد بود. بنابراین، کارشناسان نسبت به این موضوع ابراز نگرانی کرده‌اند که به این ترتیب آیا ممکن است مقوله اصیل آموزش با موجی از تقلب که در قالب هوش مصنوعی به راه می‌افتد، تضعیف شده و به خطر بیفتد یا اینکه هوش مصنوعی تنها یک ابزار کمک فناوری است که در امر آموزش و ارزیابی کاربرد خواهد داشت؟ «فیلیپ داوسون»، دانشیار مرکز تحقیقات ارزیابی و یادگیری دیجیتال در دانشگاه «دیکین» ادعا می‌کند که برخی در مورد فناوری‌های جدید و تاثیرات آنها بر یادگیری وحشت دارند. به گفته او، گاهی دلیل خوبی برای این نگرانی‌ها وجود دارد که یکی از آنها را می‌توان دفاع از امنیت ارزیابی در دنیای دیجیتال عنوان کرد. ظهور شبکه جهانی وب در اواخر دهه 90 میلادی با افزایش سرقت ادبی و کپی‌پیست مطالب دیگر نویسندگان همراه بود. همچنین هشدارها درباره پیامدهای ناخواسته برای دانشجویان و مهارت‌های آنها با ظهور رایانه‌های شخصی و پردازنده‌های کلمات در اواخر دهه70 میلادی و نیز ظهور ماشین حساب‌های الکترونیکی جیبی در اوایل دهه 70 میلادی همراه بود. ظهور فناوری‌های جدید تمامی ندارد و هر بار این نگرانی‌ها شکل جدیدی به خود می‌گیرند. این بار با همه‌گیر شدن فناوری هوش مصنوعی، بحث دیگری داغ می‌شود. افرادی که متهم به اجرای یکپارچگی دانشگاهی هستند درحال حاضر در تلاشند تا با پیشرفت فناوری همگام شوند. به تازگی، انواعی از فناوری‌ها که نگرانی ایجاد کرده‌اند، «واژه‌نویسان» هستند که به دانشجویان کمک می‌کند تا با تغییر برخی کلمات و عبارات، بتوانند دزدی و سرقت‌های ادبی را پنهان کنند. یک متخصص تجزیه و تحلیل معنایی در دانشگاه «مندل» در جمهوری چک می‌گوید: «تشخیص سرقت ادبی که با استفاده از چنین ابزارهای خودکاری پنهان شده‌اند، از نظر محاسباتی بسیار دشوار است به‌ویژه در مواردی که قطعات مشکوک نیاز به بررسی متقابل داشته باشند.»
وقتی شناسایی تقلب سخت می‌شود
اما شواهد بیانگر آن است که دیگر کار فراتر از این حرف‌ها رفته و با به میان آمدن پای هوش مصنوعی، کار از تقلب و سرقت ادبی هم گذشته است به‌طوری که به نظر می‌رسد مدرسان و استادان دانشگاه در آینده‌ای نزدیک با مقوله پیچیده‌تری روبه‌رو خواهند بود که طی آن، فناوری هوش مصنوعی به‌طور کامل اقدام به نوشتن مقاله می‌کند. این ابزارها هر روز بهتر می‌شوند و پیشرفت می‌کنند و به همان اندازه شناسایی تقلب از نوشته و مقاله‌ای که دانشجو آن را انجام نداده، به‌مراتب دشوارتر می‌شود. در این میان، شرکت «ترنیتین» هنوز در مراحل ابتدایی مواجهه با این تهدید است. «والری شراینر» به‌عنوان مدیر بخش تولید این شرکت آمریکایی می‌گوید: «شرکت «ترنیتین» تحلیلگران پیشرو در پردازش زبان طبیعی را استخدام کرده تا با کمک آنها برخی از فناوری‌های برتر موردنیاز برای یکپارچگی دانشگاه‌ها را موردتوجه قرار دهد.» او به این نکته اشاره می‌کند که هوش مصنوعی با ارزیابی زبان و تحلیل آن، این کار خسته‌کننده و تکراری را برای متصدیان این امر انجام می‌دهد. به‌عنوان مثال، ابزار «دستیار هوش مصنوعی» این شرکت «گروه‌های پاسخ پیشنهادی» را برای سوالاتی ارائه می‌دهد که به پاسخ‌های متنی یا ریاضیاتی یک‌خطی نیاز دارد و نیز به دانشگاهیان اجازه می‌دهد تا هر کسی را که به‌طور همزمان پاسخ مشابه می‌دهد، علامت‌گذاری کرده و آن را نشان دهد.
«شراینر» همچنین عنوان می‌کند که این شرکت از فناوری پرهزینه هوش مصنوعی برای دفاع از یکپارچگی دانشگاه‌ها استفاده می‌کند. به‌عنوان مثال، این شرکت در یکی از محصولات خود از هوش مصنوعی برای یافتن شباهت‌ها در کد ارسالی در تکالیف علوم کامپیوتر استفاده می‌کند. به‌طور قطع، این کار کمی پیچیده‌تر از کار شناسایی شباهت‌های متنی است؛ چراکه این کار علاوه‌بر کدگذاری کلمات یا متن‌ها به بررسی ساختاری هم نیاز دارد. یک دانشجو ممکن است اسم‌های متغیر را در یک برنامه تغییر داده باشد به این امید که قابل شناسایی نباشد. همچنین، از هوش مصنوعی می‌توان در بررسی انواع بی‌نظمی‌های نوشتاری در مقالات نوشته‌شده توسط دانشجویان استفاده کرد؛ مانند اعمال تغییرات الگوی تلفظ برای شاخص‌هایی که دانشجو کار نکرده است. اما برخی ناظران معتقدند که مبارزه با فناوری تنها بخشی از آن چیزی است که موردنیاز است. برخی معتقدند که دشواری در تشخیص تقلب، اهمیت آموزش را نشان می‌دهد از این رو، دانشگاه‌ها و استادان نباید به این ابزارهای تکنولوژی اعتماد کنند و کار نزدیک با دانشجویان را تجربه کنند.
دانشجویان را برای آینده آماده کنیم
«جسی استومل» متخصص مطالعات دیجیتال در دانشگاه «مری واشنگتن»، ویرجینیا معتقد است وقتی صحبت از فناوری و سرقت ادبی می‌شود، مفهوم تقلب یک «شاه‌ماهی قرمز» است: «به این ترتیب که آنچه باید انجام دهیم، برقراری روابط مثبت با دانشجویانی است که می‌توانیم مکالمه هوشمندانه‌ای درباره کار و هر آنچه سرقت ادبی تلقی می‌شود، با آنها داشته باشیم.» او معتقد است درنهایت همه این شرکت‌ها اعم از تولیدکنندگان فناوری تقلب و فناوری ضدتقلب با این روابط مثبت مواجه می‌شوند. عده‌ای بر این باورند که باید در مورد هر دسته از ابزارهای جدید، بحث خوبی شکل گیرد. اما بحث نباید تحت عنوان محافظه‌کاری ارزیابی تحت‌الشعاع قرار گیرد. طبق این ایده، ما به دلیل آشنایی یا اعتماد به شیوه‌های قدیمی، باید به کارهایی که پیش‌تر انجام می‌دادیم، ادامه دهیم. دانشگاهیان باید درنظر بگیرند که هوش مصنوعی چگونه بر مفهوم ارزیابی معتبر تاثیر می‌گذارد؛ این‌گونه، دانشجویان مجاز به استفاده از ابزارهای «دنیای واقعی» در تمرینات ارزیابی می‌شوند. شاید به این فکر کنید که مسیر دسترسی به هوش مصنوعی در آینده چگونه خواهد بود؟ اما آنچه بیش از هر چیز موردتوجه است، اینجاست که دانشجویان باید برای دنیایی آماده شوند که قرار است در آینده‌ای نزدیک پیش روی آنها قرار گیرد. اگر این فرصت به دانشجویان داده نشود تا زمان مناسب استفاده از این قبیل ابزارها را پیدا کنند و از آنها بهترین بهره و استفاده را ببرند، درواقع آموزش لازم را به آنها نخواهیم داد.
درمقابل، سوال دیگری هم مطرح می‌شود که با توجه به ورود هوش مصنوعی به مقوله مقاله‌نویسی و نیز ظهور انقلاب چهارم صنعتی، چگونه استادان را باید برای آموزش به نویسندگان آماده کرد؟ درواقع، فاصله زیادی میان مفهوم نوشتن دیجیتال در دانشگاه‌ها و آموزش عالی و آنچه در صنعت روزنامه‌نگاری، گزارش‌نویسی تجاری و پست‌های وبلاگی و انواع محتوای وب می‌گذرد، وجود دارد. آنچه از شواهد برمی‌آید، هوش مصنوعی قرار است در آینده‌ای نزدیک در تمام این حوزه‌ها وارد شود. درواقع، این فناوری از ظرفیت فوق‌العاده‌ای برای تقویت توانایی‌های انسانی برخوردار است و حتی می‌تواند به چند زبان بنویسد. نوشتن سریع متن بهینه شده برای موتور جست‌وجو هم از دیگر قابلیت‌های هوش مصنوعی است. به عبارتی، انجام تمام کارهایی که انسان برای انجام آن ساعت‌ها و حتی روزها باید وقت بگذارد و شاید نیمه‌تمام هم باقی بمانند، با هوش مصنوعی در مدت زمانی بسیار کوتاه انجام خواهد شد که به نوعی، تحولی عظیم در نگارش ایجاد خواهد کرد. اما از آینده گریزی نیست و ممکن است بشر با موارد هیجان‌انگیزی در زمینه‌های خلاق، ادبیات و هنر روبه‌رو شود. انسان‌ها موجودات کنجکاوی هستند و با بهره‌برداری از این واقعیت می‌توان توانایی‌های بالقوه آنها را کشف کرد. اما سوالی که مطرح می‌شود این است که چگونه می‌توان از دانشجویان برای استفاده از هوش مصنوعی به روشی استراتژیک و موثر و برای تبدیل شدن به نویسندگانی خوب حمایت کرد.
درحالی‌که شرکت‌های تشخیص سرقت ادبی به دنبال روش‌های پیچیده‌تری برای شناسایی دانشجویان متقلب هستند، مهم‌ترین هدف آنها حمایت از یکپارچگی علمی است. بشر باید در مورد آینده نوشتن به‌عنوان همکاری مشترک انسان و هوش مصنوعی، جدی‌تر فکر کند. شرکت «تورنیتین» از هوش مصنوعی استفاده می‌کند تا از طریق ابزاری به نام «مربی پیش‌نویس» به دانشجویان بازخورد مستقیم داده و به آنها کمک کند تا از سرقت ادبی غیرعمد جلوگیری کنند. به‌عنوان مثال، دانشجو مقاله‌ای را در اختیار دارد که بخشی از آن به بیان مستقیم اشاره نکرده است. او باید قبل از ارسال نهایی و تحویل آن به استاد، این مشکل را برطرف کند. در هر مرحله‌ای یا در هر مقطع تحصیلی، استفاده از ابزار هوش مصنوعی برای نوشتن، به منزله استفاده از ماشین حساب است. همان‌طور که به دانش‌آموزان در آزمون ریاضی اجازه استفاده از ماشین حساب داده نمی‌شود، به نظر می‌رسد در همه شرایط نباید اجازه استفاده از هوش مصنوعی در نوشتن داده شود. البته این تصمیم‌گیری کاملا برعهده جامعه دانشگاهی است به‌طوری که اگر طبق قوانین، چنین اجازه‌ای به دانشجویان داده شود، استفاده از هوش مصنوعی برای نوشتن در دانشگاه‌ها مجاز خواهد بود. البته این استانداردها به مرور زمان و با آزمون و خطا مشخص می‌شود اما باید مدنظر داشت که هدف اصلی از فناوری، کاهش نیازهای ذهنی و راحت‌تر شدن کارهاست و در صورتی باید اجازه این کار داده شود که عملکرد هوش مصنوعی در مقایسه با نویسندگان بهتر و حساب‌شده‌تر باشد.