دسترسی ها

در بخش نخست نشست، دکتر رضا منیعی با تأکید بر این‌که نباید هوش مصنوعی را در حد یک «ابزار» تقلیل داد، سه گزاره بنیادین در حوزه سیاست‌گذاری آموزش عالی در عصر حاضر که باید به آن توجه ویژه شود را بدین شرح بیان نمود.

دکتر منیعی در ادامه به مجموعه‌ای از مفاهیم اشاره کرد که تحت‌تأثیر هوش مصنوعی دچار بازتعریف شده‌اند. در این میان، موارد زیر برجسته بودند:

۱- هویت از فرد به داده منتقل شده و چندلایه و سیال شده است.

۲- آگاهی و عقلانیت در حال تبدیل‌شدن به مدل‌هایی بدون آگاهی انسانی هستند.

۳- کار و ارزش اقتصادی باز تعریف می شوند و مرز بین انسان و ماشین را کم‌رنگ می کنند.

۴- حقیقت به سمت «حقیقت الگوریتمی» متمایل شده است؛ جایی که مدل‌ها تعیین می‌کنند چه چیزی دیده شود و چه چیزی پنهان بماند.

.۵- مسئولیت اخلاقی مبهم شده است: چه کسی مسئول خطا، سوگیری یا تبعیض الگوریتم است؟

۶- بازتعریف مفهوم مرگ؛ از خاموشی مطلق تا تداوم دیجیتال

وی یکی از مثال‌های تکان‌دهنده این دگرگونی را «دیجیتال افترلایف» دانست و توضیح داد: امروز مرگ به معنای پایان مطلق نیست. داده‌های رفتاری، حافظه‌های دیجیتال و ردپاهای اینترنتی ما باقی می‌مانند و مدل‌های هوش مصنوعی می‌توانند نسخه‌ای دیجیتال از ما را بازسازی کنند.

به گفته دکتر منیعی، این تحول نشان می‌دهد که هوش مصنوعی نه تنها حوزه‌های کاربردی، بلکه مفاهیم عمیق و فلسفی را نیز تحت تأثیر قرار داده است.

بر اساس تحلیل مدیر گروه آینده‌پژوهی آموزش عالی مؤسسه، در حوزه تولید دانش، اکنون هوش مصنوعی به یک «بازیگر معرفتی» تبدیل شده است که: نه تنها دانش را تسریع می‌کند، بلکه خودش در تولید دانش مداخله می‌کند. استاد، پژوهشگر و دانشجو دیگر مستقیماً با جهان کار نمی‌کنند، بلکه با بازنمایی مدل‌ها و الگوریتم‌ها کار می‌کنند. این مدل‌ها هستند که مشخص می‌کنند چه مسئله‌ای، مسئله است و چه داده‌ای شایسته دیده‌شدن است.

دکتر منیعی هشدار داد: خروجی مدل‌های عمومی به سمت هم‌ریختی معرفتی می‌رود؛ همه چیز شبیه به هم می‌شود.

وی این روند را یک تحول فناورانه صرف ندانست، بلکه آن را پدیده‌ای سیاسی و معرفتی توصیف کرد و گفت: ما با یک رقیب معرفت طرف هستیم؛ رقیبی که قدرت دارد و تعیین کند چه چیزی برجسته و چه چیزی حذف شود.

دانشگاه و امپراتوری شناختی پلت فرم‌ها

یکی از مهم‌ترین هشدارهای دکتر منیعی، گسترش نقش پلتفرم‌های بزرگ فناوری در آموزش بود.

وی گفت: پلتفرم‌ها امروز کل زنجیره ارزش آموزشی را از تولید محتوا تا مسیر یادگیری و از ارزیابی تا تحلیل داده‌های یادگیری را قبضه کرده‌اند و این روند پیامدهای متعددی همچون: وابستگی مضاعف دانشگاه‌ها به مدل‌های بیرونی و انتقال دارایی‌های داده‌ای به پلتفرم‌ها، منجر به تضعیف اهرم مذاکره دانشگاه، تهدید استقلال برنامه‌های درسی و جایگزینی اهداف فرهنگی-اجتماعی دانشگاه با اهداف پلتفرمی را دارد.

پرسش بنیادین: دکتر منیعی سخنان خود را با طرح یک پرسش محوری پایان داد: معمار آینده یادگیری چه کسی است؟ پلتفرم‌ها؟ بازار؟ دانشگاه پاسخگو؟یا هیچ‌کس؟ و هشدار داد: اگر این سؤال را شفاف و علنی نپرسیم، پاسخ آن در سکوت و بیرون از دانشگاه داده خواهد شد.

هوش مصنوعی چگونه یادگیری را دگرگون می‌کند/ پیش از پاسخ، باید پرسش‌ها را بشناسیم

دکتر داود معصومی سخنان خود را با این نکته آغاز کرد که هوش مصنوعی نه‌فقط در دانشگاه، بلکه در تمام عرصه‌های زندگی — از سفارش غذا تا سلامت حضور پررنگ دارد. او گفت: مهم‌ترین کار ما تعریف درست پرسش‌هاست. بدون پرسش درست، پاسخ‌ها یا ناکارآمدند یا گمراه‌کننده.

معصومی در ادامه نسل‌های مختلف هوش مصنوعی را تشریح کرد:

1. AI قاعده‌محور: همه چیز توسط انسان کدنویسی می‌شد.
2. یادگیری ماشین: مدل‌ها از داده‌ها الگو می‌گیرند.
3. یادگیری عمیق: مدل‌ها رفتار انسان را تقلید و الگوها را کشف می‌کنند.

وی توضیح داد که قدرت امروز هوش مصنوعی نتیجه ترکیب سه عامل است:

۱- قدرت پردازشی بالای CPU

GPU-۲ داده‌های انبوه اینترنت

۳- الگوریتم‌های پیشرفته یادگیری

دکتر معصومی تأکید کرد: این فناوری معجزه نیست چرا که؛ ما داده و زیرساخت را فراهم کرده‌ایم.
وی با اشاره به تجربه کاربری دانش‌آموزان و دانشجویان گفت: دانش‌آموز عکس تمرین را در چت‌جی‌پی‌تی آپلود می‌کند و پاسخ را می‌گیرد. اما آیا یادگیری رخ داده است؟ نه. او فقط محصول را دارد، بدون فرایند.

دکتر معصومی از مفهوم بیلدونگ در آموزش آلمان یاد کرد و گفت: بیلدونگ یعنی پرورش تدریجی و زجرآور. حذف زجر، حذف یادگیری است. آموزش عالی بدون فرایند، بی‌معناست.

عضو هیئت علمی دانشگاه یوله سوئد در ادامه تصریج کرد: هراس ما از تقلب بی‌مورد است. امکان تقلب همیشه بوده. مسئله اصلی، فروپاشی فرایند یادگیری است، نه افزایش تقلب.

شخصی‌سازی آموزش؛ مهم‌ترین فرصت هوش مصنوعی

دکتر جعفر تنها در بخش پایانی نشست، از زاویه هوش مصنوعی و مهندسی یادگیری به موضوع پرداخت.

وی ابتدا خواستار تفکیک «هوش مصنوعی» و «هوشمندی انسان» شد و گفت: ماشین هنوز فاقد احساس است. تا احساس وارد هوش مصنوعی نشود، نمی‌توان آن را هم‌رده انسان قرار داد.

دکتر تنها گفت: دانشجویان ظرفیت‌ها و سبک‌های یادگیری بسیار متفاوتی دارند، اما ما برای همه یک سرفصل واحد تجویز می‌کنیم. این مدل کلاسیک از اساس ناکارآمد است. او افزود که آموزش آینده باید برای هر دانشجو مسیر منحصر‌به‌فرد تولید کند.

کاربردهای کلیدی هوش مصنوعی در آموزش آینده

دکتر تنها در خصوص کاربردهای کلیدی هوش مصنوعی در آینده آموزش عالی مجموعه‌ای از راهکارها و فناوری‌های نوین را تشریح کرد:

۱. یادگیری شخصی‌سازی‌شده

۲- طراحی مسیر آموزشی متناسب با توانایی، سبک یادگیری و سرعت دانشجو

۳- پیشنهاد محتواهای مناسب بر اساس تحلیل رفتار یادگیرنده

۴- ارزیابی هوشمند و تشخیص رفتار دانشجو

۵- بازطراحی آموزش عملی با واقعیت مجازی و افزوده

۶- اتوماسیون فرآیندهای دانشگاهی

وی در پایان تأکید کرد: برای بهره‌برداری از این فرصت‌ها، یک نهاد ملی باید هدایت توسعه پلتفرم‌های آموزشی مبتنی بر هوش مصنوعی را برعهده بگیرد.

گفتنی است، این نشست بر ضرورت تداوم گفت‌وگو و شکل‌گیری سازوکارهای ملی برای مواجهه با هوش مصنوعی در آموزش عالی تأکید داشت.