تولید انبوه شاگرد اول!
دکتر محیا کربلایی*
گاهی موقع رانندگی رادیوی آلمانی آنتن بایرن را گوش می‌کنم. بازی کوچکی دارد: شنونده‌ها زنگ می‌زنند، فقط یک سرنخ از شغلشان می‌دهند و مجری باید حدس بزند چه‌کاره‌اند. من هم گفتم بگذار یک بار امتحان کنم!
سرنخ من این بود: «وقتی به کسی می‌گویم چه‌کاره‌ام، معمولا یکی از دو واکنش را می‌بینم: یا با تحسین می‌گویند «اوه، چه خفن!» یا با وحشت: «وای، ما که همیشه ازش متنفر بودیم!»»
مجری کمی فکر کرد و گفت: «یا ممیز مالیاتی هستید؟ یا معلم ریاضی؟»
دومی خیلی هم بی‌راه نبود. گفتم: «من ریاضی‌دانم!»
ریاضی از آن چیزهاست که اسمش برای بعضی‌ها احترام می‌آورد و برای بعضی دیگر خاطرات تلخ مدرسه را. گاهی فکر می‌کنم اگر همان گروه دوم می‌دانستند هوش مصنوعی محبوبشان چقدر مدیون ریاضی است، شاید بالاخره از سر تقصیرات ما ریاضی‌دان‌ها می‌گذشتند!
حالا که صحبت هوش مصنوعی شد، به یاد یکی دیگر از بحث‌های داغ افتادم: اینکه تکلیف آموزش چه می‌شود و جوان‌ها در بازار کار فردا کجا می‌ایستند؟
نمره تکلیف‌ها بیست؛ اما امتحان شفاهی چند؟
حتما شنیده‌اید که بچه‌ها تکلیف و پروژه‌شان را بیشتر و بیشتر به هوش مصنوعی (اکثرا چت‌جی‌پی‌تی) می‌سپارند و جواب‌های مرتب و بی‌نقص را با افتخار تحویل می‌دهند؛ از مدرسه تا پایان‌نامه ارشد، و گاهی حتی دکتری! (یکی از مشاغل آسیب‌دیده همین رساله‌بنویس‌هایی هستند که در خیابان آگهی می‌کردند و حالا بازارشان حسابی کساد شده!) این یکی از مواردی است که ما هم به سرعت سایر کشورها در آن پیشرفت کرده‌ایم. شاید در تمام تاریخ آموزش هیچ‌وقت این همه شاگرد ممتاز نداشته‌ایم؛ دست‌کم از روی تکالیفشان. کافی است امتحان را شفاهی کنید تا آمار شاگرد اول‌ها دچار تحول شود. البته زیاد دل‌خوش نباشید. شاید روزی راهی پیدا شود که جواب‌ها بدون خواندن و شنیدن مستقیم به مغز برسد، و آن وقت معلم‌ها و استادان محترم واقعا آچمز می‌شوند!
استادهای دلسوزی هم هستند که دل‌شان واقعا برای آموزش می‌سوزد و در این بین می‌پرسند: وقتی دانشجو می‌تواند توضیح و مثال و حتی راه‌حل را از هوش مصنوعی بگیرد، ما سر کلاس چه درس بدهیم؟ سوال به‌جایی است، ولی شاید بشود جور دیگری هم پرسید: مگر رسالت اصلی آموزش فقط انتقال اطلاعات بوده است؟
این سوال وقتی مهم‌تر می‌شود که به رابطه آموزش و کار فکر کنیم: بچه‌هایی که امروز سر کلاس نشسته‌اند، فردا باید کار کنند و تصمیم بگیرند. اگر قرار است بازار کار با تکنولوژی‌های نو دستخوش تحول شود، آموزش هم نباید (حداقل) به موازات آن متحول شود؟
آن‌قدر عادت کرده‌ایم معلم را کسی بدانیم که باید مطالب کتاب را به ما برساند که یادمان می‌رود بهترین‌ها (همان‌هایی که سال‌ها بعد هنوز یادشان هستیم) چیزی بیش از درس به ما داده‌اند. ما در دانشگاه استادی داشتیم که می‌گفت یکی از اصلی‌ترین اهداف دوره کارشناسی این است که دانشجو «یاد بگیرد چطور یاد می‌گیرد». جمله عجیبی به نظر می‌رسد، ولی مهارت مهمی است که آموزشش دست‌کم گرفته شده.
حالا که اطلاعات هر روز در دسترس‌تر می‌شود، معلم‌ها چطور می‌توانند به شاگردانشان کمک کنند راه یاد گرفتن را پیدا کنند؟ و سخت‌تر از آن: چطور بفهمیم چه چیزی را نمی‌دانیم که باید یاد بگیریم؟
سوالاتی که جوابشان در کتاب نیست
دانشجویی را تصور کنید که توضیح یک نظریه را از هوش مصنوعی می‌خواهد و او هم به پنج روش متفاوت برایش توضیح می‌دهد و مثال می‌زند تا این جوان خیالی (که در هر چند‌میلیون نفر شاید یکی‌اش هم پیدا نشود) کاملا تفهیم شود!
حالا فرض کنید شما استاد گروهی از این دانشجویان باشید. به جای توضیح واضحات چه می‌توانید به آنها بگویید؟ خوشبختانه خیلی چیزها! مثلا بخواهید به دور و برشان نگاه کنند، حداقل سه چیز را که هنوز قابل بهتر شدن است نام ببرند و با کمک هوش مصنوعی عزیزشان راهکاری واقعی پیشنهاد کنند. (برای اینکه نگران نشوید و سختی آن دستتان بیاید، خودتان هم امتحان کنید و سه مورد را نام ببرید، لطفا!)
شاید وقتش رسیده باشد که به جای تکلیف‌های همیشگی، به جوان‌ها یاد بدهیم مساله‌های اطرافشان را تشخیص بدهند، فرض‌ها را زیر سوال ببرند و از میان چند راه، آن را که ارزش امتحان کردن دارد انتخاب کنند. «مساله» هم همیشه گرفتاری نیست؛ گاهی فرصتی است که هنوز کسی ندیده. می‌گوییم اگر مساله را دقیق بنویسید نصف راه را رفته‌اید (چون بعد ممکن است بتوانید آن را به هوش مصنوعی بدهید که جوابش را بدهد!).
اما نه برای همه سوال‌ها! خوبی علم و تکنولوژی، برخلاف تبلیغات آخرالزمانی، همین است: ابزار تازه، سوالات تازه هم پیش پایمان می‌گذارد. وقتی کامپیوتر به دفترها و خانه‌ها آمد، مگر همه مساله‌ها حل شدند و کاری باقی نماند؟ در فیزیک، شیمی و رشته‌های مهندسی و بسیاری علوم دیگر، شبیه‌سازی‌ها و مدل‌های عددی راه بررسی مسائلی را باز کردند که پیش‌تر شاید فقط در حد تخمین بودند (شاید تنها قشر مقاوم هنوز همان ریاضی‌دان‌ها باشند، ولی خب اکثر آنها عجیب و غریبند)، اما بقیه با استفاده از کامپیوتر درهای بسیاری به سوی تحقیقات جدید گشودند. پس چرا باید فکر کنیم هوش مصنوعی می‌خواهد کل دنیا را مال خودش کند؟! می‌تواند ابزار یادگیری، دستیار تحقیق یا معلم سرخانه بچه‌ها باشد؛ آن‌وقت ما به این طفلکی به چشم «دیو دو سر» نگاه می‌کنیم. (کامپیوترهای کوانتومی که دیگر «اسمش را نبر» هستند!)
آموزش هوش ترکیبی
بخش بزرگی از بحث‌های آموزشی این روزها صرف این می‌شود که استفاده از هوش مصنوعی را ممنوع کنیم یا بفهمیم تکلیف را دانش‌آموز نوشته یا ابزار. معلوم نیست این مچ‌گیری‌ها تا کی جواب بدهد؛ اما اگر این انرژی را صرف بهتر شدن کلاس‌ها و توانمندتر شدن معلم‌ها کنیم چه؟
کلاس درس می‌تواند آزمایشگاهی برای ترکیب هوش انسانی و مصنوعی باشد. وقتی درس و تمرین را به معلم مصنوعی بسپاریم، استادان طبیعی نقش جذاب‌تری پیدا می‌کنند (شاید استادان ریاضی که عموما با صد من عسل هم خورده نمیشوند استثنا باشند!) ما چه بخواهیم و چه نخواهیم موجودات اجتماعی هستیم؛ کلاس می‌تواند جای بحث درباره آموخته‌ها باشد و تکلیف‌ها پروژه‌هایی در محیط خود دانشجو که جواب آماده‌اش در هیچ کتابی نیست. مثلا بخواهیم مسیر ثبت‌نام دانشگاه خودشان را بررسی کنند: اطلاعات یکسان را چند بار در فرم‌های مختلف می‌نویسند؟ کجا معطل می‌شوند؟ هوش مصنوعی جواب آماده‌اش را ندارد، ولی کمک‌دست خوبی است.
همین موضوع را می‌شود به کلاس‌های دیگر برد. در کلاس حقوق: اگر بخشی از ثبت‌نام را به یک ایجنت هوشمند بسپاریم و دانشجویی به اشتباه محروم شود، چه کسی پاسخگوست؟ دانشگاه، سازنده سیستم یا دانشجویی که دکمه «تایید» را زده است؟! در جامعه‌شناسی و اقتصاد: اگر هوش مصنوعی پیگیری شکایت را ارزان و آسان کند، افراد بیشتری به عدالت می‌رسند یا برای هر دلخوری کوچکی پرونده باز می‌کنیم؟ و در روان‌شناسی: چه چیزی یک تصمیم را منصفانه می‌کند؟ استدلالش، انسان بودنِ تصمیم‌گیرنده، یا اینکه رای به نفع خودمان صادر شده باشد؟!
کسی که این‌طور یاد گرفته باشد، فردا در محیط کار هم با نگاه دیگری دور و برش را می‌بیند. شاید حتی بفهمد داریم با سرعت و دقت فراوان مساله اشتباهی را حل می‌کنیم! «هوش ترکیبی» همین‌جا شکل می‌گیرد: انسان و هوش مصنوعی در کنار هم، از پیدا کردن سوال تا آزمودن راه‌حل.
به‌روزرسانی استادان و معلمان، نسخه جدید!
کم‌کم می‌رسیم به قسمت سخت ماجرا: انگار تکلیف دارد از دوش دانش‌آموزها به دوش استادها می‌افتد. استاد باید سوال را طوری پیش ببرد که دانشجو برای جواب دادن سراغ مشاهده، گفت‌وگو و بررسی شواهد برود و بتواند از راهش دفاع کند. تحویل گرفتن یک جواب مرتب از هوش مصنوعی هنوز به معنی طی کردن این مسیر نیست. و این یعنی به‌روزرسانی معلم‌ها و استادها؛ کاری که متاسفانه با زدن یک دکمه ممکن نیست.
نسل‌های زیادی از معلم‌ها خودشان در نظام‌هایی درس خوانده‌اند که موفقیت در آن به معنی خوب حفظ کردن و خوب پس دادن در امتحان بود. بنابراین نمی‌توان از همه آنها انتظار داشت خلاقیتی را یاد بدهند که خودشان فرصت تمرینش را نداشته‌اند (البته بعضی‌شان با همین شرایط الهام‌بخش شده‌اند). نمی‌شود شنبه فصل «خلاقیت» کتاب را خواند و یکشنبه صبح رفت سر کلاس و سی دانش‌آموز خلاق تحویل جامعه داد!
اگر دانش‌آموز می‌تواند بخشی از مطالب را با هوش مصنوعی یاد بگیرد، چرا باید همان‌قدر وقت کلاس صرف همان توضیح‌های تکراری شود، نه بحث و آزمودن ایده و کار روی مساله‌هایی که جواب آماده ندارند؟ (البته معلم را هم نمی‌شود از معادله حذف کرد.) ارزیابی هم باید عوض شود: وقتی هوش مصنوعی می‌تواند تکلیف عالی بنویسد، به جای نمره دادن به جواب، بپرسیم چطور به این نتیجه رسیده و اگر جواب نمی‌داد چه می‌کرد؟ معلم‌ها باید چیزهایی را تشخیص بدهند که در نمره پیدا نمی‌شود: کنجکاوی، شیوه استدلال و توانایی‌هایی که تازه دارند جوانه می‌زنند.
پس لازم نیست نگران باشیم که هوش مصنوعی چیزی برای درس دادن باقی نگذاشته. قبلا می‌گفتیم اگر می‌خواهی کسی را یک عمر سیر کنی، به او ماهیگیری بیاموز. امروز هوش مصنوعی ماهیگیری که یاد می‌دهد هیچ، نشانی دریاچه، آب‌وهوای روز ماهیگیری و دستور پخت متناسب با ذائقه و حساسیت‌هایش را هم تحویلش می‌دهد! اما اوستا هنوز می‌تواند ماهیگیر جوان را سر شوق بیاورد: می‌خواهی یک مزرعه پرورش ماهی تاسیس کنی؟ یا با یک کشتی که سوختش با انرژی هسته‌ای تولید می‌شود برای صید به دریا بروی؟ یا اصلا چرا ماهیگیری؟ این حیوان‌های زبان‌بسته به مدافع حقوق احتیاج دارند! مگر نمی‌شود گوشت ماهی مصنوعی با همان مواد مغذی تولید کرد؟
یا ده‌ها پرسش دیگر که به ذهن نگارنده هم خطور نمی‌کند، چون فقط به فکر پختن ماهی خودش است!
* ریاضیدان و طراح راه‌حل‌های هوشمند
