جدیدترین مطالب
فصلنامه «گام سوم» شماره ۱
در این شماره، مقالات متنوعی در موضوعات اقتصاد، آینده مشاغل، آینده‌پژوهی، خانواده، تغییرات اقلیمی و سیاست به همراه بخش‌ها نوشتار، شرح مفصل، گفت‌وگو و پرونده‌ای با عنوان «شک عمیق» چاپ شده است.
صنعت بازی و شمشیر دو لبه هوش مصنوعی
بازی‌های ویدیویی با قدرت هوش مصنوعی سریع‌تر تولید می‌شوند، اما این موضوع چه تاثیری بر کیفیت بازی‌ها و آینده شغلی هنرمندان و کارگران صنعت بازی‌سازی دارد؟ این مقاله شما را به عمق این چالش می‌برد.
بایدها و نبایدهای اشتغال نوجوانان
اشتغال نوجوانان می‌تواند فرصتی برای یادگیری مهارت‌هایی مثل مدیریت زمان یا تقویت اخلاق کاری باشد یا می‌تواند به کابوسی تبدیل شود. همه آنچه والدین باید بدانند را اینجا بخوانید.
پایان اینفلوئنسرها
در جهانی که اینفلوئنسرها در حال افزایش بی‌رویه هستند و دامنه توجه انسان کمتر از چند ثانیه شده است، چه اتفاقی برای ارزش واقعی محتوا خواهد افتاد؟ این مقاله به بررسی اشباع شبکه‌های اجتماعی از اینفلوئنسرها و تأثیر آن بر کیفیت ارتباطات و فرهنگ دیجیتال می‌پردازد.
نویسنده: سازمان هچینگر ریپورت مترجم: مرجان بختیاری ۹ مرداد ۱۴۰۳
بهبود فرآیند آموزش با هوش مصنوعی، اما چگونه؟!
دانش‌آموزان در سطح اساسی متوجه می‌شوند که هوش مصنوعی واقعاً نه به آنها و نه حرف‌هایشان و نه حتی به قبولی یا مردود شدن در یک درس اهمیتی نمی‌دهد. در مقابل، دانش‌آموزان نیز هرگز واقعاً به ربات و آنچه فکر می‌کند اهمیت نخواهند داد. در این وضعیت حتی خوش‌بین‌ترین طرفداران فناوری هم نمی‌گویند که آموزش را به ربات‌ها بسپاریم، اما بحث سر این است که تا کجا باید پیش برویم.
این مطلب توسط سازمان هچینگر ریپورت نوشته شده است که در تاریخ ۱۰ ژوئیه ۲۰۲۴ با عنوان
AI Can’t Replace Teaching, but It Can Make It Better
در وب‌سایت WIRED منتشر شده است. ترجمه این مطلب توسط مرجان بختیاری انجام شده و در اختیار خوانندگان گرامی قرار می‌گیرد.
دانیل تامپسون، معلم علوم، در یک صبح بهاری در آکادمی رون کلارک در آتلانتا، در میان دانش‌آموزان کلاس ششم خود می‌چرخید، کارهایشان را بررسی می‌کرد و آنها را به بحث در مورد درس‌های روز در مورد آب و هوا هدایت می‌کرد. او یک دستیار داشت: یک هوش مصنوعی فعال با صدا که برنامه‌ها و ویدیوهای آموزشی را روی تابلوهای هوشمند بزرگ فراخوانی می‌کرد. وقتی یکی از دانش‌آموزان پرسید: «آیا حیواناتی وجود دارند که به آب نیاز نداشته باشند؟» تامپسون این سوال را از هوش مصنوعی پرسید. ظرف چند ثانیه، یک توضیح تصویری در مورد موش‌های صحرایی کانگورو برای کلاس ظاهر شد. دستیار صوتی آقای تامپسون، «اوریجین» نام دارد که ساخته ذهن یک دانشمند کامپیوتر به نام «ساتیا نیتا» است که پس از سال‌ها کار در IBM، شرکتی به نام Merlyn Mind تأسیس کرد. او در IBM تلاش کرده بود تا یک ابزار هوش مصنوعی بسازد که بتواند مستقیماً به دانش‌آموزان آموزش دهد، اما در این کار شکست خورد. بنیان آن پروژه اولیه و شکست خورده، IBM Watson بود، هوش مصنوعی که به طور مشهوری چندین قهرمان برنامه‌یJeopardy را شکست داد.
با وجود موفقیت واتسون در مسابقه تلویزیونی، در آموزش دانش‌آموزان چندان موفق نبود. تیم IBM پس از پنج سال تلاش و صرف ۱۰۰ میلیون دلار در سال ۲۰۱۷ شکست را پذیرفت. نیتا می‌گوید: «ما متوجه شدیم که این فناوری هنوز وجود ندارد. و هنوز هم وجود ندارد.»
از زمان راه‌اندازی Chat-GPT شرکت OpenAI در نوامبر ۲۰۲۲، گروه رو به رشدی از معلمان و دستیاران هوش مصنوعی وارد عرصه یادگیری شده‌اند. اکثر این ابزارها چت‌بات‌هایی هستند که با استفاده از مدل‌های زبانی بزرگ روی حجم عظیمی از داده‌ها آموزش‌دیده‌اند و سوالات دانش‌آموزان را درک کرده و با طیف وسیعی از کمک‌های آموزشی انعطاف‌پذیر و هدفمند، به صورت گفتگو پاسخ می‌دهند. این ربات‌ها می‌توانند آزمون‌هایی ایجاد کنند، نکات کلیدی را در یک متن پیچیده خلاصه کنند، گراف مرحله به مرحله معادلات جبری را ارائه دهند و بازخورد در مورد پیش‌نویس اول یک مقاله ارائه دهند.
برخی از این ابزارها مانند Writable و Photomath موضوع محور هستند، در حالی که برخی دیگر مانند Socratic (ایجاد شده توسط گوگل) و Khanmigo، یک ابزار همکاری هوش مصنوعی ساخته شده توسط OpenAI و Khan Academy، یک ارائه دهنده غیرانتفاعی دروس آنلاین که طیف وسیعی از موضوعات علمی را پوشش می‌دهد، آموزش همه منظوره ارائه می‌نمایند.
با افزایش تعداد ابزارها و بهبود مستمر قابلیت‌های آنها، تعداد کمی از ناظران معتقدند که آموزش و پرورش می‌تواند بدون هوش مصنوعی باقی بماند. در عین حال، حتی خوش‌بینانه‌ترین طرفداران سرسخت فناوری نیز در مورد اینکه بهتر است تدریس را به ربات‌ها سپرد، تردید دارند. بحث در مورد بهترین ترکیب است.
تردید در مورد هوش مصنوعی اغلب بر این دو مورد تمرکز دارد: ۱- استفاده دانش‌آموزان از این فناوری برای میانبر زدن ۲- تمایل هوش مصنوعی به توهم زدن یا ساختن اطلاعات غلط زمانی که در تلاش است برای هر پرسشی یک پاسخی دهد. نگرانی دوم را می‌توان با اقداماتی مانند برنامه‌ریزی ربات‌ها برای پایه‌گذاری پاسخ‌ها بر روی مواد درسی تایید شده، کاهش داد (اگرچه به طور کامل حذف نشد). با این حال، به چالش اساسی و دشوار‌تر هوش مصنوعی در آموزش موثر، کمتر توجه می‌شود: چگونگی برانگیختن علاقه و انگیزه دانش‌آموزان.
نیتا می‌گوید در ارتباط انسانی عمیقاً مفهومی وجود دارد که به معلمان واقعی اجازه می‌دهد تا سردرگمی و کاهش علاقه را به سرعت در زمان واقعی تشخیص داده و برطرف کنند.
او به سایر متخصصان فناوری و آموزش می‌پیوندد که معتقدند بهترین استفاده از هوش مصنوعی، تقویت و گسترش دسترسی معلمان است، دیدگاهی که اشکال مختلفی به خود می‌گیرد. به عنوان مثال، هدف (Origin) این است که تعامل معلمان با دانش‌آموزان را در عین حال که با برنامه‌ها و سایر مواد آموزشی دیجیتال کار می‌کنند، آسان‌تر نماید. به جای اینکه معلم‌ها پشت کامپیوترشان بنشینند، می‌توانند در کلاس حرکت کنند و با دانش‌آموزان تعامل داشته باشند، حتی با آنهایی که دوست دارند در ردیف‌های عقب پنهان شوند.
دیگران در حوزه آموزش تلاش می‌کنند با استفاده از هوش مصنوعی، به مربیان کمک کنند تا تعاملات موثرتر با دانش‌آموزان داشته باشند یا تعداد دانش‌آموزانی که یک استاد می‌تواند با آنها درگیر شود را افزایش دهند. در نهایت، این کارشناسان مشارکت‌هایی را پیش‌بینی می‌کنند که در آن از هوش مصنوعی خواسته نمی‌شود تا معلم باشد، بلکه قدرت انسان‌هایی را که قبلاً این کار را انجام می‌دهند، تقویت کند.
بهبود تعامل با هوش مصنوعی
در سال تحصیلی گذشته، Origin به صورت آزمایشی توسط هزاران معلم در سراسر آمریکا، از جمله تامپسون و سه معلم دیگر در آکادمی رون کلارک، اجرا شد. این مدرسه خصوصی جنوب آتلانتا که شهریه آن برای اکثریت دانش‌آموزان کم‌درآمد به شدت یارانه‌ای است، در یک انبار آجری بازسازی شده به سبک هاگوارتز قرار دارد که دارای یک برج ساعت پیچیده و یک اژدهای بالدار روی ورودی اصلی است.
تامپسون در حالی که بین دانش‌آموزانش حرکت می‌کرد، از یک کنترل از راه دور باریک با یک میکروفون فعال شده با دکمه استفاده می‌نمود که برای فرمان دادن به نرم‌افزار هوش مصنوعی از آن استفاده می‌کرد. در ابتدا، تامپسون به هوش مصنوعی دستور داد تا یک تایمر سه دقیقه‌ای را راه‌اندازی کند که روی تخته هوشمند ظاهر شد. سپس او شروع به پرسیدن سوالات مرور سریع از درس قبلی کرد، مثلا «چه چیزی باعث باد می‌شود؟» وقتی دانش‌آموزان جزئیات را به خاطر نمی‌آوردند، تامپسون از هوش مصنوعی خواست تا تصویری از جریان هوا ناشی از گرم شدن ناهموار سطح زمین را نمایش دهد.
در یک مقطع، او در حالی که در مورد استراتوسفر صحبت می‌کرد، روی میز کار دانشجویی بالا رفت و [عمدا به اشتباه] ادعا کرد که این لایه جوی است که بیشتر پدیده‌های هواشناسی در آن رخ می‌دهد. این کار فقط برای اینکه بود ببیند آیا دانش‌آموزی اشتباه او را متوجه می‌شود [چند دانش‌آموز به او یادآوری کردند که هواشناسی در تروپوسفر اتفاق می افتد]. سپس او یک تایمر جدید ایجاد کرد و با درخواست از دستیار هوش مصنوعی برای پیدا کردن یک فیلم آموزشی کوتاه در مورد اکوسیستم‌های آب شیرین و شور، درسی را در مورد آب آغاز نمود. همانطور که تامپسون در کلاس حرکت می‌کرد، گاهی اوقات ویدیو را متوقف کرده و دانش‌آموزان را در مورد محتوای جدید مورد سوال قرار می‌داد.
مطالعات انجام شده روی مشارکت دانش‌آموزان، از جمله بررسی‌های تحقیقاتی منتشر شده در سال ۲۰۱۸ در مجله Social Behavior and Personality و در سال ۲۰۲۰ توسط Australian Journal of Teacher Education، اهمیت آن را برای موفقیت تحصیلی نشان داده‌اند. نیتا می‌گوید: «هوش مصنوعی در ترغیب شما برای ادامه دادن کاری که به آن علاقه‌ای ندارید، چندان خوب نیست» با اینکه در عین حال که نقاط قوت زیادی دارد.
او با اشاره به نتایج آزمایش‌های واتسون می‌گوید که: «دانش‌آموزان تمایلی به تعامل با سیستم نشان ندادند» و بیان می‌کند که: «یکی از چالش‌های اصلی در استفاده از چت‌بات‌ها در آموزش، بی‌توجهی دانش‌آموزان و عدم انگیزه آنها برای تعامل با این فناوری است.»
«سال خان»، بنیان‌گذار و مدیرعامل آکادمی خان، در یک سخنرانی TED در بهار ۲۰۲۳، اندکی پس از راه‌اندازی Khanmigo، اشاره کرد که تدریس خصوصی یکی از بزرگترین تاثیرها را بر عملکرد دانش‌آموزان در میان مداخلات آموزشی مورد مطالعه داشته است. اما به اندازه کافی معلم خصوصی در دسترس نیست و به خصوص پس از افت تحصیلی ناشی از همه‌گیری کرونا، پول کافی برای پرداخت آنها وجود ندارد.
«کریستن دیسربو»، مدیر ارشد یادگیری خان آکادمی، در سال ۲۰۱۶ زمانی که با IBM در مورد واتسون همکاری کرد، معاون رئیس تحقیقات و طراحی یادگیری برای انتشارات آموزشی پیرسون بود. او واتسون را «فناوری متفاوتی» توصیف می‌کند که به شدت به پاسخ‌های از پیش نوشته شده متکی بود، برخلاف تعاملات بدون فیلتری که دانش‌آموزان می‌توانند با هوش مصنوعی مولد داشته باشند.
خانمیگو به طور مستقیم به سوالات دانش‌آموزان پاسخ نمی‌دهد، بلکه کار خود را با پرسیدن سوالات خودش شروع می‌کند، مثلا اینکه آیا دانش‌آموز ایده‌ای برای پیدا کردن پاسخ دارد یا خیر. سپس آنها را گام به گام با راهنمایی و تشویق به سمت راه حل هدایت می‌کند.
با وجود چشم‌انداز گسترده خان از «معلمان خصوصی شگفت‌انگیز» برای هر دانش‌آموز در کره زمین، دیسربو نقش آموزشی محدودتری را به خانمیگو اختصاص می‌دهد. او می‌گوید، زمانی که دانش‌آموزان به طور مستقل روی یک مهارت یا مفهوم کار می‌کنند اما گیر می‌افتند یا در یک رکود شناختی گرفتار می‌شوند، «ما می‌خواهیم به دانش‌آموزان کمک کنیم تا از این وضعیت خارج شوند.»
حدود ۱۰۰هزار دانش‌آموز و معلم در سال تحصیلی گذشته در مدارس سراسر کشور به صورت آزمایشی با خانمیگو کار کردند تا به شناسایی توهمات ربات و ارائه انبوهی از مکالمات دانش‌آموز و ربات برای تجزیه و تحلیل توسط دیسربو و تیمش کمک کنند.
او توضیح می‌دهد: «ما به دنبال چیزهایی مانند خلاصه‌سازی، ارائه نکات و تشویق هستیم.»
هنوز مشخص نیست که خانمیگو تا چه حد شکاف تعامل هوش مصنوعی را پر کرده است. طبق گفته دیسربو، خان آکادمی قصد دارد تا اواخر تابستان امسال خلاصه‌ای از داده‌های مربوط به تعاملات دانش‌آموز و ربات را منتشر کند. ارزیابی تأثیر این معلم بر یادگیری توسط پژوهشگران مستقل زمان بیشتری خواهد برد.
بازخورد هوش مصنوعی دو طرفه عمل می‌کند
از سال ۲۰۲۱، سازمان غیرانتفاعی «آموزش Saga» نیز در حال آزمایش بازخورد هوش مصنوعی برای کمک به معلمان خصوصی برای بهتر درگیر کردن و انگیزه دادن به دانش‌آموزان بوده است. تیم ساگا در سال ۲۰۲۳ با همکاری محققان دانشگاه ممفیس و دانشگاه کلرادو، رونوشت جلسات تدریس خصوصی ریاضی خود را به یک مدل هوش مصنوعی وارد کردند که برای تشخیص زمانی که معلم خصوصی از دانش‌آموزان می‌خواهد تا استدلال خود را توضیح دهند، پاسخ‌های خود را اصلاح کنند یا بحث عمیق‌تری را آغاز کنند، آموزش دیده بود. هوش مصنوعی تجزیه و تحلیل کرد که هر معلم خصوصی چند بار این مراحل را انجام داده است.
با ردیابی حدود ۲۳۰۰ جلسه تدریس خصوصی در طول چند هفته، آنها دریافتند که معلم‌های خصوصی‌ای که مربیان آنها از بازخورد هوش مصنوعی استفاده می‌کردند، جلسات خود را با تعداد بسیار بیشتری از این سوال‌ها برای تشویق مشارکت دانش‌آموزان پر کردند.
در حالی که ساگا به دنبال دریافت بازخورد مستقیم از هوش مصنوعی برای معلمان است، این کار را با احتیاط انجام می‌دهد، زیرا به گفته برنت میلن، معاون بخش تحقیق و توسعه محصول در آموزش ساگا، «داشتن یک مربی انسانی در این فرآیند برای ما بسیار ارزشمند است.»
کارشناسان انتظار دارند که نقش هوش مصنوعی در آموزش و پرورش افزایش یابد و تعاملات آن همچنان انسانی‌تر به نظر برسد. اوایل امسال، OpenAI و استارت‌آپ Hume AI به طور جداگانه هوش مصنوعی «دارای هوش عاطفی» را راه‌اندازی کردند که برای استنباط خلق و خوی کاربر از طریق تجزیه و تحلیل لحن صدا و حالات چهره و پاسخگویی با «همدردی» سنجیده شده، کار می‌کند. با این وجود، مایکل لیتمن، استاد علوم کامپیوتر در دانشگاه براون که همچنین مدیر بخش اطلاعات و سیستم‌های هوشمند بنیاد ملی علوم است، بر این باور است که حتی هوش مصنوعی دارای هوش عاطفی نیز به احتمال زیاد در زمینه مشارکت دانش‌آموزان با مشکل مواجه خواهد شد.
او می‌گوید، صرف نظر از اینکه مکالمه چقدر شبیه انسان باشد، دانش‌آموزان در سطح اساسی متوجه می‌شوند که هوش مصنوعی واقعاً نه به آنها و نه حرف‌هایی که در نوشته‌هایشان می‌زنند و یا حتی به قبولی یا مردود شدن در یک درس اهمیتی نمی‌دهد. در مقابل، دانش‌آموزان هرگز واقعاً به ربات و آنچه فکر می‌کند اهمیت نخواهند داد. مطالعه‌ای که در ژوئن در مجله‌ی یادگیری و آموزش منتشر شد، نشان داد که هوش مصنوعی در حال حاضر می‌تواند بازخورد مناسبی در مورد انشاهای دانش‌آموزان ارائه دهد. اما نکته‌ای که مشخص نیست این است که آیا نویسندگان دانش‌آموز در صورتی که هوش مصنوعی به مخاطب اصلی کارشان تبدیل شود، به جای اینکه کار را به ربات بسپارند، با دقت و تلاش بیشتری کار خواهند کرد یا خیر.
لیتمَن می‌گوید: «روابط انسانی در فرایند یادگیری بسیار ارزشمند است و اگر انسان را از این معادله حذف کنیم، عنصر مهمی از دست می‌رود.»
درباره نویسنده:
این مقاله توسط هچینگر ریپورت، یک سازمان خبری مستقل و غیرانتفاعی متمرکز بر نابرابری و نوآوری در آموزش، تهیه شده است.
