روایت مسیر |چرا بیشتر پروژههای هوش مصنوعی در آموزش شکست میخورند؟
این مقاله با روایت تجربهای میدانی از سفر آموزشی به چین، نشان میدهد که موفقیت آموزش هوشمند بیش از آنکه به انتخاب مدلهای هوش مصنوعی وابسته باشد، به وجود زیرساخت، حکمرانی داده، استانداردهای آموزشی و معماری یکپارچه یادگیری بستگی دارد. همچنین توضیح میدهد که چگونه این تجربه، نگاه به طراحی پلتفرم «کارا» را شکل داده و چرا آینده آموزش از داده و معماری آغاز میشود، نه از هوش مصنوعی.
تحلیل یک تجربه میدانی از چین و درسی که مسیر طراحی «کارا» را تغییر داد
هر هفته خبرهای جدیدی درباره هوش مصنوعی منتشر میشود.
دانشگاهها از دستیارهای آموزشی مبتنی بر هوش مصنوعی رونمایی میکنند، شرکتها از تولید محتوای خودکار سخن میگویند و مدارس به دنبال استفاده از مدلهای زبانی بزرگ هستند.
با این حال، واقعیت چیز دیگری است.
بخش قابل توجهی از پروژههای هوش مصنوعی در آموزش، پس از مدتی یا متوقف میشوند، یا به یک چتبات ساده تبدیل میشوند و یا هرگز تأثیر واقعی بر کیفیت یادگیری نمیگذارند.
چرا؟
مدتها به دنبال پاسخ این سؤال بودم.
پاسخ را نه در مقالات علمی پیدا کردم و نه در معرفی جدیدترین مدلهای هوش مصنوعی.
پاسخ را در سفری به چین پیدا کردم.
در آذرماه ۱۴۰۴، فرصتی فراهم شد تا در یک دوره تخصصی رایانش ابری و آموزش هوشمند در کشور چین شرکت کنیم و از دانشگاهها، مراکز نوآوری، شرکتهای فناوری و پردیسهای آموزش مهارتی بازدید داشته باشیم. هدف این سفر، آشنایی با تجربه چین در پیوند آموزش، فناوری و صنعت بود.
پیش از سفر تصور میکردم قرار است پیشرفتهترین کاربردهای هوش مصنوعی را ببینم؛ کلاسهایی که معلم آن هوش مصنوعی است، رباتهایی که آموزش میدهند یا سامانههایی که همه چیز را خودکار انجام میدهند.
اما چیزی که دیدم، کاملاً متفاوت بود.
تقریباً هیچکس صحبت را از هوش مصنوعی آغاز نمیکرد.
همه چیز از استاندارد، زیرساخت و داده شروع میشد.
در یکی از پردیسهای آموزشی، هنگام معرفی «کلاس هوشمند»، تمرکز اصلی روی نمایشگرها یا ابزارهای هوش مصنوعی نبود. مدیران مجموعه درباره استانداردهای ملی کلاس هوشمند، معماری داده، اتصال سامانههای آموزشی، یکپارچگی تجهیزات و سکوی مدیریت آموزشی صحبت میکردند. در آنجا هر کلاس، هر کارگاه و هر فعالیت آموزشی بخشی از یک نظام دادهمحور بود، نه مجموعهای از ابزارهای پراکنده.
همانجا متوجه شدم که بسیاری از پروژههای آموزشی، از نقطه اشتباه آغاز میشوند.
ما معمولاً میپرسیم:
از کدام مدل هوش مصنوعی استفاده کنیم؟
اما سؤال مهمتر این است:
آیا زیرساخت آموزشی ما برای استفاده از هوش مصنوعی آماده است؟
اگر استانداردی برای دادهها وجود نداشته باشد، اگر سامانههای آموزشی با یکدیگر ارتباط نداشته باشند، اگر مسیر یادگیری هر فراگیر قابل تحلیل نباشد و اگر آموزش ارتباطی با نیاز واقعی صنعت نداشته باشد، هوش مصنوعی نمیتواند این مشکلات را حل کند.
در بهترین حالت، فقط همان آشفتگی گذشته را با ظاهری مدرنتر نمایش خواهد داد.
این دقیقاً همان چیزی بود که در چین بهوضوح مشاهده کردم.
هوش مصنوعی در آنجا نقطه شروع تحول نبود؛ آخرین حلقه یک زنجیره منظم بود.
ابتدا استانداردها تعریف شده بودند.
سپس زیرساخت شبکه ایجاد شده بود.
بعد دادههای آموزشی بهصورت یکپارچه جمعآوری میشدند.
سپس سکوی مدیریت آموزشی شکل گرفته بود.
و در نهایت، هوش مصنوعی روی این زیرساخت مستقر شده بود تا تحلیل، پیشبینی و تصمیمسازی انجام دهد.
این تجربه باعث شد نگاه من به طراحی سامانههای آموزشی تغییر کند.
پیش از آن، مانند بسیاری از فعالان این حوزه، تمرکز اصلی را روی قابلیتهای هوش مصنوعی میدیدم.
اما پس از این سفر، به این نتیجه رسیدم که مسئله اصلی، معماری دانش و داده است.
به همین دلیل، هنگام توسعه «کارا»، تلاش کردیم بهجای ساخت یک ابزار مبتنی بر مدلهای زبانی، یک زیرساخت آموزشی طراحی کنیم؛ زیرساختی که در آن استانداردهای آموزشی، شایستگیها، مسیرهای یادگیری، ارزیابیها، پروژههای عملی و محتوای آموزشی در قالب یک نظام یکپارچه به هم متصل باشند.
در چنین معماریای، هوش مصنوعی نقش موتور تصمیمسازی را دارد، نه صرفاً تولیدکننده متن.
شاید مهمترین دستاورد این سفر برای من، مشاهده یک حقیقت ساده بود:
کشورها با خرید فناوری متحول نمیشوند؛ با طراحی نظامی منسجم برای استفاده از فناوری متحول میشوند.
هوش مصنوعی، بهتنهایی آموزش را متحول نمیکند.
تحول زمانی آغاز میشود که استاندارد، داده، زیرساخت، آموزش و صنعت در کنار یکدیگر قرار بگیرند.
و شاید به همین دلیل است که سؤال اصلی امروز دیگر این نیست که:
از کدام مدل هوش مصنوعی استفاده کنیم؟
بلکه باید بپرسیم:
آیا نظام آموزشی ما، برای هوشمند شدن طراحی شده است؟
آینده آموزش از کجا آغاز میشود؟
اگر شما هم در حوزه آموزش، دانشگاه، سازمانهای آموزشی یا توسعه مهارت فعالیت میکنید، احتمالاً این سؤال برایتان مطرح شده است که چگونه میتوان از هوش مصنوعی فراتر رفت و یک نظام آموزشی هوشمند ساخت.
در مقالات بعدی این مجموعه، تجربههای بیشتری از سفر آموزشی چین و تأثیر آن بر طراحی پلتفرم کارا را منتشر خواهم کرد.
اگر به آینده آموزش مبتنی بر هوش مصنوعی علاقهمند هستید، وبلاگ کارا را دنبال کنید.
