سید حسین طباطبایی، عضو هیئت علمی دانشگاه تربیت مدرس: فکر می‌کنم شاید برای نخستین‌بار در تاریخ معاصر باشد که منِ استاد ایرانی با استاد فرانسوی، آمریکایی و چینی واقعاً «هم‌مسئله» شده‌ام.
هوش مصنوعی از همه ما یک سؤال واحد می‌پرسد: وقتی بخش بزرگی از دانشی را که در دانشکده و کلاس ارائه می‌شود می‌توان در چند ثانیه و تقریباً رایگان، و در مواردی حتی طبقه‌بندی‌شده‌تر و چندجانبه‌تر از طرق دیگر به دست آورد، دانشگاه و کلاس درس دقیقاً چه ارزشی اضافه می‌کنند؟
تا دیروز معمولاً ما منتظر می‌ماندیم دانشگاه‌های بزرگ دنیا تجربه کنند و بعد از آنها یاد بگیریم و در بهترین حالت پاسخ آنها را بومی کنیم. اما این‌بار آنها هم پاسخ آماده ندارند. دانشگاه سوربن همین سپتامبر برای استادان خود کارگاه «بازاندیشی در ارزیابی در عصر هوش مصنوعی مولد» برگزار کرده؛ دانشگاه برکلی سیاست تازه‌ای برای محدودکردن استفاده از هوش مصنوعی در برخی تکالیف وضع کرده؛ شیکاگو می‌خواهد دانشجو یاد بگیرد «با هوش مصنوعی، بدون هوش مصنوعی و درباره هوش مصنوعی» کار کند. در چین نیز وزارت آموزش در برنامه اقدام «هوش مصنوعی و آموزش» خواستار بازطراحی مدل تدریس و یادگیری شده و دانشگاه‌هایی مانند شانگهای جیائوتونگ و رنمین در «همین لحظه» در حال آزمون و خطا هستند.
پس شاید این‌بار نباید منتظر بمانیم تا آنها به پاسخ برسند.
برای شروع شاید باید از مقاومت در برابر هوش مصنوعی یا حتی سؤال «چگونه هوش مصنوعی را وارد کلاس کنم؟» بگذریم و به جواب سؤال «منِ استاد چه چیزی می‌توانم به دانشجو بدهم که هوش مصنوعی نمی‌تواند؟» فکر کنیم.
شاید پاسخ، کمتر سخن‌گفتن و بیشتر شنیدن باشد؛ گذار از ارائه داده به دانشجو به مطالبه فکر کردن دست‌کم در کلاس درس. گذار از مونولوگ به دیالوگ، واداشتن دانشجو به موضع‌گیری، دفاع از استدلال، شنیدن نظر مخالف و تجدیدنظر.
شاید پاسخ، رابطه انسانی باشد؛ اینکه استاد بتواند دانشجو را در طول زمان ببیند، مسیر فکری او را دنبال کند و چیزی را در او تشخیص دهد که یک گفت‌وگوی منفرد با ماشین نمی‌بیند.
و شاید مهم‌تر از همه، جواب در ساختن اجتماع باشد. وصل‌کردن دانشجویان به یکدیگر، به استادان دیگر، به پژوهشگران؛ ساختن شبکه‌ای حرفه‌ای و فکری که بیرون از کلاس هم ادامه پیدا کند.
اینها هنوز فرضیه‌اند، نه پاسخ‌های قطعی. نکته مهم این است که باید همه فرضیه‌ها را در کلاس امتحان کرد، مستند کرد، شکست‌ها را هم ثبت کرد و دید چه چیزی را ماشین نمی‌تواند به دانشجو بدهد و چه چیزی واقعاً ارزش می‌سازد؟
نکته مهم توجه و حتی باور این نکته است که این‌بار مسئله ما و آنها یکی است و لزوماً قرار نیست پاسخ اول از «آنجا» بیاید. این نکته‌ای است که به نظرم خیلی جذاب است. اینکه شاید باید تک‌تک ما در ساخت و یافت جواب، و هم‌عرض هم عمل کنیم؛ اینکه باید حواسمان باشد هر فرضیه‌ای را جدی بگیریم، امتحان کنیم و حتی شکست‌هایمان را مستند کنیم.
لینک کوتاه این مطلبhttps://silkhorizonlf.com/s/f8cSqtj/