به گزارش خبرنگار ایسکانیوز، در آسمان پرستاره‌ فناوری، هوش مصنوعی چون جواهری درخشان می‌درخشد و هر روز افق‌هایی تازه از توانایی بشر را به تصویر می‌کشد. اما در بستر آموزش عالی ایران، این نور نویدبخش گاه با سایه‌هایی از تردید، ساختارهای سخت‌جان سنتی و کمبود زیرساخت‌های داده‌ای همراه می‌شود؛ جایی که آینده و گذشته در جدالی بی‌صدا بر سر معنای پیشرفت روبه‌روی هم ایستاده‌اند.

دانشگاه‌های کشور، امروز، شبیه به دژهایی هستند که دیوارهایشان از سنگ و آجر است، اما سیلابی از داده با سرعتی سرسام‌آور اطرافشان را فرا گرفته است. پرسش حیاتی این نیست که آیا این جریان سرازیر مضر است یا خیر؛ بلکه این است که آیا سازوکار لازم برای مهار این انرژی و تبدیل آن به نیروی محرکه‌ توسعه‌ی علم، طراحی و پیاده‌سازی شده است!؟

دروازه‌های بسته دانشگاه؛ چهار کابوس پیش روی انقلاب هوشمند

کاوش در اعماق محافل دانشگاهی، چهار مانع اصلی را آشکار می‌سازد که شکوفایی کامل ظرفیت هوش مصنوعی در ایران را خفه کرده است:

زندان کپی‌برداری و عقب‌ماندگی روش‌شناختی

اولین مانع، تقلید کورکورانه است. به جای تکیه بر خلق مدل‌های هوشمندی که از نیازها و داده‌های ویژه ایران سرچشمه بگیرند، دانشگاه‌ها گرفتار کپی‌برداری از چارچوب‌های نظری و الگوریتم‌های صرفاً غربی شده‌اند.

این معضل در پژوهش‌ها مشهود است؛ جایی که داده‌های منطقه‌ای مانند داده‌های زیست‌محیطی یا جمعیتی خاص ایران اغلب قربانی استفاده از مجموعه‌داده‌های عمومی و جهانی می‌شوند. نوآوری اصیل، در سایه‌ این تقلید بی‌خاصیت مدفون شده است.

شکاف دیجیتال و انحصار زیرساخت در پایتخت

قدرت و زیرساخت‌های محاسباتی، خصوصاً دسترسی به واحدهای پردازش گرافیکی حیاتی و منابع کلان داده، همچنان به پایتخت انحصار داده شده است. این موضوع باعث شده است که دانشگاه‌ها و پژوهشگران سایر مناطق، تنها منتظر سهمی از جریان مرکزی باشند، به جای اینکه خودشان به کانون تولید دانش تبدیل شوند. این وضعیت، گسست دیجیتال درونی دانشگاه را عمیق‌تر می‌کند.

وحشت دو سویه، تعارض استاد و دانشجو با هوش مصنوعی

این بخش، بزرگترین حفره‌ی این روایت است. دانشجو و استاد به جای احساس همکار بودن با این ابزار، آن را به چشم یک تهدید نگاه می‌کنند و این یک وحشت دو سویه است.

اساتید نگرانند که دانشجویان تکالیف را با ابزارهای هوش مصنوعی انجام دهند و اثبات یادگیری واقعی دشوار شود. از طرفی دانشجویان بیم دارند که مهارت‌های‌شان بی ارزش تلقی شود. سرفصل‌های درسی هنوز فرد را برای تعامل موثر با یک دستیار هوشمند آماده نکرده‌اند. این بزرگترین سد در پذیرش عملی فناوری است.

افضل‌السادات حسینی عضو هیئت علمی دانشگاه تهران در گفتگو با خبرنگار ایسکانیوز در این خصوص گفت: «ما ابزاری داریم که می‌تواند کار یک سال را در یک ساعت انجام دهد، اما هنوز سند آموزشی برای به‌کارگیری آن نداریم. این شبیه آن است که یک موشک قدرتمند به دست کسی بدهند و بگویند: حالا با آن بخاری روشن کن!»

بن‌بست داده‌ها، قفل شدن گنج ملی در صندوقچه‌های پراکنده

تمامی این موانع زیر سایه‌ یک معضل ساختاری عمیق‌تر قرار دارند. آن معضل داده‌های علمی است. در جهان کنونی، داده‌ها همانند نفت هستند و هوش مصنوعی موتور آن. در ایران، این داده‌ها در صندوقچه‌های جداگانه، در انبار هر دانشکده و با فرمت‌های نامتجانس قفل شده است.

یعنی هر کس داده‌ها را به شکل و فرمت مخصوص به خودش جمع‌آوری کرده و هیچ سیستم اشتراکی برای دسترسی به آن‌ها وجود ندارد. از این رو هر دانشمندی که می‌خواهد تحقیق کند، اول باید وقت زیادی را صرف کند تا داده‌های لازم را از این صندوقچه‌ها بیرون بکشد، مرتب کند و برای استفاده آماده سازد.

مهم‌تر از آن، وضعیت نامعلوم حاکمیت بر این داده‌ها است؛ سوالی که اگر امروز پاسخی نگیرد، فردا پژوهش‌های ملی را در معرض آسیب‌پذیری‌های اخلاقی و امنیتی قرار خواهد داد.

اگر امروز مشخص نکنیم این داده‌های علمی ارزشمند متعلق به کیست و چه کسی مسئول استفاده از آن‌هاست، فردا ممکن است پژوهش‌های ملی ما به دلیل مسائل اخلاقی یا امنیتی با مشکل جدی مواجه شوند.

راه‌حل، جراحی ساختار و شجاعت در تعریف مجدد خروج از این وضعیت نیازمند یک جراحی اساسی است، نه صرفاً یک تسکین موقت.

ملی‌سازی خزانه‌های دانایی

باید فوراً مخازن داده در حوزه‌های حیاتی مانند پزشکی، کشاورزی و زبان فارسی شکل بگیرند. این پروژه‌ها باید دارای استاندارد یکپارچه و قابل تعامل باشند.

روشنگری اخلاق و حاکمیت داده

تدوین فوری و کاربردی یک منشور ملی برای اخلاق داده‌های پژوهشی که مرزهای استفاده را برای همه روشن سازد و تکلیف مالکیت داده‌های مشترک را مشخص کند.

بازتعریف معیار ارزش و شایستگی

نظام ارتقای اساتید باید از معیار تعداد مقالات به معیار تأثیرگذاری و حل مسئله تغییر یابد. از همین امروز، ارزیابی پایان‌نامه‌ها باید شامل بخشی باشد که دانشجو توضیح دهد چگونه از ابزارهای هوشمند برای افزایش کارایی و نوآوری بهره برده است.

تبدیل دانشگاه‌ها به آزمایشگاه زنده

دانشگاه باید خودش یک نمونه زنده و موفق از هوش مصنوعی باشد. این یعنی تمام کارهای داخلی دانشگاه، از مدیریت منابع و کلاس‌ها گرفته تا سیستم‌های آموزشی، باید با کمک هوش مصنوعی هوشمند و بهینه شوند. دانشگاه باید خودش اولین جایی باشد که نشان دهد این فناوری چطور کار می‌کند.

مهم‌ترین و فوری‌ترین کار این است که سرفصل‌های درسی را تغییر دهیم. این تغییر باید در رشته‌هایی که شدیداً تحت تأثیر قرار گرفته‌اند؛ مثل مهندسی، پزشکی و حتی علوم انسانی جدید که محاسباتی شده است اعمال شود.

تربیت نسل آینده برای تعامل با هوش مصنوعی

هدف نهایی این است؛ نسلی را تربیت کنیم که پرسشگرهای فوق‌العاده‌ای باشند و بتوانند سوالات خوب بپرسند تا هوش مصنوعی بهترین جواب را بدهد.

دانشگاه باید باید با شجاعت و خلاقیت یک معمار وارد این عصر شود، نه با احتیاط یک نگهبان یعنی دانشگاه نباید در برابر هوش مصنوعی محتاط و منفعل رفتار کند.

فقط با این رویکرد جسورانه است که می‌توانیم این سیل فناوری را مهار کنیم و آن را به نیروی اصلی پیشرفت کشور تبدیل کنیم، پیشرفتی که نسل‌های آینده ایران واقعاً سزاوارش هستند.

انتهای پیام/