به گزارش خبرنگار علم و فناوری ایسکانیوز؛ نظام آموزش عالی در سالهای اخیر با یکی از جدیترین دورههای تحول خود مواجه شده است؛ تحولی که تنها به ورود ابزارهای دیجیتال یا هوش مصنوعی به کلاسهای درس محدود نمیشود، بلکه اساس نقش دانشگاه، استاد و دانشجو را تحت تأثیر قرار داده است. در شرایطی که دانشجوی امروز میتواند بخش بزرگی از اطلاعات و محتوای آموزشی را در چند ثانیه از اینترنت و ابزارهای هوش مصنوعی دریافت و حتی صحت آنها را بررسی کند، تداوم الگوهای سنتی آموزش و ارزیابی، پرسشهای جدی درباره کارکرد دانشگاه در آینده ایجاد کرده است.
مرتضی ایزدیفر پژوهشگر حوزه علوم شناختی و علوم اعصاب است که بخش مهمی از فعالیت علمی خود را در اروپا، بهویژه در دانشگاه LMU یا ماکسیمیلیان مونیخ دنبال کرده است. او در مقطع دکتری در مؤسسه روانشناسی پزشکی این دانشگاه روی سازوکارهای عصبی مغز، از جمله ادراک زمان، تصویرسازی ذهنی، آگاهی، خلاقیت، یکپارچگی حسی و اسکیزوفرنی پژوهش کرده و رساله دکتری خود را نیز درباره سازوکار عصبی جریان گسسته و پیوسته آگاهی به پایان رسانده است.
ایزدیفر سابقه فعالیت پژوهشی در مراکز دانشگاهی و آزمایشگاههای علوم شناختی در آلمان، اسپانیا، فرانسه، ایتالیا، چین و آمریکا دارد و در سالهای اخیر نیز در پژوهشهای مرتبط با علوم اعصاب شناختی، ادراک زمان و «عصبشناسی هنری» فعالیت کرده است. او اکنون علاوه بر فعالیتهای پژوهشی خود، در حال راهاندازی و تأسیس شرکت خودش در حوزه مغز و علوم اعصاب است و تلاش دارد یافتههای این حوزه را به کاربردهای عملی و فناوریهای مرتبط با مغز و هوش مصنوعی پیوند دهد.
او در این گفتوگو از ضرورت تغییر نقش استادان، بازطراحی کلاسهای حضوری، حرکت دانشگاه از ایدهپردازی صرف به سمت اجرای ایدهها و اهمیت شناخت مغز انسان در طراحی فناوریهای آینده سخن میگوید:
ارزیابی شما از نظام آموزشی فعلی در جهان چیست؟ آیا این نظام توانسته است خود را با سرعت تحولات فناوری و هوش مصنوعی هماهنگ کند؟
به نظر من نظام آموزشی فعلی نه فقط در ایران، بلکه در جهان محکوم به شکست است؛ زیرا نتوانسته است خود را با سرعت تحولات فناوری، بهویژه ظهور و گسترش هوش مصنوعی، هماهنگ کند.
اگر بخواهم این وضعیت را با یک مثال توضیح دهم، نظام آموزشی امروز شبیه خیابانی است که برای ۵۰ سال پیش طراحی شده؛ زمانی که رفتوآمد در آن بسیار محدود بود. امروز حجم تردد و سرعت تغییرات چندین برابر شده، اما خیابان همچنان با همان طراحی قدیمی کار میکند.
نظام آموزشی جهان هم با چنین مشکلی روبهروست؛ فناوری با سرعتی کمسابقه پیشرفت کرده، اما ساختار آموزش همچنان بر پایه الگوهایی بنا شده که برای شرایط متفاوتی طراحی شدهاند. همین ناهماهنگی باعث شده فاصله میان آموزش و نیازهای دنیای امروز بیشتر شود.
این ناهماهنگی را در دانشگاهها چگونه میتوان مشاهده کرد؟
یکی از روشنترین نمونهها، رابطه میان استاد و دانشجو است. در بسیاری از دانشگاهها هنوز با ساختاری مواجهیم که از نظر ذهنیت، شیوه آموزش و حتی نوع تعامل، متعلق به چند دهه قبل است.
برای مثال، برخی استادان از اینکه دانشجویان هنگام تدریس لپتاپ یا تلفن همراه خود را مقابلشان قرار میدهند و دائماً به صفحه آن نگاه میکنند، ناراحت هستند و تصور میکنند دانشجو به درس گوش نمیدهد. در حالی که ممکن است دقیقاً برعکس باشد.
دانشجو امروز میتواند همزمان با صحبت استاد، ادعاها و اطلاعات مطرح شده را بررسی کند. او ممکن است از ابزارهای هوش مصنوعی یا منابع آنلاین استفاده کند تا صحت یک جمله، یک آمار یا یک ادعا را در همان لحظه ارزیابی کند. بنابراین، دانشجو دیگر صرفاً دریافتکننده اطلاعات نیست؛ بلکه میتواند اطلاعات ارائه شده را به صورت لحظهای راستیآزمایی و ارزیابی کند.
در گذشته چنین امکانی وجود نداشت. دانشجو برای بررسی یک ادعا باید به کتابخانه مراجعه میکرد، کتاب پیدا میکرد و شاید به منبعی دسترسی پیدا میکرد که سالها پیش آن را مطالعه کرده بود. اما امروز دانشجو میتواند در چند ثانیه اطلاعات مورد نظر خود را پیدا کند.
به همین دلیل، به جای اینکه دانشگاه از این تغییر ناراحت باشد، باید آن را به عنوان بخشی از واقعیت جدید آموزش بپذیرد.
آیا شواهدی هم وجود دارد که نشان دهد نظام آموزشی فعلی دیگر پاسخگوی نسل جدید نیست؟
بله. برای مثال، آمارهایی درباره برخی کشورهای اروپایی منتشر شده که نشان میدهد بخش قابل توجهی از دانشجویانی که وارد دانشگاه میشوند، تحصیلات خود را به پایان نمیرسانند. در برخی کشورها، حتی سهم بالایی از فارغالتحصیلان را افرادی با پیشینه مهاجرتی تشکیل میدهند. این مسئله میتواند نشانهای باشد از اینکه نظام آموزشی موجود برای نسلهای گذشته طراحی شده و الزاماً با نیازها، ویژگیها و انتظارات نسل جدید سازگار نیست.
ممکن است این ساختار برای نسلهای قبلی تا حدی کارآمد بوده باشد، اما نمیتوان انتظار داشت همان روشها برای نسلی که در محیط دیجیتال و در کنار هوش مصنوعی رشد کرده است، همچنان همان کارایی را داشته باشد.
به نظر شما دانشگاهها در روند تکامل خود چه مسیرهای اشتباهی را طی کردهاند که در سال ۲۰۵۰ بیشتر نمود پیدا خواهند کرد؟
اگر تاریخ آموزش را بررسی کنیم، متوجه میشویم که آموزش در ابتدا الزاماً به شکل امروزی و تودهای وجود نداشت. در گذشته، آموزش بیشتر به صورت فردی انجام میشد. یک استاد، مرشد یا حکیم، شاگرد خود را به صورت مستقیم و فرد به فرد آموزش میداد.
با شکلگیری دولت-ملتهای مدرن و گسترش ساختارهای اداری، نیاز به نیروی انسانی بیشتری برای اداره این سیستمها ایجاد شد. در نتیجه، نظامهای آموزشی به سمت آموزش گروهی و گسترده حرکت کردند تا تعداد زیادی از افراد را برای فعالیت در ساختارهای اداری و اقتصادی آماده کنند.
به بیان دیگر، بخشی از نظام آموزش مدرن اساساً برای تربیت نیروی انسانی مورد نیاز بوروکراسی و بازار کار شکل گرفت؛ یعنی افرادی که بتوانند به عنوان کارمند و نیروی متخصص، ساختارهای موجود را اداره کنند.
بعد از اینکه تربیت نیروی کار و کارمند به یک هدف مهم نظام آموزشی تبدیل شد، مرحله دیگری شکل گرفت: تربیت افرادی که بتوانند ایدهپردازی کنند و ایدههای جدید ارائه دهند.
اما مشکل اینجاست که دانشگاهها در بسیاری از موارد همچنان بیشتر بر تربیت افراد برای انجام وظایف مشخص تمرکز کردهاند تا پرورش انسانهایی که بتوانند مسئله جدید تعریف کنند، ایده بدهند و آن را به مرحله اجرا برسانند.
البته در این میان، نظام آموزشی آلمان یک نمونه قابلتوجه است. در آلمان، میان مسیرهای نظری و مسیرهای کاربردی و حرفهای تفکیک بیشتری وجود دارد. دانشگاهها بیشتر بر دانش نظری، پژوهش و تربیت افراد متخصص و نظریهپرداز تمرکز دارند، در حالی که مسیرهای آموزش حرفهای و کاربردی، مانند نظام آموزش دوگانه، افراد را برای ورود مستقیمتر به محیط کار و فعالیت عملی آماده میکنند.
این تفکیک را میتوان یکی از ویژگیهای متمایز نظام آموزشی آلمان دانست.
با ظهور هوش مصنوعی، بهویژه ابزارهایی مانند ChatGPT، چه تغییری در این ساختار ایجاد شده است؟
اتفاق مهم این است که حتی نقش ایدهپردازی نیز در حال تغییر است. شما امروز میتوانید یک مسئله یا چند دستور مشخص را در اختیار یک سیستم هوش مصنوعی قرار دهید و تعداد زیادی ایده دریافت کنید؛ ایدههایی که تولید آنها شاید از توان یک گروه بزرگ انسانی نیز خارج باشد.
بنابراین، یکی از نقشهایی که دانشگاهها طی سالها برای آن نیروی انسانی تربیت میکردند، یعنی تولید ایده، اکنون تا حدی در اختیار سیستمهای هوش مصنوعی قرار گرفته است.
در نتیجه، مسئله جدیدی شکل میگیرد: ما ممکن است با وفور ایده مواجه باشیم، اما با کمبود افرادی روبهرو شویم که بتوانند این ایدهها را اجرا کنند یا آنها را با نیازهای واقعی انسان تطبیق دهند.
پس در این صورت در آینده دانشپژوهان چه مهارتهایی را در دانشگاه میآموزند و در کل ماموریت دانشگاهها چه خواهد بود؟
به نظر من، یکی از مهمترین مهارتها در آینده، توانایی انسانیسازی (Humanize) فناوری و سیستمهاست.
ما امروز فناوریهای بسیار پیشرفتهای داریم، اما بسیاری از آنها اساساً برای ذهن و تجربه انسانی طراحی نشدهاند. ممکن است یک صندلی براساس آناتومی بدن انسان طراحی شده باشد، اما آیا سیستمهای دیجیتال، فناوریها و حتی نظامهای آموزشیای داریم که براساس ویژگیهای مغز و ذهن انسان طراحی شدهاند؟
این پرسش بسیار مهمی است. ما در آینده صرفاً به افرادی نیاز نداریم که بتوانند فناوری تولید کنند یا ایدههای جدید ارائه دهند؛ به افرادی نیاز داریم که بتوانند فناوری و سیستمها را با نیازها، تواناییها و ویژگیهای واقعی انسان هماهنگ کنند.
به همین دلیل، «انسان» باید دوباره به اولویت اصلی طراحی سیستمها تبدیل شود. آینده آموزش نیز اگر بخواهد از بحران فعلی عبور کند، باید از همین نقطه آغاز شود: طراحی سیستمی که نه صرفاً برای تولید نیروی کار، بلکه برای انسان و متناسب با ذهن، خلاقیت و نیازهای او ساخته شده باشد.
نظام آموزشی باید از ساختارهای سنتی فاصله بگیرد و به سمت آموزش انسانمحور حرکت کند؛ یعنی هدف اصلی آن انسان و نیازهای او باشد، نه صرفاً سود، رقابت یا منطق بازار. یکی از مهمترین تغییرات نیز باید تبدیل ایدهها به اجرا و طراحی سازوکارهایی باشد که بتوانند این ایدهها را در عمل پیاده کنند.
یکی از انتقادهای مطرح شده درباره دانشگاهها، فاصله آنها با نسل جدید و شیوههای جدید یادگیری است. این مسئله را چگونه ارزیابی میکنید؟
دانشگاه باید با نسل جدید و تغییرات ذهنی و فناورانه جامعه سازگار شود. دانشجوی امروز به نسل ویدئوهای کوتاه و محتوای سریع و جذاب تعلق دارد. بنابراین آموزش باید کاربردی، جذاب و متناسب با این تغییرات باشد. نمیتوان انتظار داشت دانشجویی که میتواند همان مطالب را در یوتیوب از زبان فردی جذابتر و با شیوهای بهتر دریافت کند، همچنان به کلاس سنتی علاقهمند باشد. اگر استاد ۹۰ دقیقه صرفاً مطالبی را ارائه کند که دانشجو میتواند بهسادگی در اینترنت پیدا کند، طبیعی است که انگیزه حضور در کلاس کاهش یابد. دانشگاه باید محتوایی ارائه دهد که دانشجو نتواند صرفاً با یک جستوجوی اینترنتی به همان شکل دریافت کند.
آیا این تغییر به معنای حذف آموزش حضوری است؟
خیر. مسئله، حذف کلاس حضوری نیست؛ بلکه تغییر کارکرد آن است. استاد باید در کلاس چیزی فراتر از اطلاعات قابل دسترس در اینترنت ارائه کند و با دانشجو وارد گفتوگو و تعامل شود.
برای نمونه، من زمانی که وارد کلاس میشوم، تلاش میکنم به دانشجو احترام بگذارم و حتی بابت شرایطی که نظام آموزشی برای او ایجاد کرده است، با او همدلی کنم. خودم را در جایگاه بالاتری از دانشجو قرار نمیدهم، بلکه تلاش میکنم با او وارد گفتوگو شوم.
در چنین شرایطی، دانشجو احساس میکند کلاس فضایی برای تعامل است، نه صرفاً محلی برای شنیدن سخنرانی استاد. در مقابل، اگر استاد مطالبی را ارائه کند که دانشجو میتواند همانها را از یوتیوب با توضیحی جذابتر، بهروزتر و بدون احساس فشار دریافت کند، نمیتوان انتظار داشت حضور در کلاس برای او جذاب باشد.
با توجه به پیشرفت سریع فناوری، آیا عقبماندن نظامهای آموزشی از تحولات روز طبیعی است؟
عقب ماندن تا حدی طبیعی است، زیرا تحولات فناوری با سرعت زیادی رخ میدهند. جامعه نیز در دورههای مختلف انقلابهای فناوری، از انقلاب کشاورزی و صنعتی تا انقلاب اطلاعات و اکنون انقلاب هوش مصنوعی، با فاصله خود را با این تغییرات تطبیق داده است.
با این حال، مشکل اصلی زمانی ایجاد میشود که نظام آموزشی برای مدت طولانی هیچ تلاشی برای سازگاری با شرایط جدید نداشته باشد. ما در دورههای مختلف، از انقلاب کشاورزی تا صنعتی، انقلاب اطلاعات و اکنون انقلاب هوش مصنوعی، همواره با فاصله خود را با تغییرات تطبیق دادهایم. زمانی که ایمیل یا تلفنهای هوشمند وارد زندگی مردم شدند، جامعه بهتدریج خود را با آنها سازگار کرد؛ حتی نسلهای قدیمیتر نیز توانستند با این فناوریها کنار بیایند. اما بسیاری از نظامهای آموزشی همچنان در الگوهای قدیمی باقی ماندهاند.
در شرایطی که دانشجویان از هوش مصنوعی برای پاسخدادن به سؤالات و انجام تکالیف استفاده میکنند، آیا امتحانهای سنتی همچنان معیار مناسبی برای سنجش یادگیری هستند؟
نظام آموزشی هنوز تا حد زیادی بر حافظهمحوری استوار است؛ یعنی دانشجویی که اطلاعات بیشتری را حفظ میکند، موفقتر تلقی میشود و حتی گاهی حافظه خوب با هوش اشتباه گرفته میشود. در حالی که حافظه خوب لزوماً به معنای درک عمیق یک موضوع نیست. با گسترش هوش مصنوعی، این ضعف بیشتر آشکار شده است. بنابراین ارزیابی باید از حفظ اطلاعات به سمت سنجش فهم و توانایی تحلیل حرکت کند.
برای سنجش فهم دانشجو چه شیوهای را پیشنهاد میکنید؟
میتوان بخشی از ارزیابی را به ارائه و گفتوگوی حضوری اختصاص داد. دانشجو میتواند مطالب یک دوره را مطالعه کند و سپس در یک زمان مشخص درباره آنها با استاد گفتوگو کند. برای مثال، میتوان زمان مشخصی برای مطالعه اسلایدها در نظر گرفت و سپس دانشجو در یک گفتوگوی شفاهی با استاد درباره مطالب ارائه شده بحث کند. در چنین شرایطی، حتی اگر دانشجو برای مطالعه از اینترنت، یوتیوب یا هوش مصنوعی استفاده کرده باشد، در جریان بحث مشخص میشود که آیا موضوع را واقعاً فهمیده است یا خیر. حتی اگر دانشجو یک اصطلاح تخصصی را به خاطر نیاورد، مسئله اصلی این نیست؛ مهم آن است که بتواند مفهوم را با زبان خودش توضیح دهد. استاد باید بتواند از خلال گفتوگو تشخیص دهد که دانشجو موضوع را فهمیده است یا صرفاً پاسخ آمادهای را حفظ یا تولید کرده است.
در واقع، گفتوگو یکی از مؤثرترین ابزارهای یادگیری است. در جریان مباحثه، هم استاد میتواند میزان درک دانشجو را ارزیابی کند و هم خود دانشجو با توضیح دادن و پاسخ دادن به پرسشها، نقاط ضعف و ابهامهایش را بهتر تشخیص میدهد. بسیاری از آموختههای عمیق انسان در فرآیند گفتوگو و بحث شکل میگیرند. بنابراین نظام آموزشی باید از حافظهمحوری فاصله بگیرد و به سمت فهم، تحلیل، ارائه و مباحثه حرکت کند.
با توجه به دسترسی گسترده دانشجویان به محتوای آموزشی در اینترنت و ابزارهایی مانند هوش مصنوعی، نقش استاد در آینده چه خواهد بود؟ آیا ممکن است بخش مهمی از وظایف فعلی استادان از بین برود؟
قطعاً بخشی از وظایف سنتی استادان از بین خواهد رفت، همانطور که در انقلابهای فناوری قبلی نیز بسیاری از مشاغل تغییر کردند یا از میان رفتند. با آغاز عصر اطلاعات و ورود رباتها به کارخانهها، بخشی از کارهای انسانی حذف شد و با انقلاب هوش مصنوعی نیز بسیاری از مشاغل دستخوش همین تحول خواهند شد. پزشکی، برنامهنویسی، معلمی و بسیاری از مشاغل دیگر نیز از این تغییر در امان نیستند.
در آینده، نقش بسیاری از این متخصصان از «ارائه دهنده اطلاعات» به «مشاور» تغییر خواهد کرد. در نظام سنتی، پزشک، برنامهنویس یا معلم عمدتاً نقش ارائه دهنده و اجرا کننده را دارد، اما در آینده بخش قابل توجهی از این وظایف را سیستمهای هوشمند انجام میدهند و انسان بیشتر در جایگاه مشاور قرار میگیرد.
در دانشگاه نیز استاد آینده لزوماً کسی نیست که ۹۰ دقیقه مقابل تخته بایستد و اطلاعاتی را منتقل کند؛ بلکه بیشتر نقش مشاور و راهنما را خواهد داشت و دانشجو برای حل مسئله، تحلیل و تصمیمگیری به او مراجعه میکند. البته این به معنای حذف کامل استادان نیست، بلکه به معنای تغییر بنیادین نقش آنهاست؛ بخشی از نقشهای سنتی ممکن است از بین برود و بخشی دیگر به نقشهای مشاورهای تبدیل شود.
آیا این تحول درباره پژوهش نیز اتفاق میافتد؟ آیا هوش مصنوعی میتواند جای پژوهشگر را بگیرد؟
پژوهش همچنان جایگاه خود را حفظ خواهد کرد و هوش مصنوعی بیشتر به عنوان یک دستیار در کنار پژوهشگر قرار میگیرد. در پژوهش، نقش انسان به عنوان تحلیلگر، کسی که سؤال پژوهشی را طرح میکند و میتواند یک مسئله را بهدرستی بررسی و تفسیر کند، همچنان اهمیت اساسی دارد. در شرایط فعلی، نمیتوان تصور کرد که هوش مصنوعی بتواند به طور کامل جای این نقش انسانی را بگیرد؛ مگر اینکه در بنیاد و الگوریتمهای آن تغییرات بسیار اساسی ایجاد شود.
شما درباره محدودیتهای بنیادین هوش مصنوعی فعلی صحبت میکنید. منظورتان چیست؟
بخش مهمی از سیستمهای هوش مصنوعی فعلی بر برداشتهایی از نحوه کارکرد مغز انسان بنا شدهاند که به نظر من در مواردی نادرست یا ناقص هستند. حتی برخی از مبانی اولیه این حوزه از برداشتهای اشتباه درباره مغز شکل گرفتهاند. با این حال، اینکه یک سیستم با چنین مبانیای کار میکند و گاهی نتیجه موفقی نیز ارائه میدهد، لزوماً به معنای درست بودن بنیان آن نیست. میتوان این وضعیت را به کاشتن خیار و به دست آوردن موز تشبیه کرد؛ هدف، پرورش خیار بوده، اما اگر به هر دلیلی موز به دست آمده باشد، نمیتوان نتیجه گرفت که روش کاشت موز همین بوده است.
به همین دلیل، نباید همه ادعاهای اغراقآمیز درباره آینده هوش مصنوعی را پذیرفت. بخشی از این ادعاها درباره اینکه هوش مصنوعی بهزودی کاملاً مستقل میشود، جای انسان را میگیرد یا به تواناییهایی شبیه انسان دست پیدا میکند، بیشتر از آنکه بر مبانی علمی محکم استوار باشد، میتواند موجب ترس عمومی شود.
بحث «هوش مصنوعی قوی» نیز بحث جدیدی نیست و از سالهای نخست شکلگیری این حوزه مطرح بوده است. هدف اولیه هوش مصنوعی نیز صرفاً این نبوده که هزاران مهندس پشت سامانههایی مانند چتباتها قرار بگیرند تا انسان بتواند چند سؤال از آنها بپرسد. برای رسیدن به هوش مصنوعی واقعاً بنیادین، باید مبانی و الگوریتمهای فعلی نیز مورد بازنگری قرار گیرند.
آیا هوش مصنوعی فعلی با ذهن و نیازهای انسانی سازگار است؟
به نظر من، نه به طور کامل. برخی افراد تصور میکنند میتوانند با هوش مصنوعی مانند یک دوست گفتوگو کنند و حتی از این تعامل لذت میبرند، اما من از ابتدا نسبت به این نوع ارتباط نگرانی داشتم. انسان فقط به دریافت پاسخ و راهحل نیاز ندارد؛ مغز انسان به ارتباط واقعی، تماس، حضور دیگران و تعامل اجتماعی نیز نیازمند است. ما میلیونها سال در چنین محیطی تکامل پیدا کردهایم و نیازهای اجتماعی ما با دریافت صرف اطلاعات برطرف نمیشود.
برای مثال، انسان وقتی با دوست خود در یک کافه قرار میگذارد، صرفاً برای نوشیدن قهوه به آنجا نمیرود. بخش مهمی از تجربه، گفتوگو، خندیدن، ارتباط عاطفی و انرژیگرفتن از حضور فرد مقابل است. ممکن است سه ساعت با یک دوست صحبت کنید، اما احساس کنید فقط چند دقیقه گذشته است. چنین تجربهای را نمیتوان با گفتوگو با یک سامانه هوش مصنوعی به طور کامل جایگزین کرد. اگر یک فناوری فقط «راهحل» ارائه دهد، اما نیازهای عاطفی و اجتماعی انسان را تأمین نکند، ممکن است میان چیزی که مغز دریافت میکند و چیزی که واقعاً به آن نیاز دارد، تعارض ایجاد شود.
برخی پژوهشهای جدید نیز درباره پیامدهای ارتباط مداوم انسان با سامانههای هوش مصنوعی و تأثیر آن بر وضعیت روانی هشدار دادهاند. این مسئله میتواند نشان دهد که این فناوریها لزوماً براساس تمام نیازهای واقعی ذهن انسان طراحی نشدهاند و باید سازگاری آنها با ساختار و نیازهای مغز انسانی بیشتر مورد بررسی قرار گیرد.
چرا پژوهش درباره مغز و سازگاری فناوری با ذهن انسان تا این اندازه اهمیت دارد؟
حوزه پژوهشهای مغزی بسیار گسترده و دشوار است و تعداد افرادی که در جهان به طور تخصصی در این حوزه فعالیت میکنند، بسیار محدود است. برآوردی که از یک استاد دانشگاه نیویورک، مطرح شده، حدود ۳۰ هزار پژوهشگر فعال در حوزه مغز و تحقیقات مغزی در سراسر جهان است. این رقم در مقایسه با گستردگی مسئله بسیار کم است.
دلیل این مسئله فقط کمبود بودجه یا نبود علاقه نیست؛ پژوهش درباره مغز ذاتاً بسیار دشوار است. در بسیاری از رشتههای مهندسی، اجزای یک سیستم را میتوان بهصورت مشخص شناسایی و عملکرد آنها را بررسی کرد؛ برای مثال میدانیم یک سوپاپ یا پیستون چه وظیفهای دارد. اما در مطالعه مغز، پژوهشگر با سیستمی بسیار پیچیده مواجه است که هنوز بسیاری از سازوکارهای آن بهطور کامل شناخته نشدهاند. همین موضوع باعث میشود پژوهش در این حوزه به علاقه، پشتکار و تحمل ابهام بسیار زیادی نیاز داشته باشد.
با توجه به محدود بودن تعداد پژوهشگران حوزه مغز، آیا میتوان امیدوار بود که در آینده هوش مصنوعی سازگارتر و هماهنگتری با مغز انسان داشته باشیم؟
بله، اما به شرط آنکه بنیانهای هوش مصنوعی اصلاح شود. آنچه امروز در هوش مصنوعی میبینیم، به نظر من یک سقف و محدودیت ذاتی دارد؛ مانند انسانی که میتواند مدت مشخصی نفس خود را زیر آب حبس کند و پس از رسیدن به یک محدودیت فیزیولوژیک ناچار است سر خود را بیرون بیاورد. سامانههای هوش مصنوعی فعلی نیز تا زمانی که بنیانهایشان تغییر نکند، نمیتوانند از یک سطح مشخص فراتر بروند.
اگر قرار باشد هوش مصنوعی از این محدودیت عبور کند، باید بنیانها و الگوریتمهای آن بازنگری شود. یکی از مسیرهای مهم، پیوند این حوزه با رباتیک است؛ یعنی سامانههای هوش مصنوعی از چارچوب فعلی خارج شوند و در قالب سیستمهایی قرار بگیرند که بتوانند در محیط واقعی با انسان تعامل داشته باشند.
این تحول در صورت تحقق چه شکلی خواهد داشت؟
میتواند هم بسیار سازنده و هم در برخی جنبهها نگرانکننده باشد. اگر بخواهیم آن را با یک تصویر سینمایی توضیح دهیم، میتوان به فیلم «بلید رانر» اشاره کرد؛ جهانی که در آن موجودات مصنوعی میتوانند با انسان ارتباط عاطفی برقرار کنند. اگر رباتیک و هوش مصنوعی به مرحلهای برسند که چنین ارتباط عاطفی را ممکن کنند، بخشی از تعاملات انسانی ممکن است تحت تأثیر قرار گیرد.
از سوی دیگر، کاهش جمعیت جهان نیز در این مسئله اهمیت دارد. برخی برآوردها نشان میدهند ظرفیت جمعیتی مناسب برای کره زمین ممکن است بسیار کمتر از جمعیت فعلی باشد. اگر رباتیک و هوش مصنوعی در آینده بتوانند بخش بیشتری از نیازهای انسان را تأمین کنند، ممکن است این پرسش نیز مطرح شود که افراد چرا باید فرزندآوری کنند. بنابراین ترکیب کاهش جمعیت، پیشرفت رباتیک و توسعه هوش مصنوعی میتواند پیامدهای عمیقی برای ساختار اجتماعی آینده داشته باشد.
آنچه مطرح میکنم ترکیبی از تجربه، دانش محدود و دیدگاه شخصی من است. اساساً معتقدم نظر کاملاً عینی به معنای مطلق آن بسیار دشوار است. حتی در علم نیز پژوهشهایی درباره میزان عینیت دانشمندان و تأثیر پیشفرضها و چارچوبهای ذهنی آنها بر کار علمی انجام شده است. بنابراین باید میان یافته علمی، تفسیر علمی و نظر شخصی تمایز قائل شد.
یکی از نکاتی که مطرح کردید، این است که متخصصان هوش مصنوعی شناخت کافی از مغز انسان ندارند. این مسئله چه اهمیتی دارد؟
این مسئله بسیار مهم است. بسیاری از متخصصان هوش مصنوعی شناخت عمیقی از عملکرد مغز انسان ندارند. وقتی درباره عملکرد بخشهای مختلف مغز یا سازوکارهای آن با برخی از متخصصان هوش مصنوعی صحبت میکنیم، گاهی مشخص است که ۲ حوزه علمی هنوز زبان مشترک کاملی پیدا نکردهاند. در حالی که اگر قرار است بنیانهای هوش مصنوعی از مدلهایی درباره مغز و شبکههای عصبی الهام بگیرند، شناخت دقیقتر مغز باید در طراحی این سیستمها نقش داشته باشد.
امروز تعداد مهندسان و متخصصان فناوری اطلاعات و هوش مصنوعی بسیار بیشتر از پژوهشگران تخصصی مغز و علوم اعصاب است. به همین دلیل، ارتباط میان این ۲ حوزه هنوز به اندازهای که باید عمیق نیست. حتی در یک کنفرانس علمی نیز ممکن است متخصصان ۲ حوزه با زبان تخصصی متفاوت صحبت کنند و درک متقابلی که برای یک همکاری بنیادین لازم است، شکل نگیرد. به نظر من در تیمهای پژوهشی و شرکتهایی که در حال توسعه نسلهای آینده هوش مصنوعی هستند، حضور پژوهشگران مغز و علوم اعصاب باید جدیتر شود.
از بحث هوش مصنوعی و مغز که بگذریم، یکی از وظایف مهم دانشگاه، پاسخگویی به نیازهای واقعی جامعه است. دانشگاه در آینده چگونه میتواند ارتباط خود را با مسائل جامعه تقویت کند؟
همانطور که در ابتدای بحث نیز اشاره کردم، نظام آموزشی باید تا حد بیشتری کاربردمحور شود. متأسفانه آموزش عالی در بسیاری از موارد به سمت ایدهپردازی و نظریهپردازی صرف رفته و میان ایده و اجرای آن فاصله ایجاد شده است. این شکاف باید پر شود. دانشگاه باید مسائل واقعی جامعه را شناسایی کند، برای آنها پژوهش انجام دهد و بتواند راهکارهای عملی ارائه کند. اگر این ارتباط شکل نگیرد، ممکن است در آینده حتی هوش مصنوعی در ارائه ایده و نظریه از نظام آموزشی عملکرد بهتری داشته باشد.
برای این کار نیز باید انسان را براساس شناخت واقعی مغز و سازوکارهای آن مطالعه کرد، نه صرفاً بر اساس نظریههای قدیمی روانشناسی، فلسفه یا علوم اجتماعی. پرسش اصلی این است که این اندام یک کیلو و ۴۰۰ گرمی متشکل از بافتهای پیچیده درون جمجمه، دقیقاً چگونه کار میکند و تصمیم میگیرد.
چرا شناخت زیستی و مغزی انسان برای طراحی نظامهای آموزشی و اجتماعی آینده اهمیت دارد؟
چون بسیاری از نظریههایی که سالها بر اساس آنها درباره انسان، جامعه و رفتار انسانی تصمیم گرفتهایم، لزوماً بر شناخت دقیق سازوکار مغز استوار نبودهاند. برای مثال، گاهی هنوز از نظریههای فروید یا برخی برداشتهای قدیمی روانشناختی بهگونهای صحبت میشود که گویی توضیح نهایی رفتار انسان هستند. در حالی که شناخت امروز ما از مغز باید در ارزیابی این نظریهها نقش داشته باشد.
انتهای پیام/
نظر شما