به گزارش خبرنگار علم و فناوری ایسکانیوز؛ میعادرضا شفیعی‌خواه، رییس پژوهش و نوآوری شرکت نووسرت ایرلند، از پژوهشگران حوزه سیستم‌های قدرت و فناوری‌های نوین انرژی است که سابقه فعالیت دانشگاهی و صنعتی در چند کشور را در کارنامه خود دارد. او استادتمام مهندسی برق و مدیر علمی دوره Energy Business eMBA دانشگاه واسا فنلاند است و پیش از حضور در فنلاند، در دانشگاه Beira Interior و INESC TEC پرتغال و دانشگاه سالرنو ایتالیا فعالیت داشته و در حوزه‌هایی همچون بازارهای برق، شبکه‌های هوشمند، انرژی‌های تجدیدپذیر، خودروهای برقی، مدیریت تقاضا و کاربرد هوش مصنوعی در سیستم‌های انرژی پژوهش کرده است. او در کنار فعالیت دانشگاهی، در پروژه‌های بین‌المللی و فعالیت‌های علمی و سردبیری مجلات تخصصی نیز حضور دارد.

شفیعی‌خواه تحصیلات خود را در رشته مهندسی برق در ایران آغاز کرد و پس از دریافت مدرک کارشناسی از دانشگاه صنعت آب و برق و کارشناسی ارشد و دکتری از دانشگاه تربیت مدرس، مسیر پژوهشی و دانشگاهی خود را در اروپا ادامه داد. شفیعی‌خواه در دانشگاه بیرا اینتریور پرتغال و دانشگاه سالرنو ایتالیا نیز فعالیت پژوهشی دارد و در پروژه‌های بین‌المللی مرتبط با شبکه‌های هوشمند، انرژی‌های تجدیدپذیر، خودروهای برقی و بازار انرژی مشارکت می‌کند.

تجربه فعالیت همزمان در دانشگاه و صنعت، به او امکان داده است تحولات آموزش عالی و آینده دانشگاه را صرفاً از منظر فناوری نگاه نکند و نسبت میان دانشگاه، صنعت، دانشجو و فناوری‌های جدید را از زاویه‌ای کاربردی‌تر بررسی کند. در گفت‌وگوی پیش ‌رو، شفیعی‌خواه از آینده دانشگاه‌ها در ۲۵ سال آینده، کاهش احتمالی تعداد دانشجویان، ضرورت بین‌المللی شدن و کاربردی‌تر شدن آموزش، تغییر نقش استادان در عصر هوش مصنوعی و تحول شیوه‌های ارزیابی دانشجویان می‌گوید:

با توجه به سرعت تحول هوش مصنوعی، آیا دانشگاه‌ها در ۲۵ سال آینده همچنان وجود خواهند داشت؟ اگر پاسخ مثبت است، ساختار و مأموریت آنها چگونه خواهد بود؟

با توجه به اینکه بخش قابل ‌توجهی از سال‌های فعالیت من میان دانشگاه و صنعت گذشته است، این مسئله را هم از منظر دانشگاهی و هم صنعتی دنبال کرده‌ام. نگرانی درباره تأثیر فناوری بر آینده دانشگاه و حتی جایگزین شدن بخشی از وظایف استادان، موضوع تازه‌ای نیست و از سال‌ها پیش، همزمان با توسعه نخستین کاربردهای گسترده هوش مصنوعی، مطرح بوده است.

با این حال، معتقدم دانشگاه‌ها در ۲۵ سال آینده همچنان وجود خواهند داشت، اما احتمالاً با تعداد دانشجویان بسیار کمتری مواجه خواهند بود. دانشگاه‌های بزرگ و قدرتمند، به‌ویژه آنهایی که از زیرساخت‌های مناسب، آزمایشگاه‌های تخصصی و امکانات لازم برای آموزش و فعالیت‌های عملی برخوردارند، همچنان جایگاه خود را حفظ خواهند کرد.

در مقابل، دانشگاه‌های کوچک و محلی که بخش عمده فعالیتشان به جذب دانشجو و ارائه مدرک محدود شده است، با چالش جدی‌تری مواجه خواهند شد. بعید می‌دانم بسیاری از این دانشگاه‌ها در آینده بتوانند به اندازه کافی دانشجو جذب کنند تا بتوانند به فعالیت خود ادامه دهند.

این روند را نمی‌توان صرفاً مختص یک کشور دانست و به نظر من در سطح جهانی رخ خواهد داد. ممکن است نام و جایگاه دانشگاه‌های بزرگ و معتبر همچنان حفظ شود، اما بسیاری از دانشگاه‌های کوچک به‌تدریج از میان بروند یا مجبور شوند ساختار و مأموریت خود را به‌طور اساسی تغییر دهند.

آیا دانشگاه‌ها برای بقاء ناچار خواهند شد به سمت بین‌المللی شدن، جهانی شدن و ایجاد همکاری‌های گسترده‌تر حرکت کنند؟

بله، به نظر من این مسئله می‌تواند یکی از راه‌های مهم بقا، به‌ویژه برای دانشگاه‌های کوچک‌تر باشد. دانشگاه‌ها، از جمله دانشگاه‌های ایران، از چند سال پیش با این چالش مواجه شده‌اند. فکر می‌کنم حدود پنج یا ۶ سال پیش بود که برخی دانشگاه‌های کوچک‌تر به سمت ایجاد نوعی «کامیونیتی دانشگاهی» رفتند و تلاش کردند در پروژه‌های مختلف به‌ صورت جمعی با یکدیگر همکاری کنند. برای مثال، نمونه‌هایی از دانشگاه‌هایی باز شکل گرفت که در آنها ۱۰ تا ۱۲ دانشگاه نسبتاً کوچک با یکدیگر همکاری می‌کردند و دوره‌های مشترک ارائه می‌دادند.

همانطور که گفتم، دانشگاه‌های کوچک‌تر در شرایط جدید زودتر آسیب می‌بینند و هر چه از نظر امکانات و ظرفیت ضعیف‌تر باشند، احتمال حذف آنها نیز بیشتر است. به همین دلیل، این دانشگاه‌ها از همان زمان تلاش کردند با ایجاد همکاری‌های مشترک، بخشی از این ضعف را جبران کنند. البته در آن دوره هنوز هوش مصنوعی به شکل امروزی وارد عرصه نشده بود و مسئله جایگزین شدن هوش مصنوعی با دانشگاه مطرح نبود؛ بلکه نگرانی اصلی، تغییر الگوی آموزش و افزایش دسترسی دانشجویان به دوره‌های آنلاین بود.

در آن زمان، دوره‌های آنلاین بسیار زیادی ایجاد شده بود و دانشجو می‌توانست دوره‌های مختلف را به‌صورت آنلاین بگذراند، مدرک یا گواهی دریافت کند و حتی در برخی موارد آموزش باکیفیت‌تری نسبت به برخی دانشگاه‌ها دریافت کند. بنابراین این سؤال مطرح می‌شد که چرا دانشجو باید برای ثبت‌نام در یک دانشگاه هزینه زیادی پرداخت کند و خود را به یک مکان مشخص محدود کند، در حالی که می‌تواند دوره مورد نظرش را به‌ صورت آنلاین، با هزینه کمتر و در زمان دلخواه بگذراند و حتی از یک مجموعه معتبرتر مدرک بگیرد؟

این تغییر، دانشگاه‌های کوچک‌تر را با یک مسئله جدی مواجه کرد. آنها دریافتند که صرفاً ارائه مدرک دیگر نمی‌تواند مزیت کافی برای جذب دانشجو ایجاد کند و باید چیزی ارائه دهند که دانشجو نتواند به‌راحتی آن را از طریق یک پلتفرم آنلاین یا دانشگاه دیگر به دست آورد. به همین دلیل، دانشگاه‌های کوچک‌تر به سمت ایجاد دوره‌های کاربردی‌تر رفتند؛ دوره‌هایی که مهارت‌ها و دانشی را ارائه کنند که سایر دانشگاه‌ها یا پلتفرم‌های آموزشی لزوماً قادر به ارائه آنها نباشند.

در کشورهای شمال اروپا نیز نمونه‌هایی از این رویکرد را می‌بینیم. دانشگاه‌ها در این کشورها به سمت طراحی دوره‌هایی رفته‌اند که الزاماً عنوان‌های کاملاً معمولی و سنتی ندارند و برنامه آموزشی آنها می‌تواند با سرعت زیادی به‌روز شود. حتی نوعی رقابت میان دانشگاه‌ها شکل گرفته و همچنان ادامه دارد که کدام دانشگاه می‌تواند برنامه‌های آموزشی جدیدتر و متناسب‌تری با نیازهای روز طراحی کند.

برای مثال، ممکن است یک دانشگاه برنامه کارشناسی ارشدی را با عنوانی ارائه کند که پنج سال پیش اصلاً وجود نداشته است. این نشان می‌دهد که دانشگاه‌ها برای حفظ جایگاه خود باید بتوانند متناسب با تغییرات فناوری و نیازهای بازار، دائماً برنامه‌های آموزشی خود را بازطراحی کنند.

بنابراین، اگر از منظر بازار به دانشگاه نگاه کنیم، دانشگاه باید همچنان مشتری خود را داشته باشد. اگر دانشجو را به ‌عنوان مشتری در نظر بگیریم، دانشگاه باید بتواند او را جذب و برای حضور در دانشگاه متقاعد کند. این مسئله احتمالاً در آینده اهمیت بیشتری پیدا خواهد کرد و دانشگاه‌ها برای حفظ دانشجو، ناچار خواهند بود علاوه بر توسعه همکاری‌های بین‌المللی و شبکه‌ای، آموزش‌های کاربردی‌تر، به‌روزتر و متمایزتری ارائه کنند.

آیا در آینده دانشگاه باید با هوش مصنوعی رقابت کند یا دانشجو باید یاد بگیرد از هوش مصنوعی استفاده کند؟

به نظر من، دانشجو نباید مستقیماً با هوش مصنوعی رقابت کند؛ بلکه باید یاد بگیرد چگونه از آن به ‌عنوان یک ابزار برای بهبود عملکرد خود استفاده کند. متأسفانه در حال حاضر، بسیاری از استادان و دانشگاه‌ها دانشجو را در موقعیتی قرار می‌دهند که گویی باید با هوش مصنوعی رقابت کند. دائماً گفته می‌شود خروجی دانشجو، چه مقاله باشد، چه تکلیف، چه پاسخ امتحان یا هر فعالیت دیگری، باید از خروجی هوش مصنوعی بهتر باشد.

به اعتقاد من، این نگاه باید کاملاً برعکس شود. دانشجو باید بتواند از هوش مصنوعی استفاده کند تا عملکرد بهتری داشته باشد. استفاده درست از این ابزار نه‌تنها می‌تواند کیفیت خروجی را افزایش دهد، بلکه ممکن است به دانشجو کمک کند موضوع را بهتر درک کند و عمیق‌تر با آن درگیر شود.

با این حال، هنوز در بسیاری از موارد تلاش می‌شود استفاده دانشجو از هوش مصنوعی محدود شود یا دانشجو موظف باشد خروجی‌ای ارائه کند که از هوش مصنوعی بهتر باشد. در نتیجه، نوعی فضای رقابتی میان دانشجو، پژوهشگر و هوش مصنوعی شکل گرفته است؛ در حالی که به نظر من، اساساً نباید مسئله را در قالب رقابت تعریف کرد.

این وضعیت تا حدی شبیه آن است که انتظار داشته باشیم انسان بتواند محاسبات ذهنی را بهتر از ماشین‌حساب انجام دهد. زمانی، توانایی انجام سریع محاسبات ذهنی یک مهارت مهم محسوب می‌شد، اما امروز رقابت با ماشین‌حساب چندان معنایی ندارد. ماشین‌حساب ابزاری است که باید به بهبود عملکرد انسان کمک کند و هوش مصنوعی نیز می‌تواند چنین نقشی داشته باشد.

بنابراین، به جای آنکه دانشجو و دانشگاه را در رقابت با هوش مصنوعی قرار دهیم، باید یاد بگیریم چگونه از این فناوری برای ارتقای کیفیت آموزش و یادگیری استفاده کنیم. البته خود دانشگاه نیز در شرایط جدید، با مسئله بقا و حفظ جایگاه خود مواجه است. دانشگاه از منظر بازار باید بتواند جایگاه خود را حفظ کند و همچنان دانشجو جذب کند؛ اما این هدف نیز احتمالاً نه از مسیر رقابت با هوش مصنوعی، بلکه از طریق بازتعریف نقش و کارکرد دانشگاه در کنار فناوری‌های جدید محقق خواهد شد.

با توجه به گسترش هوش مصنوعی و تغییر نقش دانشگاه، ساختار و مأموریت دانشگاه‌ها در آینده چگونه خواهد شد و چه نقشی در حل مسائل جامعه و کشور خواهند داشت؟

این مسئله تا حد زیادی به نوع دانشگاه بستگی دارد. منظور من یک دانشگاه مشخص نیست؛ همان‌طور که تاکنون نیز در کشورهای مختلف شاهد بوده‌ایم، به نظر من دانشگاه‌ها در آینده نیاز دارند وظایف مشخص و متمایزی داشته باشند.

نمی‌توان گفت همه دانشگاه‌ها یک وظیفه واحد دارند. برای مثال، دانشگاه‌های علمی‌کاربردی مأموریت مشخصی دارند. برخی دانشگاه‌ها بیشتر باید بر آموزش تمرکز کنند و برخی دیگر که در حوزه پژوهش قوی‌تر هستند، باید بخش بیشتری از ظرفیت خود را به پژوهش اختصاص دهند. بنابراین، نوعی تقسیم وظایف میان دانشگاه‌ها می‌تواند شکل بگیرد؛ همان‌طور که تا امروز نیز تا حدی وجود داشته است.

نقش هوش مصنوعی و هر فناوری دیگری که در آینده به واسطه آن شکل خواهد گرفت نیز به نقش و مأموریت همان دانشگاه بستگی دارد. در دانشگاه‌های علمی‌کاربردی، برای مثال، نقش هوش مصنوعی می‌تواند بیشتر باشد؛ چراکه دانشجو می‌تواند بسیاری از مطالب را از قبل به‌صورت بصری مشاهده کند و توضیحات لازم را نیز از یک دستیار هوش مصنوعی دریافت کند.

در چنین شرایطی، نقش استاد نیز تغییر خواهد کرد. استاد در آینده بیشتر به یک «منتور» یا راهنما تبدیل می‌شود. در کنار او، دستیار نیز خواهیم داشت که هوش مصنوعی می‌تواند بخشی از این نقش را ایفا کند و به دانشجو در فرایند یادگیری کمک کند. در نتیجه، استاد دیگر صرفاً انتقال‌دهنده اطلاعات نخواهد بود، بلکه بیشتر نقش منتور و داور را بر عهده خواهد داشت.

به نظر من، یکی از مهم‌ترین وظایفی که دانشگاه و استادان در آینده خواهند داشت، «قضاوت» است؛ چیزی که هوش مصنوعی، دست‌کم در شرایط فعلی، به‌خوبی انجام نمی‌دهد. این مسئله هم از نظر اخلاقی اهمیت دارد و هم در مواجهه با مسائل عمیق و گسترده‌ای که هوش مصنوعی به این راحتی نمی‌تواند همه ابعاد آنها را درک کند.

هوش مصنوعی می‌تواند تحلیلگر بسیار خوبی باشد، اما در نهایت قضاوت و داوری را می‌توان به دانشگاهیان و استادان سپرد. استاد به ‌عنوان منتور می‌تواند ببیند دانشجو در یک مسیر مشخص چگونه پیش می‌رود و با توجه به تمام تحلیل‌هایی که هوش مصنوعی می‌تواند انجام دهد، به او کمک کند تا مسیر کلی‌تری را انتخاب کند.

در حل مشکلات کشور نیز شرایط مشابهی وجود دارد. هوش مصنوعی می‌تواند اطلاعات بسیار زیادی را جمع‌آوری و تحلیل کند و به ‌عنوان دستیار در کنار دانشگاهیان قرار گیرد، اما در نهایت این انسان است که باید تصمیم بگیرد با توجه به تمام تحلیل‌ها و سناریوهای ارائه ‌شده، کدام گزینه را انتخاب کند یا حتی آیا ترکیبی از چند گزینه می‌تواند راه‌حل مناسب‌تری باشد یا خیر.

در واقع، همان سیستم «انسان در حلقه» یا Human-in-the-loop در اینجا معنا پیدا می‌کند؛ یعنی استاد به‌ عنوان انسان همچنان در این چرخه حضور دارد تا در نهایت خروجی هوش مصنوعی به نتیجه‌ای تبدیل شود که با نیازهای کشور و جامعه سازگار باشد.

امروز یکی از بزرگ‌ترین مشکلات تقریباً در سراسر جهان، مسائل مربوط به طبیعت و محیط زیست است. این موضوع در برخی کشورها، از جمله ایران و کشورهای اروپایی، اهمیت بیشتری پیدا کرده است. اروپا نیز با افزایش شدید دما مواجه است و روزبه‌روز تعداد افرادی که به‌صورت مستقیم یا غیرمستقیم از این مسئله آسیب می‌بینند، بیشتر می‌شود و روند آن نیز بسیار سریع است.

برای حل چنین مسئله‌ای می‌توان تمام تحلیل‌ها را با کمک هوش مصنوعی انجام داد، اما نقش انسان در این میان، هم از نظر اخلاقی و هم از نظر انتخاب نهایی، همچنان بسیار مهم خواهد بود. انتخاب بهترین گزینه را می‌توان به انسان سپرد، به شرط آنکه تحلیل‌های کامل و قابل اتکایی در اختیار او قرار گرفته باشد؛ حوزه‌ای که هوش مصنوعی واقعاً در آن توانایی بالایی دارد.

با توجه به گسترش استفاده از هوش مصنوعی در میان دانشجویان، نظام ارزیابی و شیوه برگزاری امتحانات دانشگاهی در آینده چگونه تغییر خواهد کرد؟

در حال حاضر، برای مثال در شرایطی که به دلیل جنگ، برخی آزمون‌های دانشجویان به‌صورت غیرحضوری برگزار می‌شد، دانشجویان سؤال‌ها را از استاد دریافت می‌کردند، آنها را به ChatGPT می‌دادند و پاسخ‌ها را برای استاد ارسال می‌کردند. روشن است که چنین روشی نمی‌تواند ارزیابی درستی از توانایی واقعی یک دانشجو ارائه دهد.

در آینده استفاده از هوش مصنوعی در دانشگاه‌ها قطعاً بیشتر خواهد شد و به همین دلیل، شیوه ارزیابی دانشجویان نیز باید تغییر کند. ما در بسیاری از دوره‌هایی که به ‌صورت آنلاین برگزار می‌کردیم، به‌خصوص از زمان کرونا، با این مسئله مواجه بودیم. البته آن زمان هوش مصنوعی به اندازه امروز قدرتمند نبود، اما دانشجویان از آن استفاده می‌کردند و پاسخ‌هایی که دریافت می‌کردند، از نظر دقت و کیفیت قابل مقایسه با امروز نبود.

به نظر من، در حال حاضر در یک دوره گذار قرار داریم؛ دوره‌ای که در آن از هوش مصنوعی برای حل مسائل، امتحانات و موارد مشابه استفاده می‌شود، اما در بلندمدت، مفهوم و شیوه ارزیابی دانشجو کاملاً متفاوت خواهد شد.

یکی از تغییرات احتمالی، تغییر شکل ارزیابی‌هاست. اکنون در بسیاری از کشورها تلاش می‌شود ارزیابی‌ها به ‌صورت حضوری یا آنلاین، اما به شکل نفر به نفر و شفاهی انجام شود.

برای مثال، من برای دانشجویان ایتالیا نیز دوره برگزار می‌کنم و در آنجا امتحان شفاهی از سال‌ها پیش بسیار رایج بوده است. حتی با وجود تعداد زیاد دانشجویان، این شیوه همچنان مورد استفاده قرار می‌گیرد. ممکن است در یک کلاس ۶۰ تا ۷۰ دانشجوی کارشناسی حضور داشته باشند، اما امتحان به ‌صورت شفاهی و یک ‌به ‌یک برگزار شود. برای هر دانشجو حدود ۴۰ دقیقه تا یک ساعت زمان در نظر گرفته می‌شود و دو یا سه سؤال از او پرسیده می‌شود.

دانشجو روبه‌روی استاد قرار می‌گیرد و یک کاغذ و قلم نیز در اختیار دارد. اگر لازم باشد درباره مسئله‌ای صحبت کند، به‌ صورت شفاهی توضیح می‌دهد و اگر لازم باشد مسئله‌ای را حل کند، می‌تواند از کاغذ و قلم استفاده کند. بنابراین، امتحان شفاهی در ایتالیا از سال‌ها پیش روشی بسیار مرسوم بوده و اکنون این امکان نیز وجود دارد که چنین ارزیابی‌هایی به‌صورت آنلاین انجام شود.

البته اپلیکیشن‌ها و ابزارهایی نیز وجود دارند که می‌توانند در ارزیابی آنلاین به دانشجو کمک کنند، اما فکر می‌کنم در آینده شکل ارزیابی بسیار متفاوت خواهد شد. حتی به نظرم بسیاری از سؤال‌هایی که امروز از دانشجویان پرسیده می‌شود، اساساً نیازی به پاسخ به همان شکل فعلی ندارند. باید از خودمان بپرسیم دانشجو واقعاً چه نیازی دارد که یک پاسخ مشخص را بداند؟ برخی مفاهیم هستند که دانشجو بهتر است آنها را درک کند، نه اینکه صرفاً بتواند پاسخ مشخصی برای آنها ارائه دهد.

من خودم معمولاً در امتحانات سؤال‌هایی مطرح می‌کنم که می‌دانم حتی اگر دانشجو از هوش مصنوعی استفاده کند، ممکن است هوش مصنوعی به آن سؤال پاسخ اشتباه بدهد. این موضوع را از قبل بررسی می‌کنم و می‌دانم که هوش مصنوعی احتمالاً پاسخ نادرستی ارائه خواهد کرد. دلیل این کار این است که هوش مصنوعی هنوز در بسیاری از موارد نمی‌تواند یک بحث را به‌طور کامل بشکافد و از یک نقطه سطحی به عمق واقعی پاسخ برسد.

این ضعف را حتی در صنعت نیز می‌توان مشاهده کرد. همین دیروز در یک بحث صنعتی، جلسه‌ای را به‌ طور کامل ضبط کردیم و تمام اطلاعات آن را در اختیار هوش مصنوعی قرار دادیم. سپس از آن خواستیم اطلاعات جلسه را با یک سند قبلی مقایسه کند و مشخص کند چه مواردی کم یا زیاد شده و چه موضوعاتی در جلسه مطرح شده است.

هوش مصنوعی در یکی از موارد اعلام کرده بود که چون در جلسه گفته شده یک کار انجام نشده است، بنابراین دیگر نیازی به انجام آن کار نیست. در حالی که مفهومی که ما از جلسه دریافت کرده بودیم، کاملاً متفاوت بود. برداشت ما این بود که آن کار انجام نشده، اما برای اعتبارسنجی کار لازم است دقیقاً همان موردی که نتیجه نمی‌دهد نیز شبیه‌سازی شود.

این چیزی است که انسان از مفهوم و فضای صحبت دریافت می‌کند، اما هوش مصنوعی هنوز نمی‌تواند آن را به همان شکل درک کند. شاید در آینده بتواند از طریق تحلیل لحن و ویژگی‌های گفتار، بهتر به عمق مفهوم صحبت‌ها پی ببرد، اما دست‌کم در حال حاضر، چیزی که خودش از صحبت‌ها به نوشتار تبدیل می‌کند و سپس همان نوشتار را تحلیل می‌کند، می‌تواند با معنای واقعی صحبت تفاوت زیادی داشته باشد.

در همان سندی که دیروز بررسی کردیم، دیدیم هوش مصنوعی حدود ۹ تا ۱۰ مورد را اشتباه برداشت کرده بود؛ در حالی که تقریباً همه موارد درست بودند. در سه یا چهار مورد نیز اعلام کرده بود که تناقض آشکاری وجود دارد، در حالی که اصلاً تناقضی وجود نداشت و آن موارد کاملاً یکدیگر را تأیید می‌کردند.

به همین دلیل، به نظر من ارزیابی دانشگاهی در آینده باید بیش از آنکه بر توانایی دانشجو برای تولید یک پاسخ مشخص متمرکز باشد، بر میزان درک، قدرت تحلیل و توانایی او در توضیح و دفاع از دیدگاه خود استوار شود. در دنیایی که هوش مصنوعی می‌تواند به‌سرعت پاسخ تولید کند، دیگر صرف داشتن یک پاسخ نمی‌تواند معیار مناسبی برای سنجش توانایی واقعی دانشجو باشد.

یکی از مهم‌ترین مسائلی که باید در دانشگاه آموزش داده شود، همین توانایی تحلیل و فهم مسئله است. استادی داشتیم که می‌گفت شما پس از پایان دوره دکتری، صرف‌نظر از اینکه در چه رشته‌ای تحصیل کرده‌اید، باید بتوانید در جلسه دفاع یک دانشجوی رشته‌ای کاملاً متفاوت حاضر شوید و سؤال مرتبط و حتی کاربردی از او بپرسید. این یعنی فرد باید توانایی فهم موضوع، تشخیص مسئله و طرح سؤال مناسب را به دست آورده باشد.

به نظر من، این مهارت لزوماً ارتباط مستقیمی با هوش مصنوعی ندارد و حتی مهم‌تر از آن است. زندگی روزمره و تعامل با انسان‌ها نیز مهارت‌هایی هستند که باید در خروجی دانشگاه دیده شوند. در کنار قضاوت و داوری، توانایی برقراری ارتباط با دیگران و فهم متقابل نیز از مهم‌ترین مهارت‌هایی است که دانشگاه باید به دانشجو منتقل کند.

امروز در بسیاری از کشورها، از جمله کشورهای اسکاندیناوی و البته در ایران نیز، می‌توان مشاهده کرد که برخی افراد هر چه بیشتر با فناوری عجین می‌شوند، ارتباطشان با انسان‌های دیگر کمتر می‌شود. این مسئله هم به خود فرد آسیب می‌زند و هم می‌تواند برای جامعه مشکل‌ساز شود. بنابراین، دانشگاه آینده باید در کنار آموزش استفاده از فناوری، بر تقویت مهارت‌های انسانی نیز تأکید کند. شاید یکی از مهم‌ترین چیزهایی که در آینده از دانشگاه باقی بماند، همین باشد که فردی از دانشگاه فارغ‌التحصیل شود که بتواند انسان‌های دیگر را درک کند و با آنها ارتباط مؤثر داشته باشد.

با توجه به اینکه هوش مصنوعی می‌تواند بخش قابل‌توجهی از محتوای آموزشی را در اختیار دانشجو قرار دهد، نقش استاد در آینده چگونه تغییر خواهد کرد و استادان وقت آزادشده خود را صرف چه فعالیت‌هایی خواهند کرد؟

اگر دانشجو بتواند بخش زیادی از محتوای آموزشی را از اینترنت، یوتیوب و ابزارهای هوش مصنوعی دریافت کند، طبیعتاً بخشی از وظیفه سنتی استاد در انتقال محتوا کاهش پیدا می‌کند و زمان بیشتری برای فعالیت‌های دیگر در اختیار استاد قرار خواهد گرفت. به نظر من، این زمان می‌تواند صرف فعالیت‌های پژوهشی، ارتباط با صنعت، فعالیت‌های آموزشی عمیق‌تر و همچنین توسعه فردی خود استاد شود.

در واقع، کاری که استادان انجام می‌دهند، یک کار واحد نیست؛ مجموعه‌ای از فعالیت‌هاست که هر کدام در صنعت عنوان و جایگاه مستقلی دارند. برای مثال، وقتی یک استاد می‌خواهد یک پروژه صنعتی بگیرد، ابتدا نیاز صنعت را بررسی و تحلیل می‌کند، سپس برای آن راه‌حل ارائه می‌دهد و یک ارائه تخصصی برای صنعت آماده می‌کند. این فرایند در عمل شامل فعالیت‌هایی است که در صنعت بخشی از بازاریابی و فروش محسوب می‌شوند، اما استاد بابت انجام آنها نه هزینه بازاریابی دریافت می‌کند و نه هزینه فروش.

در کنار این فعالیت‌ها، استاد باید مقاله منتشر کند، دانشجویان خود را هدایت کند، تدریس داشته باشد و پروژه‌های دانشگاهی و صنعتی انجام دهد. بنابراین، مجموعه وظایفی که یک استاد بر عهده دارد بسیار گسترده است و در بسیاری از موارد، فشار کاری بالایی ایجاد می‌کند.

به همین دلیل، اگر هوش مصنوعی یا هر فناوری دیگری بتواند بخشی از زمان استاد را آزاد کند، پیشنهاد من این است که استاد این زمان را صرف ارتقای خودش کند. اگر استادی به هر دلیل ۲ یا سه ساعت زمان بیشتری در روز پیدا کند، باید از آن برای ساختن نسخه بهتری از خودش استفاده کند؛ چه در حوزه فناوری، چه آموزش، چه پژوهش و چه پیشرفت شخصی.

در این صورت، هم خود استاد پیشرفت می‌کند و هم دانشجویان و افرادی که با او کار می‌کنند، فرد قوی‌تر و توانمندتری را در مقابل خود خواهند دید. طبیعی است که پیشرفت خود استاد نیز می‌تواند موفقیت‌ها و فرصت‌های بیشتری برای او ایجاد کند.

با توجه به تغییر نقش استاد و افزایش فشارهای کاری، آیا شاخص‌های فعلی ارزیابی استادان، مانند تعداد مقالات، همچنان در آینده معیار مناسبی خواهند بود؟

بحث شاخص‌ها و ارزیابی، بحث مهمی است؛ زیرا برای ارزیابی اصولاً به شاخص نیاز داریم و بدون شاخص، ارزیابی افراد دشوار خواهد بود. مسئله این است که گاهی همین شاخص‌ها می‌توانند دست‌وپاگیر و حتی ناعادلانه باشند.

ممکن است استادی در انتشار مقاله بسیار موفق باشد، اما در گرفتن پروژه صنعتی یا در حوزه آموزش عملکرد مشابهی نداشته باشد. در مقابل، فرد دیگری ممکن است در یک حوزه بسیار توانمند باشد، اما در شاخصی مانند تعداد مقالات عملکرد بالایی نداشته باشد. بنابراین، اگر تنها یک شاخص را معیار ارزیابی قرار دهیم، ممکن است توانایی واقعی فرد را به‌درستی نشان ندهد.

به نظر من، باید شاخص‌های ترکیبی تعریف شود و فشار موجود بر استادان نیز کاهش پیدا کند. استاد باید بتواند هم برای تدریس وقت بگذارد، هم روی پروژه‌های دانشگاهی و صنعتی کار کند و هم فعالیت پژوهشی داشته باشد. وجود تعداد زیادی شاخص و الزام به برآورده کردن همه آنها، عملاً زمان و انرژی استاد را محدود می‌کند.

در حال حاضر نیز یکی از دلایلی که بسیاری از افراد از دانشگاه خارج می‌شوند و به سمت صنعت می‌روند، همین مسئله است. گاهی فرد در صنعت می‌تواند یک‌سوم یا حتی یک‌پنجم کاری را که در دانشگاه انجام می‌دهد، انجام دهد و در عین حال درآمد بیشتری داشته باشد. علاوه بر این، ساعات کاری مشخص‌تری دارد و پس از پایان ساعت کاری می‌تواند کار را کنار بگذارد.

در مقابل، زمان کاری استاد انعطاف‌پذیر به نظر می‌رسد، اما در عمل ممکن است هیچ انعطاف‌پذیری نداشته باشد. ممکن است ساعت دوی نیمه‌شب ایمیلی دریافت کند و لازم باشد پاسخ دهد؛ در تعطیلات تابستانی یا زمستانی، ایام عید یا هر زمان دیگری ممکن است مقاله‌ای برای بازبینی دریافت کند و استاد ناچار باشد روی آن کار کند. بنابراین، ساعات کاری استاد محدود به یک بازه مشخص نیست و در عین حال درآمد او نیز در بسیاری از کشورها، چه ایران و چه سایر کشورها، در مقایسه با صنعت چندان بالا نیست.

به همین دلیل، اگر در آینده بخشی از این وظایف با کمک هوش مصنوعی ساده‌تر شود، فرصت مناسبی برای بازتعریف کار استاد و کاهش فشارهای غیرضروری ایجاد خواهد شد.

با توجه به گسترش هوش مصنوعی، آیا در آینده کیفیت فعالیت‌های علمی مهم‌تر از کمیت، به‌ویژه تعداد مقالات، خواهد بود؟

بله. به نظر من، در آینده تقریباً همه‌چیز به سمت کیفیت خواهد رفت و کمیت اهمیت بسیار کمتری پیدا خواهد کرد. همانطور که در بحث‌های قبلی نیز اشاره کردم، آنچه در آینده برای دانشگاهیان و بسیاری از مشاغل باقی می‌ماند، کیفیت کار، قضاوت، داوری، توانایی حل مسئله و جنبه‌های انسانی فعالیت‌هاست.

از دانشگاه انتظار نداریم که صرفاً تعداد زیادی مقاله تولید کند. آنچه از دانشگاه انتظار می‌رود این است که بتواند یک مشکل مهم را در کشور یا حتی در سطح جهان حل کند. اگر دانشگاه بتواند یک مسئله بزرگ را به‌درستی حل کند، همین یک دستاورد می‌تواند ارزشمندتر از تعداد زیادی مقاله باشد.

برای مثال، مسئله کاهش سطح آب دریای خزر یا مشکلات دریاچه ارومیه، مسائلی هستند که نیازمند حل واقعی‌اند. ممکن است مقالات بسیار زیادی درباره عوامل مؤثر بر افزایش یا کاهش سطح آب یک دریاچه منتشر شود، اما مسئله اصلی این است که این دانش چگونه باید به راه‌حل تبدیل شود.

اینجاست که ارتباط میان دانشگاه و صنعت و همچنین ارتباط دانشگاه با مردم اهمیت پیدا می‌کند. این ارتباط در بسیاری از کشورها همچنان ضعیف است. مردم حتی اگر خودشان تحصیلات دانشگاهی داشته باشند، گاهی دانشگاه را نهادی جدا از زندگی روزمره خود می‌بینند؛ گویی یک طرف «ما» هستیم که زندگی و کسب‌وکار خودمان را داریم و طرف دیگر «دانشگاه» است.

در حالی که مردم باید احساس کنند دانشگاه می‌تواند مشکلاتی را که مستقیماً بر زندگی آنها تأثیر می‌گذارد حل کند؛ مشکلاتی که به درآمد، آسایش، کیفیت زندگی و آینده آنها مربوط است. این ارتباط باید به‌صورت انسانی شکل بگیرد.

در اینجا نقش علوم پایه و علوم انسانی نیز اهمیت پیدا می‌کند. حل مسائل پیچیده تنها با فناوری امکان‌پذیر نیست و به ترکیبی از دانش انسانی، علوم پایه، فناوری و توانایی ایجاد ارتباط میان بخش‌های مختلف نیاز دارد.

برای مثال، حل مسئله‌ای مانند دریاچه ارومیه کار یک سازمان یا یک دانشگاه به‌تنهایی نیست. برای حل چنین مسئله‌ای لازم است سازمان‌ها، وزارتخانه‌ها، دانشگاه‌ها و گروه‌های مختلف در کنار یکدیگر قرار بگیرند و مسئله را به‌صورت مشترک بررسی کنند.

یکی از مشکلاتی که در ایران و بسیاری از کشورهای در حال توسعه وجود دارد، ضعف ارتباط میان سازمان‌ها و نهادهای مختلف است. علوم انسانی می‌تواند در این میان نقش مهمی در ایجاد ارتباط میان وزارتخانه‌ها، سازمان‌ها و افراد داشته باشد تا همه بتوانند برای حل یک مسئله مشخص در کنار یکدیگر قرار بگیرند.

من این موضوع را در کشوری مانند فنلاند راحت‌تر دیده‌ام. شاید فنلاند یک کشور صنعتی بسیار بزرگ نباشد، اما در مواجهه با یک مشکل، سازوکارهایی وجود دارد که افراد و نهادهای مختلف را برای بررسی آن مسئله کنار یکدیگر قرار می‌دهد. هرکس نظر خود را ارائه می‌کند و تلاش می‌شود مسئله به‌صورت ریشه‌ای و بلندمدت حل شود.

در مقابل، ما در ایران و برخی کشورهای دیگر معمولاً تمایل داریم مسائل را در کوتاه‌ترین زمان ممکن حل کنیم. در نتیجه، گاهی به جای حل ریشه‌ای، یک راه‌حل سریع و سطحی ارائه می‌شود.

برای مثال، ممکن است از یک فرد بخواهیم ابزاری طراحی کند که برای یک کار آزمایشگاهی مناسب باشد. یک فرد ایرانی ممکن است چنین کاری را در عرض چند ساعت انجام دهد، در حالی که در کشوری مانند پرتغال شاید انجام همین کار یک ماه زمان ببرد. این سرعت، یک توانمندی است؛ اما مسئله این است که اگر قرار باشد همان راه‌حل در مقیاس بزرگ‌تر و برای حل یک مشکل واقعی و پایدار استفاده شود، باید از مرحله راه‌حل سریع عبور کنیم و به سمت حل ریشه‌ای مسئله برویم.

در آینده، ارزش دانشگاه دقیقاً در همین نقطه مشخص خواهد شد: اینکه بتواند با استفاده از فناوری و هوش مصنوعی، اما با اتکا به قضاوت انسانی، ارتباط میان علوم و نهادهای مختلف و شناخت واقعی جامعه، مسائل مهم را به ‌صورت باکیفیت و پایدار حل کند.

انتهای پیام/