کلاس‌ها و آزمایشگاه‌های دانشگاهی این روزها میزبان مهمان تازه‌ای هستند: دستیارهای هوش مصنوعی که به زبان فارسی پاسخ می‌دهند، مقاله خلاصه می‌کنند و در برنامه‌نویسی و تحلیل داده کنار دانشجو می‌نشینند. چند دانشگاه بزرگ کشور در ماه‌های اخیر، استفاده آزمایشی از این ابزارها را در قالب طرح‌های پژوهشی آغاز کرده‌اند و برخی استادان، تکالیف درسی خود را با فرض دسترسی دانشجو به این فناوری بازطراحی کرده‌اند.
نقطه قوت نسل تازه این مدل‌ها، درک بهتر زبان فارسی است؛ از جمله اصطلاحات تخصصی، ساختار جملات رسمی و حتی نثر ادبی. گروه‌های پژوهشی داخلی با گردآوری پیکره‌های بزرگ متنی و همکاری کتابخانه‌های دیجیتال، تلاش کرده‌اند خطاهای رایج مدل‌های عمومی در فارسی‌نویسی، مانند به‌هم‌ریختگی نیم‌فاصله و ترجمه تحت‌اللفظی، کاهش یابد. نتیجه، ابزارهایی است که در خلاصه‌سازی پایان‌نامه‌ها و جست‌وجو در منابع فارسی، عملکرد قابل قبولی نشان می‌دهند.
مرز میان کمک و جایگزینی
با این حال، نگرانی اصلی جامعه دانشگاهی جای دیگری است. اگر دانشجو تولید متن، ترجمه و حتی تحلیل را به ماشین بسپارد، مهارت علمی خودش چگونه شکل می‌گیرد؟ یکی از استادان روش تحقیق می‌گوید مسئله، ممنوعیت ابزار نیست؛ مسئله تعریف شفاف مرز استفاده است: «همان‌طور که ماشین‌حساب ممنوع نشد اما امتحان ریاضی بدون آن هم معنا دارد، هوش مصنوعی هم باید جای خودش را در آموزش پیدا کند، نه اینکه جای تفکر بنشیند.»
هوش مصنوعی دستیار خوبی است، اما داور نهایی در علم همچنان انسان است؛ خروجی مدل بدون راستی‌آزمایی، فقط پیش‌نویس است.
در همین راستا، برخی دانشگاه‌ها شیوه‌نامه‌هایی تدوین کرده‌اند که بر اساس آن، استفاده از هوش مصنوعی در نگارش باید اعلام شود و استناد به خروجی مدل، بدون مراجعه به منبع اصلی، تخلف پژوهشی محسوب می‌شود. ابزارهای تشخیص متن ماشینی هم هنوز دقت کافی ندارند و مدیران آموزشی ترجیح می‌دهند به‌جای مسابقه تسلیحاتی با دانشجویان، شیوه ارزشیابی را به سمت آزمون‌های شفاهی، پروژه‌های مرحله‌ای و دفاع از فرایند کار ببرند.
در حوزه پژوهش اما چشم‌انداز روشن‌تر است. پژوهشگران حوزه‌های داروسازی، کشاورزی و زبان‌شناسی رایانشی از این مدل‌ها برای غربال‌گری هزاران مقاله، استخراج داده از متون کهن و ساخت مجموعه‌داده‌های فارسی بهره می‌گیرند؛ کارهایی که پیش‌تر ماه‌ها زمان می‌برد. مراکز رشد دانشگاهی هم چند استارتاپ را در همین مسیر حمایت کرده‌اند تا محصولات بومی برای مدارس، ناشران و سازمان‌ها توسعه یابد.
کارشناسان معتقدند آینده این فناوری در آموزش عالی ایران، بیش از آنکه به خود مدل‌ها وابسته باشد، به زیرساخت داده و تربیت نیروی انسانی گره خورده است. دسترسی پایدار به توان پردازشی، رعایت حقوق مؤلفان در آموزش مدل‌ها و حریم خصوصی داده‌های دانشجویان، سه موضوعی است که اگر امروز برایشان قاعده گذاشته نشود، فردا به چالش اصلی دانشگاه‌ها تبدیل خواهد شد.
هنوز دیدگاهی ثبت نشده است؛ نخستین نفر باشید.