Τι Πανεπιστήμιο χρειαζόμαστε στην εποχή της Τεχνητής Νοημοσύνης;
ΑΦΙΕΡΩΜΑ - Εκπαίδευση και Τεχνητή Νοημοσύνη
Του ΔΗΜΗΤΡΗ ΣΑΜΨΩΝ,
Καθηγητή του Τμήματος Ψηφιακών Συστημάτων του Πανεπιστημίου Πειραιώς
και Διευθυντή του Προγράμματος Μεταπτυχιακών Σπουδών «Ηλεκτρονική Μάθηση»
Ας φανταστούμε έναν νέο φοιτητή που έχει μπροστά του μια δύσκολη εργασία για το μάθημα που παρακολουθεί στο πρώτο έτος των σπουδών του. Αντί να περάσει ώρες στη βιβλιοθήκη, να συζητήσει με συμφοιτητές του, να ρωτήσει τις απορίες του στον καθηγητή και να προσπαθήσει να βρει μόνος του τη λύση, προστρέχει σε ένα εργαλείο Παραγωγικής Τεχνητής Νοημοσύνης (ΤΝ) και παίρνει μέσα σε λίγα δευτερόλεπτα μια ολοκληρωμένη έτοιμη απάντηση.
Η τεχνολογία έκανε αυτό που της ζητήθηκε. Βοήθησε όμως τον φοιτητή να μάθει και να αναπτύξει τις ικανότητές του; Έκανε, δηλαδή, τη δουλειά που περιμένουμε να κάνει το Πανεπιστήμιο για τους φοιτητές μας; Σε αυτή την περίπτωση, προφανώς όχι. Έκανε ακριβώς το αντίθετο: υποκατέστησε μια σημαντική διαδικασία μέσα από την οποία ο φοιτητής θα μπορούσε να μάθει.
Πρόσφατα, το Massachusetts In-stitute of Technology (MIT), ένα από τα πιο φημισμένα Πανεπιστήμια του κόσμου, δημοσίευσε το πόρισμα ειδικής επιτροπής για τη χρήση της Τεχνητής Νοημοσύνης στην πανεπιστημιακή διδασκαλία, μάθηση και έρευνα, χαρακτηρίζοντάς το ως «πρόσκληση για δράση». Το πόρισμα του MIT αξίζει να μελετηθεί προσεκτικά, γιατί μας προτρέπει να σκεφτούμε ξανά τον ρόλο της πανεπιστημιακής εκπαίδευσης στην εποχή της ΤΝ.
Χρειαζόμαστε ένα διαφορετικό Πανεπιστήμιο, που αξιοποιεί τις δυνατότητες της ΤΝ, ώστε να κάνει τη μάθηση βαθύτερη και τους ανθρώπους πιο ικανούς να σκέφτονται, να δημιουργούν και να συνδιαμορφώνουν το μέλλον τους
Η Τεχνητή Νοημοσύνη είναι αντίπαλος ή συνεργάτης;
Μετά την αρχική ευφορία για τις απροσδόκητες δυνατότητες της Τεχνητής Νοημοσύνης, ένας έντονος προβληματισμός αναπτύσσεται στην εκπαιδευτική κοινότητα. Θα αντιγράφουν οι φοιτητές; Θα γράφουν οι μηχανές τις εργασίες; Θα αντικαταστήσει η ΤΝ τους καθηγητές; Θα χρειάζονται τα Πανεπιστήμια στο μέλλον; Όλα αυτά είναι εύλογα ερωτήματα. Δεν αγγίζουν όμως το βαθύτερο πρόβλημα. Το ουσιαστικό ερώτημα είναι αν θα χρησιμοποιήσουμε την Τεχνητή Νοημοσύνη για να κάνουμε τη μάθηση καλύτερη ή αν θα της αναθέσουμε να κάνει για λογαριασμό μας ακριβώς εκείνα τα πράγματα μέσω των οποίων μαθαίνουμε.
Η ουσιαστική μάθηση είναι μια επίπονη και δημιουργική διαδικασία. Είναι η προσπάθεια να κατανοήσουμε ή να ορίσουμε ένα πρόβλημα, να κάνουμε λάθος, να λάβουμε ανατροφοδότηση και καθοδήγηση, να ξαναπροσπαθήσουμε, να συζητήσουμε, να αμφισβητήσουμε, να επιχειρηματολογήσουμε και τελικά να δημιουργήσουμε τη δική μας λύση με κριτικό πνεύμα και τεκμηριωμένη επιχειρηματολογία.
Το αποτέλεσμα της ουσιαστικής μάθησης δεν είναι οι βαθμοί σε ένα μάθημα ή η απόκτηση ενός πτυχίου. Είναι η εξέλιξη των φοιτητών, μέσω της πανεπιστημιακής εκπαίδευσης, σε υπεύθυνους, ικανούς και δημιουργικούς επαγγελματίες και ενεργούς, δημοκρατικούς πολίτες.
Κατά συνέπεια, η εκπαίδευση πρέπει να συνεχίσει να καλλιεργεί την ικανότητα του ανθρώπου να ανακαλύπτει, να επιλύει προ-βλήματα, να συνεργάζεται, να δημιουργεί νέα γνώση. Σε αυτό το πλαίσιο, η Τεχνητή Νοημοσύνη, υπό προϋποθέσεις, μπορεί να λειτουργήσει ως ένα ισχυρό εργαλείο υποστήριξης της μάθησης. Το ζητούμενο, επομένως, είναι να σχεδιάσουμε μια ουσιαστική συνεργασία του ανθρώπου και της ΤΝ, τέτοια ώστε η τεχνολογία να ενισχύει τη μαθησιακή διαδικασία χωρίς να την υποκαθιστά.
Το ουσιαστικό ερώτημα είναι αν θα χρησιμοποιήσουμε την Τεχνητή Νοημοσύνη για να κάνουμε τη μάθηση καλύτερη ή αν θα της αναθέσουμε να κάνει για λογαριασμό μας ακριβώς εκείνα τα πράγματα μέσω των οποίων μαθαίνουμε
Μήπως πρέπει να αλλάξουμε το «τι και πώς εξετάζουμε»;
Με την ευρεία χρήση εργαλείων ΤΝ, μια από τις μεγαλύτερες προκλήσεις για τα Πανεπιστήμια αφορά την αξιόπιστη αξιολόγηση των ακαδημαϊκών επιδόσεων, και κυρίως της ουσιαστικής μάθησης των φοιτητών. Αν ένας φοιτητής μπορεί να ζητήσει από ένα εργαλείο ΤΝ να γράψει μια εργασία, τότε η απαγόρευση της ΤΝ δεν λύνει το πρόβλημα. Πολύ περισσότερο, η προσπάθεια να εντοπίσουμε εκ των υστέρων αν ένα κείμενο γράφτηκε από άνθρωπο ή από μηχανή δεν μπορεί να αποτελέσει τη βάση μιας σύγχρονης εκπαιδευτικής πολιτικής. Μήπως, λοιπόν, πρέπει να αλλάξουμε το «τι και πώς εξετάζουμε»; Αρκεί να ζητάμε ένα δοκίμιο, ένα κώδικα ή οποιοδήποτε άλλο παραγόμενο προϊόν ως τεκμήριο της μάθησης, δηλαδή ως τεκμήριο επίτευξης των μαθησιακών στόχων ενός μαθήματος; Μήπως πρέπει να ζητάμε από τον φοιτητή να εξηγήσει πώς έφτασε στη λύση, να παρουσιάσει και να υπερασπιστεί τη θέση του, να αξιολογήσει μια απάντηση που παρήγαγε η ΤΝ, να εντοπίσει τα λάθη και τις αδυναμίες της και να εξηγήσει πώς συνεργάστηκε με τους συμφοιτητές του και την ΤΝ;
Το πόρισμα του MIT αναδεικνύει την ανάγκη επανεξέτασης της αξιολόγησης στην πανεπιστημιακή εκπαίδευση και, ταυτόχρονα, της συστηματικής παιδαγωγικής υποστήριξης για την ανάπτυξη μεταγνωστικών ικανοτήτων, αναστοχασμού και κριτικής σκέψης, που ενισχύουν την ατομική και τη συλλογική αυτενέργεια (agency) των φοιτητών στη μαθησιακή διαδικασία.
Η Τεχνητή Νοημοσύνη μάς αναγκάζει, επομένως, να μετατοπίσουμε το επίκεντρο της αξιολόγησης: να μην εξετάζουμε απλώς τι γνωρίζει ένας φοιτητής αλλά
τι μπορεί να κάνει με αυτά που γνωρίζει, πώς σκέφτεται, πώς τεκμηριώνει τις επιλογές του και πώς δημιουργεί αξία με τη γνώση του, συχνά σε συνεργασία με την ΤΝ. Άλλωστε, αυτό είναι που θα του ζητηθεί και στον επαγγελματικό του βίο.
Θα καταργήσει η Τεχνητή Νοημοσύνη τα Πανεπιστήμια;
Σημαντικό στοιχείο της εμπειρίας των πανεπιστημιακών σπουδών είναι η ενεργή συμμετοχή στην εκπαιδευτική διαδικασία και η συμμετοχή σε μια κοινότητα ανθρώπων που μαθαίνουν μαζί μέσα από τον διάλογο, τη διαπραγμάτευση, τη συνεργασία και την αλληλεπίδραση.
Το Πανεπιστήμιο είναι πάνω απ' όλα οι άνθρωποι. Είναι ο φοιτητής που συζητά με τον συμφοιτητή του. Είναι η διαφωνία μέσα σε μια ομάδα εργασίας. Είναι η ερώτηση που κάνει κάποιος στο γραφείο του καθηγητή. Είναι το εργαστήριο όπου ένα πείραμα αποτυγχάνει και πρέπει να ξαναγίνει. Είναι η αυτοπεποίθηση που οικοδομείται όταν λύνουμε ένα δύσκολο πρόβλημα.
Το πόρισμα του MIT προειδοποιεί ότι η μη ορθή χρήση της ΤΝ μπορεί να υπονομεύσει θεμελιώδεις πανεπιστημιακές εμπειρίες, όπως οι ομάδες μελέτης, η συνεργασία με τους καθηγητές, η εμπειρία της ανακάλυψης και της οικοδόμησης της γνώσης. Γι' αυτό η ανθρώπινη και κοινωνική διάσταση της πανεπιστημιακής ζωής στην εποχή της ΤΝ αποκτά ακόμη μεγαλύτερη σημασία. Όσο περισσότερες γνωστικές εργασίες μπορούν να ανατεθούν σε μια μηχανή τόσο μεγαλύτερη αξία αποκτούν οι ανθρώπινες εμπειρίες που δεν μπορούν, και δεν πρέπει, να αυτοματοποιηθούν: η συνεργασία, ο διάλογος, η αμφισβήτηση, η δημιουργικότητα, η εμπιστοσύνη και η κοινή αναζήτηση της γνώσης.
Πώς να δράσουμε;
Αξιολογώντας το εύρος και το βάθος της επίδρασης της ΤΝ, είναι προφανές ότι απομονωμένες και αποσπασματικές πρωτοβουλίες μεμονωμένων καθηγητών ή ακόμη και Πανεπιστημίων δεν επαρκούν. Χρειάζεται μια εθνική στρατηγική για την Τεχνητή Νοημοσύνη στην τριτοβάθμια εκπαίδευση, με σαφείς κατευθύνσεις αλλά και την απαραίτητη ευελιξία ώστε να προσαρμόζεται στις εξελίξεις της τεχνολογίας, καθώς και τις κοινωνικές, οικονομικές και πολιτικές μεταβολές.
Πέντε κατευθύνσεις θεωρώ ότι είναι ιδιαίτερα σημαντικές:
• Ενσωμάτωση της ανάπτυξης ικανοτήτων Τεχνητής Νοημοσύνης (AI Literacy) στα προ-γράμματα προπτυχιακών σπουδών, ανεξάρτητα από το γνωστικό αντικείμενο. Η ικανότητα κατανόησης, αξιολόγησης και υπεύθυνης αξιοποίησης της ΤΝ αποτελεί πλέον σημαντικό προσόν για κάθε απόφοιτο.
• Συστηματική αξιοποίηση εργαλείων ΤΝ στη διδασκαλία και τη μάθηση, με σαφείς και διαφανείς κανόνες ορθής, υπεύθυνης και ηθικής χρήσης. Όλοι πρέπει να γνωρίζουν τι επιτρέπεται, τι δεν επιτρέπεται και, κυρίως, γιατί.
• Επανασχεδιασμός της αξιολόγησης της επίτευξης των μαθησιακών στόχων κάθε μαθήματος και κάθε προγράμματος σπουδών. Αυτό είναι απαραίτητο τόσο για την αξιοπιστία των τίτλων σπουδών όσο και για την ουσιαστική προετοιμασία των αποφοίτων.
• Συστηματική επαγγελματική ανάπτυξη του διδακτικού και ερευνητικού προσωπικού στην αξιοποίηση της ΤΝ. Ενεργοποίηση ομάδων συνεργασίας, συλλογικού πειραματισμού, αναστοχασμού και ανταλλαγής εμπειριών, καθώς και πρακτική καθοδήγηση και υποστήριξη.
• Ευέλικτοι μηχανισμοί παρακολούθησης, αξιολόγησης, επικαιροποίησης και προσαρμογής των κανόνων και των ρυθμιστικών πλαισίων. Η ΤΝ εξελίσσεται πολύ ταχύτερα από τους παραδοσιακούς κύκλους σχεδιασμού εκπαιδευτικής πολιτικής. Οι κανόνες μας, επομένως, πρέπει να μπορούν να εξελίσσονται μαζί της.
Τι Πανεπιστήμιο χρειαζόμαστε στην εποχή της Τεχνητής Νοημοσύνης;
Η Τεχνητή Νοημοσύνη μάς υποχρεώνει να ξανασκεφτούμε τι σημαίνει «μαθαίνω», «διδάσκω» και «αξιολογώ». Ιστορικά, τα Πανεπιστήμια καλούνται διαρκώς να ανταποκριθούν στις μεταβαλλόμενες ανάγκες της εποχής τους. Η πρόκληση της ΤΝ δεν αποτελεί εξαίρεση. Συνεπώς, δεν χρειαζόμαστε λιγότερο Πανεπιστήμιο στην εποχή της ΤΝ. Χρειαζόμαστε ένα διαφορετικό και καλύτερο Πανεπιστήμιο, που αξιοποιεί τις δυνατότητες της ΤΝ, ώστε να κάνει τη μάθηση βαθύτερη, τη διδασκαλία ουσιαστικότερη και τους ανθρώπους πιο ικανούς να σκέφτονται, να δημιουργούν και να συνδιαμορφώνουν το μέλλον τους.
