وقتی هوش مصنوعی جواب همه‌چیز را می‌دهد، دانشگاه چه چیزی باید یاد بدهد؟
هوش مصنوعی می‌تواند ترجمه کند، متن بنویسد، خلاصه کند، اطلاعات را دسته‌بندی کند، تحلیل اولیه ارائه دهد، کد تولید کند و حتی برای برخی تصمیم‌ها پیشنهاد بدهد.
دکتر سمانه ناظریان (پژوهشگر حوزه حکمرانی و مدرس دانشگاه)- امروز، درست در پایان یکی از کلاس‌ها، یکی از دانشجویانم کنارم ماند و درباره ادامه تحصیل و آینده شغلی‌اش پرسشی مطرح کرد: «استاد، برای ادامه تحصیل در مقطع ارشد و دکتری چه رشته‌ای را ادامه دهم؟ آموزش یا مترجمی؟
شما چه خوانده‌اید و نظرتان چیست؟» پرسیدم: «خودت چه تصویری از آینده شغلی‌ات داری؟ دوست داری چه کاره شوی؟» گفت: «کار در سفارت و گسترش مناسبات فرهنگی را دوست دارم.» با چنین هدفی، مسیر مترجمی و مطالعات ترجمه برایش قابل تأمل بود؛ به‌ویژه به دلیل پیوند آن با ارتباطات بین‌فرهنگی و مناسبات بین‌المللی.
اما بلافاصله نگرانی آشنایی را مطرح کرد: «با وجود هوش مصنوعی، به نظرتون مترجمی و شغل مترجمی جمع نمی‌شود؟» پاسخم ساده بود: «اگر این‌طور نگاه کنیم، آموزش و بسیاری از رشته‌های دیگر هم باید جمع شوند. فرقی نمی‌کند، درست است؟» شاید همین گفت‌وگوی کوتاه، ما را به پرسشی بسیار بزرگ‌تر برساند.
آموزش و مترجمی فقط دو نمونه‌اند؛ دو نمونه از ده‌ها رشته‌ای که امروز با پرسش مشابهی مواجه‌اند. پزشکی، مهندسی، حقوق، معماری، مدیریت، حسابداری، روزنامه‌نگاری، روان‌شناسی و مشاوره، علوم اجتماعی، علوم پایه و برنامه‌نویسی نیز با فناوری‌ای مواجه‌اند که می‌تواند بخشی از وظایف حرفه‌ای آنها را انجام دهد.
پس پرسش اصلی این نیست که کدام رشته با آمدن AI از بین می‌رود. پرسش مهم‌تر این است: دانشگاه در عصر هوش مصنوعی دقیقاً چه نوع انسانی باید تربیت کند؟
هوش مصنوعی می‌تواند ترجمه کند، متن بنویسد، خلاصه کند، اطلاعات را دسته‌بندی کند، تحلیل اولیه ارائه دهد، کد تولید کند و حتی برای برخی تصمیم‌ها پیشنهاد بدهد. اگر قرار باشد با هر فناوری جدید بپرسیم «کدام رشته از بین می‌رود؟»، دیر یا زود همین سؤال را درباره تقریباً همه رشته‌ها خواهیم پرسید.
اما شاید صورت مسئله را اشتباه انتخاب کرده‌ایم. شاید سؤال اصلی این نباشد که: «AI کدام شغل را می گیرد؟» بلکه: «در کنار AI، انسان برای انجام چه کاری باید تربیت شود؟» همین تغییر در پرسش، نگاه ما به دانشگاه را تغییر می‌دهد.
هوش مصنوعی ممکن است بخشی از وظایف یک شغل را انجام دهد، اما این الزاماً به معنای حذف کامل آن حرفه نیست. مترجم آینده ممکن است کمتر، کسی باشد که صرفاً متن را از زبانی به زبان دیگر منتقل کند و بیشتر، کسی باشد که خروجی ماشین را ارزیابی کند، خطاهای معنایی و فرهنگی را تشخیص دهد، اصطلاحات تخصصی را مدیریت کند، تناسب پیام با مخاطب را بسنجد و مسئولیت نسخه نهایی را بپذیرد.
مدرس زبان نیز ممکن است کمتر «انتقال‌دهنده اطلاعات» و بیشتر طراح مسیر یادگیری، تشخیص‌دهنده نیازهای یادگیرنده و ناظر بر کیفیت آموزش باشد. پزشک، مهندس، حقوقدان، مشاور، حسابدار، روزنامه‌نگار، مدیر و پژوهشگر نیز با همین مسئله روبه‌رو هستند: وقتی ماشین بخشی از کار را انجام می‌دهد، بخش انسانی کار کجاست؟
برای سال‌ها، دسترسی به اطلاعات یکی از مزیت‌های مهم آموزش دانشگاهی بود. امروز تولید، خلاصه‌سازی و بازیابی اطلاعات بسیار آسان‌تر شده است.
اما تولید پاسخ، الزاماً به معنای تشخیص پاسخ درست نیست. هوش مصنوعی ممکن است متنی بسیار روان اما نادرست تولید کند؛ ترجمه‌ای طبیعی اما از نظر فرهنگی گمراه‌کننده ارائه دهد؛ یا برای یک کلاس فعالیتی جذاب پیشنهاد کند که برای گروه خاصی از دانشجویان مناسب نباشد.
پس هرچه تولید پاسخ آسان‌تر می‌شود، ارزش این توانایی‌ها بیشتر می‌شود: سؤال خوب پرسیدن، تحلیل کردن، راستی‌آزمایی کردن، مقایسه کردن، تشخیص دادن، قضاوت کردن و مسئولیت پذیرفتن. شاید بتوان این تحول را در یک جمله خلاصه کرد: دانشِ قابل بازیابی ارزان‌تر شده است؛ لیکن، قضاوتِ معتبر ارزشمندتر شده است.
اگر AI در تولید و بازیابی اطلاعات سریع‌تر است، دانشگاه نباید برای رقابت با ماشین وارد مسابقه‌ای شود که اساساً هدف آن نیست. دانشگاه باید انسانی تربیت کند که بتواند از ابزارهای قدرتمند استفاده کند، اما در برابر خروجی آنها تسلیم نشود.
دانشجو باید بداند چه چیزی را باید بداند، چه سؤالی بپرسد، به چه منبعی اعتماد کند، چگونه یک پاسخ را راستی‌آزمایی کند و چه زمانی باید به یک پاسخ «نه» بگوید. این یعنی حرکت از انتقال صرف دانش به تربیت قضاوت، شایستگی و مسئولیت.
سواد AI فقط بلد بودن چند ابزار یا نوشتن چند دستور خوب برای یک سامانه هوش مصنوعی نیست. دانشجو باید بداند AI چگونه کار می‌کند، کجا خطا می‌کند، چگونه خروجی آن را ارزیابی کند، چگونه سوگیری و اطلاعات ساختگی را تشخیص دهد و چگونه از حریم خصوصی و مالکیت فکری محافظت کند.
و شاید مهم‌تر از همه: بداند چه چیزی را نباید به ماشین واگذار کند. این مهارت‌ها متعلق به رشته‌های فناوری نیستند.
دانشجوی پزشکی، مهندسی، حقوق، معماری، علوم انسانی، مدیریت، علوم پایه و زبان نیز به آنها نیاز خواهد داشت. بنابراین سواد AI باید به بخشی از سواد دانشگاهی تبدیل شود.
یکی از واکنش‌های طبیعی دانشگاه‌ها به هوش مصنوعی، ممنوع کردن آن است. اما ممنوعیت، به‌تنهایی، استفاده مسئولانه از فناوری را آموزش نمی‌دهد.
دانشگاه باید روشن کند: کجا استفاده از AI مجاز است؛ کجا مشروط به اعلام و مستندسازی است؛ کجا ممنوع است و مسئولیت خطای خروجی با چه کسی است. ممکن است در یک درس استفاده از AI برای ایده‌پردازی مجاز باشد، اما تولید متن نهایی ممنوع باشد.
در درسی دیگر، دانشجو عمداً مأمور شود پاسخ AI را نقد و اصلاح کند. مسئله، آزاد گذاشتن یا ممنوع کردن مطلق فناوری نیست؛ طراحی قواعد متناسب با هدف یادگیری است.
هوش مصنوعی یک ضعف قدیمی در نظام ارزشیابی را آشکار کرده است: وقتی دانشجو مقاله‌ای تحویل می‌دهد، آیا واقعاً می‌دانیم چگونه به آن مقاله رسیده است؟ شاید وقت آن رسیده باشد که بخشی از ارزیابی از «محصول نهایی» به «فرایند» منتقل شود.
به‌جای اینکه فقط بپرسیم «چه نوشته‌ای؟»، بپرسیم: چطور به این موضوع رسیدی؟ چرا این منابع را انتخاب کردی؟
چگونه اعتبارشان را سنجیدی؟ AI کجا وارد فرایند شد؟
چه خطایی در خروجی آن پیدا کردی؟ و چرا این تصمیم را گرفتی؟
دفاع شفاهی، مستندسازی فرایند و تحلیل انتقادی خروجی AI می‌تواند بخشی از ارزشیابی آینده باشد. در این صورت، دانشگاه به‌جای جنگیدن با فناوری، از آن برای سنجش عمیق‌تر تفکر دانشجو استفاده می‌کند.
نمی‌توان از دانشجو خواست برای عصر AI آماده شود، در حالی که استاد همچنان با الگوی آموزشی پیش از AI تدریس می‌کند. توانمندسازی استاد باید از جنس AI + تخصص خود استاد باشد، نه صرفاً آموزش عمومی ابزارها.
استاد آموزش زبان باید بداند AI چگونه طراحی آموزشی را تغییر می‌دهد؛ استاد ترجمه باید بتواند کیفیت خروجی ترجمه ماشینی را ارزیابی کند؛ استاد علوم انسانی باید با مسائل اعتبار، استناد و سوگیری در تولید دانش با AI مواجه شود. تحول دانشگاه فقط برنامه‌ای برای دانشجو نیست.
استاد نیز باید برای نقش جدید خود آماده شود. این دغدغه، مختص به ایران نیست.
یونسکو در سال ۲۰۲۴ دو چارچوب شایستگی برای هوش مصنوعی منتشر کرد: یکی برای دانش‌آموزان و دیگری برای معلمان. چارچوب دانش‌آموزان ۱۲ شایستگی را در چهار بُعدِ ذهنیت انسان‌محور، اخلاق هوش مصنوعی، فنون و کاربردهای AI و طراحی سامانه‌های AI صورت‌بندی می‌کند.
چارچوب معلمان نیز ۱۵ شایستگی را در پنج بُعد، از جمله ذهنیت انسان‌محور، اخلاق AI، مبانی و کاربردهای AI، آموزش‌گری مبتنی بر AI و یادگیری حرفه‌ای، پیشنهاد می‌کند. این چارچوب‌ها بر نقش قضاوت انتقادی، مسئولیت انسانی و استفاده ایمن و اخلاقی از AI تأکید دارند.
در اتحادیه اروپا نیز «سواد هوش مصنوعی» وارد سطح سیاست‌گذاری شده است. ماده ۴ قانون هوش مصنوعی اتحادیه اروپا، ارائه‌دهندگان و استقراردهندگان سامانه‌های AI را موظف می‌کند برای ارتقای سواد هوش مصنوعی کارکنان و افرادی که از طرف آنها با این سامانه‌ها کار می‌کنند، اقداماتی متناسب با دانش، تجربه، آموزش و زمینه استفاده از سامانه‌ها را در نظر بگیرند.
این ماده از ۲ فوریه ۲۰۲۵ وارد مرحله اجرا شده است. ایران نیز از صفر شروع نمی‌کند.
«سند ملی هوش مصنوعی جمهوری اسلامی ایران» در جلسه ۹۰۱ شورای عالی انقلاب فرهنگی در ۲۹ خرداد ۱۴۰۳ تصویب و برای اجرا ابلاغ شده است. این سند در کنار توسعه فناوری، بر توسعه و تربیت سرمایه انسانی متخصص، آموزش و پژوهش، ارتقای کیفیت حکمرانی، کرامت انسانی و حریم خصوصی تأکید دارد و حتی صیانت از «کسب دانش و یادگیری و خلاقیت و نوآوری» در مواجهه با هوش مصنوعی را در شمار سیاست‌های راهبردی خود آورده است.
بنابراین مسئله فقط این نیست که «آیا سند داریم؟» سؤال مهم‌تر این است: سند چگونه به تجربه واقعی دانشجو تبدیل می‌شود؟ دانشجو در کلاس چه می‌کند؟
چگونه ارزیابی می‌شود؟ کجا مجاز به استفاده از AI است؟
و آیا یاد می‌گیرد پاسخ ماشین را به چالش بکشد؟ اگر سیاست در سطح سند بماند اما به برنامه درسی، کلاس، تربیت استاد و ارزشیابی ترجمه نشود، فاصله میان سیاست‌گذاری و تجربه زیسته دانشگاه باقی خواهد ماند.
اینجاست که مسئله از فناوری فراتر می‌رود و به حکمرانی آموزش عالی تبدیل می‌شود. راه‌حل، حذف رشته‌ها یا واگذاری مسئولیت‌های انسانی به فناوری نیست.
پنج تغییر می‌تواند نقطه شروع باشد: ۱. سواد AI را به شایستگی عمومی دانشگاهی تبدیل کنیم.
هر دانشجو، صرف‌نظر از رشته، باید اصول، محدودیت‌ها، خطاها، سوگیری، راستی‌آزمایی، حریم خصوصی، مالکیت فکری و اخلاق استفاده از AI را بیاموزد. ۲.
رشته‌ها را بر اساس شایستگی فارغ‌التحصیل بازطراحی کنیم. به‌جای اینکه بپرسیم «AI کدام رشته را تهدید می‌کند؟»، بپرسیم: «فارغ‌التحصیل این رشته در کنار AI چه قابلیت حرفه‌ای جدیدی باید داشته باشد؟» ۳.
ارزشیابی را از محصول به فرایند منتقل کنیم. دانشگاه باید تفکر، مسیر پژوهش، کیفیت تشخیص و توانایی دفاع از تصمیم را بسنجد؛ نه فقط متن نهایی را.
۴. استاد را توان‌مند کنیم.
نه با آموزش عمومی و پراکنده ابزارها، بلکه با پیوند دادن AI به تخصص هر استاد. ۵.
سیاست استفاده مسئولانه از AI داشته باشیم. قواعد باید روشن، شفاف و متناسب با هدف هر درس باشد؛ نه ممنوعیتی کلی و نه آزادی بدون مسئولیت.
اما این اقدامات نباید جزیره‌ای باشند. آنها به یک چارچوب منسجم برای شایستگی انسان در عصر هوش مصنوعی نیاز دارند؛ چارچوبی که سیاست‌گذاری، برنامه درسی، تربیت استاد، ارزشیابی، دانشگاه و بازار کار را به یکدیگر متصل کند.
به بیان ساده: سیاست باید به برنامه تبدیل شود، برنامه به سازوکار، سازوکار به تجربه دانشگاهی و تجربه دانشگاهی به شایستگی واقعی فارغ‌التحصیل. این همان جایی است که حکمرانی معنا پیدا می‌کند.
حالا اگر همان دانشجو دوباره کنارم بایستد و بپرسد: «استاد، با آمدن هوش مصنوعی هنوز مترجمی بخوانم؟»شاید پاسخ من فقط «بله» یا «نه» نباشد. از او خواهم پرسید: «می‌خواهی در آینده چه مسئله‌ای را حل کنی که ارزش حل کردن داشته باشد؟» اگر هدفش همچنان فعالیت در حوزه مناسبات فرهنگی و بین‌المللی باشد، انتخاب رشته را باید بر اساس تصویر آینده حرفه‌ای او بررسی کرد، نه صرفاً ترس از اینکه AI کدام وظیفه را می‌تواند انجام دهد.
شاید او در آینده مترجمی نباشد که فقط متن را از زبانی به زبان دیگر منتقل می‌کند. شاید متخصص ارتباطات بین‌فرهنگی باشد؛ شاید در دیپلماسی فرهنگی یا یک نهاد بین‌المللی فعالیت کند؛ و شاید مدیریت ارتباطات بین‌المللی را بر عهده بگیرد.
و شاید از هوش مصنوعی استفاده کند تا کارهای تکراری را به ماشین بسپارد و زمان بیشتری برای کارهای انسانی‌تر، پیچیده‌تر و راهبردی‌تر داشته باشد. در این صورت، انتخاب رشته دیگر انتخاب میان «رشته‌ای که AI می‌تواند بخشی از کارش را انجام دهد» و «رشته‌ای که AI نمی‌تواند انجام دهد» نیست.
انتخاب، درباره مسئله‌ای است که فرد می‌خواهد در جهان واقعی برای حل آن صاحب دانش، مهارت و مسئولیت باشد. و این سؤال فقط سؤال آن دانشجو نیست.
سؤال یک نسل است: در جهانی که ماشین می‌تواند بخشی از کار من را انجام دهد، من قرار است چه ارزش انسانی و حرفه‌ای بیافرینم؟ هوش مصنوعی شاید بیش از آنکه پایان دانشگاه باشد، آزمونی برای دانشگاه باشد؛ آزمونی برای اینکه ببینیم آموزش عالی تا چه اندازه مأموریت واقعی خود را شناخته است.
اگر دانشگاه فقط اطلاعات منتقل کند، طبیعی است که با فناوری‌ای که اطلاعات را بسیار سریع‌تر تولید و بازیابی می‌کند، با چالش جدی روبه‌رو شود. اما اگر دانشگاه تفکر، پژوهش، اخلاق، گفت‌وگو، خلاقیت، قضاوت، مسئولیت‌پذیری و حل مسئله را پرورش دهد، فناوری می‌تواند فرصتی برای بازتعریف مأموریت آن باشد.
دانشجوی آینده باید یاد بگیرد: وقتی ماشین پاسخ می‌دهد، سؤال بپرسد؛ وقتی ماشین ادعا می‌کند، راستی‌آزمایی کند؛ وقتی ماشین پیشنهاد می‌دهد، قضاوت کند؛ و وقتی ماشین بخشی از کار را انجام می‌دهد، کار انسانی خود را در سطحی بالاتر تعریف کند. شاید رسالت دانشگاه در عصر هوش مصنوعی، بیش از هر زمان دیگری همین باشد: تربیت انسانی که بتواند از هوش مصنوعی استفاده کند، بی‌آنکه اختیار اندیشیدن را به آن واگذار کند.
آینده آموزش عالی از جایی آغاز می‌شود که دانشگاه به‌جای ترساندن دانشجو از فناوری، او را برای زیستن و اثرگذاری در کنار آن آماده کند؛ استاد، به‌جای رقابت با ماشین، توانایی‌هایی را در انسان پرورش دهد که استفاده مسؤولانه از ماشین را ممکن می‌سازد؛ و نظام حکمرانی، به‌جای تمرکز صرف بر آینده رشته‌ها، درباره شایستگی‌های مورد نیاز انسان آینده تصمیمی آگاهانه و آینده‌نگر اتخاذ کند. در چنین نگاهی، هوش مصنوعی نه پایان دانشگاه است و نه ناجی آن.
فرصتی است برای بازگشت دانشگاه به انسانی‌ترین مأموریت خود: تربیت انسان‌هایی که می‌دانند، می‌پرسند، می‌سنجند، می‌آفرینند و مسئولیت می‌پذیرند؛ انسان‌هایی که آینده را فقط دریافت نمی‌کنند، بلکه در ساختن آن مشارکت می‌کنند.
