به گزارش خبرنگار مهر، تا چند سال پیش، دانش‌آموزی که برای حل یک مسئله درسی یا نوشتن مقاله دانشگاهی به کمک نیاز داشت، معمولاً باید سراغ کتاب، معلم، استاد، کتابخانه یا موتور جست‌وجو می‌رفت. امروز کافی است چند جمله در یک ابزار هوش مصنوعی بنویسد تا در چند ثانیه توضیح، خلاصه، استدلال، پاسخ مسئله، کد برنامه‌نویسی یا حتی یک متن کامل دریافت کند. همین سرعت، یکی از جذاب‌ترین ویژگی‌های هوش مصنوعی در آموزش است؛ اما همزمان یک سؤال جدی را پیش روی نظام آموزشی قرار داده است: اگر ماشین بتواند بخش قابل توجهی از فرایند فکر کردن را انجام دهد، دانش‌آموز و دانشجو برای یادگرفتنِ فکر کردن چه انگیزه‌ای خواهد داشت؟
این نگرانی البته تازه نیست. هر فناوری جدیدی که بخشی از کار ذهنی انسان را بر عهده گرفته، چنین پرسشی ایجاد کرده است. ماشین‌حساب محاسبه را آسان کرد، موتور جست‌وجو دسترسی به اطلاعات را تغییر داد و اکنون هوش مصنوعی مولد نه فقط اطلاعات، بلکه متن و استدلال آماده تولید می‌کند. تفاوت مهم اینجاست که فناوری‌های قبلی عمدتاً یک مرحله از فرایند یادگیری را آسان می‌کردند، اما ابزارهایی مانند هوش مصنوعی می‌توانند از تعریف مسئله تا ارائه پاسخ نهایی در بخش‌هایی از فرایند همراه کاربر باشند.
به همین دلیل، مسئله اصلی دیگر «استفاده یا عدم استفاده از هوش مصنوعی» نیست؛ مسئله این است که کدام بخش از فرایند یادگیری را به هوش مصنوعی می‌سپاریم و کدام بخش را خودمان انجام می‌دهیم؟
وقتی پاسخ آماده، جای فرایند رسیدن به پاسخ را می‌گیرد
یادگیری فقط به معنای داشتن پاسخ صحیح نیست. دانش‌آموزی که یک مسئله ریاضی را خودش حل می‌کند، درگیر آزمون و خطا، تشخیص خطا و انتخاب روش می‌شود. دانشجویی که برای نوشتن یک مقاله ابتدا مسئله را تعریف می‌کند، منابع را می‌خواند، میان آنها ارتباط برقرار می‌کند و در نهایت استدلال خود را می‌سازد، در واقع مجموعه‌ای از مهارت‌های شناختی را تمرین می‌کند.
اما اگر تمام این مراحل با یک درخواست کوتاه به هوش مصنوعی سپرده شود، ممکن است محصول نهایی همچنان درست و حتی بسیار بهتر از نوشته دانشجو باشد، بدون آنکه همان مقدار یادگیری در ذهن او اتفاق افتاده باشد.
در ادبیات علمی، یکی از مفاهیم مهم برای توضیح این مسئله «برون‌سپاری شناختی» است؛ یعنی فرد بخشی از بار پردازش ذهنی را به یک ابزار یا عامل بیرونی واگذار می‌کند. پژوهش تازه‌ای درباره ۱۲۰ جوان نشان داده است که استفاده از هوش مصنوعی در یک تکلیف منطقی باعث افزایش پاسخ‌های درست و کاهش تلاش ذهنی گزارش‌شده شد؛ اما تفاوت مهم میان استفاده راهبردی از هوش مصنوعی و واگذاری کامل کار نیز مشاهده شد. پژوهشگران تأکید کردند که هوش مصنوعی بسته به نحوه استفاده می‌تواند نقش «داربست» برای تفکر یا جایگزین آن را پیدا کند.
این تفاوت برای آموزش حیاتی است. کم‌شدن تلاش ذهنی همیشه نشانه بدی نیست. اگر دانش‌آموز بتواند یک کار تکراری را به ماشین بسپارد و انرژی خود را برای تحلیل مسئله پیچیده‌تر صرف کند، فناوری به یادگیری کمک کرده است. مشکل زمانی آغاز می‌شود که بخش دشوار و آموزشی کار نیز واگذار شود.
فرض کنیم دانشجویی باید درباره یک موضوع تاریخی مقاله بنویسد. اگر از هوش مصنوعی بخواهد فهرستی از منابع احتمالی، پرسش‌های تحقیق و دیدگاه‌های مخالف را پیشنهاد کند، ابزار می‌تواند نقش دستیار پژوهش را داشته باشد. اما اگر کل مقاله را تولید کند و دانشجو صرفاً آن را تحویل دهد، ممکن است محصول آموزشی باقی بماند اما فرایند یادگیری اتفاق نیفتد.در این حالت، هوش مصنوعی الزاماً دانشجو را «کم‌هوش‌تر» نکرده است؛ بلکه ممکن است فرصت تمرین یک مهارت را از او گرفته باشد.
هوش مصنوعی همیشه دشمن تفکر نیست
اگر گزارش قرار باشد صرفاً هشدار بدهد که هوش مصنوعی دانش‌آموزان را تنبل می‌کند، بخش مهمی از شواهد علمی را نادیده خواهد گرفت.
یک پژوهش انجام شده در سال ۲۰۲۵ که نتایج مطالعات تجربی درباره هوش مصنوعی و یادگیری را ترکیب کرده، نشان داده است که استفاده از آن در مجموع می‌تواند عملکرد تحصیلی و برخی پیامدهای انگیزشی را بهبود دهد و با افزایش برخی گرایش‌های مرتبط با تفکر سطح بالاتر همراه باشد؛ در عین حال، پژوهشگران کاهش تلاش ذهنی را نیز گزارش کرده‌اند. بنابراین کاهش تلاش ذهنی در این مطالعات لزوماً مترادف با تنبل‌شدن ذهن نیست.
اگر معلم از دانش‌آموز بخواهد پاسخ هوش مصنوعی را بررسی کند، خطاهایش را پیدا کند، دو استدلال مخالف ارائه دهد و در نهایت پاسخ خودش را بنویسد، هوش مصنوعی می‌تواند تبدیل به موضوع تفکر شود.اما اگر تکلیف فقط این باشد که «پاسخ را پیدا و تحویل بده»، احتمال واگذاری فرایند فکر کردن بیشتر خواهد شد.
تفاوت «کمک گرفتن» با «فکر نکردن»
شاید بهترین راه برای فهم مسئله، مقایسه هوش مصنوعی با ماشین‌حساب باشد.هیچ‌کس نمی‌گوید استفاده از ماشین‌حساب ذاتاً باعث از بین رفتن توانایی ریاضی می‌شود. اما اگر دانش‌آموز قبل از یادگیری جمع و تفریق، همه محاسبات را به ماشین‌حساب بسپارد، احتمالاً بخشی از مهارت‌های پایه را تمرین نمی‌کند.هوش مصنوعی نیز وضعیتی مشابه اما پیچیده‌تر دارد. مسئله فقط محاسبه نیست؛ خود تولید متن، انتخاب استدلال، خلاصه‌سازی، ایده‌پردازی و پاسخ‌گویی نیز بخشی از فعالیت ذهنی هستند.
یکی از خطرهای کمتر دیده‌شده هوش مصنوعی این است که دانش‌آموز می‌تواند محصولی بسیار بهتر از سطح واقعی دانش خود تولید کند.متنی منظم، دارای واژگان تخصصی و ساختار منطقی، ممکن است این تصور را ایجاد کند که نویسنده آن موضوع را به‌خوبی فهمیده است؛ در حالی که شاید فقط یک دستور مناسب به ابزار هوش مصنوعی داده باشد.این مسئله ارزشیابی آموزشی را نیز دچار مشکل می‌کند. اگر تکلیف خانگی با کمک هوش مصنوعی بسیار خوب انجام شود، نمره دیگر الزاماً نشان‌دهنده میزان فهم دانش‌آموز نیست.
دانش‌آموز آینده باید جواب‌دهنده باشد یا سؤال‌ساز؟
شاید ورود هوش مصنوعی به آموزش، بیش از آنکه نیازمند حذف فناوری باشد، نیازمند تغییر نوع تکلیف‌های آموزشی باشد.در دوره‌ای که ماشین می‌تواند در چند ثانیه یک متن منظم تولید کند، ارزش دانش‌آموزی که فقط می‌تواند یک متن منظم تولید کند کاهش پیدا می‌کند. اما توانایی طرح سؤال خوب، تشخیص مسئله، ارزیابی شواهد، تشخیص تناقض، مقایسه منابع و توضیح چرایی یک نتیجه اهمیت بیشتری پیدا می‌کند.این تغییر را می‌توان در قالب یک مثال ساده دید.اگر از دانشجو بخواهیم «درباره تأثیر شبکه‌های اجتماعی بر خانواده مقاله بنویس»، احتمال زیادی وجود دارد که هوش مصنوعی بتواند بخش قابل توجهی از کار را انجام دهد.اما اگر از او بخواهیم «سه ادعای موجود در پاسخ هوش مصنوعی را پیدا کن که ممکن است نادرست یا فاقد پشتوانه باشند و با منابع علمی بررسی کن»، ماهیت تکلیف کاملاً تغییر می‌کند.
در حالت اول، ماشین می‌تواند جای نویسنده را بگیرد؛ در حالت دوم، ماشین تبدیل به ماده خام برای تفکر می‌شود.این همان نقطه‌ای است که آموزش باید خود را با فناوری جدید تطبیق دهد.
نه ممنوعیت کامل، نه واگذاری کامل
بحث درباره هوش مصنوعی در آموزش گاهی به دو قطب افراطی تقسیم می‌شود: عده‌ای آن را تهدیدی برای آینده تفکر می‌دانند و گروهی معتقدند مقاومت در برابر آن بی‌فایده است و مدارس و دانشگاه‌ها باید هرچه سریع‌تر آن را وارد فرایند آموزشی کنند.اما شواهد پژوهشی فعلی، دست‌کم چنین دوگانه ساده‌ای را تأیید نمی‌کند.این ابزار می‌تواند دسترسی سریع به دیدگاه‌های مختلف، تحلیل اطلاعات و ساختن استدلال را تسهیل کند؛ اما اتکای بیش از حد به آن می‌تواند انگیزه خوداندیشی و ارزیابی مستقل اطلاعات را کاهش دهد.بنابراین مسئله اصلی احتمالاً داشتن یا نداشتن هوش مصنوعی نیست؛ مسئله نوع رابطه دانش‌آموز با آن است.به بیان دیگر، هوش مصنوعی می‌تواند عصای ذهن باشد یا مربی ذهن.تفاوت این دو، نه در خود ماشین، بلکه در نحوه استفاده از آن و طراحی محیط آموزشی است.
مسئله آینده آموزش، بنابراین جنگ با هوش مصنوعی نیست؛ بلکه تعیین مرز میان کمک گرفتن از ماشین و فکر نکردن به جای ماشین است.اگر مدرسه و دانشگاه همچنان دانش‌آموز را فقط با «جواب درست» ارزیابی کنند، هوش مصنوعی می‌تواند بخش بزرگی از فرایند آموزشی را بی‌معنا کند. اما اگر آموزش به سمت سؤال‌سازی، استدلال، دفاع از دیدگاه، نقد منبع، حل مسئله و توضیح فرایند رسیدن به پاسخ حرکت کند، هوش مصنوعی می‌تواند به جای رقیب ذهن انسان، به یکی از ابزارهای آن تبدیل شود.
شاید مهم‌ترین مهارت دانش‌آموز عصر هوش مصنوعی دیگر این نباشد که جواب را پیدا کند؛ بلکه این باشد که بداند چه سؤالی بپرسد، چه پاسخی را باور نکند و چگونه خودش بفهمد که پاسخ درست است.
