دانشگاه؛ فراتر از پاسخ ها
امیرعباس میرزاخانی
این روزها با اعلام نتایج کنکور و شلوغیِ مراجعات داوطلبان و خانواده‌ها برای انتخاب رشته، دغدغه‌ای عمیق‌تر از رتبه و تراز در چشمان پرسشگر آنان موج می‌زند. آن‌ها با کارنامه‌ای در یک دست و لیستی از رشته‌ها در دست دیگر، نگران‌تر از هر نسل دیگری می‌پرسند: «استاد، با گسترش شتابان هوش مصنوعی، آیا این رشته هنوز آینده‌ای دارد؟ آیا چند سال بعد که فارغ‌التحصیل شوم، کارم را به یک ماشین نباخته‌ام؟»
این اضطراب عمومی، فراتر از یک تردید مقطعی برای انتخاب رشته است؛ این نشانه ورود جامعه به یک «بحران ادراک» در مواجهه با فناوری است. نسل جدید به‌درستی حس کرده که مختصات دنیای کار دگرگون شده، اما صورت‌مسئله را اشتباه تعریف کرده است. مسئله امروز آموزش عالی، «انقراض یا بقای رشته‌ها» نیست؛ مسئله ظهور یک قانون جدید در اقتصاد دانایی است: «دانش قابل بازیابی ارزان‌تر شده، اما قضاوت معتبر گران‌تر و نایاب‌تر.» در جهانی که ماشین در چند ثانیه متنی روان می‌نویسد، داده‌ها را پردازش می‌کند و نخستین پاسخ را تحویل می‌دهد، دانشگاه دیگر نمی‌تواند کارخانه‌ای برای توزیع اطلاعات تکراری و مدرک‌های بی‌سنگر باشد.
سندروم تاریخی مقاومت:
از تحریم ماشین‌حساب تا هراس از گوگل
برای فهمِ موقعیت امروزمان بد نیست کمی به عقب برگردیم. حافظه آموزش کشور ما پر از هراس‌های مشابهی است که گذر زمان بی‌پایه‌بودن آن‌ها را ثابت کرد:
-در دهه‌های ۶۰ و ۷۰ خورشیدی، استفاده از ساده‌ترین ماشین‌حساب‌ها برای دانش‌آموزان قدغن بود و بر سر ورود ماشین‌حساب‌های مهندسی به سالن امتحانات دانشگاه‌ها مناقشه‌های بی‌پایان درمی‌گرفت؛ گویی با فشردن یک دکمه، استعداد ریاضی نسل جوان برای همیشه نابود می‌شد!
- سال‌ها بعد با ظهور اینترنت، آوردن ارجاع از موتورهای جست‌وجوگری چون گوگل (Google) در دانشگاه‌ها انگِ بی‌سوادی و نوعی تقلب پنهان تلقی می‌شد و نظام آموزشی با سوءظن به دانشجویی نگاه می‌کرد که به جای ورق‌زدن روزهای متمادی در مخازن خاک‌گرفته کتابخانه‌ها، با چند کلیک منبع مورد نظرش را یافته بود.
امروز نه تنها هیچ مهندسی بدون ابزارهای محاسباتی پروژه طراحی نمی‌کند و هیچ پژوهشگری بدون موتورهای کاوش داده رساله نمی‌نویسد، بلکه ارزش انسان در این تغییر کرد که «با این ابزارها چه مسئله تازه‌ای را می‌توان حل کرد؟» هوش مصنوعی نیز دقیقاً در همین امتداد تاریخی قرار دارد؛ ماشین‌حساب تفکر و جست‌وجوگر معناست، نه پایان تخصص.
آینده شغلی رشته‌ها به کدام سمت می‌رود؟
بر پایه همین تجربه تاریخی، می‌توان نقشه جدید بازار کار را بی‌پرده برای نسل جدید ترسیم کرد. هوش مصنوعی رشته‌ها را منقرض نمی‌کند، بلکه «هرم وظایف شغلی» را واژگون می‌سازد:
مشاغل از «انجام‌دادن صرف» به «طراحی، سناریونویسی و نظارت» شیفت می‌کنند: در گذشته ارزش بازار کار یک مترجم، برنامه‌نویس، حسابدار، حقوق‌دان یا مهندس در سرعت تولید خروجی خام بود. امروز این کارهای ساختارمند و تکراری به ماشین واگذار می‌شود. ارزش فردای دانش‌آموخته در توانایی «ارزیابی، اصلاح خطاها، فهم ظرایف فرهنگی و انسانی و پذیرش مسئولیت حقوقی و اخلاقی تصمیم نهایی» خلاصه می‌شود.
مرز میان رشته‌ها فرو می‌ریزد (ظهور تخصص‌های هیبریدی): دوران تک‌مهارتی به پایان رسیده است. پزشک آینده سواد اعتبارسنجی خروجی تشخیصی الگوریتم‌ها را دارد؛ وکیل آینده تعارضات داده‌ای ماشین‌ها را حل‌وفصل می‌کند؛ و دانش‌آموخته علوم انسانی با منطق سیستم‌های دیجیتال آشناست. تخصص‌های آینده، چندرشته‌ای و پیوندی هستند.
- ارزش ارزش‌های انسانی (مهارت‌های نرم) صعودی می‌شود: هوش مصنوعی نه همدلی بلد است، نه زبان بدن و بافت مذاکره را می‌فهمد، نه در بحران‌های اجتماعی تصمیم شهودی می‌گیرد و نه می‌تواند پیامد یک رفتار را اخلاقاً به گردن بگیرد. رشته‌هایی که با روان انسان، دیپلماسی، خلاقیت اصیل و تربیت پیوند خورده‌اند، اگر از ماشین ابزار بسازند، اتفاقاً دست‌نیافتنی‌تر از گذشته خواهند شد. بنابراین هیچ رشته‌ای منقرض نمی‌شود، بلکه آن متخصصی منقرض می‌شود که بخواهد نقش یک ماشین کُند را در برابر ماشینی فوق‌سریع بازی کند.
پنج گام اضطراری برای سیاست‌گذاری دانشگاهی
اگر آموزش عالی نخواهد باز هم تجربه شکست‌خورده مقاومت در برابر فناوری را تکرار کند، باید پنج اقدام فوری را به کار بندد:
1. سواد هوش مصنوعی به مثابه واحد عمومی الزامی: همان‌گونه که دیروز سواد رایانه عمومی شد، امروز دانشجوی مهندسی، پزشکی، حقوق، ادبیات، مدیریت یا هنر باید در سال اول یاد بگیرد که ماشین چگونه «توهم» می‌زند (Hallucination)، سوگیری داده‌ها (Bias) کجاست و مرزهای حریم خصوصی چگونه صیانت می‌شود.
2. جراحی ساختار ارزشیابی؛ از محصول نهایی به «فرایند و دفاع»: دوران نمره‌دادن به تکالیف و مقاله‌های متنی که ماشین در چند دقیقه تحویل می‌دهد سپری شده است. دانشگاه باید به سمت سنجش فرایند تفکر، برگزاری جلسات دفاع شفاهی، و بررسی منطق پرامپت‌نویسی و خطایابی دانشجو حرکت کند.
3. گذر از «ممنوعیت‌های کور» به «پروتکل‌های استفاده مسئولانه»: ممنوع‌کردن هوش مصنوعی همان سرنوشت ممنوعیت ماشین‌حساب را دارد؛ صرفاً تقلب را پنهان و دیوار بی‌اعتمادی را بلندتر می‌کند. دانشگاه موظف است چارچوب صریح بگذارد: کجا استفاده مجاز است، کجا مشروط به مستندسازی است و کجا قضاوت محض انسانی الزامی است.
4. بازطراحی سرفصل‌ها بر پایه «حل مسائل پیچیده»: برنامه‌های درسی حافظه‌محور در برابر حافظه لایتناهی ماشین رنگ باخته‌اند. دانشگاه باید به میدان حل مسائل واقعی و بین‌رشته‌ای تبدیل شود؛ جایی که دانشجو یاد می‌گیرد چگونه از تجمیع داده‌ها به یک راه‌حل بومی و کاربردی برسد.
5. بازتعریف نقش استاد؛ از انتقال‌دهنده داده به «مربی و داور»: استادی که کارکرد خود را در بازگویی مفاهیم و تعاریف خلاصه کند، پیشاپیش جای خود را به ابزارهای هوشمند داده است. استاد عصر جدید، «مربی اندیشیدن» و داور اخلاق حرفه‌ای است که افق‌های تفکر انتقادی را به دانشجو می‌آموزد.
وقتی در هیاهوی این روزها، داوطلب کنکور روبه‌رویم می‌نشیند و نگران از انتخاب رشته می‌پرسد، به او نمی‌گویم کدام رشته می‌ماند و کدام می‌رود. به او می‌گویم: «همان رشته‌ای را انتخاب کن که انگیزه و اشتیاق حل مسائل آن را داری، اما هرگز خودت را در قالب یک کاربر مجری متوقف نکن. طوری تخصصت را بساز که ماشین، ابزار دست تو باشد، نه اینکه تو رقیب دست‌وپابسته ماشین باشی.»
هوش مصنوعی رقیب دانشگاه نیست؛ صریح‌ترین آینه‌ای است که نقایص کهنه آموزش عالی را عریان کرده است. دانشگاه، کارخانه تولید پاسخ‌های آماده نیست؛ سنگر پاسداری از عاملیت انسان است. رسالت امروز ما صیانت از نام رشته‌ها نیست؛ تربیت انسان‌هایی است که وقتی ماشین پاسخ می‌دهد، می‌دانند چگونه بپرسند، چگونه شک کنند و چگونه فرمان قضاوت و مسئولیت را در دست نگه دارند.
نظر شما :