هوش مصنوعی میتواند بخشی از نخستین مشاغل فارغالتحصیلان را انجام دهد، اما دانشگاه همچنان باید جایی برای آموختن قضاوت، همکاری و مسئولیتپذیری باشد؛ مهارتهایی که بهسادگی خودکار نمیشوند.
به گزارش زومان به نقل از والاستریت ژورنال، گسترش هوش مصنوعی یک پرسش قدیمی درباره آموزش عالی را دوباره مطرح کرده است: اگر ماشینها بتوانند بخش بزرگی از کارهای ابتدایی را انجام دهند، دانشگاهها دقیقاً چه چیزی به دانشجویان میآموزند؟ گروهی از دانشجویان و استادان پاسخ میدهند که ارزش آموزش عالی را نباید فقط در آمادهسازی برای نخستین شغل جستوجو کرد. در اقتصادی که بخشی از کارهای پایهای خودکار میشوند، قضاوت انسانی، ارتباط با دیگران و تجربه عملی اهمیت بیشتری پیدا میکند.
وقتی پله اول نردبان شغلی حذف میشود
نخستین شغل معمولاً جای جذابی نیست. فارغالتحصیل تازهکار باید کارهای تکراری و اجرایی را انجام دهد، با صنعت آشنا شود و یاد بگیرد چگونه در کنار افراد دیگر کار کند. همین تجربه، بعدها به او امکان میدهد مسئولیتهای بزرگتری بپذیرد.
اما هوش مصنوعی میتواند بخشی از این مسیر را کوتاه کند. اگر نرمافزار بتواند وظایفی را که پیشتر به کارمندان تازهوارد سپرده میشد انجام دهد، شرکتها ممکن است انگیزه کمتری برای استخدام نیرویی داشته باشند که هنوز نیازمند آموزش است. در چنین شرایطی، دانشگاه نمیتواند فقط محتوای درسی را منتقل کند و انتظار داشته باشد تجربه شغلی بعداً خودبهخود شکل بگیرد.
لنس برودر از دانشگاه بیلور میگوید ارزش یک شغل مبتدی در انجام کارهای ساده نیست؛ در شناخت صنعت، کار با افراد دشوار و یادگیری نحوه ایجاد ارزش است. از نگاه او، کارکنان ارزشمند آینده الزاماً کسانی نیستند که بدون هوش مصنوعی کار میکنند، بلکه کسانی هستند که میدانند چه زمانی و چگونه باید از آن استفاده کنند.
این تغییر، میدان تمرین شغلی را از بین نمیبرد؛ ممکن است آن را به دانشگاه منتقل کند.
کلاس درس به میدان تمرین تبدیل میشود
اگر بخشی از تجربه ابتدایی کار دیگر در شرکتها به دست نیاید، دانشگاه باید سهم بیشتری از آن را فراهم کند. پروژههای گروهی، بحثهای کلاسی و تجربه کار در کنار دیگران میتوانند دانشجویان را برای موقعیتهایی آماده کنند که صرفاً با دانش فنی حل نمیشوند.
جیسون وادنوس از دانشگاه واندربیلت تأکید میکند که هوش مصنوعی میتواند یادداشت بنویسد یا جلسهای را خلاصه کند، اما نمیتواند جای کارمندی را بگیرد که فضای جلسه را میفهمد، اعتماد ایجاد میکند و افراد مخالف را به همکاری میرساند. از این منظر، ارزش مدرک دانشگاهی فقط در تکمیل مجموعهای از تکالیف نیست؛ بخشی از ارزش آن در مواجهه دانشجو با دیدگاههای متفاوت و موقعیتهای اجتماعی دشوار شکل میگیرد.
ویکتوریا کیپر از کالج سنت جان نیز استدلال میکند که آموزش علوم انسانی در عصر هوش مصنوعی اهمیت بیشتری پیدا میکند. از نظر او، آموزش صرفاً برای تربیت نیروی کار نیست؛ دانشگاه باید افرادی پرورش دهد که بتوانند به دیگران گوش دهند، میراث فکری گذشته را بشناسند و درباره نقش خود در جامعه فکر کنند.
دانشگاهها همچنین میتوانند بخشی از نابرابری در دسترسی به تجربه حرفهای را کاهش دهند. دانشجویانی که خانوادههای ثروتمند دارند ممکن است از پیش به کارآموزی، کسبوکار خانوادگی و شبکههای حرفهای دسترسی داشته باشند. برای بسیاری دیگر، ارتباط با استادان، فارغالتحصیلان، فرصتهای پژوهشی و انجمنهای دانشگاهی تنها مسیر ورود به چنین شبکههایی است.
بعد از مهارت فنی، نوبت قضاوت است
هوش مصنوعی در برخی حوزهها دیگر صرفاً یک ابزار کمکی نیست. میتوان به تلاش هوش مصنوعی شرکت OpenAI برای حل بخشهایی از مسئله ناویه-استوکس اشاره کرد؛ مسئلهای که نزدیک به یک قرن ریاضیدانان را درگیر کرده است. اما توانایی انجام یک کار پیچیده الزاماً به معنای توانایی تشخیص تصمیم درست نیست.
همین تفاوت میتواند مسیر آموزش عالی را تغییر دهد. اگر مشاغل مبتدی محدودتر شوند، صرف داشتن مدرک دانشگاهی برای ورود به بازار کار کافی نخواهد بود. دانشگاهها باید فرصتهای بیشتری برای کار عملی، کارورزی و یادگیری تجربی فراهم کنند تا دانشجویان بتوانند برای نقشهای پیچیدهتر آماده شوند.
مسئله فقط مهارت فنی نیست. انسان هنگام تصمیمگیری باید پیامد انتخاب خود را ببیند، میان ارزشهای متعارض انتخاب کند، روابط را مدیریت کند و مسئولیت تصمیمش را بپذیرد. هوش مصنوعی چنین تجربهای ندارد.
از این منظر، آموزش عالی در عصر هوش مصنوعی با یک انتخاب ساده میان «مهارت فنی» و «علوم انسانی» روبهرو نیست. دانشگاه باید هر دو را کنار هم قرار دهد: توانایی استفاده از فناوری و توانایی تشخیص زمان استفاده از آن. اگر نخستین پله بازار کار کوتاهتر شود، بخش مهمی از آنچه پیشتر در محل کار آموخته میشد، باید جای دیگری آموخته شود؛ و دانشگاه یکی از معدود مکانهایی است که میتواند این تجربه را به شکل سازمانیافته فراهم کند.