Tagو گوید

بیم ها و امیدهای پدر وب؛ تیم برنرز-لی از مشکلات جهان آنلاین می گوید

بیم ها و امیدهای پدر وب؛ تیم برنرز-لی از مشکلات جهان آنلاین می گوید

دیروز بیست و هشتمین سالگرد روزیست که «تیم برنرز-لی» پیشنهاد خود را برای تأسیس «» یا جهان-وب ارائه کرد. او به همین دلیل نامه ای را خطاب به  (W3C) نوشته و از بیم ها و امیدهایش در این حوزه می گوید.

برنرز-لی در واقع مدیریت W3C را بر عهده دارد، سازمانی که استانداردهای متن-بازی را برای وب توسعه می دهد و به همین دلیل، تأثیر غیر قابل انکاری بر آن می گذارد. با این حال در دورانی که وب واقعاً در سرتاسر جهان گسترده شده، دولت ها و کمپانی های متمول به قدرت نفوذ زیادی در آن دست یافته اند.

اگرچه همه مواردی که توسط «پدر وب» مطرح شده تازگی ندارند، اما سه مورد از آنها که طی 12 ماه گذشته توسعه قابل توجهی داشته، او را نگران کرده اند. در ادامه حوزه های مد نظر برنرز-لی را بررسی می کنیم.

1- از بین رفتن کنترل افراد روی داده ها و اطلاعات شخصی

برنرز-لی مشکلی که همه ما با آن دست به گریبانیم را تأیید می کند: قوانین پر پیچ و خم و مبهم شرکت ها برای ارائه خدمات در حوزه فناوری هایی که به بخشی از زندگی روزمره ما تبدیل شده اند. مسئله نظارت و جاسوسی دولت ها را نیز به این موضوع اضافه کنید، که بدون کسب اجازه به جمع آوری اطلاعات و مکالمات خصوصی می پردازند.

2- انتشار ساده اخبار کذب و اطلاعات جعلی در فضای وب

همچون همه ما، برنرز-لی نیز نقش مخرب دروغ پراکنی را به خوبی می شناسد؛ ارتباطات آنلاین و حباب های کاذب حول شبکه های اجتماعی، به راحتی بستر را برای اشاعه مغرضانه اطلاعات غلط فراهم ساخته، ضمن اینکه استفاده از «علوم داده» و لشکری از بات های هدفمند، سیستم های اطلاعاتی را به راحتی بازیچه خود قرار می دهند.

3- تبلیغات سیاسی هدفمند و زیرپوستی به صورت آنلاین

پدر وب از توانایی سیاستمداران برای انتشار روایات مختلف در مورد جریان های خاص می هراسد، در حالی که عموم مردم واقعاً نمی دانند پشت پرده چه خبر است. برنرز-لی می گوید:

تبلیغات هدفمند به یک گروه اجازه می دهد وجهه ای متفاوت و ضد و نقیض از جریان های دیگر ترسیم کند. آیا دموکراسی واقعی همین است؟

هیچ شکی نیست که تمام موارد فوق در دسته مشکلات اساسی جهان امروز قرار می گیرند، اما برای مقابله با آنها چه باید کرد؟ «تیم» هم مثل ما به رفع زودهنگام همه این مسائل امیدوار نیست، اما حداقل راهکارهایی را پیشنهاد می کند که از طریق آنها به آینده ای روشن قدم بگذاریم:

1- یکی از راهکارهای پیشنهادی برنرز-لی برای کنترل بیشتر کاربران روی داده های خود، استفاده از بسته های داده محافظت شده است. در حال حاضر مؤسسه فناوری ماساچوست (MIT) و مرکز تحقیقات کامپیوتری قطر (QCRI) روی پروژه ای به نام SOLID کار می کنند.

SOLID : Social Linked Date

در این پروژه که البته هنوز در مراحل آغازین به سر می برد، هدف این است که داده های شخصی از دسترس شرکت ها و نهادهای سودجو محفوظ بماند. طرح مذکور می تواند کنترل کامل کاربر را بر نحوه دسترسی به اطلاعات از سوی کمپانی هایی همچون فیسبوک به ارمغان آورد. اشخاص می توانند در هر لحظه که بخواهند، دسترسی را محدود نمایند.

2- برنرز-لی پیشنهاد می کند مؤسسه های انتشاراتی و خبری و تمام کسب و کارهای تبلیغات-محور، دوباره به سیستم حق عضویت و پرداخت های جزئی روی بیاورند. این رویکرد در عصر حاضر که عطش سیری ناپذیر برای دریافت ترافیک ورودی به هر نحو ممکن و استفاده از اطلاعات فردی برای بازاریابی های هدفمند را شاهد هستیم، می تواند نقش بسزایی در حفظ حریم شخصی کاربران ایفا نماید.

3- دولت هایی که به هر دلیل با یکدیگر خصومت دارند، به دادگاه های مربوطه رجوع کنند و فضای آنلاین را به عنوان ابزار هجوم و تلافی به کار نگیرند. این پیشنهاد برای تمامی دوران ها صادق بوده و هست.

4- شرکت های مرجع و پایه ای همچون فیسبوک و گوگل که دروازه های اصلی برای دستیابی به وب و فضای آنلاین به شمار می روند، باید تلاش های خود در زمینه مقابله با اخبار کذب گسترش دهند، اما نباید خودشان را معیار انحصاری اصالت اخبار قرار دهند.

5- نحوه عملکرد و فعالیت الگوریتم ها و فناوری های که بر زندگی روزمره ما تأثیر انکارناپذیری دارند، باید با شفافیت کامل اعلام شوند. «تیم» از سه اصل «عدالت، پاسخگویی، و شفافیت در زمینه یادگیری ماشینی» به عنوان بنیان استانداردهای آتی سخن گفته.

6- قوانین عامل بر کمپین های تبلیغاتی سیاسی و انتخاباتی در فضای آنلاین باید به گونه ای تنظیم شوند که همه آنها را به سطحی استاندارد و همسان برسانند، درست مانند شرایطی که در رسانه های جمعی دیگر مانند رادیو و تلویزیون وجود دارد.

البته همچون همیشه، ارائه پیشنهاد کار ساده ایست، اما ترغیب دست اندرکاران و قدرتمندان برای اجرای این راهکارها به هیچ وجه ساده نخواهد بود. دولت ها هنوز هم هر کاری که دلشان بخواهد انجام می دهند، و پرونده های قانونی در دادگاه های بین المللی خاک می خورند.

همچنین برخی از بزرگ ترین شرکت های حوزه فناوری جهان، تمام فعالیت ها و مدل کسب و کار خود را بر محور جمع آوری اطلاعات شخصی کاربران و استفاده بهینه و هدفمند از آنها بنا نهاده اند؛ بنابراین به سختی می توان آنها را از این راه دور کرد.

قطعاً برنرز-لی نیز آنقدر ساده لوح نیست که به رفع همه این مشکلات در آینده ای نزدیک (و حتی دور) امیدوار باشد، اما با بهره گیری از نفوذ W3C و هدف گذاری های 5 ساله، می توان به مرور راهکارهایی را پیاده سازی کرد.

در این نبرد نابرابر، دسترسی او به قدرتمندترین بازیگران صحنه فناوری و سطح بالای تأثیرگذاری فردی اش، می تواند سلاحی کارآمد باشد تا غول های تکنولوژی را به فلسفه خود مقید سازد، یا حداقل آنها را از انحراف بیشتر از اصول اخلاقی و انسانی بازدارد.

The post appeared first on .

بیم ها و امیدهای پدر وب؛ تیم برنرز-لی از مشکلات جهان آنلاین می گوید

همزیستی و هم افزایی؛ استاد دانشگاه کارنگی ملون از آینده هوش مصنوعی می گوید

همزیستی و هم افزایی؛ استاد دانشگاه کارنگی ملون از آینده هوش مصنوعی می گوید

تا سال 2021 نرم افزارهای روزمره به اندازه ای هوشمند و قدرتمند خواهند شد که جای انسان را در بسیاری از فعالیت ها خواهند گرفت. حال چگونه می توان با این روند همگام شد؟

برخی پیش بینی ها نشان می دهند نرخ بیکاری گسترده و نبردی تمام عیار بین انسان ها و هوش مصنوعی رخ می دهد، اما برخی دیگر نیز آینده ای تا این حد تیره و تار را متصور نمی شوند.

در این میان پروفسور «مانوئلا ولوسو» رئیس گروه یادگیری ماشینی در دانشگاه کارنگی ملون، عقیده دارد در آینده انسان ها و سیستم های هوشمند به گونه ای جدانشدنی به یکدیگر پیوند می خورند و به تبادل مداوم اطلاعات و اهداف می پردازند، وضعیتی که او نام «همزیستی مستقل» را بر آن نهاده.

در آینده ی مورد نظر ولوسو، به سختی می توان انسان را از دستیاران هوشمند تمیز داد، اما نه آدم ها و نه نرم افزارهای هوشمند، هیچ یک بدون دیگری دوام نخواهد آورد.

ولوسو هم اکنون این ایده را در پردیس CMU به اجرا گذاشته، جایی که ربات های دوچرخ سرگردان با نام cobot به صورت مستقل، میهمانان را بین ساختمان های مختلف همراه می نمایند، و هرگاه با مشکلی مواجه شدند، از انسان ها کمک می گیرند.

این رویکرد، درک نوینی را از هوش مصنوعی به بار می آورد، به گونه ای که می توان پیامدهای ژرف و بنیادی را طی پنج سال آینده برای آن متصور شد.

در ادامه، صحبت های ولوسو در مورد مباحثی همچون ربات ها، برنامه نویسی پیشرفته و تهدیدات هوش مصنوعی برای نوع بشر را مرور می کنیم.

یکی از برجسته ترین روندهای قابل مشاهده در پنج سال گذشته، خودکارسازی عملیات بوده است. در عین حال، می بینیم هوشمندی بیشتری به ابزارهای موجود از جمله موبایل ها و کامپیوترها راه یافته. با این حساب، پنج سال آینده را چگونه توصیف می کنید؟

به نظر من در آینده، همزیستی کاملی بین انسان ها و سیستم های هوش مصنوعی وجود خواهد داشت، که در خدمت بشریت قرار می گیرند. این سامانه های AI مجموعه ای از نرم افزارها برای مدیریت دنیای دیجیتال، سیستم هایی که در فضای فیزیکی و در کنار ما جابجا می شوند (پهپادها، ربات ها، ماشین های خودران و غیره) و همچنین سیستم هایی که جهان فیزیکی را پردازش می کنند (مانند دیوایس های اینترنت اشیاء) را در بر می گیرند.

آینده زندگی بشر و رفع مشکلات، به همزیستی با هوش مصنوعی گره خورده است

در جهان واقعی نیز سیستم های هوشمند زیادی را خواهیم داشت که علاوه بر موبایل ها و کامپیوترها، به صورت آگاهانه در پیرامون ما حضور داشته و اطلاعات دنیای فیزیکی را احساس و پردازش می نمایند، تا بدین ترتیب به ما در تصمیم گیری بر اساس داده های موجود کمک نمایند.

با گذشت زمان، خواهیم دید که چنین سامانه های هوشمند مصنوعی، تأثیر گسترده ای بر مشکلات مختلف جامعه خواهند داشت: ترافیک شهرهای بزرگ را مدیریت خواهند کرد؛ پیش بینی دقیقی از وضعیت اقلیمی خواهند داشت؛ و انسان ها را در اتخاذ تصمیمات حیاتی یاری خواهند نمود.

در حال حاضر برخی از این سیستم ها کمی نامأنوس به نظر می رسند. وقتی الگوریتم یا ربات تصمیمی می گیرد، نمی دانیم چرا به آن نتیجه رسیده، بنابراین اعتمادی به آن نداریم. چگونه می توان این مسائل را حل کرد؟

یکی از مسائلی که در دست بررسی داریم، افزودن توانایی توضیح و پاسخگویی به ماشین هاست. آنها باید به صورت شفاف، مسئولیت تصمیماتشان را بر عهده بگیرند. بنابراین بخش عمده ای از تحقیقات ما، پرسش و پاسخ بین کاربر و سیستم را تشکیل می دهد.

مثلاً زمانی که ربات من (Cobot) کمی دیر به دفتر می رسد، می توانم از او بپرسم «چرا دیر آمدی؟» یا «از کدام مسیر استفاده کردی؟».

بدین ترتیب، توانایی توضیح به سیستم های AI اضافه خواهد شد، تا همان طور که یاد می گیرند و رشد می کنند، بتوانند با جزئیات مختلف به تصریح وضعیت خود بپردازند. ما می خواهیم به گونه ای با ربات ها تعامل داشته باشیم که بتوانیم نهایتاً اطمینان خاطر کاملی را به دست آوریم.

در آینده می توانید از هوش مصنوعی بپرسید «چرا این موضوع را بیان کردی؟» یا «چرا چنین پیشنهادی را می دهی؟». شفاف سازی و ارائه توضیح، تحقیقات گسترده ای را می طلبد که هم اکنون در حال اجراست و معتقدم تجهیز ربات ها به چنین قابلیتی، می تواند درک و اعتماد به سیستم های AI را افزایش دهد.

در نهایت از طریق این تعاملات، انسان ها می توانند سیستم های هوش مصنوعی را اصلاح نمایند. ما می خواهیم این اصلاحات را درون سیستم بگنجانیم تا AI بتواند از دستوراتی که دریافت می دارد، برای یادگیری استفاده نماید. به نظر من این توانایی بخش بزرگی از همزیستی ما با این سامانه ها را در آینده تشکیل خواهد داد.

چرا فکر می کنید این سیستم ها با سرعت بالایی در حال تکامل هستند؟ چرا طی 50 سال گذشته در حوزه تحقیقات هوش مصنوعی چنین اتفاقی نیفتاده؟

ببینید، برای اینکه سیستم AI تشخیص دهد موبایل چیست یا فنجان به چه شکل است، یا اینکه فرد پیش رویش در سلامت کامل به سر می برد یا خیر، به دانش نیاز دارد. بخش بزرگی از تحقیقات در دوران گذشته به فراگیری و کسب چنین دانشی اختصاص یافته بود.

پیش از این باید با پرسش از آدم ها، مراجعه به کتاب ها یا وارد ساختن دستی اطلاعات به کامپیوتر، داده جمع می کردیم. اما طی چند سال اخیر، همه چیز به طرز سحرآمیزی دیجیتال شده است. به نظر می رسد جهان واقع، خودش را روی اینترنت پیاده می کند.

دسترسی به حجم عظیم داده های دیجیتال در عصر حاضر، عامل پیشرفت سریع هوش مصنوعی است.

به همین دلیل سیستم های هوش مصنوعی در حال حاضر به داده های عظیم و توانایی پردازش و درک آنها دسترسی دارند، البته هنوز بهترین روش برای این عملیات پیچیده را نیافته ایم. از سوی دیگر من بسیار خوش بین هستم، چون حداقل می دانیم که اطلاعات در اختیارمان قرار دارد.

اکنون سؤال این است که چگونه از داده ها، کسب دانش کنیم؟ چطور از آنها استفاده نماییم؟ چطور آنها را نمایش دهیم؟ مطالعه نحوه توزیع داده ها و اطلاعات آماری آنها چگونه است؟ نهایتاً اینکه تمامی قطعات این پازل را به چه صورت کنار یکدیگر قرار دهیم؟

در همین راستا به مباحثی همچون یادگیری عمیق و یادگیری عمیق تقویت شده رسیدیم، سیستم هایی که می توانند ترجمه هوشمند و خودکار را انجام داده، یا ربات هایی که قادرند فوتبال بازی می کنند.

تمامی این پیشرفت ها بدین خاطر است که توانسته ایم پردازش داده ها را به شیوه ای مؤثر انجام دهیم، اطلاعاتی که به راحتی در دسترس ما قرار دارند.

یکی از بزرگ ترین پیشرفت ها طی پنج سال اخیر، دستیارهای شخصی هوشمندی همچون سیری و الکسا است که هر دو از یادگیری ماشینی بهره می گیرند. دوست دارم بدانم این سیستم ها در پنج سال بعد چگونه تکامل می یابند؟

من خودم طرفدار سرسخت الکسا هستم، و یکی از دستگاه هایش را در خانه دارم. هر روز کارهایی که می توانم با آن انجام دهم، بیشتر و بیشتر می شود. در ابتدا فقط می پرسیدم «هوا چطور است؟». اما الان می توانم از او بخواهم برنامه کاری و قرارهای روزانه ام را یادآوری کند.

در واقع الکسا روز به روز در حال یادگیری است، اما من هم هر روز با توانایی های جدیدی آشنا می شوم، و پیشرفت روزافزون این دستیار هوشمند را تحسین می کنم.

اما در این بین باید به نکته مهمی اشاره کرد. وقتی می خواهم خانه را ترک کنم، به الکسا می گویم «الکسا، استاپ.» در واقع می خواهم موسیقی در حال پخش متوقف شود، زیرا من دیگر در منزل نخواهم بود. حال اگر بگویم «الکسا، می خواهم بیرون بروم»، او متوجه نمی شود که باید پخش موسیقی را متوقف نماید.

بنابراین به نظر من با گذشت زمان، دستیارهای صوتی با دستوراتی همچون «الکسا، وقتی خانه را ترک می کنم، یعنی تو باید موسیقی را قطع کنی» آشنا خواهند شد. این نوع دستورات و یادگیری در حال حاضر مراحل تحقیق و توسعه را می گذرانند.

یعنی فکر می کنی روزی به نقطه ای برسیم که سؤالاتی همچون «اوه، چراغ خطر موتور ماشینم روشن شده، به نظرت باید به تعمیرگاه ببرمش؟» یا «گوگل، این شغل به من پیشنهاد شده، قبولش کنم؟» را از دستیار صوتی پرسیده و پاسخ مناسبی دریافت نماییم؟

به نظرم همین طور است. این سؤالات از نوع تصمیم گیری هستند، مثل زمانی که طرح های مختلف بیمه سلامتی را پیش روی خود دارید و نمی دانید کدامشان را انتخاب نمایید.

در آینده می توانید قبل از خواب، از الکسا بخواهید: «الکسا، به این طرح های بیمه سلامت نگاهی بینداز، تمام خودروهایی که می توانم بخرم را فهرست بندی کن، و به دنبال مدرسه ای مناسب برای فرزندانم بگرد.» نهایتاً صبح نتیجه تمام درخواست های خود را از او دریافت خواهید کرد.

تمامی اطلاعات مورد نیاز برای اتخاذ تصمیمات فوق در حال حاضر روی فضای اینترنت وجود دارد. مثلاً ویژگی های مختلف مدارس و رتبه بندی آنها بر اساس نظر مردم. همچنین وبلاگ هایی در مورد مدارس و گزینه های موجود در آنها فعال هستند.

بنابراین سیستم هوش مصنوعی می تواند همه ویژگی های این مدارس را گردآوری کرده، فواصل را سنجیده، و نظرات مردم را بررسی نماید. نهایتاً با تعیین اولویت گزینه ها از سوی شما، سیستم AI قادر است همه اطلاعات را در قالبی مناسب جای دهد.

این سیستم ها می توانند ویژگی ها را بررسی کرده، از تجربیات گذشته درس بگیرند، تمامی اطلاعات را پردازش نمایند، و سپس با هدایت شما از طریق سؤالاتی که می پرسید، نتیجه را به شکلی مناسب و قابل درک ارائه نمایند.

خوبی قضیه اینجاست که اگرچه همه این اطلاعات در دسترس انسان قرار دارند، اما آنقدر گسترده و پراکنده هستند که نمی توانیم آنها را به صورت آنی درک کنیم، بنابراین به توان پردازش بالای هوش مصنوعی متوسل می شویم.

در نهایت، می توانید از دستیارتان بخواهید استدلالشان را برای ارائه پیشنهادات ارائه کنند. مثلاً «چرا می گویی این خودرو با بخرم؟ اصلاً از برندش خوشم نمی آید.» به نظر من این گام بسیار حیاتی است، که سیستم های هوش مصنوعی بتوانند انسان را در تصمیم گیری حمایت کنند.

این سیستم ها علاوه بر تصمیمات شخصی، در چه شرایطی به کار می آیند؟

نمونه ای از این سیستم می تواند به بررسی مقالات علمی بپردازد. هر ساله تعداد بسیار زیادی پژوهش منتشر می شوند و اکنون در فضای آنلاین به آنها دسترسی داریم. هوش مصنوعی می تواند به محققین کمک کند تا تمامی اطلاعات را ارزیابی کرده و آنچه واقعاً نیاز دارند را بیابند.

اما در نهایت سیستم های AI به اطلاعات آنلاین وابسته هستند. بسیاری افراد در حوزه اطلاعات متنی، تصویری، فلوچارتها، جداول و غیره کار می کنند تا محتوای برخط را درک کرده و نیازهایشان را برآورده سازند.

به عنوان مثال حوزه ای از یادگیری ماشینی به «یادگیری فعال» اختصاص دارد، که در آن می بینیم برای برخی از فرایندها، تصاویر کافی در فضای اینترنت وجود ندارد و بنابراین باید این مجموعه را اضافه کنیم.

به عقیده من سیستم های هوش مصنوعی در آینده می توانند کمبودها را حس کنند، تمامی اطلاعات موجود را بررسی کرده و در صورت نیاز، داده های بیشتری را درخواست نمایند. مثلاً دستیار AI از محققین می پرسد: «اگر به من بگویید این سلول ها چگونه با این ماده شیمیایی برخورد می کنند، مدل بسیار بهتری برای نتیجه کار ارائه خواهم کرد.»

بخشی از این تصویری که ارائه کردید، مفهوم «همزیستی مستقل» را ارائه می دهد که در Cobot ها پیاده سازی کرده اید. این ربات ها در فضای پردیس CMU در حال تردد هستند و با استفاده از دوربین های تشخیص عمق، وا-فای و لیدار به گشت و گذار می پردازند، اما چون بازویی ندارند، در بسیاری از کارهای ساده به مشکل بر می خورند. با این حال، به نظر می رسد توانایی کمک خواستن در آنها بسیار خوب طراحی شده. درست است؟

بله، همین طور است. در واقع وقتی فهمیدیم این ربات های خودمختار دارای محدودیت هستند، به کشف جدیدی نائل آمدیم. آنها نمی توانند تمام درب ها را بگشایند، یا همه زبان ها را درک نمایند. شاید این توانایی ها به مرور زمان تقویت شوند، اما به عقیده من لزومی بر این کار نیست.

ما انسان ها نیز به محدودیت های مشابهی دچاریم، من با لهجه ای خاص صحبت می کنم، و نمی توانم در بازی اسکواش دوستم را شکست دهم. پس نیازی نیست که ربات ها برای همزیستی با انسان، بی نقص باشند.

در واقع اینکه سیستم هوش مصنوعی بتواند چیزهایی که نمی داند، کارهایی که نمی تواند، و آنچه درک نمی کند، را تشخیص داده و از انسان کمک بخواهد، گام بسیار بزرگی محسوب می شود. ربات های ما از انسان می خواهند دکمه آسانسور را برایشان فشار دهند، درب را باز کنند، یا چیزی را درون سبدشان بگذارند.

این وضعیت، همان چیزیست که آن را همزیستی مستقل می نامیم. ربات ها وقتی نتوانند کاری را انجام دهند یا چیزی را درک کنند، دائماً از انسان های اطرافشان کمک می گیرند. در این روش تفکر نوین، سیستم های AI برای انجام فعالیت ها به یاری ما نیاز دارند.

با گسترش مقیاس چنین سیستم هایی، روش انجام عملیات نیز به شیوه ای پیچیده بدل خواهد شد. سیستم ها به صورت وایرلس با یکدیگر ارتباط برقرار می کنند، از داده های فضای کلاود بهره می گیرند، و از راه دور بوسیله تیم های متخصص هدایت می شوند.

حال می توان سیستم های هوش مصنوعی را در نظر گرفت که با همه بخش های دیگر همزیستی دارند، یعنی با دیگر اطلاعات روی وب، دیگر سیستم های AI، انسان های اطراف، انسان های دوردست و غیره.

در واقع مشکل ما ساخت سامانه های AI مستقل و محدود نیست، ما می خواهیم سیستمی را بسازیم که بتواند تشخیص دهد چه چیزهایی را نمی داند، یا چه زمانی به اطلاعات بیشتری نیاز دارد، یا در چه صورت به نتیجه کارش اطمینان نداشته باشد.

در مجموع به عقیده من، لازم نیست سیستم هوش مصنوعی پاسخ تمامی مسائل را از قبل بداند، بلکه باید بتواند بر دیگر منابع اطرافش تکیه کرده و از آنها کمک بگیرد.

این سیستم همزیستی چگونه می تواند هوش مصنوعی کنونی را دستخوش تغییر سازد؟

به نظر من سیستم های AI در برخی مواقع به اطلاعاتی نیاز دارند که از سوی کاربر ارائه نشده. مثلاً دستیار هوشمند می تواند تشخیص دهد که اگر در مورد موضوعی خاص اطلاع داشته باشد، نتیجه و تصمیم بهتری را ارائه خواهد کرد.

زمانی به این مهم نائل می آییم که هوش مصنوعی به تنهایی بتواند کمبودها را تشخیص دهد. مثلاً بداند هتلی نزدیک تر به محل کنفرانس شما قرار دارد که به صورت آنلاین نمی توان در آن اتاق رزرو کرد. این توانایی در سیستم بسیار مهم خواهد بود.

در حال حاضر می توانید مقصد مورد نظرتان را در اوبر یا گوگل مپس یا ویز (Waze) وارد کرده و مسیر پیشنهادی را در پیش بگیرید. اما چه می شد اگر ویز بعد از شناسایی مقصد می توانست سؤالات زیر را از شما بپرسد: آیا عجله دارید؟ کوتاه ترین مسیر را انتخاب کنم؟ یا می خواهید راه طولانی تر را برویم تا مناظر زیبای اطراف را ببینید؟

اگر دستیار شما می دانست که به گل های ارکیده علاقه دارید، یا سبک هنری خاصی را می پسندید، اوضاع فرق می کرد. سیستم هوشمند با کمی انحراف از مسیر، شما را از جلوی موزه مورد علاقه تان می گذراند، اما در حال حاضر این امر ممکن نیست.

بسیاری از سیستم های AI کنونی در انجام فعالیت های خاصی تبحر دارند، مانند تشخیص اشیاء یا مسیریابی. چه چیزی مانع از آن می شود که به هوشمندی عمومی و کلی تری دست یابیم؟

هوش مصنوعی عمومی مبحث بسیار پیچیده ایست. تکنیک های کنونی از جمله یادگیری عمیق به هیچ وجه توانایی تولید هوش عمومی را ندارند. ما تحقیقات بسیاری را در این حوزه انجام می دهیم تا انتقال یادگیری را ممکن سازیم. چگونه می توان الگوریتمی ساخت که با انجام یک کار خاص، موضوع دیگری را نیز بیاموزد؟

باید اعتراف کنم که هنوز خیلی چیزها را در مورد هوش مصنوعی نمی دانیم. در واقع از نظر الگوریتم ها و فنون مورد استفاده، هنوز در ابتدای راه هستیم و هیچ راهی برای تعمیم دانش، توصیف و توضیح آنها در اختیار نداریم.

اگرچه سیستم های هوش مصنوعی تخصصی زیادی داریم، اما در مورد AI عمومی هنوز در ابتدای راه هستیم.

به نظر من در آینده شاید هوش مصنوعی عمومی از ترکیب سیستم های تخصصی حاصل شود، تا بتوان از الگوریتم های اختصاصی برای حل مسائل خاص در کنار یکدیگر استفاده کرد، وضعیتی که توسط «مینسکی» و همچنین «هرب سایمون» و «آلن نیوول» در اوایل تحقیقات AI پیش بینی شده است.

بنابراین اگرچه AI عمومی چالش های بسیاری را در بر دارد، اما به خاطر دسترسی به حجم عظیمی از داده، به حوزه ای جذاب و هیجان انگیز بدل شده. بخش بزرگی از جمعیت دنیا هر لحظه از دیوایس های دیجیتال استفاده کرده و داده تولید می کنند.

به همین صورت، استفاده از دستیارهای صوتی همچون الکسا، سیری، گوگل اسیستنت و غیره نیز به پیشرفت آنها کمک می کند، و به نظر می رسد اگرچه نمی دانیم واقعاً هوش مصنوعی عمومی چگونه تشکیل می شود، اما در مسیر درستی پیش می رویم.

آیا عدم قطعیت در این حوزه مایه نگرانی شما نمی شود؟ برخی افراد می گویند زمانی که هوش مصنوعی از انسان پیشی بگیرد، نوع بشر محکوم به فنا خواهد بود.

من کاملاً خوش بین هستم. به نظر من تحقیقاتی که روی سیستم های خودمختار و مستقل، از جمله ربات ها و خودروها انجام می دهیم، مسئولیت ما انسان ها را بیشتر می کنند. به عبارت دیگر، این وضعیت هیچ ارتباطی به تکنولوژی ندارد. فناوری رو به پیشرفت است.

نکته مهم اینجاست که ما انسان ها این فناوری را ابداع کرده ایم، بیگانه ها و موجودات فضایی نقشی در آن نداشته اند. بنابراین استفاده صحیح و هدایت درست نیز بر عهده خودمان خواهد بود.

من به این پیشرفت ها کاملاً ایمان دارم، و می دانم که دانشمندان با دقت کامل به بهره گیری و استفاده از این تکنولوژی ها خواهند پرداخت. خیلی به ربات ها توجه نکنید. آنها بالاخره پیشرفت خواهند کرد.

به نظر من باید توجه بیشتر را روی آموزش انسان ها قرار دهیم. آدم هایی که یکدیگر را می شناسند، برای یکدیگر اهمیت قائل هستند، و به پیشرفت جامعه می اندیشند. باید به زمین، طبیعت، و علوم مختلف بیندیشیم، به درمان سرطان، پایان دادن به فقر و بسیاری مشکلات دیگر.

در واقع آنقدر کار برای انجام دادن هست که هر انسانی می تواند با توسعه تکنولوژی، از آنها برای رفع مسائل و معضلات جوامع بشری استفاده نماید.

به بیان دیگر، نهایتاً جنبه انسانگرایانه و نوع دوستانه هوش مصنوعی و سیستم های AI دوباره انسان ها را کنار یکدیگر جمع خواهد کرد. به همین دلیل، من خوش بین هستم.

The post appeared first on .

همزیستی و هم افزایی؛ استاد دانشگاه کارنگی ملون از آینده هوش مصنوعی می گوید

واتساپ جی بی

هوش مصنوعی و نقش آن در بهبود نظام های آموزشی؛ بیل گیتس از برنامه هایش در مورد یادگیری «شخصی سازی شده» می گوید

هوش مصنوعی و نقش آن در بهبود نظام های آموزشی؛ بیل گیتس از برنامه هایش در مورد یادگیری «شخصی سازی شده» می گوید

ظهور و رواج تلفن های هوشمند، نحوه تعاملات دانشجویان و دانش آموزان را به کلی متحول کرد و روش های تازه ای را برای سرگرم شدن پیش روی آنها قرار داد. اما کلاس های درسی که این قشر بخش اعظمی از زمان خود را در آنها صرف می کنند همچنان در مقابل این تغییر ایستادگی می کنند. از سویی هم تکنولوژی در محیط های آموزشی حضوری دیرینه داشته است و نمی توان افزوده شدن کلاس های کامپیوتر به رشته های مختلف دبیرستانی را نادیده گرفت.

در اغلب مدارس دنیا، خصوصا در کشورهای در حال توسعه، رویکرد و روش اتخاذ شده برای تدریس یکی است؛ یعنی فردی به عنوان معلم پیام های آموزشی یکسانی را برای گروه هایی حدودا 30 نفره صادر می کند و در این میان پیشرفت های فردی دانش آموزان در دروس کاملا نادیده گرفته می شوند.

حالا خوشبختانه، مدیر کهنه کار و انسان خوش قلب حوزه تکنولوژی تلاش دارد که این مساله را تغییر دهد. بیل گیتس و همسرش که برای انجام این قبیل فعالیت ها بنیادی به نام بیل و ملیندا گیتس را راه اندازی کرده اند از طریق همین نهاد بودجه ای بالغ بر 240 میلیون دلار را تا به امروز صرف توسعه رشته ای به نام «یادگیری شخصی سازی شده» کرده اند.

بنیاد بیل و ملیندا گیتس حدودا 240 میلیون دلار را صرف یادگیری شخصی سازی شده کرده است.

این رشته در واقع مجموعه ای از طرح ها را شامل می شود که عمدتا هم پیاده سازی شان بر عهده شرکت های خصوصی گذاشته شده و این سازمان های خصوصی در واقع تلاش دارند نرم افزارهایی را توسعه دهند که براساس عملکرد هر دانش آموز برنامه های تدریس اختصاصی و ویژه ای را ارائه می کنند و چنانچه فرد در حوزه ای مشکل داشته باشد آنقدر پیرامون آن موضوع به او تمرین می دهند که به درجه مهارت و استادی در آن برسد.

در این طرح، معملمان نقشی مرکزی را در کلاس های درس ایفا می کنند اما دیگر کمتر درس خواهند داد و بیشتر نقش یک مربی را خواهند داشت که استعدادهای دانش آموزانش را در جهت درست پرورش می دهد.

اما همانطور که گفته شد، طیف وسیعی از استارتاپ ها در اجرای این طرح به ایفای نقش پرداخته و مشارکت دارند و خوشبختانه چندی است که توجه شرکت های بزرگ نیز به این ایده جلب شده است. در سال 2014 میلادی، گوگل سایتی به نام Classroom را راه اندازی کرد که به دبیران امکان می دهد اخبار و اطلاعیه های کلاسی و تمرینات را از طریق آن در اختیار دانش آموزان قرار داده و تکالیفاشان را جمع آوری کرده و نمره بدهند.

سال گذشته فیسبوک هم از همکاری اش با مدارس Summit Public خبر دارد (که بنیاد گیتس نیز یکی از سرمایه گذارانش است) تا از این طریق نرم افزارهای یادگیری شخصی سازی شده ای را ارائه نموده و آنها را به رایگان در اختیار علاقمندان قرار دهد.

این هفته گیتس سخنرانی کوتاهی را در اجلاس موسوم به ASU GSV ایراد کرد که در واقع نوعی کنفرانس آموزشی در سن دیگو است. او در جریان صحبت های خود از چشم اندازهای بنیاد بیل و ملیندا گیتس برای شتاب دادن به طرح آموزش شخصی سازی شده در سرتاسر دنیا سخن به میان آورد. وی از سرمایه گذاران خواست تا نگاه جامع و دوراندیشانه تری نسبت به حوزه آموزش داشته باشند و از مدیران مدارس نیز درخواست کرد که با راه اندازی برنامه های پایلوت، خرید محصولات و خدمات آموزشی را سرعت ببخشند و برای تشخیص میزان بهره وری محصولات مختلف نیز عملکرد آنها را با داده های استاندارد بسنجند.

گیتس همچنین به کارآفرینان گفته است که برای تشخیص میزان بهره وری محصولات خود بودجه ای را کنار بگذارند و در ادامه داده های مربوط به نتیجه کارشان را منتشر کنند تا مدارس دیگر نیز به استفاده از رویکردهای آموزشی شخصی سازی شده تشویق شوند.

سال گذشته خبرنگار ورج مصاحبه ای را در هتل Grand Hyatt منچستر با گیتس انجام داد تا نظرش را در مورد آموزش شخصی سازی شده و روش های تدریس جویا شود. خلاصه آن نشست و مصاحبه اخیر گیتس با این خبرنگار در جریان کنفرانس هفته قبل را می توانید در ادامه مطالعه نمایید.

کازی نیوتون: به نظرم اگر بگوییم عاشقان تکنولوژی همواره توجه ویژه ای به نحوه اثرگذاری آن روی روش های تدریس ندارند، پر بیراه نگفته ایم. سوال اینجاست: یادگیری شخصی سازی شده دقیقا چه کاری برای دانش آموزان انجام می دهد [البته در مدارسی که این شیوه تدریس هم اکنون روی آنها پیاده سازی می شود]؟ و به نظر شما این شیوه تدریس در آینده چه فرصت هایی را به وجود می آورد؟

Microsoft

بیل گیتس: خوب به اعتقاد من واژه «یادگیری شخصی سازی شده» معنا و مفهوم دقیقی ندارد. به طور کلی اما ایده اصلی این است که آدم ها نرخ پیشرفت متفاوتی در زمان یادگیری دارند. اگر در کلاس درس، شما جلوتر از محتوایی هستید که به افراد دیگر یاد داده می شود، اصلا خوب نیست و این مساله میتواند باعث خستگی تان شود. اگر هم عقب تر از دیگرانید، آنگاه احتمالا همواره شاکی هستید که درس را متوجه نمی شوید.

نرخ پیشرفت افراد در یادگیری دروس با هم فرق دارد.

این مساله خصوصا در دروس علوم و ریاضی اهمیت پیدا می کند و اگر در کلاس های درس در مورد موضوعاتی صحبت شود که تعریف درستی برایشان نداشته باشید، آنگاها اوضاع خیلی بد خواهد بود و متاسفانه راهی که بشود با بقیه هم کلاسی هایتان هم سطح شوید هم وجود ندارد.

برای خود من، یکی از جالب ترین حوزه هایی که شما رویش تمرکز کرده اید، دوره های جبرانی در دانشگاه های مختلف است. این دانشگاه ها در حالی از دانشجویان درخواست می کنند هزینه بالای شرکت در کلاس های جبرانی را بپردازند که اعتباری برای خود دانشجو به دنبال نداشته و حتی مدرکی هم بابت گذراندن آنها دریافت نمی کنند. شما در صحبت های خودتان گفتید موسساتی که از نرم افزارهای یادگیری شخصی برای دوره های جبرانی بهره می گیرند شمار فارغ التحصیلانشان دو برابر است؟ دقیقا چگونه؟ چرا باید نرم افزارها بهتر از متدهای سنتی باشند؟

دبیرستان و دانشگاه یک مرز مشخص دارد و آن مرز امتحان ورودی خاصی است که دانش آموزان برای وارد شدن به این موسسات آموزشی باید آن را پشت سر بگذارند. در ادامه بسته به اینکه نمره کسب شده توسط فرد در دروس مختلف چه باشد، اگر نمره پایین باشد، فرد در کلاس های جبرانی قرار داده می شود و در آن دوره ها، مباحث دوره دبیرستان از نو به او آموزش داده میشوند.

آنها در واقع نتایج تست شما را دستکاری نمی کنند و جوابی که بعد از آزمون به شما می دهند به صورت صفر و یک است؛ یعنی یک فرد یا خوب است و می تواند در کلاس های جدید شرکت کند یا خوب نیست و باید دروس جبرانی را پشت سر بگذارد و علت اینکه شمار افراد انصرافی در دوره های آموزش عالی [در آمریکا البته] تا این اندازه بالاست نیز همین مساله است. اما اگر یکی از ابزارهای شخصی سازی را مورد استفاده قرار دهید، برنامه کلیه متغیرها، نمودارها و اطلاعات لازم را برایش شما طبقه بندی می کند و با جزئیات وضعیت تحصیلی تان را نشان میدهد.

به عنوان مثال درس ریاضی حاوی صدها مفهوم تازه است و این ابزارها به نوعی نقاط ضعف شما را در هر یک مشخص خواهند کرد. در مرحله بعد، فرد می تواند در کلاس های عادی شرکت نماید منتها به میزان متفاوت از دیگران و دیگر نیازی نیست که یک سال کامل درس های جبرانی ریاضی را پشت سر بگذارد. افراد زیادی هستند که می توانند این دروس را ظرف یک یا دو ماه پشت سر بگذارند. خوبی یادگیری شخصی سازی شده هم این است که شما خودتان را می شناسید و می دانید که در یک درس چه سطحی دارید و برای رسیدن به یک سطح خاص لازم است چقدر دیگر تلاش کنید.

در مورد دانش آموزان و دانشجویانی که بعد از دادن آزمون ورودی مشخص می شود عقب تر از هم کلاسی هایشان هستند نیز، وقت بیشتری از زمان معلم به آنها اختصاص داده می شود. علاوه بر این، اگر امکانی فراهم شود که فعالیت دانش آموزان در یک کلاس دنبال شود و مشخص گردد که چه کسی سریع تر از دیگری پیشرفت می کند، بسیار در بهبود سطح علمی آنها تاثیر خواهد داشت.

وقتی گروهی از دانشجویان روی یک موضوع مشکل داشته باشند و گروهی روی یک موضوع دیگر، آنگاه نوعی ناهمگونی در محیط آموزشی به وجود می آید و این مساله ایست که در کلاس های درس مرسوم به وفور به چشم می خورد.

تا به اینجای کار، دقیقا مشخص نیست که نرم افزارهای «یادگیری شخصی سازی شده» چه شکل و شمایلی دارند و چه عملکردی خواهند داشت. آیا انتظارتان این است که مدل استاندارد از این شیوه آموزشی در آینده ارائه خواهد شد یا اینکه قرار است مرتبا تغییر یابد؟

من معتقدم اتفاقی که برای این نرم افزارها رخ می دهد درست مانند کتب درسی است، بدان معنا که برخی از آنها در نهایت سهم بالایی از  بازار را به خود اختصاص خواهند داد. در آمریکا پیشتر از این، دروسی که در کلاس های درس ایالات متخلف تدریس می شدند تفاوتی قابل توجه با هم داشتند اما ظاهرا مدتی است که یک هسته یا مجموعه دانشیِ مشترک برای این منظور طراحی شده است که براساس آن، یک فارغ التحصیل مثلا کلاس ششم باید آنها را بداند یا یک دیپلمه ریاضی دروس مربوط به آنها را گذرانده باشد.

من امروز در جریان این کنفرانس نشستی هم با شرکت های سرمایه گذاری داشتم که در این زمینه کار می کنند. بنیاد ما تعدادی از این شرکت ها را حمایت می کند و نقش ما در واقع این است که مطمئن شویم اگر خبرهایی در مورد خوب بودن یک محصول آموزشی منتشر می شود شواهد و مدارک مستدلی در این رابطه وجود داشته باشد. قرار است که نرم افزارهای رایگان و پولی مختلفی در این زمینه ارائه شوند [که این دو نوع نرم افزار با توازن مناسب و در زمینه های مختلف خواهند بود].

سخنرانی شما نشان داد که صنعت «تکنولوژی های آموزشی» تا چه اندازه شلوغ است؛ این روزها شرکت های زیادی محصولات خود را به این بازار ارائه می دهند و اگر یک معلم یا مدیر باشید این تنوع می تواند برایتان سردرگم کننده باشد. چطور می خواهید معمان و مدیران را مجاب نمایید که از شیوه های آموزش شخصی سازی شده تبعیت کنند و بیشتر از این برای بالغ شدن این طرح انتظار نکشند؟

تنها چالش بزرگ پیش روی ما این بود که بگوییم بچه هایی که در خارج از کلاس درس ممکن است از ابزارهای دیجیتالی استفاده نمایند با آنها که به این ابزارها دسترسی ندارند فرق دارند. حالا نرخ نفوذ هم تبلت ها و هم پی سی ها بیشتر از قبل شده و بسیاری از کارهایی که زمانی با کامپیوترهای دسکتاپی ممکن بودند امروز از طریق تلفن های هوشمند نیز امکان پذیرند. تشخیص اینکه برای انجام کدام کارها به نمایشگرهای بزرگ نیاز است و برای کدام کارها نمایشگرهای کوچک کفایت می کنند، مساله جالبی است.

در تدوین استراتژی های آموزشی لازم است امکانات همه دانش آموزان در نظر گرفته شود.

اگر صرفا می خواهید دایره لغاتتان را از طریق اپلیکیشنی نظیر دوالینگو بالا ببرید استفاده از موبایل کفایت میکند. اما اگر قرار است یک سخنرانی تاریخی را نگاه کنید، کتاب بخوایند یا اموری از این دست را انجام دهید آنگاه استفاده از نمایشگرهای بزرگ تر ارجحیت دارد. اما نکته ای که نباید فراموش شود این است که باید امکانات همه دانش آموزان در نظر گرفته شود. در ایالات متحده آمریکا [کشورهای دیگر که جای خود دارند] تقریبا هر دانش آموز یک تلفن هوشمند دارد و در نتیجه بزرگ ترین مانع برای این کار از میان برداشته شده است.

بحث در مورد یادگیری شخصی سازی شده غالبا از چهارچوب اصلی اش خارج شده و بیشتر روی اهمیت نقش معلمان تاکید دارند. خود من شخصا در کلاس هایی که از سبک تدریس شخصی سازی شده تبعیت می کنند شاهد بودم که معلمان نقشی کاملا متفاوت از آن چیزی را ایفا می کنند که در دبیرستان یا دانشگاه تجربه کردم. همین مساله ممکن است مخالفت دبیران و معلمان با چنین شیوه های تدریسی را به دنبال داشته باشد. چطور می خواهید آنها را با طرح خود همراه نمایید؟

تفاوت در شیوه های مختلف تدریس آن اندازه هم که تصور می کنید زیاد نیست. همه معلمان دوست دارند از انجام وظایفی نظیر دادن تکلیف و نمره به دانش آموزان خلاص شوند. در واقع دبیران و معلمان دوست دارند وارد گود شوند و به تک تک دانش آموزان کمک نمایند. به همین خاطر تصور نمی کنم لازم باشد این قشار مهارت کاملا جدیدی را یاد بگیرند.

در نهایت وظیفه ای هم که بر دوش مدارس قرار می گیرد این است که دانش آموزان خود را در معرض این مدل های یادگیری قرار دهند. شاید نسلی از معلم ها وجود داشته باشند که چندان تمایلی به پیروی از این شیوه های جدید تدریس نداشته باشند اما تردیدی نیست که دبیران جوان تر از این طرح استقبال می کنند؛ آنها در واقع به خواست خودشان حوزه آموزش را انتخاب کرده اند و می دانند که ممکن است در برهه ای روش های تدریس خود را تغییر دهند.

اخیرا علاقه شدیدی به هوش مصنوعی و بالاخص ربات ها در دنیای فناوری شکل گرفته است. همانطور که می دانید مایکروسافت به تازگی سرمایه گذاری بزرگی را روی ربات ها انجام داده. به اعتقاد شما نقش هوش مصنوعی در آموزش چیست؟

درس انشاء را در نظر بگیرید، این درس از نظر بسیاری شاید مضحک به نظر بیاید اما در حال حاضر تلاش داریم امکانی را فراهم نماییم که به موجب آن مردم بتوانند بازخورد نوشته هایشان را ببینند و معتقدم در سال های پیش رو چنین امکانی بسیار سودمند واقع خواهد شد.

خیلی سخت است که به بچه ها موضوع انشاء بدهید و بعد بتوانید با راهنمایی کاری کنید که دفعه های بعدی بهتر بنویسند. این درس ابدا شبیه به ریاضی نیست؛ در درس ریاضی یک معیار در اختیار دارید و نتیجه کار دانش آموز را با آن مقایسه می کنید. این یکی از حوزه هایی است که از چندین سطح سلسله مراتبی تشکیل می شود و مربیان هوش مصنوعی می توانند وارد آن شوند.

به بیان دیگر، می توانیم مربیانی سلسله مراتبی داشته باشیم یعنی اگر با مفهومی مشکل داشته باشید، آن مشکل در سطح تعاملی تازه ای طبقه بندی شده باشد و مثلا چناچه تعدادی از سوالات را اشتباه جواب دادید، آن درس مشخص از نو برایتان تکرار شود.

می توانید با مربی های هوش مصنوعی دیالوگ داشته باشید. علت اینکه من تا این اندازه دوست دارم مسائل جدید را حل کنم این است که برای هر کدام از موضوعات، زمانی که دچار سردرگمی می شوم فردی خبره را می شناسم که می توانم برایش یک ایمیل ارسال کنم و آن فرد نیز در مقابل من را روشن خواهد کرد. اگر دانش آموز نیز با مساله پیچیده ای در درس روبرو شود و مرتبا از خود سوال کند که «آیا موضوع تا همان حدی که فکر می کنم پیچیده است؟» و «آیا واقعا نکته ای را از دست داده ام؟» آنگاه اینطور به نظر می رسد که عزم راسخی برای یادگیری نداشته است.

در مورد بسیاری از سوژه ها اینطور است؛ یعنی هرچه قدیمی تر می شوند، مردم نیز  تمایلی به خطر کردن و یاد گرفتنشان ندارند. اما این ایده که بتوانید با یک مشاور (مجازی) صحبت کنید که کج فهمی های مختلف و زبان غامض انسانی را درک کند احتمالا ظرف یک دهه آتی محقق خواهد شد و این مشاوران نقش یک مکمل بسیار خوب را ایفا خواهند کرد. البته الان هم می شود با پرداخت مبلغی، دوره های آنلاین را پشت سر گذاشت اما زیبایی کار آن است که تمام پروسه به صورت کاملا رایگان قابل انجام باشد.

The post appeared first on .

هوش مصنوعی و نقش آن در بهبود نظام های آموزشی؛ بیل گیتس از برنامه هایش در مورد یادگیری «شخصی سازی شده» می گوید

ظهور و رواج تلفن های هوشمند، نحوه تعاملات دانشجویان و دانش آموزان را به کلی متحول کرد و روش های تازه ای را برای سرگرم شدن پیش روی آنها قرار داد. اما کلاس های درسی که این قشر بخش اعظمی از زمان خود را در آنها صرف می کنند همچنان در مقابل این تغییر ایستادگی می کنند. از سویی هم تکنولوژی در محیط های آموزشی حضوری دیرینه داشته است و نمی توان افزوده شدن کلاس های کامپیوتر به رشته های مختلف دبیرستانی را نادیده گرفت.

در اغلب مدارس دنیا، خصوصا در کشورهای در حال توسعه، رویکرد و روش اتخاذ شده برای تدریس یکی است؛ یعنی فردی به عنوان معلم پیام های آموزشی یکسانی را برای گروه هایی حدودا 30 نفره صادر می کند و در این میان پیشرفت های فردی دانش آموزان در دروس کاملا نادیده گرفته می شوند.

حالا خوشبختانه، مدیر کهنه کار و انسان خوش قلب حوزه تکنولوژی تلاش دارد که این مساله را تغییر دهد. بیل گیتس و همسرش که برای انجام این قبیل فعالیت ها بنیادی به نام بیل و ملیندا گیتس را راه اندازی کرده اند از طریق همین نهاد بودجه ای بالغ بر 240 میلیون دلار را تا به امروز صرف توسعه رشته ای به نام «یادگیری شخصی سازی شده» کرده اند.

بنیاد بیل و ملیندا گیتس حدودا 240 میلیون دلار را صرف یادگیری شخصی سازی شده کرده است.

این رشته در واقع مجموعه ای از طرح ها را شامل می شود که عمدتا هم پیاده سازی شان بر عهده شرکت های خصوصی گذاشته شده و این سازمان های خصوصی در واقع تلاش دارند نرم افزارهایی را توسعه دهند که براساس عملکرد هر دانش آموز برنامه های تدریس اختصاصی و ویژه ای را ارائه می کنند و چنانچه فرد در حوزه ای مشکل داشته باشد آنقدر پیرامون آن موضوع به او تمرین می دهند که به درجه مهارت و استادی در آن برسد.

در این طرح، معملمان نقشی مرکزی را در کلاس های درس ایفا می کنند اما دیگر کمتر درس خواهند داد و بیشتر نقش یک مربی را خواهند داشت که استعدادهای دانش آموزانش را در جهت درست پرورش می دهد.

اما همانطور که گفته شد، طیف وسیعی از استارتاپ ها در اجرای این طرح به ایفای نقش پرداخته و مشارکت دارند و خوشبختانه چندی است که توجه شرکت های بزرگ نیز به این ایده جلب شده است. در سال 2014 میلادی، گوگل سایتی به نام Classroom را راه اندازی کرد که به دبیران امکان می دهد اخبار و اطلاعیه های کلاسی و تمرینات را از طریق آن در اختیار دانش آموزان قرار داده و تکالیفاشان را جمع آوری کرده و نمره بدهند.

سال گذشته فیسبوک هم از همکاری اش با مدارس Summit Public خبر دارد (که بنیاد گیتس نیز یکی از سرمایه گذارانش است) تا از این طریق نرم افزارهای یادگیری شخصی سازی شده ای را ارائه نموده و آنها را به رایگان در اختیار علاقمندان قرار دهد.

این هفته گیتس سخنرانی کوتاهی را در اجلاس موسوم به ASU GSV ایراد کرد که در واقع نوعی کنفرانس آموزشی در سن دیگو است. او در جریان صحبت های خود از چشم اندازهای بنیاد بیل و ملیندا گیتس برای شتاب دادن به طرح آموزش شخصی سازی شده در سرتاسر دنیا سخن به میان آورد. وی از سرمایه گذاران خواست تا نگاه جامع و دوراندیشانه تری نسبت به حوزه آموزش داشته باشند و از مدیران مدارس نیز درخواست کرد که با راه اندازی برنامه های پایلوت، خرید محصولات و خدمات آموزشی را سرعت ببخشند و برای تشخیص میزان بهره وری محصولات مختلف نیز عملکرد آنها را با داده های استاندارد بسنجند.

گیتس همچنین به کارآفرینان گفته است که برای تشخیص میزان بهره وری محصولات خود بودجه ای را کنار بگذارند و در ادامه داده های مربوط به نتیجه کارشان را منتشر کنند تا مدارس دیگر نیز به استفاده از رویکردهای آموزشی شخصی سازی شده تشویق شوند.

سال گذشته خبرنگار ورج مصاحبه ای را در هتل Grand Hyatt منچستر با گیتس انجام داد تا نظرش را در مورد آموزش شخصی سازی شده و روش های تدریس جویا شود. خلاصه آن نشست و مصاحبه اخیر گیتس با این خبرنگار در جریان کنفرانس هفته قبل را می توانید در ادامه مطالعه نمایید.

کازی نیوتون: به نظرم اگر بگوییم عاشقان تکنولوژی همواره توجه ویژه ای به نحوه اثرگذاری آن روی روش های تدریس ندارند، پر بیراه نگفته ایم. سوال اینجاست: یادگیری شخصی سازی شده دقیقا چه کاری برای دانش آموزان انجام می دهد [البته در مدارسی که این شیوه تدریس هم اکنون روی آنها پیاده سازی می شود]؟ و به نظر شما این شیوه تدریس در آینده چه فرصت هایی را به وجود می آورد؟

Microsoft

بیل گیتس: خوب به اعتقاد من واژه «یادگیری شخصی سازی شده» معنا و مفهوم دقیقی ندارد. به طور کلی اما ایده اصلی این است که آدم ها نرخ پیشرفت متفاوتی در زمان یادگیری دارند. اگر در کلاس درس، شما جلوتر از محتوایی هستید که به افراد دیگر یاد داده می شود، اصلا خوب نیست و این مساله میتواند باعث خستگی تان شود. اگر هم عقب تر از دیگرانید، آنگاه احتمالا همواره شاکی هستید که درس را متوجه نمی شوید.

نرخ پیشرفت افراد در یادگیری دروس با هم فرق دارد.

این مساله خصوصا در دروس علوم و ریاضی اهمیت پیدا می کند و اگر در کلاس های درس در مورد موضوعاتی صحبت شود که تعریف درستی برایشان نداشته باشید، آنگاها اوضاع خیلی بد خواهد بود و متاسفانه راهی که بشود با بقیه هم کلاسی هایتان هم سطح شوید هم وجود ندارد.

برای خود من، یکی از جالب ترین حوزه هایی که شما رویش تمرکز کرده اید، دوره های جبرانی در دانشگاه های مختلف است. این دانشگاه ها در حالی از دانشجویان درخواست می کنند هزینه بالای شرکت در کلاس های جبرانی را بپردازند که اعتباری برای خود دانشجو به دنبال نداشته و حتی مدرکی هم بابت گذراندن آنها دریافت نمی کنند. شما در صحبت های خودتان گفتید موسساتی که از نرم افزارهای یادگیری شخصی برای دوره های جبرانی بهره می گیرند شمار فارغ التحصیلانشان دو برابر است؟ دقیقا چگونه؟ چرا باید نرم افزارها بهتر از متدهای سنتی باشند؟

دبیرستان و دانشگاه یک مرز مشخص دارد و آن مرز امتحان ورودی خاصی است که دانش آموزان برای وارد شدن به این موسسات آموزشی باید آن را پشت سر بگذارند. در ادامه بسته به اینکه نمره کسب شده توسط فرد در دروس مختلف چه باشد، اگر نمره پایین باشد، فرد در کلاس های جبرانی قرار داده می شود و در آن دوره ها، مباحث دوره دبیرستان از نو به او آموزش داده میشوند.

آنها در واقع نتایج تست شما را دستکاری نمی کنند و جوابی که بعد از آزمون به شما می دهند به صورت صفر و یک است؛ یعنی یک فرد یا خوب است و می تواند در کلاس های جدید شرکت کند یا خوب نیست و باید دروس جبرانی را پشت سر بگذارد و علت اینکه شمار افراد انصرافی در دوره های آموزش عالی [در آمریکا البته] تا این اندازه بالاست نیز همین مساله است. اما اگر یکی از ابزارهای شخصی سازی را مورد استفاده قرار دهید، برنامه کلیه متغیرها، نمودارها و اطلاعات لازم را برایش شما طبقه بندی می کند و با جزئیات وضعیت تحصیلی تان را نشان میدهد.

به عنوان مثال درس ریاضی حاوی صدها مفهوم تازه است و این ابزارها به نوعی نقاط ضعف شما را در هر یک مشخص خواهند کرد. در مرحله بعد، فرد می تواند در کلاس های عادی شرکت نماید منتها به میزان متفاوت از دیگران و دیگر نیازی نیست که یک سال کامل درس های جبرانی ریاضی را پشت سر بگذارد. افراد زیادی هستند که می توانند این دروس را ظرف یک یا دو ماه پشت سر بگذارند. خوبی یادگیری شخصی سازی شده هم این است که شما خودتان را می شناسید و می دانید که در یک درس چه سطحی دارید و برای رسیدن به یک سطح خاص لازم است چقدر دیگر تلاش کنید.

در مورد دانش آموزان و دانشجویانی که بعد از دادن آزمون ورودی مشخص می شود عقب تر از هم کلاسی هایشان هستند نیز، وقت بیشتری از زمان معلم به آنها اختصاص داده می شود. علاوه بر این، اگر امکانی فراهم شود که فعالیت دانش آموزان در یک کلاس دنبال شود و مشخص گردد که چه کسی سریع تر از دیگری پیشرفت می کند، بسیار در بهبود سطح علمی آنها تاثیر خواهد داشت.

وقتی گروهی از دانشجویان روی یک موضوع مشکل داشته باشند و گروهی روی یک موضوع دیگر، آنگاه نوعی ناهمگونی در محیط آموزشی به وجود می آید و این مساله ایست که در کلاس های درس مرسوم به وفور به چشم می خورد.

تا به اینجای کار، دقیقا مشخص نیست که نرم افزارهای «یادگیری شخصی سازی شده» چه شکل و شمایلی دارند و چه عملکردی خواهند داشت. آیا انتظارتان این است که مدل استاندارد از این شیوه آموزشی در آینده ارائه خواهد شد یا اینکه قرار است مرتبا تغییر یابد؟

من معتقدم اتفاقی که برای این نرم افزارها رخ می دهد درست مانند کتب درسی است، بدان معنا که برخی از آنها در نهایت سهم بالایی از  بازار را به خود اختصاص خواهند داد. در آمریکا پیشتر از این، دروسی که در کلاس های درس ایالات متخلف تدریس می شدند تفاوتی قابل توجه با هم داشتند اما ظاهرا مدتی است که یک هسته یا مجموعه دانشیِ مشترک برای این منظور طراحی شده است که براساس آن، یک فارغ التحصیل مثلا کلاس ششم باید آنها را بداند یا یک دیپلمه ریاضی دروس مربوط به آنها را گذرانده باشد.

من امروز در جریان این کنفرانس نشستی هم با شرکت های سرمایه گذاری داشتم که در این زمینه کار می کنند. بنیاد ما تعدادی از این شرکت ها را حمایت می کند و نقش ما در واقع این است که مطمئن شویم اگر خبرهایی در مورد خوب بودن یک محصول آموزشی منتشر می شود شواهد و مدارک مستدلی در این رابطه وجود داشته باشد. قرار است که نرم افزارهای رایگان و پولی مختلفی در این زمینه ارائه شوند [که این دو نوع نرم افزار با توازن مناسب و در زمینه های مختلف خواهند بود].

سخنرانی شما نشان داد که صنعت «تکنولوژی های آموزشی» تا چه اندازه شلوغ است؛ این روزها شرکت های زیادی محصولات خود را به این بازار ارائه می دهند و اگر یک معلم یا مدیر باشید این تنوع می تواند برایتان سردرگم کننده باشد. چطور می خواهید معمان و مدیران را مجاب نمایید که از شیوه های آموزش شخصی سازی شده تبعیت کنند و بیشتر از این برای بالغ شدن این طرح انتظار نکشند؟

تنها چالش بزرگ پیش روی ما این بود که بگوییم بچه هایی که در خارج از کلاس درس ممکن است از ابزارهای دیجیتالی استفاده نمایند با آنها که به این ابزارها دسترسی ندارند فرق دارند. حالا نرخ نفوذ هم تبلت ها و هم پی سی ها بیشتر از قبل شده و بسیاری از کارهایی که زمانی با کامپیوترهای دسکتاپی ممکن بودند امروز از طریق تلفن های هوشمند نیز امکان پذیرند. تشخیص اینکه برای انجام کدام کارها به نمایشگرهای بزرگ نیاز است و برای کدام کارها نمایشگرهای کوچک کفایت می کنند، مساله جالبی است.

در تدوین استراتژی های آموزشی لازم است امکانات همه دانش آموزان در نظر گرفته شود.

اگر صرفا می خواهید دایره لغاتتان را از طریق اپلیکیشنی نظیر دوالینگو بالا ببرید استفاده از موبایل کفایت میکند. اما اگر قرار است یک سخنرانی تاریخی را نگاه کنید، کتاب بخوایند یا اموری از این دست را انجام دهید آنگاه استفاده از نمایشگرهای بزرگ تر ارجحیت دارد. اما نکته ای که نباید فراموش شود این است که باید امکانات همه دانش آموزان در نظر گرفته شود. در ایالات متحده آمریکا [کشورهای دیگر که جای خود دارند] تقریبا هر دانش آموز یک تلفن هوشمند دارد و در نتیجه بزرگ ترین مانع برای این کار از میان برداشته شده است.

بحث در مورد یادگیری شخصی سازی شده غالبا از چهارچوب اصلی اش خارج شده و بیشتر روی اهمیت نقش معلمان تاکید دارند. خود من شخصا در کلاس هایی که از سبک تدریس شخصی سازی شده تبعیت می کنند شاهد بودم که معلمان نقشی کاملا متفاوت از آن چیزی را ایفا می کنند که در دبیرستان یا دانشگاه تجربه کردم. همین مساله ممکن است مخالفت دبیران و معلمان با چنین شیوه های تدریسی را به دنبال داشته باشد. چطور می خواهید آنها را با طرح خود همراه نمایید؟

تفاوت در شیوه های مختلف تدریس آن اندازه هم که تصور می کنید زیاد نیست. همه معلمان دوست دارند از انجام وظایفی نظیر دادن تکلیف و نمره به دانش آموزان خلاص شوند. در واقع دبیران و معلمان دوست دارند وارد گود شوند و به تک تک دانش آموزان کمک نمایند. به همین خاطر تصور نمی کنم لازم باشد این قشار مهارت کاملا جدیدی را یاد بگیرند.

در نهایت وظیفه ای هم که بر دوش مدارس قرار می گیرد این است که دانش آموزان خود را در معرض این مدل های یادگیری قرار دهند. شاید نسلی از معلم ها وجود داشته باشند که چندان تمایلی به پیروی از این شیوه های جدید تدریس نداشته باشند اما تردیدی نیست که دبیران جوان تر از این طرح استقبال می کنند؛ آنها در واقع به خواست خودشان حوزه آموزش را انتخاب کرده اند و می دانند که ممکن است در برهه ای روش های تدریس خود را تغییر دهند.

اخیرا علاقه شدیدی به هوش مصنوعی و بالاخص ربات ها در دنیای فناوری شکل گرفته است. همانطور که می دانید مایکروسافت به تازگی سرمایه گذاری بزرگی را روی ربات ها انجام داده. به اعتقاد شما نقش هوش مصنوعی در آموزش چیست؟

درس انشاء را در نظر بگیرید، این درس از نظر بسیاری شاید مضحک به نظر بیاید اما در حال حاضر تلاش داریم امکانی را فراهم نماییم که به موجب آن مردم بتوانند بازخورد نوشته هایشان را ببینند و معتقدم در سال های پیش رو چنین امکانی بسیار سودمند واقع خواهد شد.

خیلی سخت است که به بچه ها موضوع انشاء بدهید و بعد بتوانید با راهنمایی کاری کنید که دفعه های بعدی بهتر بنویسند. این درس ابدا شبیه به ریاضی نیست؛ در درس ریاضی یک معیار در اختیار دارید و نتیجه کار دانش آموز را با آن مقایسه می کنید. این یکی از حوزه هایی است که از چندین سطح سلسله مراتبی تشکیل می شود و مربیان هوش مصنوعی می توانند وارد آن شوند.

به بیان دیگر، می توانیم مربیانی سلسله مراتبی داشته باشیم یعنی اگر با مفهومی مشکل داشته باشید، آن مشکل در سطح تعاملی تازه ای طبقه بندی شده باشد و مثلا چناچه تعدادی از سوالات را اشتباه جواب دادید، آن درس مشخص از نو برایتان تکرار شود.

می توانید با مربی های هوش مصنوعی دیالوگ داشته باشید. علت اینکه من تا این اندازه دوست دارم مسائل جدید را حل کنم این است که برای هر کدام از موضوعات، زمانی که دچار سردرگمی می شوم فردی خبره را می شناسم که می توانم برایش یک ایمیل ارسال کنم و آن فرد نیز در مقابل من را روشن خواهد کرد. اگر دانش آموز نیز با مساله پیچیده ای در درس روبرو شود و مرتبا از خود سوال کند که «آیا موضوع تا همان حدی که فکر می کنم پیچیده است؟» و «آیا واقعا نکته ای را از دست داده ام؟» آنگاه اینطور به نظر می رسد که عزم راسخی برای یادگیری نداشته است.

در مورد بسیاری از سوژه ها اینطور است؛ یعنی هرچه قدیمی تر می شوند، مردم نیز  تمایلی به خطر کردن و یاد گرفتنشان ندارند. اما این ایده که بتوانید با یک مشاور (مجازی) صحبت کنید که کج فهمی های مختلف و زبان غامض انسانی را درک کند احتمالا ظرف یک دهه آتی محقق خواهد شد و این مشاوران نقش یک مکمل بسیار خوب را ایفا خواهند کرد. البته الان هم می شود با پرداخت مبلغی، دوره های آنلاین را پشت سر گذاشت اما زیبایی کار آن است که تمام پروسه به صورت کاملا رایگان قابل انجام باشد.

The post appeared first on .

هوش مصنوعی و نقش آن در بهبود نظام های آموزشی؛ بیل گیتس از برنامه هایش در مورد یادگیری «شخصی سازی شده» می گوید