مسیر پیش روی هوش مصنوعی در دانشگاه‌ها؛ چگونه آموزش عالی خود را با تحولات تطبیق دهد؟

با گسترش مداوم قابلیت‌های هوش مصنوعی، دانشگاه‌ها با پرسش‌های پیچیده و فوری درباره چالش‌ها و فرصت‌های پیش رو مواجه هستند. ساشا راخلین، مدیر مرکز آمار و علوم داده ام‌آی‌تی، در مقاله‌ای به بررسی تغییرات ایجاد شده توسط هوش مصنوعی در حوزه‌هایی مانند ریاضیات، آمار و مهندسی پرداخته و بر لزوم بازنگری بخش‌ها و دانشگاه‌ها در روش‌های کاری تأکید کرده است.

سرعت پیشرفت هوش مصنوعی در رشته‌هایی مانند ریاضیات به گونه‌ای است که مدل‌ها توانسته‌اند به سطح مدال طلا در المپیاد جهانی ریاضی دست یابند و حتی نتایج پژوهشی جدیدی تولید کنند. عامل اصلی تعیین‌کننده سرعت پیشرفت هوش مصنوعی در هر رشته، سرعت و قابلیت اطمینان اعتبارسنجی است. اثبات‌های صمیمی و برنامه‌های قابل آزمایش به سیستم‌ها اجازه می‌دهند تا از نتایج بیاموزند و پیشرفت کنند. با این حال، دانشگاه‌ها باید برای آینده‌ای آماده شوند که در بسیاری از کارهای فکری، هوش مصنوعی از انسان‌ها پیشی می‌گیرد.

در زمینه آموزش و پاداش‌های آکادمیک، مقالات صیقل‌خورده دیگر به تنهایی سیگنال قوی برای تخصص فردی نیستند. دپارتمان‌ها باید معیارهای ارزشمندی کار را بازنگری کنند و مواردی مانند طرح پرسش‌های خوب، بازتولید نتایج و اشتراک‌گذاری مجموعه‌داده‌ها را بیشتر مورد تقدیر قرار دهند. ماهیچه‌های فکری با تمرین شکل می‌گیرند و واگذاری کامل کارهای رودین و محاسباتی به هوش مصنوعی ممکن است تجربیات سازنده را از دانشجویان سلب کند. بنابراین، آموزش اصول پایه و نحوه ممیزی خروجی‌های مدل اهمیت بیشتری می‌یابد.

در نهایت، دانشگاه‌ها باید به دنبال حفظ استقلال فناورانه خود باشند و صرفاً به اولویت‌های تجاری صنعت تکیه نکنند. یکی از دارایی‌های استراتژیک دانشگاه‌ها، دانش ضمنی و نتایج منفی ثبت‌نشده در آزمایشگاه‌ها است. ایجاد زیرساخت‌های مشترک تحقیقاتی هوش مصنوعی می‌تواند به اتصال آزمایشگاه‌ها، تبادل دانش و حفظ تبار ایده‌ها کمک کند و مسیر امیدوارکننده‌ای را برای حل مسائل پیچیده علمی رقم بزند.