اشتراک
یک تصویرسازی عکسی از میز مطالعه دانشگاهی روی گردباد
یک تصویرسازی عکسی از میز مطالعه دانشگاهی روی گردباد
آموزش فناوری جامعه

دانشگاه در حال فروپاشی است

در یک نگاه چکیدهٔ خودکار موتور هوش مصنوعی افق آبی

دانشگاه‌های آمریکا با بحرانی عمیق و ساختاری روبرو هستند که هوش مصنوعی آن را تشدید کرده است. این نهادها که زمانی مجموعه‌ای از اهدافِ به‌ظاهر یکپارچه بودند، اکنون دچار گسست شده‌اند؛ چرا که آموزش عالی به‌طور همزمان وظیفه «اعتباربخشی مدرک» و «شکل‌دهی به بلوغ فکری و اجتماعی» دانشجویان را بر عهده دارد، در حالی که این دو مأموریت دیگر همسویی ندارند. هوش مصنوعی، با امکان انجام خودکار تکالیف، پیوند میان تلاش فکری و کسب دانش را مخدوش کرده و فرآیند یادگیری را از خروجی‌های آن جدا ساخته است. از سوی دیگر، تناقض بنیادین میان «پژوهش‌محوری» (که منابع مالی و پرستیژ دانشگاه را تأمین می‌کند) و «تدریس» (که مأموریت اصلی آموزشی است) موجب شده تا تدریس به حاشیه رانده شود. بحران‌های اخیر نظیر همه‌گیری کووید-۱۹ و تغییرات بودجه‌ای، تنها سرپوشی بر این ناسازگاری‌های عمیق بوده‌اند. امروزه دانشگاه‌ها بیش از آنکه محیطی یکپارچه برای رشد و تربیت باشند، به مجموعه‌ای از پروژه‌های متضاد تبدیل شده‌اند که در ظاهر و کالبد سنتی خود باقی مانده‌اند، اما روح اصلی آن‌ها در حال فرسایش است. با این اوصاف، بعید به نظر می‌رسد که دانشگاه‌های آمریکا قادر به حل این شکاف‌های ساختاری باشند؛ در نتیجه، احتمال می‌رود که مدارک تحصیلی همچنان اهمیت خود را حفظ کنند و ظاهر دانشگاه‌ها پابرجا بماند، اما پیوند میان آموزش، پژوهش و تجربه دوران بلوغ به تدریج از هم گسسته و دانشگاه به نهادی تبدیل شود که با خودش در ستیز است.

برای عضویت در خبرنامه «Ordinary Extraordinary» (عادیِ خارق‌العاده) که ایان بوگوست درباره رنگ‌آمیزی زندگی روزمره می‌نویسد، ثبت‌نام کنید.

هوش مصنوعی به عنوان یک بحران به دانشگاه آمد، اما از آن زمان به امری معمولی تبدیل شده است. اکنون دانشجویان می‌توانند تقریباً تمام تکالیف درسی خود را به صورت خودکار با کمک هوش مصنوعی انجام دهند؛ حل مسائل علمی، نوشتن کد کامپیوتری و پیش‌نویس مقالات. اساتیدی مانند من هیچ ایده‌ای ندارند که آیا واقعاً در حال تدریس هستیم یا فقط برای دانشجویانی که خود نیز نقششان را بازی می‌کنند، نمایش می‌دهیم. بدتر از آن، برخی از ما بار سنگین نوشتن توصیه‌نامه‌ها، پیشنهاده‌های گرنت و حتی مقالات علمی را به هوش مصنوعی واگذار می‌کنیم.

اما همزمان با اینکه هوش مصنوعی رابطه استاد و دانشجو را مخدوش کرد، این فناوری به سایر بخش‌های دانشگاه سود رساند. پژوهشگران به سرعت کشف کردند که هوش مصنوعی برای تولید دانش بسیار مفید است، به ویژه در علوم طبیعی و کاربردی؛ برای مثال در پیش‌بینی ساختار پروتئین، طراحی مواد و کشف دارو. مدیران دانشگاه تحت فشار اهداکنندگان، هیئت امنا، کارفرمایان و والدین، ابتکارات هوش مصنوعی را اعلام کرده، در زیرساخت‌های آن سرمایه‌گذاری نموده و رشته‌های تحصیلی مرتبط با آن را راه‌اندازی کرده‌اند.

این دو نیرو—استفاده دانشجویان از هوش مصنوعی به زیان خود و استفاده دانشگاه‌ها از آن به نفع خود—ممکن است متناقض به نظر برسند. انتظار می‌رود دانشجویان برای حفظ تقدس یادگیری همه کارها را دستی انجام دهند، اما همزمان تشویق می‌شوند تا نیازهای شغلی جدید ایجاد شده توسط هوش مصنوعی را برآورده کنند. اعضای هیئت علمی و مدیران عمدتاً بی‌فایده در حال نظارت بر کلاس‌ها برای جلوگیری از استفاده از هوش مصنوعی هستند، در حالی که خود آزادانه از آن در کارهایشان بهره می‌برند. دانشگاه‌ها در برابر هوش مصنوعی به عنوان یک مزاحم دفاع می‌کنند، در حالی که همزمان خود را برای آینده‌ای مبتنی بر هوش مصنوعی بازآرایی می‌کنند. دانشگاه‌ها همزمان به سمت هوش مصنوعی حرکت می‌کنند و از آن دوری می‌گزینند. به نظر می‌رسد هوش مصنوعی دارد آموزش عالی را از هم می‌کَنَد.

من هم در ابتدا چنین فکر می‌کردم. اما به این نتیجه رسیده‌ام که چیزی بزرگ‌تر، عجیب‌تر و مخرب‌تر مدت‌هاست در حال رخ دادن است. هوش مصنوعی با دو بحران دیگر در دانشگاه—همه‌گیری ویروس کرونا و کاهش بودجه تحقیقاتی در دولت دوم ترامپ—ترکیب شده تا حقیقتی عمیق‌تر را تقویت کند: دانشگاه آمریکایی با خودش ناسازگار است. آمریکایی‌ها از «دانشگاه» صحبت می‌کنند گویی یک چیز منسجم است. این اشتباه است. آموزش عالی مجموعه‌ای از امور نامرتبط است که به واسطه رسم، تاریخ و تصادف کنار هم نگه داشته شده‌اند. بسته دانشگاهی همیشه شکننده بوده است. دلیل کمی برای ماندن در کنار هم دارد، حتی اگر نهادهای درون آن بیش از حد ریشه‌دار باشند تا بتوانند از هم جدا شوند.

دانشگاه در آمریکا دو وعده می‌دهد. از یک سو، دانشگاه یک خدمت اعتباربخشی است: مدرکی اعطا می‌کند که دانش را تأیید کرده و فارغ‌التحصیل را وارد بازار کار می‌کند. از سوی دیگر، دانشگاه یک خدمت دوران بلوغ است. هویت را از طریق کاوش اجتماعی و توسعه فکری شکل می‌دهد. این آرمان آمریکایی برای چگونگی شناخت جوانان از خودشان است. مهمانی‌ها، نوشیدن الکل، انجمن‌های یونانی، ورزش و سایر اشکال زندگی دانشگاهی همیشه خطر تضعیف پروژه آموزشی را داشتند—و بالعکس. اما این دو دسته تا حد خوبی در کنار هم وجود داشتند.

اکنون دو چیزی که در قالب «دانشگاه» بسته‌بندی شده بودند، شروع به باز شدن و پراکنده شدن کرده‌اند. تجربه دوران بلوغ—دوستی‌ها، استقلال، آزمایش‌گری—کمتر وابسته به محیط دانشگاهی اطرافش به نظر می‌رسد، زیرا انحصار دانشگاه بر آشنایی با دنیای گسترده‌تر ضعیف شده است. جهانی‌شدن و اینترنت بخش زیادی از آن دنیا را سال‌ها قبل از ورود دانشجویان به دانشگاه به آن‌ها ارائه می‌دهند. جنبه‌های دیگر زندگی دانشگاهی نیز از محوطه دانشگاه خارج شده‌اند. فوتبال دانشگاهی ملی شده و وابستگی‌های منطقه‌ای و رقابت‌های محلی را رها کرده است. پذیرش در انجمن‌های یونانی به صنعتی برون‌سپاری شده تبدیل شده است. محوطه‌های دانشگاهی بیشتر شبیه سیستم‌های بیمارستانی، کارفرمایان بزرگ محلی و عملیات سرمایه‌گذاری املاک و مستغلات هستند تا مدارس.

بهینه‌سازی دانشگاه برای آمادگی حرفه‌ای نیز باعث شد دو هدف از هم دور شوند و تجربه اجتماعی غیرقابل تکراری که دانشگاه باید فراهم کند، فرسایش یابد. اقتصاد خواستار فعالیت‌های بیشتری از دانشجویان خارج از کلاس درس شد—کارآموزی، شبکه‌سازی، انتشارات، داوطلبی. در محیط جستجوی کار بی‌رحمی که در آن مشاغل سطح پایین به نظر می‌رسد نیازمند پارتی‌بازی، شانس و ده مرحله مصاحبه هستند، دانشجویان امروز ممکن است احساس کنند اساتید مسن‌تر آن‌ها شکاف میان ارائه مدرک و شغلی که وعده می‌دهد را به طور کامل درک نمی‌کنند.

سپس کووید-۱۹ نشان داد که فرآیند اعتباربخشی می‌تواند ادامه یابد حتی اگر زندگی در محوطه دانشگاه کاهش یابد یا کاملاً حذف شود. بحث‌ها و سردرگمی‌های قابل توجهی همراه با این لحظه بود؛ برخی دانشجویان تلاش کردند از دانشگاه‌های گران‌قیمت شکایت کنند با این استدلال که محوطه بسته ارزش قیمت کامل را ندارد. اما در نهایت، اثبات شد که اعتباربخشی با نسخه‌ای ناقص یا غایب از زندگی دانشگاهی کاملاً امکان‌پذیر است.

اکنون هوش مصنوعی دو هدف دانشگاه را تقریباً کاملاً از هم جدا کرده است. نوشتن مقاله قبلاً نیازمند انجام کاری شبیه به تکالیف آکادمیک تعیین شده بود. چون هوش مصنوعی امکان تکمیل دوره‌های درسی را بدون تلاش فکری زیاد یا اصلاً بدون آن فراهم می‌کند، هوش مصنوعی خروجی را از فرآیند قطع کرده است (اگر دانشجویان میانبر را انتخاب کنند). رنج بردن از یک مقاله ترمی دیگر ذاتاً فرصت‌هایی برای استراحت جهت نوشیدن قهوه نیمه‌شب با هم‌کلاسی‌ها، همدردی با هم‌اتاقی‌ها درباره یک استاد سختگیر، یا رسیدن به یک بینش غیرمنتظره هنگام مستی در یک مهمانی خانگی فراهم نمی‌کند. پیشرفت اجتماعی و آکادمیک دیگر در هم تنیده نیستند. مقدار مشخصی از زمان مشترک یا تفکر برای انجام یکی در دل دیگری لازم نیست.

ترکیبی از عوامل (از جمله تغییر ارزش‌ها، کارآفرینی آموزشی، آربیتراژ نظارتی و سرعت تغییرات فناورانه) معنای دیپلم را تغییر داده است. با این حال، مدارس مشکلی در ادامه اعطای مدارک به دانشجویانی که کل دوران کارشناسی خود را در محوطه‌هایی سپری کرده‌اند که همان ظاهر سنتی را در حیاط‌ها و کتابخانه‌ها تبلیغ می‌کنند، اما هوش مصنوعی در زیر پوست آن‌ها را ناامیدانه درهم ریخته است، نداشته‌اند.

بلافاصله پس از روی کار آمدن، دولت دوم ترامپ دست به سری حملات علیه آموزش عالی زد. این حملات انگیزه سیاسی داشتند، اما مؤثر بودند زیرا نقاط دردناک دانشگاه‌ها را هدف قرار دادند. از جنگ جهانی دوم، بخش دانشگاه‌های پژوهشی آمریکا به عنوان یک صنعت عظیم و توزیع‌شده پژوهش علمی تعریف شده است. حملات ترامپ با مختل کردن ده‌ها میلیارد دلار بودجه فدرال که هزینه این پژوهش‌ها (شامل آموزش تحصیلات تکمیلی) را تأمین می‌کند، این پروژه را تضعیف کرد.

در همان زمانی که هوش مصنوعی تضاد میان اعتباربخشی و دوران بلوغ را گسترش می‌داد، کاهش بودجه‌های ترامپ ناسازگاری ساختاری دیگری را، میان آموزش و پژوهش، آشکار کرد. این واقعیت که دانشگاه‌های بزرگ توسط پژوهش هدایت می‌شدند راز نبود، اما همچنین توسط عموم مردم آمریکا، از جمله والدین و دانشجویان، خوب درک نمی‌شد. اگر متوجه شوید دوست یا همسایه شما استاد دانشگاه است، احتمالاً از او می‌پرسید: «چه چیزی تدریس می‌کنید؟» و اگر هنگام پرسش معذب شود، به این دلیل است که بسیاری از اعضای هیئت علمی اغلب تدریس را شغل اصلی خود نمی‌دانند. بله، از یک استاد انتظار می‌رود هم به دانشجویان کارشناسی تدریس کند و هم پژوهش تولید کند، زیرا مأموریت دانشگاه شامل آموزش و علم‌آموزی است. اما دانشگاه‌های ملی این فعالیت‌ها را به طور مساوی ارزش‌گذاری یا پاداش نمی‌دهند.

پژوهش گرنت، پرستیژ، دانشجویان تحصیلات تکمیلی، رتبه‌بندی و ارتقای شغلی را به همراه می‌آورد. در دانشگاه‌های پژوهشی، تدریس کارشناسی، اگر توصیف نشود، به عنوان یک اقدام ضروری برای جریان داشتن پول شهریه و حفظ ظاهر غالب بودن آموزش کارشناسی—چیزی که مردم وقتی تصور می‌کنند دانشگاه برای چه چیزی است، اولین بار به ذهنشان می‌رسد—نگاه می‌شود.

مدیران دانشگاه اغلب استدلال می‌کنند که مأموریت‌های پژوهش و تدریس یکدیگر را تقویت می‌کنند: طبق این روایت، یک پژوهشگر ستاره می‌تواند جدیدترین دانش را به کلاس درس بیاورد. تقریباً هر تور بازدید از دانشگاه در آمریکا شامل یک ترفند درباره اینکه چگونه دانشجویان کارشناسی می‌توانند در پژوهش‌های اساتید شرکت کنند، خواهد بود. دانشگاه‌ها انگیزه قوی دارند تا پژوهش و تدریس را هماهنگ جلوه دهند. اما در واقعیت، این اهداف بیشتر در تنش هستند تا در وحدت.

یک اصطلاح افشاگر به توضیح چگونگی شکنندگی واقعی این رابطه کمک می‌کند. پژوهشگری که گرنت بزرگی دریافت می‌کند می‌تواند بخشی از آن وجوه را برای «خرید تدریس» (teaching buyout) استفاده کند، یعنی پول بدهد تا از کلاس درس خلاص شود. موفقیت در یکی از مأموریت‌های دانشگاه به طور لفظی آسایش از دیگری را خریداری می‌کند. (هیچ خرید پژوهشی وجود ندارد.)

محوطه‌هایی مانند محل کار من، دانشگاه واشینگتن در سنت لوئیس، سالانه بیش از ۱ میلیارد دلار بودجه پژوهشی جذب می‌کنند. این پول هزینه کار انجام شده در آزمایشگاه‌ها، اما همچنین تجهیزات، ساختمان‌ها و کارکنان را تأمین می‌کند. این پول پایه‌ای برای شاخص‌ها (گرنت‌های کسب شده و «هزینه‌های پژوهشی»، یا پول خرج شده از آن گرنت‌ها) تشکیل می‌دهد که محوطه‌ها برای رقابت با یکدیگر بر سر جذب اعضای هیئت علمی، دانشجویان تحصیلات تکمیلی، هدایای خیرخواهانه و سایر اشکال پرستیژ از آن استفاده می‌کنند. تهدید جریان پول پژوهش نه تنها آزمایشگاه‌ها را در معرض خطر قرار می‌دهد، بلکه ساختار مالی و سازمانی کل بخش را بی‌ثبات می‌کند.

هر کالج و دانشگاه بزرگ هنرهای آزاد (liberal arts) را به عنوان هسته آموزش کارشناسی تبلیغ می‌کند، اما علوم انسانی به ویژه—زمینه‌های هنر و ادبیات مانند ادبیات و زبان‌ها که معمولاً بودجه پژوهشی فدرال زیادی، اگر اصلاً، دریافت نمی‌کنند—از ارزشی عمدتاً باقی‌مانده برخوردارند که با اقتصاد زیربنایی آموزش عالی خیلی جور در نمی‌آید. دانشگاه‌ها در این زمینه با کالج‌ها متفاوت هستند. کالج‌های کوچک هنرهای آزاد تقریباً منحصراً بر آموزش کارشناسی تمرکز دارند و جدی به هنر و ادبیات متعهد هستند. این یکی از دلایلی است که آن‌ها به طور خاص برای مقابله با حملات ترامپ موقعیت خوبی دارند. اما این مدارس جمعیت بسیار کوچک‌تری را سرویس می‌دهند و همچنان به سیستم گسترده‌تر دانشگاهی آمریکا متصل هستند که از آنجا اعضای هیئت علمی جذب می‌کنند و دانشجویان را برای تحصیل در مقاطع بالاتر به آنجا می‌فرستند. و حتی در این مدارس، علوم انسانی به طور خاصی در برابر هوش مصنوعی آسیب‌پذیر است، زیرا تلاش فکری که این فناوری اکنون می‌تواند حذف کند—کلنجار رفتن با معنای متون، کشف نحوه بیان ایده‌های پیچیده—نقطه بنیادین آن نوع از آموزش است.

بحران هوش مصنوعی در دانشگاه، جفت شده با بحران‌های کووید-۱۹ و بودجه فدرال که آن را احاطه کرده بودند، توهم اینکه همه اتفاقات در محوطه دانشگاه یک پروژه مشترک را به اشتراک می‌گذارند، از بین برد. هوش مصنوعی ممکن است پژوهش علمی را به طور اساسی بهبود بخشد در حالی که علوم انسانی را نابود کند. و هوش مصنوعی ممکن است به طور نگران‌کننده تلاشی که یک دانشجو برای تکمیل مدرک باید صرف کند را کاهش دهد، در حالی که به یک دانشمند اجازه می‌دهد آزمایش‌ها را با تلاش کمتر، بدون بحث‌برانگیز بودن، انجام دهد.

آموزش کارشناسی، اعتباربخشی، پژوهش علمی، حرفه‌ای شدن و دوران بلوغ هنوز همان محوطه‌های دانشگاهی را اشغال می‌کنند. اما آن‌ها به وضوح دیگر اجزای یک پروژه واحد نیستند. آن‌ها سال‌هاست—احتمالاً دهه‌هاست—که چنین نبوده‌اند. نگاه به عقب به شغل خودم، می‌توانم به وضوح ببینم که هر یک از ترم‌های آن در سایه این خانواده از ناسازگاری‌ها سپری شده است. تدریس و پژوهش گاهی همسو هستند، اما نه همیشه. با سواد شدن ارتباط کمی با بزرگ شدن دارد، جز اینکه در همان محوطه اتفاق می‌افتد. من قبلاً دانشگاه را مشابه شهری می‌دانستم—گسترده، متنوع و لزوماً میزبان چندین هدف. اما اکنون شک دارم که حتی آن توصیف سخاوتمندانه نیز یک خیال‌پردازی باشد. شک دارم که آیا یک سازمان می‌تواند همه این پروژه‌های متعارض را به خوبی پشتیبانی کند—و آیا هرگز چنین کرده است.

اکنون که این ناسازگاری‌ها نادیده گرفتنشان دشوارتر شده است، آیا پروژه دانشگاهی آمریکا خود را به گونه‌ای بازآفرینی خواهد کرد که آن‌ها را حل کند؟ شاید، اما همچنین: شک دارم. دانشگاه‌ها طوری ساخته شده‌اند که در برابر تغییر تقریباً از هر نوع مقاومت کنند. رهبران دانشگاه بارها رویکرد «صبر کن و ببین» یا «سر پایین نگه داریم» را اتخاذ کرده‌اند و اختلال را صرفاً وقفه تلقی می‌کنند: پاندمی تمام شد، هوش مصنوعی آرام خواهد گرفت، بودجه فدرال از سر گرفته خواهد شد، و همه این‌ها، هر چه باشند، خواهند گذشت. این‌ها نتایج بسیار قابل تحمل‌تری نسبت به، مثلاً، این ایده هستند که اعتباربخشی هیچ کاری با اشتراک مکان با دوران بلوغ ندارد، یا اینکه آموزش کارشناسی با مأموریت یک نهاد پژوهشی در تضاد است.

هر بحران اخیر به دانشگاه یک بهانه (alibi) داد. هوش مصنوعی یک فناوری بیگانه بود که یک نهاد آموزشی در غیر این صورت کارآمد را فاسد کرد. کاهش بودجه‌های ترامپ یک حمله سیاسی غیرمتعارف به یک پروژه پژوهشی سالم بود. کووید-۱۹ یک وضعیت اضطراری بود که محوطه‌ها را مجبور کرد زندگی دانشگاهی و آموزش را به نفع سلامت عمومی معلق کنند. اما بقا از هر یک از این بحران‌ها، چه رسد به همه آن‌ها با هم، هیچ تغییری در شرایط زیربنایی که آن‌ها تشدید کردند، ایجاد نمی‌کند. اهداف ناسازگار دانشگاه به کار خود ادامه می‌دهند.

هیچ دلیلی نمی‌بینم که باور کنم ناسازگاری‌های ساختاری که آموزش عالی را تعریف کرده‌اند، حل خواهند شد. مدرک بیش از پیش به یک هدف و کمتر به یک فرآیند خودشناسی تبدیل خواهد شد. مأموریت‌های پژوهش و تدریس بیشتر از یکدیگر عقب‌نشینی خواهند کرد. دانشگاه به همان اندازه که با عموم مردم، دولت، بخش خصوصی یا صنعت فناوری در جنگ است، با خودش نیز در جنگ است.

به عنوان یک مدرک یا یک آیین، دانشگاه همچنان ارزش خواهد داشت و شما یا فرزندانتان ممکن است بخواهید برای یک مدرک یا تجربه دوران بلوغ (یا هر دو) به آن بروید. نام‌های قدیمی باقی خواهند ماند و ساختمان‌های محوطه همچنان سر جای خود خواهند بود. تکالیف درسی ادامه خواهد یافت خواه انسان‌ها آن‌ها را تکمیل کنند یا ماشین‌ها (یا تکلیف دهند). برگ‌ها در پاییز بر حیاط خواهند ریخت و کلاه‌ها در بهار به هوا پرتاب خواهند شد. ظاهر دانشگاه می‌تواند دوام بیاورد، حتی اگر روح آن—جامعه‌ای سازمان یافته برای آموزش و تربیت جوانان—از هم بپاشد.

اشتراک:
این گزارش ترجمه و بازنویسی خبری با موتور هوش مصنوعی افق آبی است و برای خوانندهٔ فارسی‌زبان بازتنظیم شده. منبع اصلی: theatlantic.com