هوش مصنوعی به مدارس آفریقا می‌آید
«تعداد کل دانش‌آموزانی که فوتبال دوست دارند چقدر است؟» روری، یک مربی ریاضی در غنا، این سؤال را مطرح می‌کند. شما با دقت نمودار میله‌ای را بررسی می‌کنید، اما با وجود اینکه خواننده‌ای بسیار دقیق از African Business هستید، پاسخ را اشتباه می‌دهید.
روری با لحنی شاد می‌گوید: «اوه! به نظر می‌رسد اشتباه شده»، سپس راهنمایی‌تان می‌کند و تشویق‌تان می‌کند دوباره تلاش کنید. این مربی یک چت‌بات است، نه یک انسان؛ و تمام این گفت‌وگو در واتس‌اپ انجام می‌شود. هنوز در مراحل ابتدایی هستیم، اما همین تعامل نمونه‌ای از این است که هوش مصنوعی چگونه می‌تواند آموزش را در آفریقا تغییر دهد.
آزمایش‌های اولیه هوش مصنوعی آموزشی در کشورهای آفریقایی نتایج امیدوارکننده‌ای داشته‌اند و اثراتی معادل چند ماه یا حتی چند سال یادگیری بیشتر نشان داده‌اند. بسیاری از این ابزارها می‌کوشند نوعی آموزش فردبه‌فرد را برای دانش‌آموزان فراهم کنند. برخی دیگر به معلمان در برنامه‌ریزی درس یا تصحیح تکالیف کمک می‌کنند و حتی در نگارش کتاب‌های درسی نقش دارند. گاهی هوش مصنوعی از طریق ابزارهای اختصاصی مانند روری ارائه می‌شود؛ اما در بسیاری موارد، معلمان و دانش‌آموزان صرفاً از جمنای، چت‌جی‌پی‌تی یا متاآی، که در واتس‌اپ تعبیه شده است، استفاده می‌کنند.
البته همه این موارد با خطراتی همراه است. اتکای بیش از حد به هوش مصنوعی ممکن است به «برون‌سپاری شناختی» منجر شود؛ یعنی دانش‌آموزان بخش دشوار فرایند فکر کردن را به ماشین واگذار کنند. نابرابری آموزشی نیز ممکن است افزایش یابد، زیرا دانش‌آموزانی که به هوش مصنوعی دسترسی ندارند از دیگران عقب می‌مانند. درباره نحوه محافظت از کودکان در فضای آنلاین و چگونگی استفاده از داده‌های آنها نیز نگرانی‌هایی وجود دارد.
ادمیر ماره، رئیس دپارتمان مطالعات ارتباطات و رسانه در دانشگاه ژوهانسبورگ و یکی از نویسندگان گزارش هوش مصنوعی در آموزش آفریقا که برای اندیشکده اروپایی ECDPM تهیه شده است، می‌گوید: «قطعاً شاهد افزایش استفاده از هوش مصنوعی بوده‌ایم، اما البته بیشتر این استفاده‌ها واقعاً تحت هدایت هیچ سیاست نهادی مشخصی نیستند.»
ارتقای سطح آموزش در مدارس
ریشه‌های روری به دوران همه‌گیری کووید-۱۹ بازمی‌گردد؛ زمانی که شبکه آموزشی Rising Academies، که با ۱۴۰۰ مدرسه دولتی در آفریقا همکاری می‌کند، برای کمک به یادگیری دانش‌آموزان در دوران تعطیلی مدارس از رادیو و پیامک استفاده کرد. بعدها این ایده به یک چت‌بات تبدیل شد. پرسش‌ها را متخصصان ریاضی طراحی می‌کنند و هوش مصنوعی در تفسیر پاسخ‌های دانش‌آموزان کمک می‌کند. بیشتر محتوای این سامانه متنی است تا بتوان به آن از طریق گوشی‌های هوشمند ارزان‌قیمت و کم‌توان نیز دسترسی داشت.
پتانسیل چنین ابزاری در یک ارزیابی مقدماتی که با همکاری پژوهشگران دانشگاه آکسفورد و J-PAL، یک شبکه پژوهشی، انجام شد، آشکار شد. حدود ۵۰۰ دانش‌آموز غنایی به دو گروه تقسیم شدند؛ یک گروه هفته‌ای یک ساعت از روری استفاده می‌کرد و گروه دیگر نه. سپس هر دو گروه در طول یک دوره هشت‌ماهه، دو بار مورد آزمون قرار گرفتند. دانش‌آموزانی که از روری استفاده کردند، در مقایسه با گروه کنترل، به اندازه دست‌کم یک سال یادگیری بیشتر پیشرفت کردند. اکنون یک آزمایش بزرگ‌تر در پنج منطقه در حال انجام است.
هانا هورن-رابینسون، مدیر پژوهش و ارزیابی روری، توضیح می‌دهد: «دانش‌آموزان مسائل را خودشان حل می‌کنند؛ سؤال را کپی نمی‌کنند تا فقط پاسخ را تحویل بگیرند. روری آنچه را نوشته‌اند تفسیر می‌کند و بازخورد می‌دهد و اگر در حل مسئله گیر کنند، ابتدا یک راهنمایی در اختیارشان می‌گذارد و فرصتی برای تلاش دوباره می‌دهد.»
نتایج مشابهی در آزمایشی دیگر در سیرالئون به دست آمد؛ جایی که دانش‌آموزان مدارس از قابلیت Guided Learning چت‌بات جمنای گوگل استفاده کردند. آنها تنها پس از هشت هفته، در ریاضی به اندازه پیشرفتی دست یافتند که معمولاً طی ۱.۲ تا ۱.۷ سال به دست می‌آوردند. «اندازه اثر»، یعنی معیار زیربنایی سنجش میزان پیشرفت، در این مطالعه از پژوهش روری کمتر بود، اما همچنان چشمگیر محسوب می‌شد. بیش از ۹۰ درصد گفت‌وگوهای دانش‌آموزان با جمنای درباره عمیق‌تر کردن درک آنها بود، نه صرفاً درخواست پاسخ. این چت‌بات از روش‌های آموزشی مانند «داربست‌بندی» استفاده می‌کرد؛ روشی که در آن معلم با ارائه حمایت ساختاریافته، مثلاً تقسیم یک فرایند به گام‌های ساده، به دانش‌آموزان کمک می‌کند مفاهیم جدید را یاد بگیرند.
ماتیاس اسمان، مدیر مشارکت‌ها در سازمان غیرانتفاعی Fab AI که در اجرای این مطالعه همکاری داشت، می‌گوید: «اگر فقط دسترسی به یک چت‌بات را در اختیار دانش‌آموزان بگذارید، این کار حتی می‌تواند آثار زیان‌باری داشته باشد، چون چت‌بات صرفاً به ابزاری برای تمام کردن سریع تکالیف تبدیل می‌شود.»
او ادامه می‌دهد: «اما اگر داربست‌بندی را وارد فرایند کنید و تلاش کنید ابزار هوش مصنوعی همان کاری را انجام دهد که یک معلم یا مربی خوب انجام می‌دهد، آن‌گاه می‌تواند واقعاً به یادگیری قابل‌توجهی منجر شود.»
خلاصه اینکه اصول آموزش خوب، چه توسط انسان ارائه شود و چه توسط رایانه، یکسان است. پژوهشگران در سیرالئون با همکاری نزدیک معلمان، آنها را برای استفاده از هوش مصنوعی در کار با دانش‌آموزان آموزش دادند. Fab AI همچنین معیاری برای ارزیابی میزان دانش مدل‌های هوش مصنوعی از اصول آموزشی، یعنی هنر تدریس، طراحی کرده است. به گفته اسمان، پرسش این است: «آیا یک مدل هوش مصنوعی به اندازه کافی می‌داند که بتواند آموزش دهد؟»
سه سال پیش، مدل‌ها در این آزمون عملکرد چندان خوبی نداشتند. اکنون بهترین مدل‌ها، دست‌کم به زبان انگلیسی، در این آزمون عملکرد بسیار خوبی دارند.
از نظر تئوری، یک مربی هوش مصنوعی می‌تواند آموزش اختصاصی‌ای را در اختیار دانش‌آموزان بگذارد که معلمان دوست دارند ارائه کنند، اما به دلیل حجم بالای کار فرصت انجام آن را ندارند. این رویکرد با روش اثبات‌شده «آموزش در سطح مناسب» نیز همخوان است؛ روشی که در آن کلاس و محتوای آموزشی متناسب با میزان دانسته‌های قبلی دانش‌آموزان تنظیم می‌شود. اسمان تصور می‌کند ابزارهای هوش مصنوعی بتوانند توانایی کودکان در خواندن را ارزیابی کنند و سپس متن‌هایی با سطح دشواری دقیقاً مناسب تولید کنند تا آنها را به مرحله بعدی برسانند. او همچنین پیش‌بینی می‌کند که به‌زودی دانش‌آموزان بسیار بیشتری از طریق صدا، نه فقط متن، و به زبان مادری خود با مربیان هوش مصنوعی تعامل داشته باشند.
برخی از این ایده‌ها همین حالا در حال تبدیل شدن به واقعیت هستند. سازمان غیردولتی RobotsMali در مالی از چت‌جی‌پی‌تی و اپلیکیشن تولید تصویر DALL-E برای تولید سریع متون کودکانه به زبان بامبارا استفاده می‌کند. مؤسسه Edutech، یک شرکت آفریقای جنوبی، نرم‌افزار آموزشی هندی را به آفریقا می‌آورد. M-Shule در کنیا از هوش مصنوعی برای تولید آزمون‌های کوتاه و مرور مطالب استفاده می‌کند که می‌توان آنها را از طریق واتس‌اپ یا پیامک ارسال کرد.
استارتاپ کنیایی Kytabu نیز در تلاش است عینک هوشمند مجهز به هوش مصنوعی برای معلمان توسعه دهد؛ عینکی که «راهنمایی‌های لحظه‌ای برای تدریس، اطلاعات مربوط به میزان مشارکت دانش‌آموزان و پشتیبانی صوتی فعال‌شونده با فرمان صوتی در کلاس» ارائه می‌کند.
محدودیت‌های فناوری
یکی از مشکلات شناخته‌شده در پژوهش‌های آموزشی این است که نتایج امیدوارکننده آزمایش‌ها همیشه در مقیاس گسترده تکرار نمی‌شوند. برای نمونه، در مطالعه سیرالئون نه‌تنها دستگاه‌هایی برای استفاده در اختیار دانش‌آموزان قرار گرفت، بلکه «ناظران میدانی» نیز استخدام شدند تا مطمئن شوند دستگاه‌ها شارژ هستند و مشکلات فنی را برطرف کنند؛ نوعی پشتیبانی که بعید است خارج از محیط آزمایش وجود داشته باشد.
برای بیشتر کودکان آفریقایی، داشتن یک مربی هوش مصنوعی همچنان رؤیایی دور است. کمتر از یک‌سوم آفریقایی‌ها به اینترنت همراه متصل هستند و تنها حدود نیمی از آنها به برق دسترسی دارند. بیشتر مطالعات انجام‌شده تاکنون در شهرها یا مناطق نزدیک به شهرها صورت گرفته‌اند؛ جایی که دسترسی به گوشی هوشمند بیشتر است. در برخی موارد نیز پژوهشگران خودشان دستگاه‌هایی را در اختیار دانش‌آموزان قرار داده‌اند.
برخی درباره مناسب بودن مدل‌هایی که با داده‌هایی عمدتاً afkomstig از دیگر قاره‌ها آموزش دیده‌اند، نگرانی دارند.
ماره می‌گوید: «بدیهی است که در زمینه سوگیری الگوریتمی، مجموعه‌داده‌هایی که نماینده واقعی جوامع نیستند و ابزارهای هوش مصنوعی که درک ظریفی از پویایی‌های آفریقا ندارند، چالش‌هایی وجود دارد.»
او همچنین درباره نحوه مدیریت داده‌های آفریقایی توسط شرکت‌های بزرگ فناوری ابراز نگرانی می‌کند. او می‌گوید: «متأسفانه بیشتر کشورهای آفریقایی تازه در حال مواجهه جدی با این مسائل هستند و بیشتر قوانین حفاظت از داده‌ها اساساً با تمرکز بر شبکه‌های اجتماعی طراحی شده‌اند، نه رسانه‌های مبتنی بر هوش مصنوعی.»
معلمان نیز معمولاً بر پیوند انسانی‌ای تأکید می‌کنند که با دانش‌آموزان خود دارند و ماشین هرگز نمی‌تواند آن را بازتولید کند. هورن-رابینسون با این دیدگاه موافق است.
او تأکید می‌کند: «معلمان و دانش‌آموزان همچنان در مرکز خواهند بود.»
او در ادامه می‌گوید ابزارهای نوآورانه می‌توانند به آنها کمک کنند به شیوه‌های جدیدی با یکدیگر همکاری کنند.
او می‌گوید: «امیدوارم ده سال دیگر، مدرسه‌ای که اتفاقاً در آن تحصیل می‌کنید تعیین نکند که آیا از حمایت باکیفیت و شخصی‌سازی‌شده برخوردار می‌شوید یا نه.»