رئیس ایرانداک در کنفرانس ICIST 2026 در ازبکستان سخنرانی کرد

به گزارش لیزنا، سخنرانی دکتر حسن زاده، با عنوان «نظام‌های هوشمند، هوش مصنوعی عامل‌محور و نوآوری انسانی: چه چیزی باید در دانشگاه‌ها آموزش داده شود؟» با حضور رئیس دانشگاه، مدیران و میهمانان بین المللی و همچنین دانشجویان دانشگاه های مختلف ازبکستان ارائه شد. ترجمه فارسی متن سخنرانی دکتر حسن زاده (که به زبان انگلیسی ارائه شده) بدین شرح بوده است:

بسمه تعالی

ریاست محترم دانشگاه، معاونان محترم، مسئولان دانشگاه، استادان ارجمند، پژوهشگران و همکاران گرامی:

اجازه دهید سخنان خود را با قدردانی صمیمانه از ریاست محترم دانشگاه، معاونان و همه مسئولان دانشگاه آغاز کنم که با دعوت از من و با میزبانی گرم و حمایت ارزشمند خود، زمینه این حضور و این دیدار را فراهم کردند.

در طول این سفر، این فرصت را داشتم که از چندین دانشگاه در تاشکند، سمرقند و بخارا بازدید کنم و با رؤسا و مسئولان دانشگاه‌ها، استادان و همکاران علمی دیدار و گفت‌وگو داشته باشم. این دیدارها تصویر بسیار مثبت و امیدوارکننده‌ای از پویایی و توسعه آموزش عالی در ازبکستان در ذهن من ایجاد کرده است.

اکنون بیش از پیش احساس می‌کنم که ازبکستان در حال تبدیل شدن به یکی از مراکز مهم آموزش عالی، علم و نوآوری در این منطقه است. ازبکستان به دلیل جایگاه منحصربه‌فرد خود در قلب آسیای مرکزی، می‌تواند نه‌تنها یک مشارکت‌کننده، بلکه تسهیل‌گر و پیونددهنده همکاری‌های علمی و دانشگاهی در منطقه باشد.

من معتقدم ازبکستان شایستگی آن را دارد که در این مسیر نوآورانه و در شکل‌دهی به آینده آموزش عالی در آسیای مرکزی، نقشی پیشرو و راهبر ایفا کند.

من از جمهوری اسلامی ایران می‌آیم؛ کشوری با یک سنت علمی و تمدنی درخشان و ریشه‌دار و با جایگاهی مهم و رو به رشد در اکوسیستم نوآوری جهانی معاصر. امروز افتخار دارم که نماینده دو نهاد علمی باشم. نخست، پژوهشگاه علوم و فناوری اطلاعات ایران، ایرانداک، که یکی از نهادهای پیشرو در پشتیبانی از دانش علمی، اطلاعات پژوهشی و فعالیت‌های علمی و فناوری در ایران است.

و دوم، دانشگاه تربیت مدرس که در آن به‌عنوان استاد تمام مدیریت دانش فعالیت می‌کنم. دانشگاه تربیت مدرس یک دانشگاه متمایز در نظام آموزش عالی ایران است که به‌طور اختصاصی تنها، آموزش تحصیلات تکمیلی را ارائه می‌کند و بیش از ۱۵ هزار دانشجوی تحصیلات تکمیلی دارد و نقش مهمی در آموزش و پژوهش پیشرفته در کشور ایفا می‌کند.

از این رو، من به آینده همکاری‌های علمی و پایدار میان دو کشور بسیار خوش‌بین هستم. معتقد هستم ایرانداک و دانشگاه تربیت مدرس می‌توانند حمایت جدی و مستمر خود را برای تقویت روابط علمی و دانشگاهی میان ایران و ازبکستان، به‌ویژه در حوزه‌هایی مانند فناوری‌های نوظهور، مدیریت دانش، هوش مصنوعی، تحول آموزش عالی، همکاری‌های پژوهشی و تبادل استاد و دانشجو، فراهم کنند. و با همین روحیه دوستی، همکاری و مسئولیت مشترک نسبت به آینده، اجازه دهید به موضوع اصلی سخنرانی امروز بپردازم.

می‌خواهم سخنان اصلی خود را با یک پرسش آغاز کنم.

وقتی هوش مصنوعی به‌طور فزاینده‌ای قادر است بسیاری از کارهایی را انجام دهد که دانشگاه‌ها به‌طور سنتی به دانشجویان آموزش می‌دهند، چه اتفاقی برای دانشگاه رخ خواهد داد؟

برای دهه‌ها، آموزش عالی بر کسب دانش و مهارت استوار بوده است. ما به دانشجویان می‌آموزیم چگونه اطلاعات را جست‌وجو کنند، آن را تحلیل کنند، گزارش بنویسند، مسئله حل کنند، پژوهش انجام دهند، محتوا تولید کنند و تصمیم بگیرند.

اما اکنون یک تحول بنیادین در حال رخ دادن است. هوش مصنوعی به‌طور فزاینده‌ای قادر به انجام بسیاری از این فعالیت‌ها شده است. بنابراین، به نظر من پرسش دانشگاه اکنون این نیست که «چگونه باید به دانشجویان استفاده از هوش مصنوعی را آموزش دهیم؟» بلکه پرسش عمیق‌تر این است. دانشگاه در عصر نظام‌های هوشمند، باید چه نوع قابلیت انسانی را در دانشجویان ایجاد کند؟

ما تاکنون تأثیر شگفت‌انگیز هوش مصنوعی مولد را تجربه کرده‌ایم. هوش مصنوعی مولد رابطه انسان و ماشین را تغییر داده است. ما می‌توانیم از یک سامانه بخواهیم که بنویسد، خلاصه کند، ترجمه کند، توضیح دهد، تحلیل کند، طراحی کند و ایده تولید کند. اما اکنون به سمت مرحله مهم‌تری حرکت می‌کنیم و آن عاملیت هوش مصنوعی است.

تفاوت این دو بسیار مهم است. هوش مصنوعی مولد عمدتاً بر این الگو استوار است که دستور را می گیرد و پاسخ می دهد. اما هوش مصنوعی عامل‌محور به سمت این الگو حرکت می‌کند و هدف را به برنامه‌ریزی، آن را به استفاده از ابزارها و  اقدام و سپس به ارزیابی و  سازگارسازی متصل می کند. یعنی هوش مصنوعی به‌تدریج از ابزاری که صرفاً به ما پاسخ می‌دهد، به سامانه‌ای تبدیل می‌شود که می‌تواند برای دستیابی به یک هدف، اقدام کند.

و این موضوع چالش آموزشی را تغییر می‌دهد. اگر هوش مصنوعی بتواند به‌طور فزاینده‌ای برنامه‌ریزی و اجرا کند، صرفاً آموزش نحوه استفاده از ابزارهای هوش مصنوعی دیگر کافی نخواهد بود.

امروز دیگر مهندسی پرامپت کافی نیست. ما توجه زیادی به مهندسی پرامپت داشته‌ایم. این موضوع مفید است. اما من معتقدم قابلیت عمیق‌تر، چیزی است که می‌توانیم آن را «مهندسی هدف» یا Purpose Engineering  بنامیم.

پیش از آنکه از یک سامانه هوشمند بپرسیم «چگونه» کاری را انجام دهد، انسان باید مشخص کند:

هدف چیست؟ واقعاً چه مسئله‌ای را می‌خواهیم حل کنیم؟ چه محدودیت‌هایی وجود دارد؟ چه شواهدی باید پذیرفته شود؟ چه ارزش‌هایی باید راهنمای تصمیم باشند؟ و موفقیت را چگونه تعریف می‌کنیم؟

به عبارت دیگر، آینده فقط متعلق به کسانی نیست که می‌توانند پرسش‌های خوبی از هوش مصنوعی بپرسند؛ بلکه متعلق به کسانی است که می‌توانند هدف‌های معنادار تعریف کنند. و این یک چالش اساساً انسانی برای آموزش است.

اینجا با یک پارادوکس و دوراهی مهم مواجه می‌شویم.برای قرن‌ها، دانش کمیاب بود. بنابراین دانشگاه‌ها به نهادهایی برای تولید، سازمان‌دهی، حفظ و انتقال دانش تبدیل شدند. اما در دنیای مبتنی بر هوش مصنوعی، دانش به‌طور فزاینده‌ای فراوان و در دسترس می‌شود. بنابراین با یک پارادوکس مواجه هستیم:

وقتی دانش فراوان می‌شود، قضاوت کمیاب می‌شود. و وقتی پاسخ‌ها ارزان می‌شوند، پرسش‌ها ارزشمند می‌شوند. به همین دلیل، دانشگاه‌ها نمی‌توانند صرفاً در پاسخ به هوش مصنوعی، یک درس دیگر با عنوان «ابزارهای هوش مصنوعی» به برنامه درسی اضافه کنند. ما به چیزی عمیق‌تر نیاز داریم. ما باید قابلیت‌های انسانی را بازطراحی کنیم.

از نظر من، چند قابلیت بیش از پیش اهمیت پیدا خواهند کرد.

نخستین، سواد هوش مصنوعی است. دانشجویان باید بدانند هوش مصنوعی چه کارهایی می‌تواند انجام دهد، چه کارهایی نمی‌تواند انجام دهد، کجا دچار خطا می‌شود و چگونه باید خروجی‌های آن را ارزیابی کرد.

دوم، سواد معرفتی یا معرفت‌شناختی. دانشجویان باید بتوانند بپرسند که چه چیزی را می‌دانیم؟ چگونه آن را می‌دانیم؟ شواهد چیست؟ این منبع تا چه اندازه قابل اعتماد است؟ و چه چیزهایی همچنان نامطمئن باقی مانده‌اند؟

سوم، استدلال انتقادی. دانشجویان نباید صرفاً به این دلیل که یک پاسخ هوش مصنوعی قانع‌کننده به نظر می‌رسد، آن را بپذیرند. آنها باید بتوانند فرض‌ها را به چالش بکشند، گزینه‌ها را مقایسه کنند، استدلال ضعیف را تشخیص دهند و خطاها را شناسایی کنند.

چهارم، صورت‌بندی مسئله است. شاید یکی از مهم‌ترین قابلیت‌های آینده، توانایی تعریف مسئله درست باشد. زیرا اگر مسئله اشتباه را به‌خوبی تعریف کنیم، هوش مصنوعی فقط به ما کمک خواهد کرد که مسئله اشتباه را سریع‌تر حل کنیم.

قابلیت بسیار مهم دیگر، هوش خلاق است. برخی شاید تصور می‌کنند که هوش مصنوعی اهمیت خلاقیت را کاهش خواهد داد. من برعکس فکر می‌کنم. هوش مصنوعی می‌تواند هزاران امکان و ایده تولید کند. اما پرسشهایی دشوار وجود دارد که باید پاسخ داده شوند:

کدام ایده مهم است؟ کدام ایده اصیل است؟ کدام ایده مناسب است؟ و کدام ایده ارزش دنبال کردن دارد؟ بنابراین هوش مصنوعی ممکن است فضای ایده‌های ممکن را به‌شدت گسترش دهد. اما همین امر ارزش انتخاب، تفسیر و اصالت انسانی را بیشتر می‌کند.

این همان چیزی است که می‌توان آن را پارادوکس خلاقیت نامید. هرچه ماشین‌ها ایده‌های بیشتری تولید کنند، قضاوت انسانی درباره ایده‌ها ارزشمندتر می‌شود.

ما به قابلیت جدید دیگری نیز نیاز داریم و آن ارکستراسیون یا هماهنگ‌سازی عامل‌های هوشمند است. دانش‌آموخته آینده ممکن است با یک سامانه هوش مصنوعی کار نکند. بلکه با مجموعه‌ای از عامل‌های تخصصی کار کند. یک عامل جست‌وجو می‌کند. عامل دیگری تحلیل می‌کند. عامل دیگری شبیه‌سازی می‌کند. عامل دیگری کدنویسی می‌کند. عامل دیگری شواهد را ارزیابی می‌کند. و عامل دیگری روند کار را پایش می‌کند.

در این شرایط، نقش انسان نیز تغییر می‌کند. انسان دیگر صرفاً یک کاربر نیست. صرفاً یک برنامه‌نویس هم نیست. هرچند خلاقیت در برنامه نویسی همچنان یک امر انسانی باقی خواهد ماند بلکه به هماهنگ‌کننده و ارکستراتور هوش تبدیل می‌شود. دانشجو باید بتواند یک هدف پیچیده را به وظایف مختلف تقسیم کند، مسئولیت‌ها را میان عامل‌های هوشمند توزیع کند، آنها را هماهنگ کند، خروجی‌هایشان را ارزیابی کند و در نهایت تصمیم انسانی را اتخاذ کند.

اما فناوری به‌تنهایی کافی نیست. دانشجویان به تفکر سیستمی نیز نیاز خواهند داشت. چون، نظام‌های هوشمند درون نظام‌های بزرگ‌تر اجتماعی، سازمانی، اقتصادی، سیاسی و فناورانه فعالیت می‌کنند. یک راه‌حل مبتنی بر هوش مصنوعی ممکن است یک مسئله را حل کند و در عین حال مسئله دیگری ایجاد کند. ممکن است یک فرایند را بهینه کند و به فرایند دیگری آسیب بزند. بنابراین دانشجویان باید روابط، حلقه‌های بازخورد، پیامدهای ناخواسته و آثار سطح سیستم را درک کنند. در کنار تفکر سیستمی، به چیزی نیاز داریم که ماشین‌ها نمی‌توانند به‌سادگی جایگزین آن شوند و آن هوش انسانی و اجتماعی است. که با مفاهیمی مانند همدلی، اعتماد، ارتباط، رهبری، مذاکره و همکاری مترادف است. این قابلیت‌ها هرچه ماشین‌ها توانمندتر می‌شوند، اهمیت بیشتری پیدا می‌کنند.

و اکنون به شاید مهم‌ترین پرسش می‌رسیم. ما چه کاری باید انجام دهیم؟ هوش مصنوعی می‌تواند به ما کمک کند بفهمیم چه چیزی ممکن است. اما ممکن بودن یک کار با مطلوب بودن آن یکسان نیست. یک ماشین می‌تواند به ما کمک کند یک تصمیم را بهینه کنیم. اما بهینه‌سازی به ما نمی‌گوید که آیا اساساً هدف مورد نظر از نظر اخلاقی درست است یا نه. بنابراین دانشگاه‌ها باید قضاوت اخلاقی را آموزش دهند.

دانشجویان باید نه‌تنها یاد بگیرند که «هوش مصنوعی چه کاری می‌تواند انجام دهد؟» بلکه باید یاد بگیرند که هوش مصنوعی چه کاری باید انجام دهد؟. و گاهی پرسش مهم‌تر از این هم هست. باید مشخص شود که هوش مصنوعی چه کاری نباید انجام دهد؟

چنانچه انتظار می رود، قابلیت‌های مورد انتظار ما تغییر می‌کنند، شیوه یادگیری نیز باید تغییر کند. مدل سنتی اغلب از محتوا آغاز می‌شود. مدل آینده باید بیشتر از قابلیت و مسائل واقعی آغاز شود. به جای آنکه از دانشجویان بخواهیم اطلاعات را حفظ کنند و در یک امتحان بازتولید کنند، می‌توانیم از آنها بخواهیم مسائل واقعی و معنادار را حل کنند. پژوهش کنند، آزمایش کنند، با هوش مصنوعی همکاری کنند، شواهد را ارزیابی کنند، از تصمیم‌های خود دفاع کنند، و اثرگذاری خود را نشان دهند. این موضوع به این معناست که ارزشیابی نیز باید تغییر کند.

یک متن زیبا که با هوش مصنوعی تولید شده (اغلب دانشجویان این کار را می کنند)، اطلاعات چندانی درباره میزان فهم واقعی دانشجو به ما نمی‌دهد. ما باید فرایند را نیز ارزیابی کنیم. مسئله چگونه صورت‌بندی شد؟

چه شواهدی مورد استفاده قرار گرفت؟ چرا از هوش مصنوعی استفاده شد؟ چه تصمیم‌هایی گرفته شد؟

چه گزینه‌هایی رد شدند؟ دانشجو چه چیزی کشف کرد؟ و آیا می‌تواند از نتیجه نهایی خود دفاع کند؟

این تحول فقط درباره دانشجویان نیست. خود دانشگاه نیز در حال تغییر است. دانشگاه آینده به‌طور فزاینده‌ای متصل، توزیع‌شده، میان‌رشته‌ای و اکوسیستم‌محور خواهد بود. تولید و اعتبارسنجی دانش دیگر محدود به پردیس فیزیکی دانشگاه نیست. دانشگاه‌ها بیش از پیش با صنعت، دولت، جامعه، سکوهای دیجیتال، نظام‌های هوشمند و شبکه‌های بین‌المللی تعامل خواهند داشت. این نگاه زیست‌بوم‌محور اهمیت زیادی دارد، زیرا دانشجویان باید یاد بگیرند چگونه در مرز میان رشته‌ها، سازمان‌ها و فناوری‌های مختلف فعالیت کنند.

گسترش محیط‌های یادگیری مجازی نیز فرصت‌های جدیدی برای حضور، همکاری، شبکه‌سازی و یادگیری خودراهبر فراتر از پردیس سنتی ایجاد می‌کند. بنابراین، تحول دانشجو و تحول دانشگاه از یکدیگر جدا نیستند.

همزمان با تغییر در ابعاد دیگر، نقش استاد نیز تغییر خواهد کرد. استاد آینده صرفاً انتقال‌دهنده اطلاعات نیست. استاد تبدیل می‌شود به طراح، مربی، چالشگر، کیوریتور و شریک پژوهشی. پژوهشگر نیز تغییر می‌کند. می‌توانیم تیم‌های پژوهشی آینده را تصور کنیم که در آنها، انسان‌ها پرسش‌های مهم را تعریف می‌کنند، عامل‌های هوش مصنوعی فضای جست‌وجو را گسترش می‌دهند، ماشین‌ها مجموعه‌های عظیم داده را تحلیل می‌کنند، عامل‌ها شبیه‌سازی انجام می‌دهند و انسان‌ها نتایج را تفسیر می‌کنند، اهمیت آنها را می‌سنجند و تصمیم می‌گیرند چه چیزی مهم است.

این موضوع، انسان در برابر ماشین نیست. بلکه موضوع، همکاری انسان و ماشین است. اما نقش انسان همچنان اساسی باقی می‌ماند.

برای دستیابی به این مهم، یک قابلیت اساسی وجود دارد که می‌خواهم به‌طور ویژه بر آن تأکید کنم. این قابلیت، دانستن زمان استفاده نکردن از هوش مصنوعی است. یک کاربر بالغ هوش مصنوعی نمی‌پرسد چگونه می‌توانم برای همه چیز از هوش مصنوعی استفاده کنم، بلکه می‌پرسد هوش مصنوعی کجا ارزش ایجاد می‌کند و کجا باید مستقلانه فکر کنم، تأمل کنم، ارتباط برقرار کنم یا تصمیم بگیرم؟

بنابراین، گاهی به هوش مصنوعی نیاز داریم. گاهی به گفت‌وگوی انسانی نیاز داریم. گاهی به تجربه نیاز داریم. گاهی به عدم قطعیت نیاز داریم و گاهی به سکوت و تأمل نیاز داریم. استقلال انسانی نباید صرفاً به این دلیل که هوش مصنوعی قدرتمند شده است، از بین برود. هوش مصنوعی باید عاملیت انسان را گسترش دهد، نه اینکه به‌صورت پنهان جایگزین آن شود.

این موضوع ما را به یک تحول گسترده‌تر رهنمون می‌شود. ما آموزش را به‌طور سنتی حول مدارک، دوره‌ها، رشته‌ها و واحدهای درسی سازمان‌دهی کرده‌ایم. اما به‌تدریج باید آموزش را حول قابلیت‌ها سازمان‌دهی کنیم.

این دانش‌آموخته واقعاً چه کاری می‌تواند انجام دهد؟ آیا می‌تواند یک مسئله معنادار را صورت‌بندی کند؟

آیا می‌تواند شواهد را ارزیابی کند؟ آیا می‌تواند با نظام‌های هوشمند همکاری کند؟ آیا می‌تواند عامل‌ها را هماهنگ کند؟ آیا می‌تواند تصمیم‌های اخلاقی بگیرد؟ آیا می‌تواند نوآوری کند؟ آیا می‌تواند ایده را اجرا کند؟ آیا می‌تواند اثر ایجاد کند؟

پاسخ مثبت به این پرسش ها، تصویری از دانش‌آموخته آینده است. چنین دانش آموخته ای نه یک کاربر هوش مصنوعی و نه رقیب هوش مصنوعی است. بلکه یک انسان توانمند که می‌تواند هوش را ارکستراسیون و هماهنگ کند.

با توجه به این تحولات، دانشگاه‌ها چه باید بکنند؟ من یک مسیر عملی را پیشنهاد می‌کنم. نخست، قابلیت‌هایی را که برنامه‌های آموزشی فعلی ایجاد می‌کنند، ارزیابی کنیم. دوم، برنامه‌های درسی را بر اساس قابلیت‌های انسان–هوش مصنوعی بازطراحی کنیم. سوم، ارزشیابی را بر اساس استدلال، شواهد، فرایند و عملکرد واقعی بازطراحی کنیم. چهارم، قابلیت‌های اعضای هیئت علمی را توسعه دهیم. پنجم، زیرساخت مناسب هوش مصنوعی و سازوکارهای حکمرانی آن را ایجاد کنیم. و در نهایت، به جای سنجش صرفِ میزان استفاده از هوش مصنوعی، نتایج نوآوری را اندازه‌گیری کنیم.

هدف نهایی این نیست که دانشجویانی آموزش دهیم که که بیشتر از هوش مصنوعی استفاده می‌کنند. هدف این است که دانش‌آموختگانی تربیت کنیم که بتوانند با استفاده از هوش(چه انسانی و چه مصنوعی) ارزش بیشتری ایجاد کنند.

اجازه دهید به پرسشی بازگردم که سخنانم را با آن آغاز کردم. هوش مصنوعی به‌طور فزاینده‌ای توانمند می‌شود. می‌تواند تولید کند. می‌تواند تحلیل کند. می‌تواند برنامه‌ریزی کند. می‌تواند از ابزارها استفاده کند. می‌تواند اقدام کند و به‌طور فزاینده‌ای می‌تواند خود را با شرایط جدید سازگار کند. پس اگر هوش مصنوعی بتواند به‌طور فزاینده‌ای کارهایی را که ما آموزش می‌دهیم انجام دهد، چه چیزی را باید آموزش دهیم که هوش مصنوعی نتواند به آن تبدیل شود؟

من فکر نمی‌کنم پاسخ صرفاً اطلاعات بیشتر باشد. و فکر نمی‌کنم پاسخ صرفاً فناوری بیشتر باشد. پاسخ، از نظر من، قابلیت انسانی است. قابلیت پرسیدن پرسش‌های معنادار، تعریف هدف، قضاوت درباره شواهد، تصور امکانات جدید، درک انسان‌ها، گرفتن تصمیم‌های اخلاقی، پذیرش مسئولیت، همکاری، خلق کردن و در نهایت، تصمیم‌گیری درباره اینکه چه چیزی ارزش انجام دادن دارد.

از نظر من، این مأموریت جدید دانشگاه است. که نه به رقابت با ماشین‌های هوشمند بسنده می‌کند و نه نه صرفاً آموزش استفاده از آنها را انجام می‌دهد. بلکه آماده کردن انسان‌هایی که بتوانند در یک جهان هوشمند، همچنان هدفمند، نقاد، خلاق، اخلاق‌مدار و نوآور باقی بمانند.

زیرا آینده آموزش عالی درباره جایگزینی هوش انسانی با هوش مصنوعی نیست. بلکه درباره بازطراحی هوش انسانی برای جهانی سرشار از هوش مصنوعی است. از توجه و همراهی شما بسیار سپاسگزارم.

و بار دیگر از ریاست محترم دانشگاه، معاونان، مسئولان دانشگاه، استادان و همکاران گرامی به خاطر میزبانی گرم، دوستی و حمایت ارزشمندشان در طول این سفر صمیمانه تشکر می‌کنم.

بعد از سخنرانی، دکتر حسن زاده به پرسش های حاضران پاسخ داد.

دکتر حسن زاده به دعوت دانشگاه فناوری اطلاعات تاشکند به عنوان سخنران کلیدی به کشور ازبکستان سفر کرده و در طول سفر از دانشگاه‌های سمرقند، دانشگاه زبان‌های جهانی تاشکند، دانشگاه بخارا و مراکز علمی و فرهنگی بازدید کرده است.