آیا سیستم چراغ راهنما می‌تواند تقلب با هوش مصنوعی را متوقف کند؟

تصور کنید معلم شما برای هر تکلیفی یک برچسب رنگی می‌زند تا دقیقاً بدانید کجا می‌توانید از هوش مصنوعی کمک بگیرید و کجا باید کاملاً روی ذهن خودتان تکیه کنید. این رویکرد در آکادمی چشایر (Cheshire Academy)، مدرسه‌ای خصوصی در کنتیکت که به حدود ۴۰۰ دانش‌آموز در مقاطع نهم تا دوازدهم خدمات می‌دهد، جایگزین بحث‌های کلی «اجازه هست یا نیست» شده است.

به گزارش MIT Technology Review، این مدرسه از یک سیستم چراغ راهنما برای تعامل با مدل‌های زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — استفاده می‌کند. این تغییر رویکرد در حالی صورت می‌گیرد که مربیان در سراسر جهان در تلاش‌اند تا تعادلی میان بهره‌وری هوش مصنوعی زاینده و خطر عدم صداقت تحصیلی ایجاد کنند. چت‌بات‌ها پس از عرضه، بسیاری از مدارس را غافلگیر کردند و به دانش‌آموزان این توانایی را دادند که پاسخ سؤالات تکالیف یا مقالات را در عرض چند ثانیه تولید کنند. در حالی که سازمان‌هایی مانند یونسکو (UNESCO) و OpenAI ادغام این ابزارها در کلاس درس را تشویق می‌کنند، بسیاری از معلمان گزارش می‌دهند که در مورد اجرای عملی این موضوع دچار سردرگمی هستند. آکادمی چشایر به‌جای دیدن هوش مصنوعی به‌عنوان یک کلید پاسخ جادویی، آن را ابزاری می‌بیند که به مرزهای صریح نیاز دارد.

چارچوب چراغ راهنما

برای حذف ابهامات، تکالیف با سه رنگ مشخص می‌شوند:

• سبز: استفاده از هوش مصنوعی برای این تکلیف کاملاً مجاز است.
• زرد: فقط ابزارهای خاصی مجاز هستند؛ برای مثال، معلم ممکن است استفاده از غلط‌گیر املایی را مجاز بداند اما ارسال پیام به یک چت‌بات را ممنوع کند.
• قرمز: هرگونه استفاده از هوش مصنوعی اکیداً ممنوع است.

آموزش کارکنان و ابزارها

جورج آیلو (George Aiello)، کتابدار و هماهنگ‌کننده فناوری مدرسه، اعلام کرده است که مدیریت به‌جای تحمیل یک نرم‌افزار خاص، کارکنان را در زمینه مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن، مثل کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد — آموزش می‌دهد. این استراتژی به معلمان اجازه می‌دهد بر اساس نیاز هر درس، از مجموعه‌ای از ابزارهای مختلف استفاده کنند. این آموزش‌ها شامل نحوه نوشتن پرامپت‌های مفید است و در عین حال بر محدودیت‌های این فناوری، به‌ویژه احتمال تولید پاسخ‌های جانب‌دارانه یا نادرست، تأکید می‌کند.

بسیاری از مدرسان برای کارهای اداری از بات‌های عمومی مانند ChatGPT و Perplexity استفاده می‌کنند. برخی دیگر از پلتفرم MagicSchool بهره می‌برند که اختصاصاً برای مربیان طراحی شده است. طبق گزارش MIT Technology Review، پلتفرم MagicSchool مجموعه‌ای متمرکز برای تولید آزمون‌ها، کاربرگ‌ها و روب‌ریک‌های نمره‌دهی فراهم می‌کند. این رویکرد مشابه تجربه‌ای است که برخی از مربیان در هند برای حذف بارهای اداری و اتوماسیون دروس به کار گرفته‌اند.

جزئیات MagicSchool و ادغام در آموزش

قدرت اصلی MagicSchool در حجم بالای خدماتی است که در یک بسته ارائه می‌دهد. قابلیت‌های این پلتفرم عبارتند از:

• تولید محتوا: ایجاد سؤالات و تکالیف در موضوعات و مقاطع تحصیلی مختلف، از جمله آزمون‌ها و کاربرگ‌ها.
• ساخت روب‌ریک: یک تولیدکننده تخصصی روب‌ریک نمره‌دهی که جداول آماده‌ای را برای امتیازدهی به تکالیف خروجی می‌دهد.
• پشتیبانی اداری: تولید ارائه‌ها، طرح‌های درس و گزارش‌های اداری.
• سفارشی‌سازی: معلمان می‌توانند مقطع تحصیلی، تعداد سؤالات و نوع سؤال (مانند پاسخ کوتاه یا چندگزینه‌ای) را مشخص کنند و حتی اسنادی را آپلود کنند تا خروجی هوش مصنوعی با مطالب خاص درسی هم‌راستا شود.

برای معلمان به‌صورت فردی، MagicSchool یک طرح پولی با هزینه کمتر از ۱۰۰ دلار در سال ارائه می‌دهد تا دسترسی نامحدود و سوابق کامل در سیستم فراهم شود، هرچند نسخه‌های رایگان نیز در دسترس هستند. با این حال، برخی از معلمان باسابقه، مانند مریم پریبایلا-بام (Miriam Przybyla-Baum)، مدرس زبان فرانسوی، از استفاده از هوش مصنوعی برای تولید محتوا اجتناب می‌کنند و در عوض به منابعی تکیه می‌کنند که طی نزدیک به ۳۰ سال تدریس ساخته‌اند.

حاکمیت دانش‌آموزمحور و تحلیل انتقادی

این مدرسه همچنین در حال آزمایش یک «شورای هوش مصنوعی دانشجویی» است. این برنامه به دانش‌آموزان قدرت می‌دهد تا بحث‌هایی درباره استفاده سالم از هوش مصنوعی را رهبری کنند و محتوایی تولید کنند که به هم‌کلاسی‌هایشان کمک کند تا در مورد نحوه استفاده درست یا نادرست از هوش مصنوعی برای نفع رساندن به جامعه پیرامونشان تأمل کنند.

در کلاس‌ها، دانش‌آموزان تشویق می‌شوند خروجی‌های مدل را نقد کنند. مریم پریبایلا-بام، که اشاره کرد دانش‌آموزان سال‌ها پیش از ظهور ChatGPT از ابزارهایی مانند گوگل ترنسلیت برای میان‌بر زدن استفاده می‌کردند، سیستم‌هایی را طراحی کرده تا دانش‌آموزان روی مهارت‌های زبانی خود فکر کنند:

• تحلیل ویرایشی: دانش‌آموز اجازه می‌دهد یک مدل زبانی تکلیفی را ویرایش کند، سپس اصلاحات را بررسی می‌کند تا تصمیم بگیرد کدام‌ها درست بوده‌اند و کدام‌ها «صدای شخصی» او را حذف کرده‌اند.
• بازبینی همتا: دانش‌آموزان به‌صورت ناشناس تکالیف یکدیگر را که با کمک هوش مصنوعی انجام شده نمره‌دهی می‌کنند و با یادداشت‌گذاری، بخش‌هایی را که معتقدند توسط هوش مصنوعی تولید شده شناسایی می‌کنند.

با وجود این تلاش‌ها، این پرسش باقی است که چرا بسیاری از ابزارهای هوش مصنوعی در آموزش هنوز در رفع بنیادین نقص‌های یادگیری ناکام‌اند و صرفاً به ابزارهای کمکی تبدیل شده‌اند.

حفاظ‌های ایمنی برای مدرسان

مدیران مدرسه هشدار می‌دهند که هوش مصنوعی در دقت و خلق صدای منحصر‌به‌فرد مشکل دارد. معلمان می‌توانند متون تولیدشده را از طریق نشانه‌های ساده‌ای تشخیص دهند، مانند استفاده بیش از حد از خط تیره (em dash) یا اشتباهاتی که انسان‌ها معمولاً مرتکب نمی‌شوند.

آن‌ها توصیه می‌کنند از هوش مصنوعی برای ایده‌پردازی و ساخت مجموعه‌سؤالات استفاده شود — که به‌ویژه برای معلمان تازه‌کار که بانک سؤالات بزرگی ندارند مفید است — اما هرگز برای پیش‌نویس نهایی به آن تکیه نکنند. این کار مانع از بروز توهم (Hallucination) — وقتی مدل با اطمینان چیزی می‌گوید که اصلاً وجود ندارد، مثل دوستی که خاطره‌ای را اشتباه تعریف می‌کند — می‌شود تا دانش‌آموزان دچار سردرگمی نشوند یا فرآیند یادگیری مختل نگردد.

معلمان ترغیب شده‌اند که هر ارجاع، معادله و گزاره تولیدشده توسط یک مدل زبانی را تأیید کنند. مدرسه تأکید می‌کند که اگر دانش‌آموزان تأثیرپذیر ببینند که چهره‌های صاحب‌اختیار به‌طور تنبلانه از هوش مصنوعی استفاده می‌کنند، ممکن است این رفتار را به‌عنوان بهانه‌ای برای میان‌بر زدن در کارهای تحصیلی خود درونی کنند.

این مدل نشان می‌دهد آینده آموزش نه در خودِ ابزار، بلکه در شفافیت استفاده از آن است. با تبدیل «قوانین درگیری» به رنگ‌های ساده، تمرکز از پلیس‌بازی به پداگوژی تغییر می‌کند.

گام بعدی شما

• محدوده «زرد» خود را تعریف کنید: کدام قابلیت‌ها (مثل بررسی گرامر یا ایده‌پردازی) واقعاً به یادگیری کمک می‌کنند بدون اینکه جایگزین تفکر انتقادی شوند؟
• تمرین «تحلیل ویرایشی» را امتحان کنید تا تفاوت بین اصلاح فنی و حذف شخصیت متن را درک کنید.
• برای هر پروژه، یک سطح دسترسی رنگی مشخص کنید تا ابهام بین تقلب و کمک ابزاری از بین برود.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.