چرا یکی از مؤسسان fast.ai پس از فرسودگی شغلی دوباره بازگشت؟

تصور کنید دانش‌آموزی را که دیگر نیازی به خواندن کتاب ندارد، چون یک چت‌بات هم خلاصه را می‌دهد و هم جواب آزمون را؛ این دقیقاً همان نقطه‌ای است که استقلال ذهنی انسان قربانی می‌شود. اگر فکر می‌کنید هوش مصنوعی فقط یک ابزار بهره‌وری است، باید بدانید برخی از پیشگامان این صنعت اکنون آن را تهدیدی برای «توانایی فکر کردن» می‌بینند. یکی از بنیان‌گذاران fast.ai پس از یک دوره فرسودگی شغلی و تغییر مسیر آکادمیک، به این حوزه بازگشته است؛ اما نه برای پیوستن به موج تبلیغاتی، بلکه برای مبارزه با تخریب استقلال انسانی و تفکر انتقادی در نظام آموزشی.

این بازگشت در حالی رخ می‌دهد که موج شدیدی از واکنش‌های منفی علیه هوش مصنوعی زاینده (Generative AI) — شبیه به تولید انبوه کالاهای ارزان و بی‌کیفیت که بازار را اشباع می‌کند — در حال شکل‌گیری است. بسیاری از مدرسان و تولیدکنندگان محتوا، خروجی‌های فعلی را «زباله» (Slop) می‌نامند؛ محتوای خودکاری که اینترنت را پر کرده و ارزش پژوهش‌های عمیق را از بین برده است. این وضعیت منجر به شکل‌گیری رویکردهای جدیدی برای پالایش محتوا شده است، همان‌طور که ظهور فرهنگ AI;DR به سدی در برابر سیل محتوای خام هوش مصنوعی تبدیل شده است. نویسنده اشاره می‌کند که در دنیایی که غرق در این نویزهای خودکار شده است، حتی وقتی کسی هفته‌ها یا ماه‌ها وقت صرف تحقیق و نوشتن پست‌های تخصصی می‌کند، تعداد کمتری از مردم آن‌ها را می‌بینند.

در حال حاضر، قدرت این صنعت در دست چند میلیاردر و آزمایشگاه‌های بزرگ متمرکز شده است. این تمرکز قدرت، دقیقاً همان چیزی است که بنیان‌گذاران fast.ai در سال ۲۰۱۶ سعی در شکستن آن داشتند. در آن زمان، توسعه هوش مصنوعی در انحصار گروه کوچکی از نخبگان همگن بود که تصمیماتی با تأثیرات گسترده می‌گرفتند. هدف fast.ai این بود که با مشارکت دادن گروه متنوع‌تری از افراد با پیشینه‌های غیرمنتظره، با این انحصار مقابله کند.

بحران هوش مصنوعی در آموزش

به نقل از یادداشتی که در ۱۷ اوت ۲۰۲۶ منتشر شد، وضعیت فعلی آموزش‌های مبتنی بر هوش مصنوعی اغلب با تقلب و سطحی‌نگری توصیف می‌شود. نویسنده به چندین شکست کلیدی و بحرانی اشاره می‌کند:

• بازی با معیارها: اکثر محصولات آموزشی مبتنی بر هوش مصنوعی به‌جای تمرکز بر نتایج یادگیری واقعی، به دنبال معیارهایی هستند که به‌راحتی قابل دست‌کاری (Gameable) باشند. یک مثال بارز، مدرسه‌ای با قدرت هوش مصنوعی است که به‌جای ترغیب دانش‌آموزان به غرق شدن در رمان‌های واقعی، متونی تولید شده توسط AI را به آن‌ها نشان می‌دهد و سپس با سوالات چهارگزینه‌ای که باز هم توسط AI ساخته شده، آن‌ها را می‌سنجد.
• زوال شناختی: دانشجویان مهارت‌های بنیادین انسانی — یعنی خواندن، نوشتن و درک مطلب — را به چت‌بات‌ها برون‌سپاری می‌کنند. این امر منجر به تحلیل رفتن مهارت‌ها می‌شود؛ مهارت‌هایی که بخش‌های اصلی انسان بودن هستند و وقتی استفاده نشوند، از بین می‌روند. این بی‌میلی به پذیرش کورکورانه ابزارها در نسل جدید مشهود است، به‌طوری که بسیاری از نوجوانان محتوای تولیدی هوش مصنوعی را مسخره می‌دانند.
• اتلاف منابع سازمانی: منطقه آموزشی لس‌آنجلس ۳ میلیون دلار را روی محصولی از هوش مصنوعی هدر داد که بنیان‌گذارش بعدها به اتهام کلاهبرداری و سرقت هویت متهم شد.
• فروپاشی برنامه‌های درسی: اساتید گزارش می‌دهند که با سیل مقالات و متون ارائه تولید شده توسط AI روبه‌رو هستند که عملاً تمام مراحل سختِ یادگیری واقعی را دور می‌زنند. به همین ترتیب، نگهدارندگان مخازن کد بازمتن (Open Source) با سیل درخواست‌های ادغام (Pull Requests) بی‌کیفیت از کدهای تولید شده توسط AI بمباران شده‌اند.

زمینه‌ای از نگرانی‌های یک دهه پیش

این بازگشت، نتیجه‌ی سال‌ها تردید و بدبینی نسبت به مسیر صنعت است. در سال ۲۰۱۸، نویسنده در سخنرانی‌های متعددی هشدار داد که آزمایشگاه‌های بزرگ هوش مصنوعی طوری رفتار می‌کنند که انگار قدرت محاسباتی و پول نامحدود است. او تأکید کرد که این فرض، تجملاتی است که اکثر مردم جهان هرگز نمی‌توانند از عهده آن برآیند.

او و جرمی هاوارد می‌خواستند پژوهشگران محدودیت‌ها را به عنوان منبعی برای خلاقیت ببینند، نه چیزی که بتوان صرفاً با هزینه کردن بیشتر، از کنار آن رد شد. این فلسفه و رویکرد باعث شد آن‌ها در یک رقابت در سال ۲۰۱۸ در دانشگاه استنفورد، بر غول‌هایی مثل گوگل و اینتل پیروز شوند.

علاوه بر این، نویسنده فشار آورد تا اخلاق به جای اینکه یک بحث اختیاری و پس از مباحث فنی باشد، به بخشی جدایی‌ناپذیر از آموزش تبدیل شود. این تلاش‌ها منجر به تأسیس «مرکز اخلاق داده‌های کاربردی» در دانشگاه سان‌فرانسیسکو شد، جایی که گذراندن دوره اخلاق داده‌ها برای دانشجویان مقطع کارشناسی ارشد علوم داده اجباری شد. با وجود این تلاش‌ها، اخلاق در هوش مصنوعی هنوز در بسیاری از موارد به عنوان یک تمرین بازاریابی یا تمرکز بر سوالات تئوریک دیده می‌شود، به جای آنکه بر رنج‌های واقعی انسان‌ها متمرکز باشد.

مسیر فرسودگی و بازگشت

سال‌ها تقابل با شرکت‌هایی که قدرت، ثروت و نفوذ به‌مراتب بیشتری داشتند، منجر به فرسودگی شغلی (Burnout) کامل نویسنده شد. او که از تماشای حرکت این حوزه در جهتی که با آن مخالف بود خسته شده بود، در سال ۲۰۲۳ این میدان را ترک کرد تا مدرک کارشناسی ارشد در رشته میکروب‌شناسی و ایمونولوژی (Microbiology-Immunology) کسب کند.

اما دلیل بازگشت او به حوزه‌ای که حالا بسیاری از آن متنفرند، این است که هوش مصنوعی، فارغ از ادعاهای اغراق‌آمیز و کلاهبرداری‌ها، همچنان یک فناوری واقعاً مفید است. هدف اکنون این است که از هوش مصنوعی به‌گونه‌ای استفاده شود که تفکر انتقادی را تخریب نکند و وانمود نکند منابع زمین نامحدود است؛ به‌ویژه در عصر بحران اقلیمی که ما را مجبور می‌کند با کمبودهای شدید آب و هوای پاک مواجه شویم.

رویکرد Answer.AI

برای مقابله با این روندها، نویسنده به Answer.AI پیوسته است که در واقع تکامل مأموریت اصلی fast.ai است. این تیم تلاش می‌کند فناوری‌های قدرتمند را در دسترس همگان قرار دهد، اما این بار محوریت را بر قضاوت و استقلال انسان می‌گذارد.

آن‌ها در حال توسعه ابزاری به نام SolveIt هستند که دقیقاً نقطه مقابل چت‌بات‌های «کمک‌کننده» است. برخلاف مدل‌های زبانی بزرگ (LLM) استاندارد که با سرعت از یک پرامپت به جواب نهایی می‌پرند — و باعث می‌شوند کاربر تمام تلاش‌های لازم برای درک عمیق یک مسئله را نادیده بگیرد — SolveIt کاربر را مجبور می‌کند در یک فرآیند چندمرحله‌ای مشارکت کند.

این طراحی بر اساس کتاب «چگونه حل کنیم» (۱۹۴۵) اثر جورج پولیا است که حل مسئله را به چهار مرحله متمایز تقسیم می‌کند:

۱. درک مسئله: اولین قدم حیاتی که چت‌بات‌ها معمولاً آن را دور می‌زنند.
۲. طراحی برنامه: به‌کارگیری قضاوت برای ترسیم نقشه راه حل.
۳. اجرای برنامه: اجرای گام‌های استراتژی طراحی شده.
۴. بازبینی نتیجه: ارزیابی راه حل برای آمادگی در برابر مسائل پیچیده‌تر آینده.

در SolveIt، کاربر می‌تواند پاسخ‌های هوش مصنوعی را مستقیماً ویرایش کند و گام بعدی را تعیین نماید. در اینجا هوش مصنوعی به عنوان موجودی جایزالخطا دیده می‌شود و کنترل فرآیند شناختی در دست انسان می‌ماند. این رویکرد مانع از آن می‌شود که کاربر توانایی قضاوت درباره کیفیت واقعی یک راه حل را از دست بدهد.

مقاومت در برابر روایت غالب

نویسنده استدلال می‌کند که چشم‌اندازهای ارائه شده توسط OpenAI، Anthropic، Google و xAI تنها نسخه‌های ممکن از هوش مصنوعی نیستند. این شرکت‌ها مالک این فناوری نیستند و ارزش‌های آن‌ها تنها معیارهای تعیین‌کننده نیستند. این مقاومت در برابر رویکردهای تحمیلی شرکت‌های بزرگ، با واکنش‌های مشابه کاربران در سطح جهان همسو است؛ برای مثال، واکنش توده‌ای کاربران گوگل و متا را به عقب‌نشینی از برخی قابلیت‌های AI مجبور کرد.

چند مسئله کلیدی وجود دارد که آینده این فناوری را شکل خواهد داد:

• حفاظت از متن‌باز: اینکه آیا اکوسیستم Open Source از تصاحب و محصور شدن توسط شرکت‌های بزرگ در امان می‌ماند یا خیر.
• دسترسی به بازار: اینکه آیا آزمایشگاه‌های بزرگ، راه را بر شرکت‌های کوچک می‌بندند؟ برای مثال، آنتروپیک اعلام کرده است که قصد دارد هزینه استفاده از SDK خود را بیشتر از استفاده از اپلیکیشن وب کند.
• هدف طراحی: اینکه آیا ابزارها برای تشویق همکاری انسان و ماشین ساخته می‌شوند یا صرفاً برای اتوماسیون حداکثری هر آنچه ممکن است.

هزاران نفر در سراسر جهان خارج از این روایت غالب کار می‌کنند و ارزش‌های خود را به کار می‌گیرند تا خلاقیت و استقلال انسان را حفظ کنند.

گام بعدی شما

• اگر از ابزارهای هوش مصنوعی برای یادگیری استفاده می‌کنید، سعی کنید به‌جای دریافت جواب نهایی، از مدل بخواهید شما را در مراحل «درک مسئله» و «طراحی برنامه» راهنمایی کند.
• ابزارهای «انسان در حلقه» (Human-in-the-loop) را دنبال کنید که به‌جای جایگزینی فکر، نقش داربست برای تفکر عمیق‌تر را دارند.
• در مواجهه با محتواهای تولید شده توسط AI، روی منابع دست اول و پژوهش‌های عمیق تمرکز کنید تا دچار زوال مهارت‌های تحلیلی نشوید.

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