Μήπως η Τεχνητή Νοημοσύνη δυσκολεύει τα πράγματα για τα πανεπιστήμια;

Ένας συνάδελφός μου, λέκτορας μετάφρασης σε ένα πανεπιστήμιο στο Βιετνάμ, αναστέναξε: «Κάθε φορά που στους φοιτητές ανατίθεται μια εργασία, απλώς επικολλούν την ερώτηση στο ChatGPT και υποβάλλουν το αποτέλεσμα».

Ενδεικτική εικόνα

Την περασμένη εβδομάδα, κατά τη διάρκεια μιας συνάντησης για καφέ, ένας συνάδελφός μου, λέκτορας μετάφρασης σε ένα πανεπιστήμιο στο Βιετνάμ, αναστέναξε: «Μου άρεσε πολύ να διδάσκω μετάφραση. Αλλά τώρα, κάθε φορά που μου ανατίθεται μια εργασία, οι μαθητές απλώς επικολλούν την ερώτηση στο ChatGPT και υποβάλλουν το αποτέλεσμα. Δεν μπορώ πλέον σχεδόν καθόλου να δώσω σχόλια».

Παράδοξο: Οι γνώσεις και οι δεξιότητες δεν είναι πλέον σπάνιες, κι όμως τα δίδακτρα αυξάνονται.

Αυτή η ιστορία δεν αφορά μόνο την εκπαίδευση στη μετάφραση. Αντικατοπτρίζει την αυξανόμενη ανησυχία στον εκπαιδευτικό τομέα, καθώς εργαλεία τεχνητής νοημοσύνης όπως το ChatGPT και το DeepL διαταράσσουν πολλά μοντέλα εκπαίδευσης, ειδικά στα πανεπιστήμια, που υπάρχουν εδώ και δεκαετίες.

Για αιώνες, τα πανεπιστήμια λειτουργούσαν με βάση μια πολύ απλή υπόθεση: οι γνώσεις και οι δεξιότητες ήταν σπάνιες. Για να αποκτήσουν γνώσεις και δεξιότητες, οι φοιτητές έπρεπε να πληρώνουν δίδακτρα, να παρακολουθούν μαθήματα, να διαβάζουν βιβλία, να ολοκληρώνουν εργασίες και τελικά να λαμβάνουν πτυχίο.

Ένα πτυχίο χρησιμεύει τόσο ως πηγή γνώσης όσο και ως πιστοποίηση επάρκειας για την αγορά εργασίας.

Αλλά σήμερα, η Τεχνητή Νοημοσύνη μπορεί να εξηγήσει, να συνθέσει, να μεταφράσει και να γράψει σε δευτερόλεπτα με σχεδόν μηδενικό κόστος. Παραδόξως, ενώ οι γνώσεις και οι δεξιότητες δεν είναι πλέον σπάνιες και γίνονται φθηνότερες, τα πανεπιστημιακά δίδακτρα αυξάνονται σταθερά.

Η αγορά εργασίας αντιδρά ταχύτερα από τα πανεπιστήμια. Στο Ηνωμένο Βασίλειο, ο αριθμός των διαθέσιμων θέσεων εργασίας για πρόσφατους πτυχιούχους έχει μειωθεί κατά περίπου 33% τον τελευταίο χρόνο, το χαμηλότερο επίπεδο των τελευταίων επτά ετών, κυρίως λόγω της χρήσης τεχνητής νοημοσύνης από τις επιχειρήσεις για την αυτοματοποίηση θέσεων εισαγωγικού επιπέδου.   (Επίπεδο εργασίας για όσους έχουν μικρή ή καθόλου εμπειρία) και μείωση κόστους.

Στις ΗΠΑ, περισσότερες από 27 πολιτείες έχουν καταργήσει ή μειώσει τις απαιτήσεις για πτυχίο πανεπιστημίου για μια σειρά θέσεων εργασίας στο δημόσιο τομέα, με στόχο την επέκταση της δεξαμενής ταλέντων και την αντιμετώπιση της έλλειψης εργατικού δυναμικού, καθώς και του «πληθωρισμού πτυχίων» (η τάση απαίτησης ανώτερων εκπαιδευτικών προσόντων για θέσεις εργασίας που προηγουμένως απαιτούσαν μόνο χαμηλότερα προσόντα).

Οι επιχειρήσεις επαναξιολογούν την εργασία, καθώς η Τεχνητή Νοημοσύνη αντικαθιστά ολοένα και περισσότερο επαναλαμβανόμενες, βασισμένες σε κώδικα εργασίες που κάποτε ήταν αρμοδιότητα των νέων αποφοίτων.

Στο Βιετνάμ, η μετατόπιση που προκαλείται από την Τεχνητή Νοημοσύνη είναι εμφανής στην εξυπηρέτηση πελατών και το μάρκετινγκ, με τα chatbots και τα εργαλεία Τεχνητής Νοημοσύνης να αντικαθιστούν σταδιακά θεμελιώδεις ρόλους.

Ενώ πολλά πανεπιστημιακά προγράμματα εξακολουθούν να διδάσκουν χειρωνακτικές δεξιότητες όπως η συγγραφή περιεχομένου ή η διαχείριση κοινότητας, οι επιχειρήσεις έχουν αντικαταστήσει γρήγορα τους ασκούμενους και τους νέους υπαλλήλους με συστήματα Τεχνητής Νοημοσύνης, δίνοντας προτεραιότητα στην πρόσληψη όσων μπορούν να χειριστούν την Τεχνητή Νοημοσύνη για τη βελτίωση της απόδοσης.

Ωστόσο, δεν υποτιμώνται όλα τα είδη γνώσεων και δεξιοτήτων με τον ίδιο ρυθμό. Οι τομείς που μπορούν να τυποποιηθούν και να βελτιστοποιηθούν, όπως η νομική, η λογιστική, η διοίκηση, η μηχανική λειτουργιών και η μετάφραση, επηρεάζονται περισσότερο.

Εγώ και πολλοί από τους συναδέλφους μου στον κλάδο της μετάφρασης το έχουμε βιώσει αυτό από πρώτο χέρι. Έχω χάσει πολλούς διεθνείς πελάτες που συνήθιζαν να μεταφράζουν συμβόλαια και δείγματα εγγράφων, επειδή η Τεχνητή Νοημοσύνη πλέον χειρίζεται αυτές τις εργασίες πιο γρήγορα και φθηνότερα.

Αλλά εξακολουθώ να έχω άλλα έργα, όπως η διόρθωση μεταφράσεων από το Chat GPT, η αναζήτηση και ανάλυση ομάδων ασθενών για τη δοκιμή ερωτηματολογίων υγείας που έχουν μεταφραστεί από τεχνητή νοημοσύνη, η σύγκριση απαντήσεων μεταξύ ομάδων και η προσαρμογή της γλώσσας ώστε να ταιριάζει σε διαφορετικά πολιτισμικά πλαίσια.

Αυτές είναι θέσεις εργασίας που απαιτούν κρίση, εμπειρία και ενσυναίσθηση — ιδιότητες που η Τεχνητή Νοημοσύνη, τουλάχιστον προς το παρόν, δεν μπορεί να αντικαταστήσει.

Ένας φίλος μου που εργάζεται στην αρχιτεκτονική είχε μια παρόμοια εμπειρία. Το λογισμικό και η τεχνητή νοημοσύνη μπορούν να βοηθήσουν γρήγορα με τα τυποποιημένα σχέδια. Αλλά όταν ένα έργο πρέπει να εξισορροπήσει τους ανθρώπους, το τοπίο, τον πολιτισμό, τον προϋπολογισμό και τις νομικές απαιτήσεις, ο ρόλος του αρχιτέκτονα γίνεται κρίσιμος. Κανένας αλγόριθμος δεν μπορεί να «διαβάσει» τους ανθρώπους και το πλαίσιο όπως ένας έμπειρος επαγγελματίας.

Η Τεχνητή Νοημοσύνη (ΤΝ) γίνεται όλο και πιο κοντά στο να γίνει «άνθρωπος».

Αυτές οι ιστορίες αποκαλύπτουν μια ολοένα και πιο σαφή γραμμή: η Τεχνητή Νοημοσύνη αποτελεί μια καλή αντικατάσταση για επαναλαμβανόμενες, τυποποιημένες εργασίες. Όσο όμως πιο κοντά φτάνει στους ανθρώπους, στο πλαίσιο, τα συναισθήματα, την ηθική και την κοινωνική ευθύνη, τόσο πιο αναντικατάστατος γίνεται ο ρόλος των ανθρώπων.

Και εδώ είναι που η ιστορία δεν περιστρέφεται πλέον αποκλειστικά γύρω από τη μετάφραση ή την αρχιτεκτονική, αλλά αγγίζει άμεσα έναν κεντρικό θεσμό της κοινωνίας της γνώσης: το πανεπιστήμιο.

Αν ακόμη και η Τεχνητή Νοημοσύνη μπορεί να σημειώσει υψηλή βαθμολογία σε μια εξέταση, τότε η συνέχιση της διδασκαλίας και των εξετάσεων με τον παλιό τρόπο απλώς υποτιμά το πανεπιστήμιο. Η αξία των πανεπιστημίων σήμερα δεν έγκειται πλέον πρωτίστως στη μετάδοση γνώσεων, αλλά στην υποστήριξη των φοιτητών στην ανάπτυξη κριτικής σκέψης, κρίσης και πνευματικής ικανότητας.

Ωστόσο, η πραγματικότητα στο Βιετνάμ δείχνει ότι, αν και όχι όλα, πολλά προγράμματα εξακολουθούν να διδάσκουν και να αξιολογούν με τον παλιό τρόπο: λήψη σημειώσεων - μηχανική μάθηση - εκτέλεση εργασιών σύμφωνα με ένα πρότυπο - εξετάσεις βασισμένες σε «δείγματα απαντήσεων».

Στο πλαίσιο της Τεχνητής Νοημοσύνης, αυτή η μέθοδος διδασκαλίας αποκαλύπτει πολύ ξεκάθαρα τους περιορισμούς της. Μια ομαδική αναφορά μπορεί να ολοκληρωθεί σε μια βραδιά με την Τεχνητή Νοημοσύνη. Μια παρουσίαση μπορεί να δημιουργηθεί σε λίγα λεπτά. Ακόμη και επιχειρήματα και αποδεικτικά στοιχεία μπορούν να «ετοιμαστούν για εσάς». Εάν η αξιολόγηση μετράει μόνο την ικανότητα αναπαραγωγής περιεχομένου, τότε όσο περισσότερη τεχνολογία έχουν οι μαθητές, τόσο λιγότερες πρέπει να σκέφτονται χρησιμοποιώντας τις δικές τους ικανότητες.

Φυσικά, υπήρξαν και θετικές εξελίξεις. Σε ορισμένα προχωρημένα προγράμματα, οι φοιτητές καλούνται να αναλύσουν τα αποτελέσματα της Τεχνητής Νοημοσύνης, να συγκρίνουν απόψεις, να υπερασπιστούν επιχειρήματα έναντι αντεπιχειρημάτων, να εργαστούν σε έργα πραγματικού κόσμου και να αναλάβουν την ευθύνη για τις επιλογές τους.

Αυτά τα σχολεία πρωτοστατούν στην ενσωμάτωση της Τεχνητής Νοημοσύνης στη διδασκαλία, στην οργάνωση της εκπαίδευσης εκπαιδευτικών Τεχνητής Νοημοσύνης και στην ανάπτυξη προγραμμάτων σπουδών που δίνουν έμφαση στις δεξιότητες χρήσης εργαλείων Τεχνητής Νοημοσύνης. Ωστόσο, αυτές οι προσεγγίσεις παραμένουν διάσπαρτες, ποικίλλοντας από εκπαιδευτή ή σχολείο σε σχολείο, και δεν έχουν ακόμη καταστεί μια συνεπής κατεύθυνση του συστήματος.

Το κρίσιμο ερώτημα δεν είναι αν η Τεχνητή Νοημοσύνη θα «εμποδίσει» τα πανεπιστήμια, αλλά μάλλον: κινούνται τα πανεπιστήμια του Βιετνάμ αρκετά γρήγορα ώστε να μεταβούν από τη διδασκαλία της γνώσης στην καλλιέργεια της ανθρώπινης σκέψης και του χαρακτήρα – με την Τεχνητή Νοημοσύνη ως ισχυρό εργαλείο για την υποστήριξη μαθητών και εργαζομένων;

Δρ. Φαμ Χόα Χιεπ

Πηγή: https://tuoitre.vn/ai-co-dang-lam-kho-dai-hoc-20251231112540395.htm