اخبارکار – در این شرایط، ارزش دانشگاه نه در حجم دانش منتقل شده، بلکه در توانایی آن برای پرورش نسلی است که بتواند فراتر از پاسخ‌های آماده بیندیشد، مسائل را تشخیص دهد و برای آینده‌ای نامطمئن تصمیم بگیرد. محمودرضا هاشمی، دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه تهران و رئیس موسسه هوش‌مصنوعی و فن‌آوری‌های شناختی بانک ملت و دانشگاه تهران، در این گفتگو از تاثیر هوش‌مصنوعی بر آموزش عالی، آینده بازار کار و تجربه دانشگاه سرمایه‌گذار به عنوان الگویی برای بازتعریف همکاری دانشگاه و صنعت می‌گوید.
سال‌هاست از ارتباط دانشگاه و صنعت صحبت می‌کنیم؛ آیا وظیفه دانشگاه تربیت نیروی آماده برای ورود به بازار کار است یا تربیت انسان توانمند برای خلق بازارهای جدید؟
پاسخ این پرسش می‌تواند دربرگیرنده هر ۲ مورد و حتی چند مولفه دیگر باشد. شاید اصلا درست نباشد که تنها یکی از این گزینه‌ها را انتخاب کنیم. ما باید نیروهایی تربیت کنیم که متناسب با فن‌آوری روز، دانش کافی برای بهره‌گیری از فن‌آوری‌ها در سازمان‌ها را داشته باشند. از سوی دیگر، همه ما در سال‌های اخیر سرعت بالای تغییر فن‌آوری را تجربه کرده‌ایم. به همین دلیل من بارها به دانشجویان خود گفته‌ام، هر چیزی در دانشگاه می‌خوانید، ممکن است تا زمان فارغ‌التحصیلی شما تغییر کند. بنابراین، فن‌آوری‌ها، مهارت‌ها یا دانش کسب‌‌شده، به تنهایی برای شما کارآمد نخواهد بود. چند سال قبل، مجمع جهانی اقتصاد در گزارشی اعلام کرد که برای موفقیت در دنیای آینده، داشتن ۱۰ مهارت نرم بسیار حیاتی است. دلیل آن نیز مشخص است؛ ما نمی‌دانیم که تا چند سال آینده وضعیت چگونه خواهد شد. اکنون افق برنامه‌ریزی ما بسیار کوتاه شده است و نمی‌دانیم هوش‌مصنوعی در چند سال آینده چه جایگاهی در جامعه، زندگی و صنایع ما خواهد داشت. حتی امروزه این دغدغه وجود دارد که هوش‌مصنوعی جایگزین بسیاری از مشاغل شود. بنابراین، آنچه امروز شرکت‌های بزرگ و مجموعه‌های نوآور داخلی به آن توجه می‌کنند، ارزیابی مهارت‌های نرم افراد به جای مهارت‌های فنی است. این مهارت‌های نرم شامل مواردی مانند تفکر نقادانه، توانایی حل مساله و دیگر شاخص‌های ده‌گانه ذکر شده در گزارش مجمع جهانی اقتصاد می‌شود. بسیاری از شرکت‌ها اکنون در مصاحبه‌های شغلی خود به دنبال این ویژگی‌ها هستند و به آن‌ها وزنی بیش از مهارت‌های فنی اختصاص می‌دهند. پس تغییری که باید در دانشگاه ایجاد کنیم، اصلاح رویکرد معلم‌محور و متکلم‌وحده سنتی است که در آن استاد صرفا مطالبی به دانشجویان ارائه می‌دهد. اساتید باید رویکرد خود را به سمت تقویت مهارت‌های نرم و کلیدی آن‌ها سوق دهند.
هوش‌مصنوعی چه تغییری در این زمینه ایجاد کرده است؟
هوش‌مصنوعی قابلیتی را برای همگان، از جمله دانشجویان، فراهم کرده است تا همیشه یک معلم خصوصی همراه خود داشته باشند. در نتیجه، دیگر به اساتیدی که صرفا انتقال‌دهنده دانش هستند، نیاز ندارند. آن‌ها هر زمان که بخواهند، می‌توانند از طریق گفتگو با ابزارهایی مانند چت‌جی‌پی‌تی، دانش مورد نیاز خود را در همان لحظه و با کیفیتی بهتر دریافت کنند. من چند سالی است که در کلاس درس برنامه‌نویسی برای دانشجویان سال اول، به جای آموزش صرفِ کدنویسی، شیوه استفاده از چت‌جی‌پی‌تی برای نوشتن برنامه را آموزش می‌دهم. در واقع روش استفاده از این ابزار برای یادگیری و نه فقط دریافت پاسخ آماده را به آن‌ها می‌آموزم. این مهارتی است که باید به نسل جدید انتقال دهیم تا نقش ما از آموزگار به مربی تغییر کند؛ مانند مربی ورزشی که خارج از زمین می‌ایستد. در واقع اصول را پیش‌تر با بازیکنان تمرین کرده و اکنون آن‌ها را در زمین بازی آزاد می‌گذاریم تا آن اصول را به کار ببندند، اشتباه کنند و حتی گل بخورند. سپس در بین دو نیمه با راهنمایی‌های خود به آن‌ها برای جبران اشتباهات‌شان کمک می‌کنیم.
آیا جامعه دانشگاهی ما در عمل به این مرحله رسیده است؟
این موضوع را باید خریداران خدمات ما، یعنی شرکت‌هایی که خروجی دانشگاه‌ها را جذب می‌کنند، ارزیابی کنند. این روند بسیار جدید است؛ با این حال، اکنون در بدنه دانشگاه و در معاونت آموزشی دانشگاه به دنبال یافتن الگوهای صحیح مهارت‌آموزی و ارتقای سطح مهارتی هستیم تا مشخص شود در زیست‌بوم جدید چگونه باید فعالیت کرد. از سوی دیگر، معاونت پژوهشی دانشگاه پیگیر این موضوع است و دوره‌هایی را برای اساتید برگزار می‌کند تا روش‌های بهینه استفاده از ظرفیت‌های هوش‌مصنوعی را آموزش دهد. همچنین ما در موسسه هوش‌مصنوعی دانشگاه تهران، دوره‌هایی را با این محوریت که چگونه می‌توان از هوش‌مصنوعی در آموزش، پژوهش، ارزیابی، تولید محتوای درسی و طراحی دوره‌ها استفاده کرد، برای اساتید برگزار کرده‌ایم. جالب است که پس از اعلام فراخوان، ظرفیت این دوره در کمتر از ۱۵ دقیقه تکمیل شد. این مهم است که ما در عمل به این مرحله برسیم چراکه در فضای دانشگاهی اگر کمی از مطالعه غافل شویم، دانشجویان از ما پیشی می‌گیرند. به بیان بهتر، این فرایند مانند یک کسب‌وکار است. اگر روزانه به فکر نوآوری، مقایسه خود با رقبا و ایجاد فاصله رقابتی نباشید، حذف می‌شوید. ما نیز در کسب‌وکار آموزش اگر لحظه‌ای درنگ کنیم، مشتری خود یعنی دانشجو را از دست می‌دهیم. امروزه دانشجویان به راحتی به پلتفرم‌هایی مانند کورسرا -وبسایت ارائه‌دهنده انواع آموزش آنلاین- و دوره‌های دیگر آموزشی خارج از کشور دسترسی دارند. ندانستن زبان نیز که در گذشته مانع استفاده برخی افراد از این دوره‌ها می‌شد، به لطف هوش‌مصنوعی از بین رفته است. بنابراین من رقیب خود را نه فقط دانشگاه‌ها و اساتید داخل کشور، بلکه کل دنیا می‌دانم. اگرچه تحریم‌ها و شرایط خاص کشور برای برخی کسب‌وکارهای داخلی حاشیه امنی ایجاد کرده تا مجبور به رقابت با رقبای بین‌المللی نباشند؛ اما ما در حوزه آموزش، رقبای بین‌المللی زیادی داریم. پس باید کاملا هوشیار باشیم چراکه با لحظه‌ای غفلت، مخاطبان‌مان به سراغ منابع خارجی با کیفیت و دارای توانمندی بالاتر خواهند رفت.
هوش‌مصنوعی چه تاثیری بر آموزش عالی و آینده شغلی ما دارد؟
اساتید و دانشجویان باید مراقب باشند تا هوش‌مصنوعی تفکر نقادانه را سلب نکند. همچنین باید یاد بگیریم خروجی این ابزارها را به درستی تحلیل و ارزیابی کنیم تا پاسخ صحیح را از سایر پاسخ‌ها تشخیص دهیم. عملکرد هوش‌مصنوعی وابستگی زیادی به نوع پرسش شما وابسته است. اگر پرسش خود را درست مطرح نکنید، پاسخ دریافتی نیز دقیق نخواهد بود. حتی در صورت طرح پرسش صحیح نیز پدیده‌ای به نام توهم در این ابزارها وجود دارد که باعث می‌شود پاسخی کاملا غلط را با قاطعیت تمام ارائه دهد. بنابراین ما باید مهارت تشخیص درست از نادرست، پرسش‌گری صحیح و تحلیل دقیق پاسخ‌ها را به دانشجویان آموزش دهیم. کسب این توانمندی نیازمند دانستن اصول و پایه‌های علمی است. در کنار استفاده از این ابزارها باید از آنچه در پشت صحنه آن‌ها می‌گذرد نیز آگاه باشیم تا بتوانیم تفکر نقادانه را اعمال کنیم. اگر چشمان خود را ببندیم و هرچه را که این ابزارها می‌گویند، بپذیریم، تفاوتی میان فارغ‌التحصیل دانشگاه و یک فرد عادی وجود نخواهد داشت؛ چراکه هر فردی می‌تواند همان سوال را بپرسد و همان پاسخ را دریافت کند. در واقع، انتظار از یک فارغ‌التحصیل دانشگاهی این است که بتواند درستی و نادرستی پاسخ‌ها را بسنجد، استفاده صحیحی از ابزار داشته باشد و در صورت وجود ابهام، آن را با تکیه بر دانش خود تشخیص دهد.
آیا این اتفاق در دانشگاه‌ها رخ می‌دهد؟
این یک چالش فراگیر و جهانی است. من در دوران فرصت مطالعاتی خود در خارج از کشور، همین موضوع را با یکی از دوستانم که در یک شرکت بزرگ تولید نرم‌افزار کار می‌کرد، مطرح کردم. به او گفتم من ۲۰ سال است درس برنامه‌نویسی سال اول دانشگاه را تدریس می‌کنم؛ در شرایط جدید آیا زبان برنامه‌نویسی تدریس شده کماکان متناسب با نیاز بازار است؟ پاسخ او جالب بود. گفت که ما در شرکت، مهندسان خود را به استفاده از هوش‌مصنوعی برای کدنویسی تشویق می‌کنیم؛ اما در دانشگاه حتما همان مباحث پایه‌ای را تدریس کن. ما اکنون با افرادی مواجه هستیم که از هوش‌مصنوعی استفاده می‌کنند اما چون اصول برنامه‌نویسی را بلد نیستند، نمی‌توانند خروجی مناسبی تحویل بگیرند. مهم‌تر از آن، در صورت بروز خطای کد که در پروژه‌های هوش‌مصنوعی بسیار رایج است، توانایی یافتن و رفع خطا را ندارند. امروزه بسیاری از دانشجویان به این نتیجه رسیده‌اند که دیگر نیازی به تلاش بیشتر ندارند؛ در نتیجه مشارکت آن‌ها در کلاس‌ها، دانشگاه و دروس کاهش یافته است. این امر نشان می‌دهد که اتکا و اعتماد آن‌ها به این ابزارها افزایش یافته است؛ اما خطر در کمین ما قرار دارد چراکه ممکن است افرادی وارد بازار کار شوند که توانایی تحویل گرفتن کار، تحلیل خروجی و عیب‌یابی را نداشته باشند.
به نظر شما چرا با وجود تجربه‌های متعدد در زمینه همکاری دانشگاه با صنعت، ارتباطات ما همچنان بیشتر پروژه‌محور است تا مساله‌محور؟
ریشه مشکل بیشتر در نوع نگاهی است که در نهایت منجر به شکل‌گیری سازوکارهای نامناسب شده است. اگر نوع نگاه اصلاح شود، حتی در صورت نامناسب بودن سازوکار، باز هم می‌توان برای تغییر و بهبود اقدام کرد. معمولا در دانشگاه، ترجیح این است که پشت درهای بسته پژوهش کنیم، پروژه‌ای را تحویل بگیریم و در نهایت خروجی مشخصی ارائه دهیم. صنعت نیز وقت، حوصله و احساس نیاز کافی به این تعامل عمیق را ندارد. برای صنعت نیز آسان‌تر است که منابع مالی خود را در قالب یک پروژه به دانشگاه واگذار کند و خود را درگیر جزئیات نکند. نتیجه این رویکرد، نارضایتی هر دو طرف از این ارتباط را در پی دارد. البته اگر خروجی دانشگاه را نیروی انسانی و دانشجویان بدانیم، وضعیت متفاوت می‌شود. همین دانشجویان وقتی به خارج از کشور می‌روند و وارد شرکت‌های بین‌المللی می‌شوند، بسیار موفق و شکوفا عمل می‌کنند. این تفاوت ناشی از سازوکاری است که در آن‌جا وجود دارد و می‌تواند این نیروها را در سیستمی قرار دهد که بهره‌وری آن‌ها را به حداکثر برساند. این سیستم هم در صنعت و هم در دانشگاه آن‌ها جاری است. این‌که دانشجویان ضعیف‌تر ما نیز در دانشگاه‌های خوب خارجی موفق و شکوفا می‌شوند، نشان‌دهنده وجود توانایی در این افراد است. در واقع بخشی از مشکل مربوط به سیستم داخلی ما می‌شود. صنعت باید بتواند از این ظرفیت‌های پژوهشی و خروجی‌های دانشگاهی به درستی استفاده کند و ما نیز در دانشگاه باید درک درستی از نیازهای صنعت داشته باشیم. ما در دانشکده مهندسی برق و کامپیوتر، چند سالی است که الگوی مساله‌محور را آغاز کرده‌ایم. این الگو «دانشگاه سرمایه‌گذار» نام دارد. طرح مذکور در زمان ریاست دکتر مجید نیلی احمدآبادی در این دانشکده مطرح شد. آغاز این رویکرد با همکاری شرکت‌هایی نظیر تپسی و شاتل بود. در ادامه نیز شرکت کروز و چند مجموعه دیگر به این جریان پیوستند.
الگوی دانشگاه سرمایه‌گذار چه تفاوتی با سایر الگوهای رایج در این زمینه دارد؟
مبنای این الگو این است که دانشگاه و صنعت به صورت مشترک در یک طرح سرمایه‌گذاری کنند. سرمایه ما در دانشگاه، اعضای هیئت علمی و دانشجویان هستند. سرمایه صنعت نیز مسائل واقعی و مشارکت نیروی انسانی است. پروژه را با همکاری یکدیگر تعریف می‌کنیم. این‌گونه نیست که ابتدا درخواستی ارسال شود و ما برای آن پروپوزال بنویسیم. روند پیشرفت کار نیز به صورت هفتگی و مشترک ارزیابی می‌شود. در پایان پروژه نیز به صورت مشترک تصمیم می‌گیریم که آیا خروجی را به استارتاپ تبدیل کنیم، به شرکت بفروشیم یا در قالب مدل حق امتیاز هنگام بهره‌برداری به دانشگاه سود برسانیم. با این روش، تیمی که روی پروژه کار می‌کند، صرفا به دنبال تمام کردن کار و تحویل یک سند خروجی به شرکت صنعتی نیست. به نظر می‌رسد این مشارکت تا به امروز موفق بوده است چراکه شرکت‌های دیگری نیز با همین الگو به ما پیوسته‌اند. دلیل دیگر موفقیت این الگو، پایداری آن در شرایط سخت است. پس از تنش‌های اخیر، در حال مذاکره برای یکی از این قراردادها بودیم. بعد از تعطیلات عید، از آن‌ها پرسیدیم که آیا در شرایط جدید کماکان مایل به همکاری هستند؟ آن‌ها مصمم تمایل خود را برای ادامه کار اعلام کردند. در نهایت این تفاهم‌نامه امضا شد و اکنون در حال تعریف مشترک مساله با آن‌ها هستیم.
به نظر شما مشکل امروز دانشگاه‌های ما کمبود پژوهش است یا ضعف در تبدیل این پژوهش‌ها به ارزش اقتصادی و شرکت‌های دانش‌بنیان؟
در دوران دانشجویی ما، دانشگاه‌ها آموزش‌محور بودند و تمرکز اصلی بر آموزش بود. پس از آن، پژوهش نقش بسیار پررنگی پیدا کرد؛ تا جایی که گاهی به دلیل تمرکز بیش از حد بر پژوهش، نگرانی‌هایی بابت کاهش کیفیت آموزش ایجاد شد. این اتفاق دقیقا در دانشگاه‌های خارجی نیز رخ داده است؛ یعنی اولویت و کیفیت آموزش پایین‌تر از پژوهشی است که برای دانشگاه، استاد و آزمایشگاه درآمدزایی دارد. در نهایت هم نسل سوم یا همان دانشگاه‌های کارآفرین در جهان مطرح شدند. من فکر می‌کنم نقطه‌ای که هنوز هم باید تقویت کنیم، مهارت‌های تجاری‌سازی دستاوردها است. برای این کار باید ظرفیت‌های لازم را فراهم کنیم. واقعیت این است که هر فرد مهارت و علاقه خاص خود را دارد. استادی که از آموزش لذت می‌برد، باید در همان جایگاه به بهترین شکل به کار گرفته شود. این روند درست مانند مدیریت یک کسب‌وکار است. هنر یک کارآفرین و مدیر موفق این است که افراد را در جایگاهی قرار دهد که در آن شکوفا می‌شوند و بیشترین ظرفیت را دارند. بنابراین، ما نیز در دانشگاه نباید انتظار داشته باشیم همه با یک الگو و شیوه واحد عمل کنند. باید کسی را که بر پژوهش متمرکز است، در این مسیر به کار بگیریم و کسانی را هم که به تجاری‌سازی علاقه دارند، در حوزه تجاری‌سازی فعال کنیم. البته دستاوردهای اساتیدی که صرفا آموزش می‌دهند یا پژوهش می‌کنند نیز قابلیت تجاری‌سازی دارد؛ اما به جای این‌که از خود آن‌ها انتظار داشته باشیم این کار را انجام دهند، دانشگاه باید ظرفیت لازم را فراهم کند. در واقع دانشگاه باید این دستاوردها را تحویل بگیرد و با کمک صنعت، نیروهای خود یا دانشجویان جوان، استارتاپ‌هایی را برای تجاری‌سازی دستاوردها شکل دهد. ما سال گذشته این مسیر را در دانشگاه آغاز کردیم. هدف ما حمایت از دستاوردهای دارای قابلیت تجاری‌سازی اساتید بود تا به استارتاپ تبدیل شوند. در فراخوان اولیه اعلام کردیم که طرح‌ها باید از هوش‌مصنوعی استفاده کنند. در مجموع ۱۷۴ طرح از ۵۰ دانشکده مختلف دریافت شد. طرح‌هایی از دانشکده‌های کشاورزی، دامپزشکی، روانشناسی، ادبیات، هنرهای زیبا و سایر دانشکده‌ها دریافت کردیم. این طرح‌ها موضوع‌های بسیار متنوعی داشتند که همگی از هوش‌مصنوعی بهره می‌بردند. در ادامه نیز با توجه به بودجه و زمان‌بندی موجود، ۲۰ طرح برتر انتخاب شدند. این طرح‌ها اکنون در موسسه هوش‌مصنوعی دانشگاه تهران میزبانی می‌شوند تا به تجاری‌سازی آن‌ها کمک شود. در این میان، اساتیدی هم بودند که اعلام کردند علاقه‌ای به فرایند تجاری‌سازی ندارند؛ اما طرح خود را ارائه دادند تا ما تیمی را برای تجاری‌سازی آن پیدا کنیم.
چشم‌انداز همکاری دانشگاه و بخش خصوصی در آینده ایران را چطور می‌بینید؟
وقتی شرایط سخت می‌شود، کار برای کسب‌وکارها نیز بسیار دشوار خواهد شد. درست مانند وضعیت فعلی که چشم‌انداز ما چندان روشن نیست. من معتقد هستم که تنها راهکار پذیرفته شده در دنیا برای عبور از شرایط سخت، نوآوری است. در شرایط سخت، پیچیده و غیرقابل پیش‌بینی امروز نیز تنها کسب‌وکارهای نوآور می‌توانند زنده بمانند. از سوی دیگر، هنوز هم بهترین بستر برای نوآوری، دانشگاه است. اگر می‌خواهیم این ارتباط صحیح شکل بگیرد، نباید نگاه ما صرفا پروژه‌محور باشد. ما باید با هدف نوآوری در کنار هم بنشینیم و گفتگو کنیم. ما اکنون در حال تجربه الگوی کارگاه‌های تسهیل شده با صنعت هستیم. در جلسه اول، صرفا شنونده مشکلات صنعت می‌شویم؛ بدون این‌که پیش‌فرضی درباره داشتن یا نداشتن راهکار ارائه دهیم. به ویژه با توجه به تمرکزمان بر هوش‌مصنوعی، هیچ اصراری نداریم که از ابتدا مشخص کنیم چه اقدامی با هوش‌مصنوعی انجام‌پذیر است یا چه فرایندی با آن بهبود می‌یابد؛ اما در جلسه دوم با مجموعه‌ای از راهکارها بازمی‌گردیم. در این جلسه اعلام می‌کنیم که با توجه به تجربه خود و شناخت کوتاهی که از مساله آن‌ها پیدا کرده‌ایم، این راهکارها می‌توانند گزینه‌های مناسبی باشند. در نهایت، در جلسه سوم که هر دو طرف پس از گفتگوی دوم روی گزینه‌ها فکر کرده‌اند، یک یا دو مساله مشخص را انتخاب می‌کنیم و برای حل آن‌ها وارد عمل می‌شویم. به بیان بهتر، ما باید با این ابداعات و نوآوری‌ها تلاش کنیم از مسیر پیچیده و پیش‌بینی‌ناپذیری که تا پایان سال ۱۴۰۵ پیش‌رو داریم، عبور کنیم. من به این رویکرد بسیار خوش‌بین هستم. شاید هم به این دلیل که چاره‌ای جز خوش‌بینی نداریم. در اصل، تنها راه پیش‌روی ما، امیدواری واقع‌بینانه است. هنر کارآفرین نیز همین است که هنگام مواجهه با چالش، راهی برای برداشتن آن از سر راه خود پیدا کند. ما اکنون آماده یاری رساندن به صنعت هستیم؛ حتی چند سالی است که پروژه‌های دوره کارشناسی را نیز مساله‌محور کرده‌ایم و بر اساس مسائل واقعی صنعت تعریف می‌شوند. همچنین سالانه دو رویداد برای دفاع و ارائه هم‌زمان پروژه‌های کارشناسی برگزار می‌کنیم. شرکت‌ها در این رویدادها حضور دارند و پروژه‌ها را ارزیابی می‌کنند. آن‌ها از همین طریق، طرح‌های مناسب را شناسایی و نیروهای متخصص مورد نیاز خود را جذب می‌کنند. این امر یک بازی برد-برد است چراکه دانشجوی ما پروژه‌ای کاربردی و دارای خریدار انجام می‌دهد، شرکت‌ها نیروی مناسب خود را با هزینه‌ای اندک شناسایی و جذب می‌کنند و فرایند استخدام به بهترین شکل انجام می‌شود. بنابراین، پیشنهاد، خواهش و اعلام آمادگی من از سوی دانشگاه این است که ما می‌توانیم در خدمت کسب‌وکارها باشیم تا با ایجاد فضای نوآوری بتوانیم از چالش‌های پیش‌رو عبور کنیم.
