وقتی بچه بودم، من و پدرم اغلب درباره داستانی حرف میزدیم که میخواستیم با هم بنویسیم. اسمش «روزی که هیچکس به دیزنیلند نرفت» بود. ایده این بود که یک روز، هوا آنقدر عالی است که همه فکر میکنند دیزنیلند شلوغ خواهد بود، برای همین همه تصمیم میگیرند خانه بمانند. اما پدرم که همان فکر را میکرد، صبح آن روز میبیند من چقدر ناامید به نظر میرسم—و تصمیم میگیرد به هر حال ریسک کند. ما راه میافتیم و وقتی میرسیم، پارک کاملاً خالی است. هیچکس دیگری آنقدر جسور نبوده که حاضر شود. ما میتوانیم از همه چیز لذت ببریم—سواریها، نمایشها، غذا—همه فقط برای خودمان.
من عاشق ایده نوشتن آن داستان بودم. اما، همانطور که اغلب پیش میآید، زندگی جلویش را گرفت. ما خیلی مشغول بودیم که بتوانیم انجامش دهیم، زمان گذشت، من بزرگ شدم، و هر دوی ما آن را فراموش کردیم.
سی سال بعد، من برای شام در خانه پدر و مادرم بودم با بچههای خودم (هشت ساله، پنج ساله، و دو ساله). به دلایلی، آن ایده دوباره به ذهنم برگشت. به بزرگترین بچهام دربارهاش گفتم، و او خواست کل ماجرا را بشنود. پس به چتجیپیتی مراجعه کردیم، یک طرح کلی به آن دادیم، و از آن خواستیم داستان را به سبک دکتر سوس (یکی از محبوبهای ما) بنویسد. ظرف چند ثانیه، آن را داشتیم. او آن را با صدای بلند خواند، و ما خندیدیم.
البته، چیزی که هوش مصنوعی تولید کرد بینقص نبود. بعضی خطها چندان معنیدار نبودند، و چند آمریکاییگرایی هم به داخل راه یافته بود—مثل «کفشهای کتانی» و «نان دارچینی». اما آن شب روی مبل، ما اوقات خیلی خوبی داشتیم با تنظیم کردن دستورها، اصلاح داستان، اضافه کردن صحنههای بیشتر، و کار کردن با این شریک خلاق عجیب و جدید تا کاری را انجام دهیم که دههها از دستم لغزیده بود.
برای پانزده سال گذشته، من مطالعه کردهام که هوش مصنوعی چگونه بر کار و جامعه تأثیر میگذارد. اما پدر شدن برای سه بچه کوچک این تغییرات را خیلی شخصیتر کرده است: واضح است که آینده آنها بهطور وحشیانهای با گذشته من متفاوت خواهد بود.
برای همسرم، آن درک واقعاً چند هفته پیش هنگام رانندگی به سمت خانه والدینش در سافولک به خانه خورد. سه بچه گیر کرده در ماشین، به آرامی در امتداد جاده A12 حرکت کردن، دستور آشپزی برای هرج و مرج است. برای همین ما خیلی خوشحال بودیم که یک پادکست نادر پیدا کردیم که همه واقعاً از آن لذت میبردند: تاریخ خستهکننده نیست، مجموعهای از گفتگوهای پانزده دقیقهای درباره انواع موضوعات، که توسط دو بچه روایت میشد.
همانطور که گوش میدادیم، شروع کردیم به حدس زدن که این بچههای باهوش ممکن است چه کسانی باشند. آنها اهل کجا بودند؟ چطور انتخاب شده بودند؟ چطور این را با مدرسه هماهنگ میکردند؟ در نهایت، آنها را آنلاین جستجو کردم. هر حدسی که زده بودیم اشتباه بود. آن بچهها واقعاً وجود نداشتند. به نظر میرسید کل پادکست توسط هوش مصنوعی ساخته شده باشد. هیچکدام از ما متوجه نشده بودیم.
لحظه عجیبی بود، فهمیدن اینکه افرادی که به آنها علاقهمند شده بودیم اصلاً واقعی نبودند. همچنین تأثیرگذار بود که هوش مصنوعی میتوانست چنین محتوای آموزشی باکیفیتی خلق کند. اما برای همسرم، که پادکست و مستند میسازد، این ناراحتکننده هم بود: اینجا چیزی بود که از او و یک تیم بااستعداد روزها زمان میبرد تا تولید کنند، حالا بدون هیچ انسانی درگیر انجام میشد.
کار من روی هوش مصنوعی مرا به اتاقهای هیئت مدیره، سالنهای کنفرانس، کلاسهای درس، و ساختمانهای دولتی برده است. اما هر جا میروم، یک سؤال بیشتر از همه مطرح میشود: بچههای من باید چه کار کنند؟
در حال حاضر، همه ما کمی گم شدهایم. معلمان نگرانند که روشهای قدیمیشان دیگر کار نمیکند. والدین، که تماشا میکنند بچههایشان از هوش مصنوعی برای حل مسئله و پاسخ به سؤالات استفاده میکنند، تعجب میکنند که آنها واقعاً چه میدانند. کارفرمایان تردید دارند که آیا دستاوردهای تحصیلی سنتی—که از طریق تکالیف درسی، امتحانات، و ارزیابیها به دست آمده—هنوز چیز مفیدی درباره آنچه جوانان میتوانند انجام دهند به ما میگوید.
اما واکنش به این فناوریهای جدید با دیوار کشیدن، همانطور که بسیاری بهطور غریزی میخواهند—ممنوع کردن، سرزنش کردن، تنبیه کردن—به سادگی نمیتواند پاسخ درست باشد. برای شروع، این دنیایی است که نسل بعد در آن زندگی خواهد کرد: ما به آنها خیانت میکنیم اگر آنها را برای دنیایی که ما در آن بزرگ شدیم آماده کنیم، نه دنیایی که واقعاً در آن زندگی خواهند کرد. چند بار، مثلاً، شنیدهاید که مردم دانشآموزان را به تقلب متهم کنند اگر از هوش مصنوعی برای کمک به کارشان استفاده کنند؟ اما در چه نقطهای ما به آنها خیانت میکنیم با شکست خوردن در بازاندیشی درباره نحوه آموزشدادن به آنها؟ اگر هوش مصنوعی آموزش را برای جوانان «خیلی آسان» میکند، چه زمانی مسئولیت به ما، بزرگسالان، منتقل میشود که یادگیری آنها را چالشبرانگیزتر کنیم، آنها را جلوتر ببریم، تواناییهایشان را گسترش دهیم؟
مهمتر از آن، این نگرش تحقیرآمیز نسبت به هوش مصنوعی همچنین فاقد تخیل است. این ما را از دیدن امکانات شگفتانگیزی که هوش مصنوعی میتواند برای نسل بعد ایجاد کند بازمیدارد. البته، خطراتی وجود دارد. اما در عین حال، اگر این فناوری را عاقلانه استفاده کنیم، چه ایدههای دشواری ممکن است نسل بعد حالا درک کند—آنهایی که وقتی ما همسن آنها بودیم فراتر از ما بودند؟ چه مشکلات سختی ممکن است حل کنند—آنهایی که زمانی سالها آموزش و تجربه لازم داشت، اگر اصلاً قابل حل بودند؟
فراموش کردن مهارتهای ضدآینده
بخش بزرگی از چالش با هوش مصنوعی این است که پاسخ سنتی ما به اختلال فناوری در دنیای کار—ایده «ضدآیندهسازی» افراد—دیگر کار نمیکند. در سال ۲۰۱۳، نخستوزیر وقت، دیوید کامرون، اعلام کرد که انگلستان اولین جای جهان خواهد شد که همه کودکان دبستانی و دبیرستانی برنامهنویسی یاد خواهند گرفت. این، طبق گفته وزیر آموزش، مایکل گاو، «هر کودک را به مهارتهای رایانهای که برای موفقیت در قرن بیست و یکم نیاز دارند مجهز میکند.»
ایده جسورانه و هوشمندانه به نظر میرسید: در سالهای بعد، سخت بود کشور پیشرفتهای پیدا کنید که از الگوی ما پیروی نکرده باشد.
به امروز برویم. جدیدترین سیستمهای هوش مصنوعی، مثل چتجیپیتی و کلود، معلوم میشود در چه چیزی بهترین هستند؟ نوشتن کد. در ژانویه ۲۰۲۶، آنتروپیک گزارش داد که ۹۰٪ از کد برای کلود کد—دستیار کدنویسی مبتنی بر هوش مصنوعی آنها—خودش توسط هوش مصنوعی نوشته شده بود. مهارتهایی که قرار بود بچهها را برای تمام زندگیشان از اختلال فناوری محافظت کند، قبل از اینکه حتی مدرسه را ترک کنند تا حد زیادی منسوخ شده بودند.
ما باید هوش مصنوعی را بهطور انتقادی استفاده کنیم، نه کورکورانه، پایههای خود را تیز نگه داریم تا بتوانیم تشخیص دهیم چه زمانی هوش مصنوعی نابغه است—یا احمق.
برای سیاستمداران و سیاستگذاران، وسوسهانگیز است که ماجرای برنامهنویسی را بهعنوان یک اتفاق ناگوار ناچیز رد کنند. اما این اشتباه است. دلیلی که آنها اشتباه کردند این بود که به ایده مهارتهای «ضدآینده» اعتقاد داشتند—این فکر که مجموعه ارزشمندی از مهارتها وجود دارد که هوش مصنوعی برای مدتی قادر به انجام آنها نخواهد بود، و اینکه با فکر کردن عمیق به آینده، میتوانیم آنها را بهدقت شناسایی کنیم.
حقیقت این است که ما فقط دو چیز درباره آنچه در پیش است میدانیم. یکی اینکه پر از فناوریهایی خواهد بود که بسیار توانمندتر از امروز هستند. دیگری اینکه ما چیز دیگری کم میدانیم. اما به جای تلاش برای حل این عدم قطعیت، باید آن را بپذیریم و در عوض سؤال دیگری بپرسیم: چگونه نسل بعد را آماده کنیم تا در آیندهای که ما واقعاً بهطور شگفتآوری درباره آن کم میدانیم پیشرفت کند؟
بازگشت به اصول اولیه
اولین قدم بازگشت به اصول اولیه است. از سال ۲۰۰۹، سواد و حسابدانی در میان جوانان در سراسر جهان رو به کاهش بوده است، طبق برنامه ارزیابی بینالمللی دانشآموزان OECD (پیزا)؛ همین برای بزرگسالان نیز صادق است. به تنهایی، این نگرانکننده است. اما با توجه به عدم قطعیتی که درباره آینده با آن روبرو هستیم، این روندها یک فاجعه است.
چرا چنین فاجعهای؟ برای شروع، در حالی که ممکن است سخت باشد دقیقاً بگوییم کدام مهارتهای پیشرفتهتر در آینده ارزشمندترین خواهند بود—خلاقیت، قضاوت، چیز دیگری—آنها به نوعی به این مهارتهای پایه متکی خواهند بود. آنها پایههای همه چیز دیگر هستند.
علاوه بر این، سیستمهای هوش مصنوعی به دور از بینقص بودن هستند. آنها اشتباه میکنند، اغلب در مسائل ساده؛ آنها توهم میزنند، پاسخهای مطمئن و قابل قبولی ارائه میدهند که کاملاً ساختهشده هستند. آنها، همانطور که دانشمند رایانه جفری هینتون گفت، «نابغههای احمق» هستند. یعنی ما باید هوش مصنوعی را بهطور انتقادی استفاده کنیم، نه کورکورانه، پایههای خود را تیز نگه داریم تا بتوانیم تشخیص دهیم چه زمانی هوش مصنوعی نابغه است—یا احمق. ما میتوانیم تشخیص دهیم چه زمانی هوش مصنوعی مثل یک نابغه عمل میکند—یا یک احمق.
با در نظر داشتن هر دو دلیل، ما باید تلاش زیادی صرف آموزش خواندن، نوشتن، و ریاضی کنیم، حتی اگر هوش مصنوعی به نظر میرسد آنها را بهتر انجام میدهد، که بهطور فزایندهای این کار را میکند. بازگشت به اصول اولیه همان چیزی است که یک اقتصاددان آن را استراتژی «بدون پشیمانی» مینامد—ما هرگز از بهبود این مهارتهای اصلی پشیمان نخواهیم شد، مهم نیست آینده چگونه پیش برود.
من از هوش مصنوعی استفاده کردهام تا به عادت پنج سالهام برای عقب انداختن خواب با پرسیدن سؤالات بزرگ درست وقتی چراغ را خاموش میکنم پاسخ دهم.
و ما باید سعی کنیم خلاق باشیم. وقتی بچه هشت سالهام از یادگیری جدول ضرب به روش قدیمی—فهرستهای بلند، حفظ کردن با تکرار—خسته شد، به چتجیپیتی مراجعه کردم تا به او کمک کند بازیهای رایانهای مختلفی طراحی کند که آنچه میدانست را آزمایش میکرد. (تکشاخها و رنگینکمانها در هر نسخه ظاهر میشدند.)
بعدش آن موقع بود که بچه پنج سالهام از خواندن کتابهای فونیکس استانداردش بعد از مدرسه خسته شده بود—فقط مقدار معینی بیف، چیپ، و کیپر وجود دارد که یک نفر بتواند تحمل کند—پس در عوض، ما از هوش مصنوعی استفاده کردیم تا چند داستان سفارشی با هم بسازیم، که با دقت با سطح خواندن او هماهنگ بود و خیلی به موضوعات مورد علاقهاش نزدیکتر بود. (در زمان نوشتن این مطلب، آن یعنی اچاماس بلفاست، مواد منفجره تیانتی، و بوکایو ساکا.)
تلاش کردن چیزهای جدید مهم است، و ما میتوانیم از آنچه دیگران به آن میرسند چیزهای زیادی یاد بگیریم. کریس موران را مثال بزنید، رئیس نوآوری تحریریه در گاردین. دخترش در مدرسه دراکولا را میخواند اما برای ارتباط دادن آن رمان گسترده با دنیای واقعی تقلا میکرد. با هم، با کمک هوش مصنوعی، آنها یک اپ به نام پلاتلاینز ساختند، که داستان را روی یک نقشه تعاملی سازمان نقشهبرداری دهه ۱۸۹۰ قرار میداد، صحنههای کلیدی و سفرهای شخصیتها را در سراسر اروپا با کمک هوش مصنوعی ترسیم میکرد. (آنها از آن زمان این کار را برای بسیاری کتابهای دیگر هم انجام دادهاند.)
اینها دقیقاً همان نوع نوآوریهایی هستند که ما باید در سراسر آموزش آزمایش کنیم و از آن استقبال کنیم—نه ممنوع کنیم.
هر دو را آموزش دهید، هر دو را آزمایش کنید
حتی با تمام عدم قطعیتی که با آن روبرو هستیم، هنوز یک چیز درباره آینده میدانیم: پر از فناوریهایی خواهد بود که بسیار قدرتمندتر از امروز هستند. با در نظر داشتن این، ما باید به نسل بعد آموزش دهیم که چگونه از آنها استفاده کنند. انجام درست این کار مستلزم آن است که مقدار جدی از زمان را برای آموزش نحوه استفاده از هوش مصنوعی کنار بگذاریم.
چالش، اما، این است که چگونه این کار را بدون اینکه آنها مهارتهای پایه مهم را فراموش کنند انجام دهیم. یک نگرانی رو به رشد این است که هوش مصنوعی ما را کمهوشتر میکند. چرا کتاب بخوانیم اگر هوش مصنوعی میتواند خلاصهاش کند؟ چرا تکلیف ریاضی را تمام کنیم اگر هوش مصنوعی محاسبات را انجام خواهد داد؟ به نظر من، پاسخ از سیلیکون ولی نمیآید، بلکه از یک استاد ریاضی بریتانیایی فراموششده، ویلفرد هالیدی کاکرافت، نیم قرن پیش میآید.
در دهه ۱۹۷۰، کیفیت آموزش ریاضی در مدارس بریتانیا به نظر میرسید در حال فروپاشی است، و سطح حسابدانی ظاهراً پایین بود. کاکرافت، که علاقه دیرینهای به آموزش ریاضی داشت، توسط دولت خواسته شد تا به آن رسیدگی کند. در سال ۱۹۸۲، گزارش کاکرافت منتشر شد. عظیم بود، دقیق—و حالا عمدتاً فراموش شده. اما ممکن است مهمترین سند برای تفکر درباره آینده آموزش باشد، به دلیل نحوه برخوردش با ماشین حساب الکترونیکی.
خواندن گزارش کاکرافت و دیدن اینکه چگونه چالشهای ماشین حساب در آن زمان چقدر شبیه چالشهایی است که امروز با هوش مصنوعی داریم جذاب است—از ترس اینکه مهارتهای «پایه» را تضعیف کند تا ارعابی که بسیاری هنگام مواجهه با این فناوری عجیب جدید احساس میکردند («بعضی… دلسرد شده بودند توسط تعداد زیادی از ارقام که بعد از نقطه اعشار ظاهر شده بود»). کاکرافت واقعبین بود: او انتظار داشت که «همه داوطلبان تا سال ۱۹۸۵ به ماشین حساب دسترسی داشته باشند.» پیشنهاد او انقلابی بود: او میخواست آموزش ریاضی را با تقسیم آن به دو بخش متحول کند—یک بخش آموزش نحوه استفاده از ماشین حساب به دانشآموزان، و بخش دیگر آموزش نحوه کار کردن بدون آن. مهمتر اینکه، هر دو مهارت آزمایش میشدند. این ایده جا افتاد. امروز، یادگیری ریاضی هم با و هم بدون ماشین حساب استاندارد جهانی است. رویکرد اول مهارتهای پایه را میسازد، در حالی که دوم آنها را برای مسائل چالشبرانگیزتر به کار میگیرد.
ما باید همین رویکرد واقعبینانه و انقلابی را حالا با هوش مصنوعی در پیش بگیریم، با استفاده از این اصل اثباتشده—که من آن را «هر دو را آموزش دهید، هر دو را آزمایش کنید» مینامم. هر موضوع، از تاریخ تا ادبیات انگلیسی، باید به دو بخش تقسیم شود: یک بخش آموزش نحوه استفاده از هوش مصنوعی به دانشآموزان، و بخش دیگر آموزش نحوه موفقیت بدون آن. هر دو باید امتحان گرفته شوند. یک معلم نمیتواند نظارت کند که آیا دانشآموز در حریم خصوصی اتاق خودش از هوش مصنوعی استفاده میکند یا نه. اما هیچ چیز نمیتواند جایگزین تجربه نشستن در امتحان، نگاه کردن به برگه، و احساس آن عرق سرد وقتی متوجه میشوی برای هر دو بخش آماده نشدهای شود.
همه صفحهنمایشها بد نیستند. یکی از نگرانیهای من این است که اجازه دهیم نگرانی مشروع درباره تأثیر رسانههای اجتماعی بر زندگی کودکان به نحوه فکر کردن ما درباره هوش مصنوعی سرریز شود. این میتواند محدودیتهای منطقی رسانههای اجتماعی را به ممنوعیتهای واکنشی هوش مصنوعی تبدیل کند. اما رسانههای اجتماعی و هوش مصنوعی یکسان نیستند. در حالی که رسانههای اجتماعی اغلب ما را از انسانیت میاندازد و از دنیای واقعی دور میکند، هوش مصنوعی—وقتی به درستی استفاده شود—میتواند زندگی ما را بهطور قابل توجهی بهبود بخشد.
راه دیگری برای فکر کردن درباره این وجود دارد. یک بحث در حال انجام درباره مقدار «طلایی» زمان صفحهنمایش برای کودکان است—نه خیلی زیاد، نه خیلی کم، بلکه درست. با این حال، این بحث اشتباهی است که باید داشت. آنچه مهم است نه چندان مقدار زمانی است که روی صفحهنمایشها صرف میشود، بلکه آنچه واقعاً روی آن صفحهنمایشها است و ما از فناوری برای انجام چه کاری استفاده میکنیم.
این تمایز نه تنها برای آنچه آموزش میدهیم، بلکه برای نحوه آموزش نیز مهم است. مثال دیگری را در نظر بگیرید: تدریس خصوصی. اغلب گفته میشود که یک دانشآموز متوسط که تدریس خصوصی یکبهیک دریافت میکند تقریباً از همه همسالانش در کلاس سنتی بهتر عمل خواهد کرد. من این را از نزدیک در سالهای تدریس خصوصیام در آکسفورد، آموزش ریاضی و اقتصاد، دیدم.
مشکل این است که معلمان خصوصی انسانی برای ارائه به همه خیلی گران هستند. اما حالا، هوش مصنوعی میتواند در نهایت تدریس خصوصی باکیفیت ارائه دهد. میتواند نحوه آموزش مطالب را با نقاط قوت و ضعف منحصربهفرد هر دانشآموز تطبیق دهد، تعاملات با یک معلم خصوصی انسانی را تقلید کند اما با هزینه بسیار کمتر.
صادقانه بگویم، هوش مصنوعی سطحی از آموزش شخصیسازیشده ارائه میدهد که من—و بسیاری معلمان دیگر که در طول سالها مشاهده کردهام—برای رسیدن به آن تلاش کردهایم. بخشی از آنچه چشمگیر است وسعت هوش مصنوعی است. من از آن استفاده کردهام تا به عادت پنج سالهام برای عقب انداختن خواب با پرسیدن سؤالات بزرگ درست وقتی چراغ را خاموش میکنم پاسخ دهم. وقتی پرسید، «بابا، اولین انسان از کجا آمد؟» هوش مصنوعی یک داستان کوتاه درباره تکامل ساخت. من همچنین از آن استفاده کردهام تا دستورالعملهای گامبهگام تولید کنم تا به دانشجویان تحصیلات تکمیلی در حل مسائل دشوار ریاضی در اقتصاد کمک کنم، مثل مدل رشد رمزی.
«فکر نمیکنم کسی تا به حال چنین توجه خالصی به من و تفکر من و سؤالات من کرده باشد،» یک دانشجو ظاهراً در نیویورکر در آوریل ۲۰۲۵ گفته است. «این باعث شده تعاملاتم با مردم را بازاندیشی کنم.» هوش مصنوعی هرگز خسته یا پریشان نمیشود. ساعت اداری یا زمان کلاس محدود ندارد. همیشه به یک سؤال دیگر پاسخ خواهد داد و همیشه توضیح دیگری از مسئلهای که نمیفهمی ارائه خواهد داد.
روی مسائل تمرکز کنید، نه شغل. من پیشنهاد نمیکنم... جای تعجب نیست که دانشآموزان در مراسم فارغالتحصیلی اخیر آمریکا به رهبران فناوری هو کردهاند. در طول پانزده سال گذشته، مقاومتترین گروههایی که با آنها صحبت کردهام متخصصان جوان هستند. آنها زمان و پول زیادی را صرف وکیل، دکتر یا هر چیز انتخابیشان شدن کردهاند، و بهطور قابل درکی عصبانی هستند وقتی درست وقتی در آستانه تمام کردن هستند به آنها گفته میشود دنیایی که برای آن آماده میشدند دیگر وجود ندارد.
توصیه زیادی وجود دارد که میخواهم به آنها بدهم وقتی حرفهشان را شروع میکنند، اما یکی از مهمترینها این است: یک حرفه را انتخاب کن چون مسئله برایت جالب است، نه خود شغل. به بیان ساده، اگر به پزشکی میروی چون دکترهای هاوس را دوست داری، یا حقوق چون سوتها، یا بازاریابی چون مردهای دیوانه، ناامید خواهی شد. این شغلها در آستانه تغییر چشمگیر هستند.
اما خود مسائل—بهبود نتایج سلامت، ارائه مشاوره حقوقی، فروش محصولات—از بین نمیروند. آنچه تغییر خواهد کرد نحوه حل آنها و مهارتهایی است که برای انجامش نیاز داریم.
شما میتوانستید این را خیلی قبل از هوش مصنوعی مولد ببینید. در سال ۲۰۱۷، تیمی در دانشگاه استنفورد اعلام کرد سیستمی ساختهاند که میتوانست از روی یک عکس بگوید آیا یک خال سرطانی است یا نه، دقیقاً به همان دقت متخصصان برتر پوست. لحظه پیشرفتی در تشخیص مبتنی بر هوش مصنوعی بود. اما آنچه بیشتر از همه برجسته بود این بود که نویسنده نهایی مقاله نیچر که این را اعلام میکرد سباستین ترون بود—نه یک دکتر، بلکه یک دانشمند برجسته رایانه که اولین ماشین بدون راننده جهان را ساخته بود. اینجا کسی بود با تقریباً هیچ دانش پزشکی، با این حال مهارتهایش به او اجازه داد سیستمی بسازد که با بهترین پزشکان برابری میکرد.
به سمت هوش مصنوعی و علم بدوید
اگر من امروز حرفهام را شروع میکردم، در همان ابتدا، بدون تردید به سمت هوش مصنوعی و علم میدویدم—نه به این دلیل که از اتوماسیون در امان هستند، بلکه به این دلیل که آنجا جایی است که هیجانانگیزترین تحولات در سالهای آینده رخ خواهد داد. در قرن بیستم، بهترین ایدههای ما از ذهنهای درخشان انسانی آمد. در قرن بیست و یکم، انتظار دارم از هوش مصنوعیهای توانا بیایند.
ما یک نگاه اجمالی به این در اواخر ۲۰۲۴ گرفتیم، وقتی سازندگان آلفافولد۲ دیپمایند جایزه نوبل شیمی را برای شکستن «مسئله تاخوردن پروتئین» بردند—یکی از بزرگترین چالشهای حلنشده زیستشناسی، کلیدی برای درک بیماریها و نحوه درمان آنها. در حال حاضر، ریاضیات مرزی بعدی است، با اکتشافات جدید با سرعتی چشمگیر.
تخیل، تخیل، تخیل
هر چه بیشتر با هوش مصنوعی کار میکنم، بیشتر میبینم که محدودیت اصلی استفاده از آن تخیل ماست. حتی اگر امروز بهبود فناوری را متوقف کنیم، هنوز راههای بسیار بیشتری برای استفاده از آن وجود خواهد داشت که تا به حال به آن فکر نکردهایم.
بخشی از آن کار تخیلی به ما بستگی دارد. اما آن شب با بچه هشت سالهام، ساختن آن داستان، به من یادآوری کرد که بخشی از آن به نسل بعد هم تعلق دارد. همانطور که شاعر لوئیز گلوک نوشت، «ما یک بار در کودکی به جهان نگاه میکنیم، بقیه خاطره است.» با در نظر داشتن این، ما به نسل بعد نیاز داریم—با حس ماجراجویی، ذهن باز، و فقدان بدبینیشان—تا به ما کمک کنند عاقلانه و آزادانه درباره آنچه میتوانیم با این فناوریهای باورنکردنی انجام دهیم فکر کنیم.
بچههای من باید چه کار کنند؟ نوشته دانیل ساسکیند توسط پنگوئن به قیمت ۲۰ پوند منتشر شده است. برای حمایت از گاردین، نسخه خود را در guardianbookshop.com سفارش دهید. هزینه تحویل ممکن است اعمال شود.
سؤالات متداول
در اینجا فهرستی از سؤالات متداول بر اساس دیدگاه یک پدر و محقق هوش مصنوعی که به زبان طبیعی و والدانه نوشته شده است آمده است
سؤالات عمومی و مبتدی
۱ بچهام از چتجیپیتی برای تکلیف مدرسه استفاده میکند آیا این تقلب است
بستگی دارد چگونه از آن استفاده کند اگر پاسخ را کپی و پیست کند بدون فکر کردن، بله آن تقلب است اما اگر مثل یک معلم خصوصی از آن استفاده کند—از آن بخواهد مفهومی را که نمیفهمد توضیح دهد یا قبل از امتحان از آن سؤال بپرسد—ابزار یادگیری عالی است قانون باید این باشد هوش مصنوعی برای کمک به فکر کردن توست نه برای فکر کردن به جای تو
۲ من با فناوری آشنا نیستم آیا باید متخصص باشم تا بچههایم را از هوش مصنوعی محافظت کنم
قطعاً نه لازم نیست بلد باشی کدنویسی کنی فقط باید اصول اولیه نحوه کار این ابزارها را بدانی و مهمتر از آن، باید با بچههایت درباره نحوه استفاده آنها صحبت کنی غریزه والدینی تو بیشتر از مهارت فنیات اهمیت دارد
۳ بزرگترین خطر هوش مصنوعی برای بچههایم چیست
من کمتر نگران تسخیر رباتها هستم و بیشتر نگران از دست دادن توانایی آنها برای فکر کردن مستقل بزرگترین خطر تنبلی فکری است—برونسپاری تفکر انتقادی، خلاقیت و حل مسئله به یک ماشین چون سریعتر است و آن تأثیر عاطفی تعامل با چتباتهایی که انسان به نظر میرسند اما نیستند
۴ آیا هوش مصنوعی واقعاً برای والدین روزمره مفید است یا فقط تبلیغات است
واقعاً برای کارهای خستهکننده مفید است من از آن برای برنامهریزی چرخش غذا، تولید ایده برای جشن تولد پنج ساله، نوشتن ایمیلهای دشوار به معلمان و توضیح اینکه چرا آسمان آبی است به شکلی که یک کودک نوپا بفهمد استفاده میکنم این یک صرفهجویی عظیم در زمان برای کارهای لجستیکی است اما هرگز جایگزین یک آغوش یا گفتگوی صمیمانه نخواهد شد
سؤالات پیشرفته و تفکر انتقادی
۵ چگونه به نوجوانم توضیح دهم که هوش مصنوعی میتواند با اطمینان اشتباه باشد
توضیح بده که هوش مصنوعی حقایق را نمیداند بلکه پیشبینی میکند چه کلماتی معمولاً بعد میآیند مثل یک طوطی بسیار خوشخوان است مغزی ندارد که بررسی کند چیزی درست است یا نه، بنابراین مزخرف را با اطمینان کامل بیان خواهد کرد قانون «اعتماد کن اما تأیید کن» را به آنها یاد بده از هوش مصنوعی برای پیشنویس استفاده کن اما همه حقایق را قبل از تحویل از منابع معتبر تأیید کن
