بحث در مورد حاکمیت هوش مصنوعی می تواند درسی دردناک برای دانش آموزان باشد

بحث پیرامون حاکمیت هوش مصنوعی ممکن است در سطح دولتی، اتاق هیئت مدیره و رسانه ملی در حال گسترش باشد، اما این بحث ها با فاصله ای از افرادی که روزانه از هوش مصنوعی استفاده می کنند و به آن تکیه می کنند، انجام می شود.

دولت‌ها درباره مقررات بحث می‌کنند، در حالی که شرکت‌های فناوری در نظر می‌گیرند کجا مدل‌های خود را بسازند و میزبانی کنند. بنیان‌گذاران و سرمایه‌گذاران ریسک ژئوپلیتیک، زیرساخت و دسترسی به قدرت محاسباتی را ارزیابی می‌کنند، در حالی که تنظیم‌کننده‌ها نحوه توسعه و استقرار سیستم‌های هوش مصنوعی را در نظر می‌گیرند. برای افرادی که هر روز از هوش مصنوعی استفاده می کنند، مانند دانش آموزان، تغییرات در حاکمیت و مقررات هوش مصنوعی می تواند بر در دسترس ماندن ابزارهایی که به آنها متکی هستند تأثیر بگذارد.

دانش‌آموزان امروزی می‌توانند به هوش مصنوعی وابسته باشند و در عین حال دید کمی از زیرساخت‌ها و تصمیم‌های خط‌مشی که تعیین می‌کند آیا آنها می‌توانند به استفاده از آن ادامه دهند یا خیر، دارند. بحث حاکمیت دیجیتال این پتانسیل را دارد که به یک مانع دسترسی غیرقابل انکار برای دانشجویان تبدیل شود.

حاکمیت دیجیتال بر دسترسی دانش آموزان به ابزارهای هوش مصنوعی سایه افکنده است

اتحادیه اروپا سابقه وابستگی به فناوری و زیرساخت های خارج از بلوک اقتصادی و سیاسی را دارد. بیش از 80 درصد از فناوری مورد استفاده در اروپا و حدود 70 درصد از محاسبات ابری آن از کشورهای غیر اتحادیه اروپا می آید. پذیرش هوش مصنوعی وابستگی اروپا به سایر کشورها را افزایش داده است، به طوری که ایالات متحده و چین اکثریت قریب به اتفاق زیرساخت های محاسباتی هوش مصنوعی جهانی را تشکیل می دهند.

امسال، اروپا گام‌هایی را برای تنظیم استفاده از هوش مصنوعی برداشته است، که به طور ضروری به معنای تنظیم شرکت‌های خارجی است. این نوع مقررات به راحتی می تواند بر خدماتی که دانش آموزان می توانند به آن دسترسی داشته باشند تأثیر بگذارد. هدف نظارتی قابل درک است. سیستم‌های هوش مصنوعی قدرتمند سؤالات واقعی درباره ایمنی، مسئولیت‌پذیری، حریم خصوصی و مالکیت معنوی ایجاد می‌کنند، اما پیامدهای آن برای کاربران روزانه می‌تواند فراتر از انطباق باشد.

چندی پیش، دولت ایالات متحده دسترسی به قدرتمندترین مدل های Anthropic را به دلیل نگرانی در مورد برنامه های امنیتی سایبری آن محدود کرد. این اولین باری بود که مشاغل و سیاستمداران در اروپا مجبور شدند با این واقعیت روبرو شوند که دولت ایالات متحده می تواند به طور موثر دسترسی خارجی ها را به سیستم های هوش مصنوعی آمریکایی قطع کند. پیامدها فراتر از هر LLM است.

برای دانش‌آموزان، این می‌تواند به این معنا باشد که یک ابزار مطالعه برای یک همکلاسی در یک کشور کاملا کار می‌کند در حالی که برای دانش‌آموز دیگری که صد مایل دورتر نشسته است، در دسترس نیست.

اگر سیستم‌های آموزشی به خدمات هوش مصنوعی توسعه‌یافته و کنترل شده در جاهای دیگر وابسته شوند، تغییر در مقررات، استراتژی تجاری یا روابط بین‌الملل می‌تواند در دسترس بودن ابزارهایی که دانش‌آموزان به عنوان بخشی از محیط یادگیری روزمره خود در نظر گرفته‌اند، تحت تأثیر قرار دهد.

در صورت تغییر قوانین هوش مصنوعی، دانش آموزان ممکن است با قرار گرفتن در معرض فوری مواجه شوند

هوش مصنوعی در آموزش به سرعت در حال گسترش است. ابزارهای هوش مصنوعی در تدریس خصوصی، ایجاد محتوا، ارزیابی، کمک مطالعه و یادگیری تعاملی تعبیه شده است. درست مانند هر ابزار دیجیتالی که به طور گسترده پذیرفته شده است، با این حال، وابستگی به یک محصول واحد از یک شرکت، مشکلات بالقوه بزرگی را ایجاد می کند.

با بازگشت به سال 2021، یک قطعی جهانی هرچند مختصر که واتس اپ را تحت تاثیر قرار داد، پیامدهای ویرانگر و گسترده ای داشت، از قطع خدمات پزشکی از راه دور از پناهندگان مهاجر در مکزیک تا اختلال در دامداری در پاکستان. در آن زمان مشخص بود که اتکای بیش از حد به یک پلتفرم فناوری واحد می تواند به طور گسترده بر زندگی مردم در سراسر جهان تأثیر بگذارد.

همین امر در مورد دانش‌آموزانی که از ابزارهای هوش مصنوعی استفاده می‌کنند که به یک مدل تکیه می‌کنند یا در غیر این صورت در برابر تغییرات نظارتی آسیب‌پذیر هستند، صادق است. دانش‌آموزی که هر روز از یک پلتفرم مطالعه مبتنی بر هوش مصنوعی استفاده می‌کند، ممکن است هیچ ایده‌ای نداشته باشد که آیا این سرویس به یک مدل بستگی دارد یا چند مدل. آنها ممکن است ندانند که آیا داده های آنها در سطح محلی یا بین المللی ذخیره شده است. آنها ممکن است ندانند که اگر یک مدل در دسترس نباشد، ارائه دهنده برنامه اضطراری دارد یا خیر.

این موضوع از آنجایی که ابزارهای هوش مصنوعی از راحتی های گاه به گاه به جاسازی شدن در روال مطالعه می روند، اهمیت ویژه ای پیدا می کند. دانش‌آموزی را تصور کنید که برای امتحان آماده می‌شود که ماه‌ها از یک معلم خصوصی هوش مصنوعی برای توضیح مفاهیم و ایجاد سؤالات تمرینی استفاده کرده است. اگر الگوی زیربنایی به طور ناگهانی در کشور آن دانش آموز غیرقابل دسترسی شود، می تواند بر شیوه یادگیری دانش آموز در لحظه حساسی از سفر آموزشی آنها تأثیر بگذارد.

طراحی ابزارهای آموزشی هوش مصنوعی برای تاب آوری

یک پلتفرم آموزشی انعطاف پذیر هوش مصنوعی باید در نظر داشته باشد که وقتی یک مدل خاص به دلیل تغییرات قانونی یا قطعی گسترده از دسترس خارج می شود چه اتفاقی می افتد.

یک رویکرد تنوع مدل است. از آنجایی که مدل‌های مختلف هوش مصنوعی نقاط قوت متفاوتی دارند، یک پلتفرم می‌تواند در نهایت از یک مدل برای نوع خاصی از استدلال، مدل دیگر برای تشخیص کاراکتر نوری و مدل دیگر برای پردازش صدا استفاده کند. بنابراین تنوع مدل معمولا ناشی از نیاز به عملکرد بهتر در هنگام رسیدگی به وظایف آموزشی مختلف است.

مدل‌های متنوع نیز می‌توانند انعطاف‌پذیری را ایجاد کنند. اگر یک مدل در دسترس نباشد، پلتفرمی که از چندین مدل استفاده می‌کند ممکن است بتواند بارهای کاری خاصی را تغییر مسیر دهد. گردش‌های کاری پشتیبان‌گیری می‌تواند یک لایه اضافی از تداوم ایجاد کند، اگرچه جابجایی بین سیستم‌ها می‌تواند زمان بر باشد و گزینه‌های جایگزین ممکن است همیشه قابلیت‌های یکسانی را ارائه ندهند.

رفتن به اتحادیه اروپا (و آینده دانش آموزان و سواد هوش مصنوعی)

به آن اثر بروکسل می گویند. از مقررات پایداری گرفته تا حق مصرف کننده برای تعمیر، اندازه و وزن اقتصادی اتحادیه اروپا اغلب به این معنی است که مقررات درون مرزهای آن اغلب رفتار شرکت را بدون آنها نیز شکل می دهد.

اتخاذ رویکرد اول اتحادیه اروپا برای یک پلتفرم آموزشی هوش مصنوعی به معنای مکان یابی اکثر داده های پلتفرم در اتحادیه اروپا، حمایت از ملاحظات مربوط به حاکمیت داده ها، حریم خصوصی و انطباق با مقررات است. برخی از اتکا به خدمات و زیرساخت های خارج از اروپا ممکن است اجتناب ناپذیر باقی بماند، به ویژه در یک اکوسیستم فناوری که در آن بسیاری از ارائه دهندگان پیشرو هوش مصنوعی در ایالات متحده مستقر هستند.

یک پلت فرم آموزشی که کاملا به یک ارائه دهنده مدل خارجی وابسته است، به طور مؤثر در دسترس بودن و قرار گرفتن آن ارائه دهنده در معرض تغییرات نظارتی را به ارث می برد. پلتفرمی با چندین گزینه مدل و فرآیندهای بازگشتی فضای بیشتری برای انطباق دارد.

شرکت‌های آموزشی هوش مصنوعی با همسو کردن شیوه‌های مدیریت داده آن پلتفرم با سخت‌گیرانه‌ترین مقررات جهانی (که در حال حاضر چارچوب اتحادیه اروپا هستند)، می‌توانند کارهای لازم زیادی را برای حفظ دسترسی دانش‌آموزان خود به ابزارهای هوش مصنوعی مهم انجام دهند.

از طرف دانش‌آموزان، باید فصل جدیدی در مورد سواد هوش مصنوعی در آموزش وجود داشته باشد، که باید شامل درک اساسی از وابستگی به هوش مصنوعی باشد.

دانش‌آموزان باید تشویق شوند که بپرسند کدام سیستم‌های هوش مصنوعی ابزارهایی را که استفاده می‌کنند قدرت می‌دهند. اگر یکی از آن سیستم ها در دسترس نباشد چه اتفاقی می افتد. جایی که داده های آنها ذخیره و پردازش می شود. و ممکن است مقررات در کشور دیگری بر دسترسی آنها تأثیر بگذارد. آنها نیازی به متخصص شدن در زیرساخت های ابری یا سیاست های هوش مصنوعی ندارند، اما باید بدانند که یک برنامه کاربردی هوش مصنوعی بخشی از یک اکوسیستم فناوری گسترده تر است.

دانش‌آموزان در عصر هوش مصنوعی به سیستم‌هایی وابسته هستند که معماری زیربنایی آن‌ها را نمی‌بینند. بنابراین بخش آموزش وظیفه دارد این وابستگی ها را بیشتر نمایان کند و در صورت امکان آنها را کاهش دهد. سواد هوش مصنوعی باید فراتر از دانستن چگونگی ارائه یک مدل یا ارزیابی پاسخ آن باشد. این باید شامل درک این موضوع باشد که هوش مصنوعی از کجا می آید، به چه چیزی بستگی دارد و وقتی دسترسی مختل می شود چه اتفاقی می افتد.

ما بهترین پلتفرم آموزش آنلاین را معرفی کرده ایم..

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit