دانشگاه ها در مورد هوش مصنوعی انتخاب های متفاوتی انجام می دهند. آنها چگونه با مأموریت های عمومی خود هماهنگ خواهند شد؟

ویرایش شده توسط گابی کلارک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

هوش مصنوعی به سرعت از یک فناوری نوظهور به فناوری تبدیل شده است که دانشگاه ها را مجبور به انتخاب های بعدی می کند.

دولت فدرال در حال سرمایه گذاری هنگفتی در تحقیقات دانشگاهی در زمینه هوش مصنوعی است و یک استراتژی سواد هوش مصنوعی را معرفی کرده است که شامل تعهد به دستیابی به 1 میلیون دانش آموز مقطع متوسطه ابتدایی است.

تحقیقات در مورد تغییرات تکنولوژیک در آموزش عالی بارها نشان داده است که دسترسی به فناوری به تنهایی مؤسسات را متحول نمی کند. تحول دیجیتال شامل تغییراتی در فرهنگ سازمانی، توانایی حرفه ای، حکمرانی، زیرساخت و رهبری در کنار پذیرش فناوری است.

همه اینها سؤالات بزرگتری را ایجاد می کند: دانشگاه ها چگونه تعیین می کنند که آمادگی برای هوش مصنوعی به چه معناست؟ دانشگاه ها در رابطه با هوش مصنوعی چه ابتکاراتی در حال توسعه هستند؟ و این تعامل چگونه با مأموریت های دانشگاه ها خواهد بود؟

من به همراه گای لوسک، مدیر اجرایی هاب هاب برای تفکر کارآفرینی در دانشگاه کلگری، بین مارس و ژوئن 2026، یک اسکن سیستماتیک از فعالیت های هوش مصنوعی قابل مشاهده عمومی (AI) در 15 دانشگاه پژوهش فشرده در کانادا انجام دادم.

این تحقیق هنوز مورد بررسی همتایان قرار نگرفته است و هدف از این اسکن ارائه تصویری جامع نیست. این یک نگاه موقت و مقایسه ای در مورد چگونگی و مکان ابتکارات هوش مصنوعی ارائه می دهد. هدف کمک به مردم در مورد چگونگی انتخاب مدل های متمایز از ادغام هوش مصنوعی توسط دانشگاه ها و دعوت به تفکر است.

یافته‌های حاصل از اسکن ما نشان می‌دهد که هیچ مسیر واحدی برای پاسخگویی و پذیرش هوش مصنوعی وجود ندارد. در عوض، دانشگاه‌های کانادا در مورد آموزش، یادگیری، حکمرانی، کارآفرینی و روابط خود با اکوسیستم هوش مصنوعی گسترده‌تر و همچنین آنچه می‌خواهند هوش مصنوعی در چارچوب چشم‌انداز و مأموریت سازمانی خود انجام دهد، انتخاب‌های متفاوتی انجام می‌دهند.

ما 15 وب سایت دانشگاه را بررسی کردیم و همچنین آنها را با استفاده از عبارات و کلمات کلیدی جستجو کردیم. ما 953 طرح ابتکاری هوش مصنوعی مستند شده عمومی را از دانشگاه‌های مورد بحث مرتبط با آموزش، یادگیری دانش‌آموز و سواد هوش مصنوعی، برنامه‌ها و اعتبارنامه‌ها، کارآفرینی، همکاری خارجی، زیرساخت‌ها، رویدادها، بودجه، گروه‌های دانشجویی و حاکمیت نهادی شناسایی کردیم.

سپس مدل‌های سازمانی مختلفی را برای پاسخگویی به هوش مصنوعی و نوآوری با آن، مانند حکومت‌داری و هماهنگی، تئوریزه کردیم. کارآفرینی؛ آموزش و یادگیری – اولین تمرین و مدل های هوش مصنوعی اختصاصی دامنه (به عنوان مثال، آزمایشگاه های خاص در زمینه های مختلف).

اسکن مقایسه ای ما نشان می دهد که برخی از دانشگاه ها بر تحقیقات و مشارکت های خارجی مرتبط با هوش مصنوعی تاکید دارند. دیگران خطوط لوله کارآفرینی قوی ایجاد کرده اند. برخی هماهنگی و حکومت نهادی را در اولویت قرار می دهند. دیگران نوآوری هوش مصنوعی را در دانشکده ها و واحدها توزیع می کنند.

هنوز دیگران بر آموزش، یادگیری حرفه ای و سواد هوش مصنوعی تمرکز کرده اند.

یکی از یافته های قابل توجه اسکن ما به آموزش مربوط می شود. از 953 ابتکار شناسایی شده، تنها 91 - تقریبا 9٪ - به طور صریح ابتکارات آموزشی توسط مربی بودند.

این سزاوار توجه است زیرا مربیان نقش مهمی در اجرای هوش مصنوعی دارند. از آنها خواسته می شود تعیین کنند که چه زمانی هوش مصنوعی از یادگیری پشتیبانی می کند، چه زمانی یادگیری مورد نظر را تضعیف می کند، ارزیابی چگونه باید تغییر کند، استفاده مسئولانه چگونه به نظر می رسد و دانش آموزان قبل از واگذاری وظایف به هوش مصنوعی چه چیزی باید بدانند.

کارهای نوظهور روی سواد هوش مصنوعی به طور فزاینده‌ای بر ارزیابی انتقادی، استدلال اخلاقی و تصمیم‌گیری آگاهانه تأکید می‌کنند تا اینکه صرفا بدانند چگونه سیستم‌های هوش مصنوعی را کار کنند. یونسکو به طور مشابه بر رویکرد انسان محوری برای هوش مصنوعی مولد در آموزش تاکید کرده است که عاملیت انسانی، شمول و مسئولیت پذیری را حفظ می کند.

با این حال، پاسخ سازمانی می‌تواند به راحتی ابزار محور شود: دسترسی به یک پلتفرم هوش مصنوعی را فراهم کنید، دستورالعمل‌ها را منتشر کنید و فرض کنید که سازگاری دنبال خواهد شد.

یافته های ما نشان می دهد که دانشگاه ها ممکن است نیاز به سرمایه گذاری عمدی در ظرفیت انسانی پیرامون هوش مصنوعی داشته باشند که در خود هوش مصنوعی.

تمایز مهم دیگری بین سواد هوش مصنوعی و اعتبارسنجی ظاهر شد. دانشگاه ها در حال توسعه گواهی ها، مدارک خرد، برنامه های درجه و آموزش اجرایی مرتبط با هوش مصنوعی هستند. هشت موسسه از 15 موسسه در حال کسب درآمد از نوعی آموزش هوش مصنوعی بودند.

در همان زمان، موسسات در حال ایجاد منابع رایگان دانشجویی، راهنمای کتابخانه، مواد برای استفاده مسئولانه و سایر پشتیبانی ها برای کمک به مردم برای درک و استفاده از هوش مصنوعی هستند.

اعتبارسنجی می‌پرسد چگونه دانشگاه‌ها فارغ‌التحصیلان و متخصصان را برای بازار کار با واسطه هوش مصنوعی آماده می‌کنند. سواد هوش مصنوعی سوال گسترده تری را مطرح می کند: اعضای یک جامعه دانشگاهی چه چیزی باید در مورد هوش مصنوعی بفهمند تا به طور انتقادی، مسئولانه و موثر با آن درگیر شوند؟

یک موسسه به طور بالقوه می تواند در یکی قوی و در دیگری نسبتا توسعه نیافته باشد.

این تمایز زمانی که دانشگاه‌ها تصمیم می‌گیرند که آیا شایستگی هوش مصنوعی باید در درجه اول به برنامه‌های تخصصی تعلق داشته باشد یا بخشی از قابلیت‌های مورد انتظار فارغ‌التحصیلان در سراسر رشته‌ها باشد، اهمیت فزاینده‌ای پیدا خواهد کرد.

در 15 دانشگاه، اندازه مؤسسه به طور قابل اعتمادی ابتکارات بیشتر، خروجی تحقیقات مرتبط با هوش مصنوعی یا دستاوردهای قابل اثبات در کارآفرینی هوش مصنوعی (که در مواردی مانند پروژه‌های افشا شده، هکاتون‌ها، انکوباتورها، استارت‌آپ‌ها و کمک‌های مالی اندازه‌گیری می‌شود) را پیش‌بینی نمی‌کند. همچنین تمرکز بیشتر حاکمیت هوش مصنوعی انجام نشد.

از آنجایی که دانشگاه ها تعیین می کنند که کدام ارگان های حاکم، دفاتر تحقیقاتی و دفاتر اداری وظیفه هدایت استفاده از هوش مصنوعی و نوآوری، و همچنین تحقیقات و کارآفرینی مرتبط با هوش مصنوعی را بر عهده دارند، بینش در مورد آمادگی سازمانی برای تغییر مهم است. تغییر پایدار بستگی به این دارد که آیا اعضای سازمان تعهدی برای تغییر دارند و معتقدند که ظرفیت جمعی برای اجرای آن را دارند یا خیر.

یکی از محدودیت‌های اسکن ما این است که مقایسه‌های سازمانی صرفا بر اساس تعداد ابتکارات هوش مصنوعی می‌تواند گمراه‌کننده باشد. ظرفیت هوش مصنوعی یک موسسه را نمی توان تنها با نگاه کردن به داخل موسسه درک کرد.

موسسات ملی هوش مصنوعی کانادا - Amii در ادمونتون، میلا در مونترال و موسسه Vector در تورنتو - روابط بین دانشگاه‌ها، محققان، دولت‌ها و صنعت ایجاد می‌کنند. اینها می توانند ظرفیت های سازمانی را فراتر از آنچه در وب سایت دانشگاه نشان می دهد گسترش دهند.

روابط با اکوسیستم های منطقه ای بر دسترسی به تخصص، شبکه های تحقیقاتی، توسعه استعدادها، همکاری صنعتی و تجاری سازی تاثیر می گذارد.

گاهی اوقات این بحث مطرح می شود که تغییرات ایجاد شده توسط هوش مصنوعی اجتناب ناپذیر است، که نیاز به پذیرش سریع هوش مصنوعی و چارچوب های هوش مصنوعی را برای هدایت استفاده نشان می دهد.

احساس فشار حول یک "مسابقه AI" می تواند نشان دهد که هر دانشگاهی در یک "مسیر" است و هوش مصنوعی را به روش های مشابهی اتخاذ می کند و برخی به سادگی جلوتر هستند.

در عوض، یافته‌های ما نشان می‌دهد که راه‌های زیادی برای پذیرش و استفاده از هوش مصنوعی وجود دارد. برای رهبران دانشگاه مهم است که این سؤالات را به دقت بررسی کنند:

کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →

این مقاله از The Conversation تحت مجوز Creative Commons بازنشر شده است. مقاله اصلی را بخوانید.