در عصر هوش مصنوعی، آموزش اصول شبکه مهمتر از پروتکل های یادگیری است

چند هفته پیش در کارگاه آموزشی SIGCOMM 2026 با عنوان تحریک آمیز "آموزش شبکه ای در عصر هوش مصنوعی" شرکت کردم. شاید این عنوان برای بسیاری از مربیان امروزی تحریک کننده نباشد، اما برای من است: من بارها و بارها تردید خود را در مورد هوش مصنوعی در آموزش (و سایر زمینه ها) ابراز کرده ام. من همچنین در اواسط دهه 1980 در یکی دیگر از «عصر هوش مصنوعی» دانش‌آموز بودم، که یکی از چندین «زمستان هوش مصنوعی» دنبال شد، اما البته این امکان تکرار نشد، درست است؟ خوشبختانه کارگاه بسیار بیشتر از آن چیزی بود که عنوان آن نشان می‌داد، و من و لری با انرژی تازه و ایده‌های جدیدی در مورد آنچه که می‌توان به آن اشاره کرد، آمدیم.

هنوز باید برای نسخه 7 ما انجام دهیم. لازم به ذکر است که این رویداد یک رویداد ترکیبی موفق بود، به لطف تلاش جدی برگزار کنندگان و حمایت SIGCOMM برای استفاده از اپراتورهای دوربین حرفه ای و تجهیزات صوتی. برای شرکت در رویدادی در هشت منطقه زمانی دورتر از زنگ بیداری اولیه گریزی نبود، اما حداقل نیازی به پرواز در جایی نداشتم. تعداد زیاد شرکت‌کنندگان از راه دور و تنظیمات با کیفیت بالا تضمین می‌کند که تعاملات هرگز به بحث‌های محلی محدود نمی‌شود (اگرچه من استراحت‌های قهوه را از دست دادم).

من باید بسیاری از چیزهای خوب کارگاه را کنار بگذارم (مخصوصا از آنجایی که فقط در زمان ناهار به آن ملحق شدم) اما توصیه می کنم به مقالات و مصنوعات پذیرفته شده نگاهی بیندازید تا سطح خلاقیت و اشتیاق را که به این مناسبت آورده شده است را درک کنید. قابل ذکر است که مقالات در واقع ارائه نشده اند. در برخی موارد آنها خلاصه می‌شدند یا نقطه‌ای برای بحث ارائه می‌کردند. اما این یک جلسه کاری واقعی بود، نه مجموعه ای از ارائه مقاله. درگیر کردن دانشجویان با طراحی یکی از نکات برجسته برای من، ریاست مشترک یک جلسه میکروفون باز با جیم کوروس بود.

کتاب شبکه‌سازی جیم (که با همکاری کن راس تالیف شده است) پیشرو در زمینه ما است و شبکه‌های رایانه‌ای: رویکرد سیستمی در بهترین حالت یک ثانیه دور. در بحثی در مورد رویکردهای آموزشی مختلف از جمله استفاده از آزمایشگاه‌ها به‌عنوان ابزار آموزشی اولیه، من سؤالی در مورد نقش تکالیف برنامه‌نویسی در پذیرش کتاب درسی پرسیدم، و پاسخ جیم چیزی شبیه به «تمرین‌های برنامه‌نویسی، آزمایشگاه‌های Wireshark و غیره» بود – همه مهم هستند، اما ارزش اسلایدهای پاورپوینت متحرک و زیبا را دست کم نگیرید. این یک یادآوری است که اگر بخواهیم کار بیشتری از نوشتن یک کتاب داریم

برای تدریس در کلاس درس انتخاب شود. یکی از دلایل چالش برانگیز بودن این موضوع این است که هیچکدام از ما برای مدت طولانی با استفاده از کتاب خود تدریس نکرده ایم – در مورد من، تمام تدریس در کلاس من در کلاس های فارغ التحصیل بود که از مقالات سیستمی به جای کتاب درسی به عنوان مطالعه اختصاص داده شده استفاده می کردند. ده ها سخنران در جلسه میکروفون باز حضور داشتند که همگی حرف های ارزشمندی برای گفتن داشتند، اما من چند نکته را که برایم جالب بود را برجسته می کنم. کارن سولینز برخی از تجربیات خود را در مدل‌سازی کلاس‌های سیستم‌های خود بر روی مطالعات موردی دانشکده حقوق به اشتراک گذاشت.

ایده این است که استاد سخنرانی نمی کند، بلکه مقالاتی را به دانش آموزان اختصاص می دهد تا در مورد آنچه در مقالات سیستمی می گذرد صحبت کنند. آنها ممکن است درباره سؤالاتی مانند "چه محدودیت هایی منجر به طراحی این سیستم شده است" یا "چه جایگزین هایی توسط طراحان در نظر گرفته شده است" بحث کنند. این در تضاد با رویکرد سنتی‌تر (که به یاد می‌آورم در زمان تدریس از آن استفاده می‌کردم) است که دانش‌آموزان را در طرح آن‌طور که می‌فهمیدم، به این امید که با بینش‌هایی کنار می‌روند، راه بروند.

این اهمیت درگیر کردن دانش‌آموزان با چالش‌های فرآیند طراحی بارها و بارها مطرح شد و به قلب آنچه در کتاب جدیدمان می‌خواهیم بر آن تاکید کنیم، می‌پردازد. برای مثال، ما نمی‌خواهیم دانش‌آموزان کتاب ما را بخوانند تا نحوه عملکرد TCP را بیاموزند. ما از آنها می‌خواهیم مبادلات ایجاد شده و چالش‌های گسترده‌ای را که هر حمل‌ونقل مطمئن باید با آن مقابله کند، مانند دشواری تخمین دقیق زمان رفت و برگشت و دستیابی به ثبات در یک سیستم کنترل با دانش ناقص از شرایط فعلی، درک کنند.

یکی از روش‌های جذب دانش‌آموزان به طراحی، این است که آنها بدون استفاده از رایانه با مشکلاتی در کلاس برخورد کنند که به عنوان «شبکه بدون برق» توصیف می‌شود. به عنوان مثال، به جفت دانش‌آموزان یک تکه طناب داده می‌شود و از آنها خواسته می‌شود مکانیزمی برای ارسال بیت‌ها در امتداد آن طراحی کنند و آنها را به سمت «کشف» تکنیک‌های رمزگذاری مانند NRZ و اشکال مختلف مدولاسیون هدایت کنند. البته بحث های زیادی در مورد استفاده از هوش مصنوعی در تدریس وجود داشت.

یک دیدگاه مثبت این است که به دلیل در دسترس بودن عوامل کدنویسی هوش مصنوعی برای انجام وظایف پیاده‌سازی، می‌توان به دانش‌آموزان تکالیف بزرگ‌تر و واقعی‌تر ساخت و اندازه‌گیری داده شد. یک مقاله این مورد را ایجاد کرد و آن را با پیشنهادهایی در مورد چگونگی ارزیابی چگونگی یادگیری دانش آموزان از طریق واداشتن آنها به بحث در مورد طرح ترکیب کرد. یادگیری را تست کنید، نه اجرا را.

من همچنان در مورد ارزش استفاده از کد تولید شده توسط LLM در تولید شک دارم، زیرا خطرات ناشی از شناسایی اشکالات سخت و دشواری تعمیر و نگهداری (در میان سایر نگرانی ها) وجود دارد، و تجربه من نشان می دهد که تولید کد بخش کوچکی از سیستم های تولید ساختمان و حمل و نقل است. اما به‌عنوان ابزاری برای کمک به دانش‌آموزان برای مقابله با مشکلات جالب‌تر و پیچیده‌تر شبکه، حاضرم ناباوری را به حالت تعلیق درآورم. همچنین استدلال خوبی برای استفاده از مدل های منبع باز و زیرساخت های تحقیقاتی مشترک وجود دارد، به ویژه با توجه به موقعیت مالی مشکوک غول های مدل هوش مصنوعی.

من مجذوب بحثی در مورد چگونگی تبدیل شدن به یک مربی شبکه‌ای شدم. مشارکت من - با مشاهده و تقلید از کارشناسانی که خوش شانس بودم در MIT با آنها کار کردم یاد گرفتم - برای من کاملا رضایت بخش نبود و من همچنان به این سؤال فکر می کنم. برای یک چیز، من هرگز مجبور نبودم خودم بر دانش آموزان مقطع کارشناسی ارشد نظارت کنم، بنابراین حفره های مشخصی در تجربه من وجود دارد (که در "عصر هوش مصنوعی" در حال رشد هستند).

مصاحبه‌ای که در سال 2020 توسط رئیس SIGCOMM، مت سزار، که سخاوتمندانه من را یک معلم بزرگ می‌خواند، انجام شد، حاوی چند ایده است، اما به نظر می‌رسد این موضوعی است که باید زمان بیشتری روی آن بگذاریم، به‌ویژه وقتی فکر می‌کنیم که چه مطالب اضافی برای همراهی کتاب بعدی‌مان نیاز داریم. چه چیزی در هسته باقی می ماند؟ من و لری به گروهی ملحق شدیم تا در مورد این سؤالات بحث کنیم: "چه چیزی باید در هسته آموزش شبکه باقی بماند؟ کدام موضوعات سنتی را باید حفظ کنیم و در کدام یک تجدید نظر کنیم؟" لری بحث را با مثال محرک QUIC آغاز کرد که به اندازه کافی جدید و پیچیده است

در بسیاری از دوره های مقدماتی شبکه وجود ندارد. موضع او (که من به اشتراک می‌گذارم) این است که دانش‌آموزی که برای اولین بار با QUIC مواجه می‌شود، باید بتواند آن را با ارتباط دادن آن با چیزهای دیگری که قبلا درک کرده‌اند (مانند انتقال قابل اعتماد، کنترل ازدحام، و امنیت سرتاسری) درک کند. و از آن نتیجه می شود که ما باید به دانش آموزان به اندازه کافی در مورد اصول زیربنایی شبکه و معماری سیستم آموزش دهیم تا بتوانند چیز جدیدی را درک کنند و آن را در مدل ذهنی خود جای دهند.

این ما را به مرکزیت درک طراحی سیستم به عنوان یک رشته و نه فقط یادگیری جزئیات مصنوعات موجود برمی گرداند. ما از مصنوعات برای نشان دادن اصول در کار و برجسته کردن چالش‌هایی که از روزهای اولیه شبکه‌سازی وجود داشته است استفاده می‌کنیم. ما همچنین نقش قضاوت را برجسته می‌کنیم: تصمیم‌گیری در مورد چگونگی ایجاد مبادلات خاص با قضاوت در مورد اهمیت نسبی محورهای مختلف که یک سیستم توسط آن‌ها اندازه‌گیری می‌شود (عملکرد، مقیاس‌پذیری، قابلیت اطمینان، تکامل‌پذیری، و غیره).

این به من اجازه داد تا در مورد اعتقادم که آموزش مدل های ذهنی برای آنچه که ما به عنوان مربی باید انجام دهیم، نقش اساسی دارد. من موفق شدم یک بار دیگر از رادنی بروکس در مورد مشکل پایه گذاری نمادها نقل قول کنم. او به این نکته اشاره می‌کند که ربات‌ها نمی‌توانند از LLM‌های ترانسفورماتور مانند برای انجام کارها با اطمینان استفاده کنند، زیرا LLM‌ها در دنیای واقعی اشیاء فیزیکی که ربات‌ها در آن کار می‌کنند، زمینی ندارند. آنها نمادها (کلمات) را مدیریت می کنند اما نمی توانند آن کلمات را به اشیاء واقعی متصل کنند. من معتقدم که این موضوع زمانی که اشیاء مورد نظر شبکه هستند به همان اندازه صادق است.

درک واقعی، مثلا، پروتکل‌های حمل و نقل و ارتباط آن‌ها با امنیت سرتاسری با نحوه نمایش کلمات نوشته شده در مورد پروتکل‌های حمل و نقل معمولا در یک سند یکسان نیست. مطمئنا این با تجربه من از پرسیدن یک LLM در مورد QUIC و ساعت شنی اینترنتی برای بحث قبلی در مورد LLM در آموزش شبکه مطابقت دارد. من در مورد این سوال که چگونه یک مدل ذهنی از شبکه می‌سازیم با چالش مواجه شدم و پاسخ اولیه من - که این مدل در طول سال‌ها تجربه ایجاد شده است - به درستی توسط جیم نیز به چالش کشیده شد.

اگر این انتظار باشد، در یک دوره یک ترم چه چیزی می توانیم آموزش دهیم؟ برای مثالی از یک پروتکل پیچیده معروف، من فکر می‌کنم انتظار اینکه دانش‌آموز بتواند چالش‌های طراحی گسترده‌ای را که توسط پروتکلی مانند BGP حل می‌شود، بیاموزد، منصفانه است، در حالی که انتظار نداریم آنها بتوانند سیاست‌های BGP را برای یک ISP در پایان یک ترم پیکربندی کنند. بنابراین رویکرد ما مدل مشکل/راه‌حل را انتخاب می‌کند، جایی که درک فضای مشکل مهم‌تر از یادگیری آخرین جزئیات پروتکل است که به آن مشکل رسیدگی می‌کند.

و یک ترم از چنین مشکلاتی باید به آنها یک مدل ذهنی قوی برای ساختن در آینده بدهد. همچنین بحث پر جنب و جوشی در مورد اینکه چه اصولی باید آموزش داده شود وجود داشت. ما به ویژه انتزاع را مورد بحث قرار دادیم، که به نظر من پنهان کردن جزئیات در پشت یک رابط یا درون یک مدل است. به عنوان مثال، جیم استفاده از Zoom را برای آموزش برنامه‌های مدرن به دانش‌آموزان پیشنهاد کرده بود، که به طور فزاینده‌ای اتصالات سرتاسر ساده نیستند، بلکه یک سیستم توزیع شده غنی با اجزای قابل توجهی هستند که در مراکز داده ابری زندگی می‌کنند.

(این دقیقا راهی است که ما معماری برنامه را در اوایل نسخه جدید توضیح می دهیم.) یکی از راه های اعمال انتزاع در این مورد، انتزاع کردن جزئیات ارتباط بین مشتری و مرکز داده است. نه به این دلیل که آنها جالب یا بی‌اهمیت هستند، بلکه به این دلیل که اگر هدف شما درک عملکرد یک واحد کنترل چند نقطه‌ای (MCU) است که در یک کنفرانس ویدیویی بزرگ ارائه می‌شود، لازم نیست نگران آنها باشید. در عین حال، ما باید در مورد چگونگی انتزاع کردن جزئیات می تواند منجر به مشکلات بعدی شود، که طراحی اولیه HTTP از طریق TCP نمونه معروف آن است، آموزش دهیم.

شاید حضور سه نویسنده ارشد کتاب درسی در اتاق بود که این کار را انجام داد، اما به نظر می‌رسید که ما چیزی شبیه به اتفاق نظر در مورد چند ایده داشتیم: اصول آموزش و فرآیند طراحی بیشتر از مصنوعات. کمک به دانش آموزان برای ایجاد یک مدل ذهنی قوی از شبکه. و به جای آموزش مجموعه فعلی پروتکل ها، از رویکرد مشکل/راه حل استفاده کنید. واضح است که آموزش شبکه در حال تغییر است و این موضوع برای بسیاری از شرکت‌کنندگان SIGCOMM در سرلوحه ذهن قرار دارد.

این کارگاه هم کمی تأیید می کرد که ما با کتاب خود در مسیر درستی هستیم و هم یادآوری این موضوع که یک کتاب به تنهایی کافی نیست. زمان مناسبی برای تهیه یک کتاب درسی جدید است، اما ما همچنین باید مواد آموزشی دیگری را تهیه کنیم که به جامعه مربیان در این چشم انداز در حال تغییر کمک کند. صحبت از رادنی بروکس ... ... قطعه جدید او در مورد مقیاس های زمانی برای استقرار فناوری از تجربه خود او در زمینه هوش مصنوعی است که به دهه 1980 باز می گردد.

او سابقه خوبی در پیش بینی میزان استقرار فناوری جدید دارد (و پادزهر خوبی برای هیاهوی فعلی برای هوش مصنوعی ارائه می دهد). مقاله هشیارکننده دیگری که نشان می دهد هوش مصنوعی ممکن است توانایی دانش آموزان را برای یادگیری مختل کند. بسیار مرتبط با بحث های کارگاه. می‌توانید تمام سخنرانی‌های SIGCOMM را در YouTube بیابید، و یک مکان خوب برای شروع، سخنرانی اصلی والتر ویلینگر برنده جایزه SIGCOMM است. ما برخی از نگرانی های او را در مورد مدل های هوش مصنوعی به اشتراک می گذاریم و از طرفداران بزرگ کار او در مدل سازی ترافیک هستیم.

® لری پترسون و بروس دیوی نویسندگان شبکه های کامپیوتری: رویکرد سیستمی و مجموعه کتاب های مرتبط با رویکرد سیستمی هستند. تمام محتوای آنها منبع باز است و به صورت رایگان در GitHub در دسترس است. شما می توانید آنها را در Mastodon، خبرنامه آنها در اینجا، و از ستون های The Register در اینجا بیابید.