نبرد دولت‌ها سر «حاکمیت هوش مصنوعی»؛ درسی تلخ و زنگ خطری جدی برای دانش‌آموزان!

بحث‌ها و جنجال‌های مربوط به «حاکمیت هوش مصنوعی» شاید این روز‌ها بیش‌تر در راهروهای دولت‌ها، اتاق جلسات مدیران ارشد و تیتر یک رسانه‌های دنیا جریان داشته باشد، اما واقعیت این است که این گفتگوها کیلومترها دور‌تر از کسانی پیش می‌رود که هر روز برای کار‌های روزمره خود به هوش مصنوعی وابسته هستند.

یادداشتی تحلیلی از مدیر ارشد عملیات پلتفرم آموزشی Studocu نشان می‌دهد که تبعات این کشمکش‌های ژئوپلیتیک دقیقاً تا چه اندازه می‌تواند روی زندگی واقعی کاربران اثر بگذارد.

در حالی که دولت‌ها سرگرم بحث درباره مقررات هستند و غول‌های فناوری به این فکر می‌کنند که مدل‌هایشان را کجا بسازند و سرورهایشان را کجا میزبانی کنند، بنیان‌گذاران و سرمایه‌گذاران هم خطرات ژئوپلیتیک، زیرساخت‌ها و دسترسی به توان پردازشی را چرتکه می‌اندازند. در این میان، رگولاتورها در تلاش‌اند شیوه توسعه و استقرار سیستم‌های هوش مصنوعی را تعیین کنند. اما برای افرادی مثل دانش‌آموزان و دانشجویان که هر روز با این فناوری سر و کار دارند، هرگونه تغییر در حاکمیت و قوانین هوش مصنوعی می‌تواند به معنای در دسترس ماندن یا پریدن همیشگی ابزار‌های مورد اعتمادشان باشد.

دانش‌آموزان امروز تا حد زیادی به هوش مصنوعی وابسته شده‌اند، اما تقریباً هیچ دیدی نسبت به تصمیمات سیاستی و زیرساخت‌هایی ندارند که بقای این ابزار‌ها را تضمین می‌کنند. همین موضوع باعث شده بحث حاکمیت دیجیتال عملاً به یک سد بزرگ و غیرقابل‌انکار در مسیر دسترسی نسل جدید به آموزش تبدیل شود.

سایه سنگین حاکمیت دیجیتال بر دسترسی به ابزار‌های هوش مصنوعی

اتحادیه اروپا سال‌هاست که سابقه‌ای طولانی در وابستگی به فناوری‌ها و زیرساخت‌های خارج از این بلوک اقتصادی و سیاسی دارد. جالب است بدانید بیش از ۸۰ درصد فناوری‌های مورد استفاده در اروپا و حدود ۷۰ درصد از رایانش ابری آن از کشور‌هایی خارج از اتحادیه تأمین می‌شود. با ورود طوفانی هوش مصنوعی، این وابستگی به مراتب بیش‌تر هم شده است؛ چرا که بخش اعظم زیرساخت‌های محاسباتی هوش مصنوعی جهان در انحصار ایالات متحده و چین قرار دارد.

امسال اروپا گام‌های بلندی برای قانون‌گذاری هوش مصنوعی برداشت؛ اقدامی که به‌طور طبیعی به معنای اعمال قانون بر شرکت‌های غول‌پیکر خارجی است. اما این نوع سخت‌گیری‌ها به‌راحتی می‌تواند تعیین کند که چه خدماتی در دسترس دانش‌آموزان باقی می‌ماند و چه ابزار‌هایی مسدود می‌شوند. البته هدف رگولاتورها کاملاً قابل‌درک است؛ سیستم‌های قدرتمند هوش مصنوعی نگرانی‌های جدی درباره ایمنی، پاسخگویی، حریم خصوصی و مالکیت فکری ایجاد می‌کنند، اما ترکش‌های این مقررات برای کاربران عادی فراتر از یک انطباق قانونی ساده است.

همین چند وقت پیش بود که دولت ایالات متحده به بهانه نگرانی‌های امنیتی در زمینه سایبری، دسترسی به قدرتمندترین مدل‌های شرکت آنتروپیک (Anthropic) را محدود کرد. این اتفاق برای کسب‌وکارها و سیاستمداران اروپایی یک شوک واقعی بود؛ لحظه‌ای که برای اولین بار چشم در چشم این واقعیت تلخ قرار گرفتند که دولت آمریکا می‌تواند تنها با یک امضا، دسترسی خارجی‌ها به سیستم‌های پیشرفته هوش مصنوعی آمریکایی را قطع کند. پیامدهای چنین اقدامی البته فراتر از یک مدل زبانی خاص است.

برای دانش‌آموزان، چنین سناریویی یعنی ممکن است یک ابزار کمکی برای همکلاسی‌شان در یک کشور بدون مشکل کار کند، اما برای دانش‌آموز دیگری در چند صد کیلومتر آن‌طرف‌تر کاملاً از کار بیفتد!

اگر سیستم‌های آموزشی به سرویس‌های هوش مصنوعی توسعه‌یافته و تحت کنترل دیگران وابسته شوند، هر تغییر کوچکی در قوانین، استراتژی‌های تجاری یا روابط بین‌الملل می‌تواند در یک چشم‌به‌هم‌زدن ابزار‌هایی را از دسترس خارج کند که دانش‌آموزان به عنوان بخشی جدایی‌ناپذیر از درس و تحصیل خود روی آن‌ها حساب باز کرده‌اند.

نفوذ هوش مصنوعی در آموزش با سرعتی سرسام‌آور در حال رشد است. این روز‌ها ابزار‌های هوش مصنوعی در تدریس خصوصی، تولید محتوا، آزمون‌گیری، کمک به مطالعه و یادگیری تعاملی جا خوش کرده‌اند. با این حال، درست مثل هر ابزار دیجیتال فراگیر دیگری، اتکای کامل به یک محصول واحد از یک شرکت مشخص می‌تواند دردسرهای عظیمی به بار بیاورد.

اگر به سال ۲۰۲۱ برگردیم، قطعی کوتاه اما جهانی واتس‌اپ پیامدهای فاجعه‌بار و گسترده‌ای داشت؛ از قطع خدمات حیاتی پزشکی از راه دور برای پناهندگان در مکزیک گرفته تا مختل شدن دامداری‌ها در پاکستان. آن زمان به وضوح مشخص شد که وابستگی بیش از حد به یک پلتفرم فناوری واحد چطور می‌تواند زندگی مردم در سراسر دنیا را به هم بریزد.

همین ماجرا برای دانش‌آموزانی که از ابزار‌های هوش مصنوعی وابسته به یک مدل مشخص استفاده می‌کنند هم صادق است. دانش‌آموزی که هر روز با یک پلتفرم مطالعه مبتنی بر هوش مصنوعی کار می‌کند، احتمالاً اصلاً خبر ندارد این سرویس به یک مدل زبانی وابسته است یا چندین مدل؛ نمی‌داند داده‌هایش به‌صورت محلی ذخیره می‌شود یا در آن سوی آب‌ها؛ و حتی روحش هم خبر ندارد که در صورت قطع دسترسی به آن مدل، شرکت ارائه‌دهنده پلن جایگزینی (Plan B) دارد یا خیر.

این مسئله زمانی بحرانی‌تر می‌شود که ابزار‌های هوش مصنوعی از یک تسهیل‌کننده ساده به عادتی روزمره در درس خواندن تبدیل می‌شوند. دانش‌آموزی را تصور کنید که در بحبوحه آمادگی برای کنکور یا امتحانات نهایی، ماه‌ها با یک معلم خصوصی مبتنی بر هوش مصنوعی درس خوانده، مفاهیم را یاد گرفته و نمونه سؤال حل کرده است. اگر مدل اصلی این سیستم ناگهان در کشور او از دسترس خارج شود، کل روند یادگیری‌اش درست در حساس‌ترین نقطه زندگی تحصیلی از هم می‌پاشد.

طراحی ابزار‌های آموزشی هوش مصنوعی با رویکرد پایداری و تاب‌آوری

یک پلتفرم آموزشی هوش مصنوعی پایدار و تاب‌آور باید از همان ابتدا سناریوهایی را در نظر بگیرد که اگر یک مدل خاص به دلیل تغییر قوانین یا قطعی گسترده از کار افتاد، چه اتفاقی خواهد افتاد.

یکی از راه‌حل‌های کلیدی، تنوع‌بخشی به مدل‌ها (Model Diversity) است. از آنجا که مدل‌های مختلف هوش مصنوعی هر کدام در زمینه‌ای تخصص دارند، یک پلتفرم می‌تواند برای استدلال از یک مدل، برای نویسه‌خوان نوری (OCR) از مدلی دیگر و برای پردازش صوت از مدلی مجزا استفاده کند. این تنوع در استفاده از مدل‌ها معمولاً با هدف دستیابی به بهترین عملکرد در تسک‌های مختلف آموزشی انجام می‌شود.

تنوع در مدل‌ها علاوه بر کارایی، تاب‌آوری سیستم را هم به شدت بالا می‌برد. اگر یک مدل از دسترس خارج شود، پلتفرمی که به چند مدل مختلف متصل است می‌تواند بار کاری را به سرعت به گزینه‌های دیگر منتقل کند. ایجاد مسیرهای پشتیبان (Backup Workflows) لایه‌ای از تداوم خدمات را فراهم می‌کند؛ هرچند جابه‌جایی میان سیستم‌ها ممکن است زمان‌بر باشد و گزینه‌های جایگزین همیشه کیفیتی کاملاً مشابه مدل اصلی ارائه ندهند.

رویکرد «اول اروپا» و ضرورت بازتعریف سواد هوش مصنوعی

در دنیای سیاست و حقوق اصطلاحی به نام «اثر بروکسل» (Brussels Effect) وجود دارد. از مقررات پایداری محیط‌زیست گرفته تا حق تعمیر برای مصرف‌کنندگان، ابعاد و وزن اقتصادی اتحادیه اروپا باعث می‌شود قوانینی که درون مرزهای آن وضع می‌شوند، رفتار شرکت‌ها را حتی در خارج از اروپا هم شکل دهند.

اتخاذ رویکرد «اول اروپا» (EU-first) برای یک پلتفرم آموزشی هوش مصنوعی به این معناست که بخش اعظم داده‌های پلتفرم در داخل مرزهای اتحادیه اروپا میزبانی شود تا مسائلی مثل حاکمیت داده، حریم خصوصی و انطباق با قوانین حل و فصل گردد. با این حال، در اکوسیستمی که دفتر مرکزی اکثر غول‌های هوش مصنوعی در خاک آمریکا قرار دارد، مقداری وابستگی به خدمات و زیرساخت‌های خارج از اروپا کماکان اجتناب‌ناپذیر خواهد بود.

پلتفرم آموزشی که تمام تخم‌مرغ‌هایش را در سبد یک ارائه‌دهنده خارجی مدل می‌گذارد، عملاً هرگونه نوسان دسترسی و تغییر مقررات آن ارائه‌دهنده را به ارث می‌برد. در نقطه مقابل، پلتفرمی که چندین گزینه و مسیر جایگزین برای مدل‌ها پیش‌بینی کرده باشد، فضای مانور و انعطاف‌پذیری به مراتب بیشتری خواهد داشت.

شرکت‌های فناوری آموزشی با همگام‌سازی شیوه مدیریت داده‌های خود با سخت‌گیرانه‌ترین استانداردهای جهانی (که در حال حاضر چارچوب‌های اتحادیه اروپاست)، می‌توانند تا حد زیادی دسترسی پایدار دانش‌آموزان به ابزار‌های حیاتی یادگیری را تضمین کنند.

اما در سمت دانش‌آموزان هم باید فصل جدیدی برای «سواد هوش مصنوعی» در آموزش باز شود؛ فصلی که درک پایه‌ای از وابستگی به سیستم‌های هوش مصنوعی را در بر بگیرد.

باید دانش‌آموزان را تشویق کرد تا بپرسند چه سیستمی به این ابزار قدرت می‌دهد؟ اگر یکی از این سرویس‌ها از کار بیفتد چه می‌شود؟ داده‌های من کجا ذخیره و پردازش می‌شوند؟ و آیا تغییر قوانین در یک کشور دیگر می‌تواند دسترسی مرا قطع کند؟ نیازی نیست دانش‌آموزان متخصص زیرساخت‌های ابری یا سیاست‌گذاری هوش مصنوعی شوند، اما لازم است درک کنند یک اپلیکیشن هوش مصنوعی، تکه‌ای از یک پازل تکنولوژیک بسیار بزرگ‌تر است.

دانش‌آموزان عصر جدید به سیستم‌هایی متکی خواهند شد که معماری زیرین آن‌ها را نمی‌بینند. بنابراین بخش آموزش وظیفه دارد این وابستگی‌ها را شفاف‌تر کرده و خطرات آن را به حداقل برساند. سواد هوش مصنوعی باید فراتر از یاد گرفتن چند پرامپت یا ارزیابی پاسخ‌های چت‌بات برود؛ این سواد باید شامل درک این نکته باشد که هوش مصنوعی اصلاً از کجا می‌آید، به چه چیز‌هایی وابسته است و اگر روزی اتصالات آن قطع شد، دقیقاً چه باید کرد.