آموزش شبکه در عصر هوش مصنوعی؛ چرا درک اصول طراحی مهم‌تر از حفظ پروتکل‌ها است؟

چندی پیش رویداد کارگاه آموزشی SIGCOMM 2026 با عنوانی تأمل‌برانگیز برگزار شد: «آموزش شبکه در عصر هوش مصنوعی».

شاید چنین عنوانی امروز برای بیشتر مدرسان چالش‌برانگیز نباشد، اما برای صاحب‌نظران باسابقه این حوزه جای تأمل فراوان دارد؛ چهره‌ای مانند بروس دیوی همواره تردیدهای جدی خود درباره استفاده از هوش مصنوعی در آموزش (و سایر حوزه‌ها) را مطرح کرده است. دوران دانشجویی او در اواسط دهه ۱۹۸۰ با یکی دیگر از موج‌های به‌اصطلاح «عصر هوش مصنوعی» هم‌زمان بود؛ دوره‌ای که پس از آن یکی از زمستان‌های مشهور هوش مصنوعی رقم خورد. بااین‌حال، مباحث مطرح‌شده در این کارگاه بسیار فراتر از عنوان آن بود و ایده‌های تازه‌ای برای بازنگری در شیوه آموزش مفاهیم شبکه در ویرایش جدید کتاب‌های مرجع به‌همراه داشت.

این همایش به لطف تلاش برگزارکنندگان و حمایت SIGCOMM در استفاده از تجهیزات حرفه‌ای تصویربرداری و صدا، به یک رویداد هیبریدی بسیار موفق تبدیل شد. هرچند هماهنگی با رویدادی در فاصله هشت منطقه زمانی مختلف سختی‌های خاص خود را داشت، اما امکان مشارکت از راه دور بدون نیاز به پرواز و سفرهای طولانی فراهم بود. حضور پرتعداد شرکت‌کنندگان آنلاین و کیفیت بالای زیرساخت فنی مانع از آن شد که گفت‌وگوها صرفاً به حاضران فیزیکی محدود شود.

نگاهی به مقالات پذیرفته‌شده و دستاوردهای این کارگاه، خلاقیت و شوروشوق شرکت‌کنندگان را به‌خوبی نشان می‌دهد. نکته جالب‌توجه این بود که مقالات علمی صرفاً به‌صورت سنتی ارائه نشدند؛ بلکه در بسیاری از بخش‌ها تنها خلاصه‌ای از آن‌ها مطرح شد تا نقطه‌شروعی برای بحث‌های چالشی و تعاملی باشد. در واقع، این نشست یک کارگاه عملی واقعی برای همفکری بود، نه صرفاً سلسله‌ای از ارائه‌های یک‌طرفه دانشگاهی.

درگیر کردن دانشجویان با چالش‌های طراحی سیستم

یکی از بخش‌های جذاب این همایش، میزبانی مشترک نشست آزاد با حضور جیم کوروس (Jim Kurose) بود. کتاب مرجع شبکه‌های کامپیوتری جیم کوروس (تألیف مشترک با کِن راس) بی‌تردید پیشگام این حوزه است و کتاب رویکرد سیستم‌ها به شبکه‌های کامپیوتری با فاصله‌ای محسوس در جایگاه بعدی قرار دارد. در جریان گفت‌وگو پیرامون رویکردهای مختلف تدریس و استفاده از آزمایشگاه‌ها به‌عنوان ابزار اصلی آموزش، این سؤال مطرح شد که تمرین‌های برنامه‌نویسی تا چه حد در پذیرش یک کتاب درسی مؤثرند؛ جیم در پاسخ با شوخ‌طبعی نکته جالبی را یادآور شد: «تمرین‌های برنامه‌نویسی و آزمایش‌های نرم‌افزار وایرشارک همگی مهم هستند، اما هرگز ارزش اسلایدهای آموزشی جذاب، متحرک و خوش‌ساخت پاورپوینت را دست‌کم نگیرید!»

این یادآوری نشان می‌دهد برای آنکه یک منبع آموزشی برای تدریس در کلاس‌های درس انتخاب شود، صرفاً نگارش کتاب کافی نیست و باید ابزارهای مکمل متنوعی فراهم ساخت. یکی از چالش‌های نویسندگان این کتاب‌ها در سال‌های اخیر این بوده که در دوره‌های تحصیلات تکمیلی، بیشتر بر مقالات تخصصی سیستم‌ها تکیه شده است تا تدریس مستقیم از روی کتاب‌های درسی پایه.

در این نشست، اساتید متعددی به بیان دیدگاه‌های خود پرداختند. کارن سالینز (Karen Sollins) از تجربه جالب خود در الگوبرداری از روش مطالعه موردی (Case Study) دانشکده‌های حقوق در کلاس‌های مهندسی سیستم سخن گفت. در این شیوه، استاد دیگر متکلم‌وحده نیست و سخنرانی طولانی ارائه نمی‌دهد، بلکه با تعیین مقالات تخصصی، دانشجویان را وادار می‌کند درباره ریشه‌ها و ابعاد فنی مطرح‌شده در مقالات سیستم به بحث و تبادل‌نظر بپردازند.

در این جلسات، سؤالاتی چون «چه محدودیت‌هایی طراحان را به این معماری خاص رسانده است؟» یا «چه گزینه‌ها و راهکارهای جایگزینی از سوی طراحان بررسی شده بود؟» محور گفت‌وگو قرار می‌گیرد. این رویکرد تعاملی تفاوت چشمگیری با روش سنتی دارد که در آن استاد صرفاً جزئیات معماری را آن‌طور که خودش درک کرده بود روی تخته تشریح می‌کرد، با این امید که دانشجویان نکاتی از آن بیاموزند.

اهمیت درگیر کردن دانشجویان با چالش‌های فرآیند طراحی، نکته‌ای بود که بارها در طول کارگاه تکرار شد و دقیقاً هسته اصلی رویکرد جدید در آموزش شبکه را تشکیل می‌دهد. برای نمونه، هدف صرفاً این نیست که دانشجو نحوه عملکرد پروتکل TCP را حفظ کند؛ بلکه باید سازش‌ها و موازنه‌های مهندسی (Trade-offs) و چالش‌های بنیادینی را درک کند که هر پروتکل انتقال مطمئن داده با آن‌ها دست‌به‌گریبان است؛ مسائلی مانند دشواری تخمین دقیق زمان رفت‌وبرگشت بسته (RTT) یا برقراری پایداری در یک سیستم کنترلی با وجود اطلاعات ناقص از وضعیت لحظه‌ای شبکه.

یکی از روش‌های خلاقانه برای آشنایی عمیق دانشجویان با مفاهیم طراحی، حل مسئله در کلاس بدون استفاده از کامپیوتر است؛ ایده‌ای که با عنوان «شبکه بدون برق» (Networking Unplugged) شناخته می‌شود. در این تمرین، به هر دو دانشجو تکه‌ای طناب داده می‌شود و از آن‌ها می‌خواهند سازوکاری برای ارسال بیت‌ها روی طناب طراحی کنند. این کار تجربی باعث می‌شود دانشجویان شخصاً روش‌های کدگذاری مانند NRZ و انواع مدولاسیون را در عمل کشف کنند.

طبیعتاً بخش عمده‌ای از گفت‌وگوها به کاربرد هوش مصنوعی در تدریس اختصاص داشت. یکی از دیدگاه‌های خوش‌بینانه این است که با حضور ایجنت‌های کدنویسی هوش مصنوعی برای انجام وظایف پیاده‌سازی و کدنویسی، می‌توان پروژه‌های بسیار بزرگ‌تر و واقعی‌تری در زمینه ساخت و سنجش سیستم‌ها به دانشجویان واگذار کرد. یکی از مقالات کارگاه با دفاع از این رویکرد پیشنهاد می‌کند که برای سنجش یادگیری واقعی دانشجویان، به‌جای بررسی خطوط کد، توانایی آن‌ها در تحلیل و دفاع از معماری و طراحی سیستم ارزیابی شود.

پیام کلیدی این روش خلاصه می‌شود در یک جمله: «یادگیری را بیازمایید، نه کدنویسی را». کارشناسان باسابقه همچنان درباره اتکای بی چون‌وچرا به کدهای تولیدشده با مدل‌های زبانی بزرگ در محیط‌های عملیاتی و پروداکشن به‌شدت مردد هستند؛ چراکه باگ‌های پنهان، خطرات امنیتی و دشواری نگهداری کدها چالش بزرگی است و تولید کد تنها بخش کوچکی از چرخه پیاده‌سازی و عرضه یک سیستم واقعی به شمار می‌رود. بااین‌حال، به‌عنوان ابزاری کمکی که به دانشجو امکان می‌دهد به سراغ مسائل پیچیده‌تر و جذاب‌تر شبکه برود، هوش مصنوعی می‌تواند مفید باشد. همچنین با توجه به اوضاع مالی نه‌چندان پایدار غول‌های تولیدکننده مدل‌های هوش مصنوعی، استدلال‌های محکمی به نفع به‌کارگیری مدل‌های متن‌باز و زیرساخت‌های پژوهشی مشترک وجود دارد.

یکی دیگر از بحث‌های قابل‌توجه، چگونگی تربیت مدرسان متخصص شبکه بود. بسیاری از صاحب‌نظران این حوزه مهارت‌های خود را نه با آموزش‌های رسمی دانشگاهی، بلکه با مشاهده و الگوبرداری از نخبگان پیشین در مراکزی چون MIT فراگرفته‌اند؛ اما در «عصر هوش مصنوعی» این شیوه سنتی دیگر پاسخگوی تمام نیازها نیست. مت سزار (Matt Caesar)، رئیس سابق SIGCOMM، در مصاحبه‌ای در سال ۲۰۲۰ به ابعادی از این موضوع اشاره کرده بود، اما بازنگری در مهارت‌های تدریس و آماده‌سازی محتواهای آموزشی جدید همگام با تحولات روز، نیازمند سرمایه‌گذاری و وقت بسیار بیشتری است.

چه مفاهیمی هسته اصلی آموزش شبکه باقی می‌مانند؟

در یکی از کارگروه‌های تخصصی، سؤالی اساسی به بحث گذاشته شد: «چه مباحثی باید در کانون آموزش شبکه باقی بمانند؟ کدام سرفصل‌های سنتی را باید حفظ کرد و در کدام‌یک تجدیدنظر کنیم؟» لری پیترسون این بحث را با مثالی ملموس از پروتکل QUIC آغاز کرد؛ پروتکلی نوین و به اندازه کافی پیچیده که هنوز در بسیاری از دوره‌های مقدماتی آموزش شبکه غایب است.

دیدگاه مدرسان باسابقه این است که وقتی دانشجو برای اولین‌بار با پروتکلی مانند QUIC مواجه می‌شود، باید بتواند با پیوند زدن آن به مفاهیم پایه‌ای که قبلاً آموخته است (همچون ارسال مطمئن داده، کنترل ازدحام و امنیت سرتاسری)، منطق آن را درک کند. در نتیجه، باید اصول بنیادین معماری شبکه را به‌گونه‌ای آموزش داد که دانشجو بتواند هر پدیده یا پروتکل جدیدی را تحلیل کرده و در مدل ذهنی خود جای دهد.

این رویکرد نشان می‌دهد درک «طراحی سیستم» به‌عنوان یک دیسیپلین مهندسی، اهمیت بسیار بیشتری نسبت به حفظ کردن جزئیات ابزارها و پروتکل‌های فعلی دارد. ابزارها و پروتکل‌های موجود صرفاً نمونه‌هایی برای نمایش اصول حاکم بر شبکه و بازتاب چالش‌هایی هستند که از روزهای آغازین این فناوری پابرجا بوده‌اند. همچنین باید مهارت «قضاوت مهندسی» را به دانشجویان یاد داد؛ یعنی هنر برقراری تعادل و سازش میان معیارهای گوناگون عملکرد، مقیاس‌پذیری، قابلیت اطمینان و امکان تکامل در طراحی یک سیستم.

اینجا دقیقاً نقطه‌ای است که ارزش آموزش «مدل‌های ذهنی» آشکار می‌شود. رادنی بروکز (Rodney Brooks)، از پیشگامان رباتیک و هوش مصنوعی، همواره به مسئله مشهور «پیوند نماد به واقعیت» (Symbol-Grounding Problem) اشاره می‌کند. به عقیده او، ربات‌ها نمی‌توانند برای انجام وظایف قابل‌اطمینان صرفاً به مدل‌های زبانی بزرگ متکی باشند؛ زیرا این مدل‌ها شناختی از جهان فیزیکی ندارند. مدل‌های زبانی کلمات و نمادها را پردازش می‌کنند، اما توانایی اتصال این نمادها به اشیای واقعی دنیای فیزیکی را ندارند.

این محدودیت دقیقاً در دنیای شبکه‌های کامپیوتری نیز صادق است. درک عمیق از پروتکل‌های انتقال و رابطه آن‌ها با امنیت سرتاسری، فراتر از چیدن کلماتی است که در اسناد و متون فنی تکرار می‌شوند. هوش مصنوعی صرفاً واژه‌ها را ردیف می‌کند، درحالی‌که آزمودن مدل‌های زبانی پیرامون موضوعاتی مانند پروتکل QUIC و مدل ساعت‌شنی اینترنت در بحث‌های پیشین درباره هوش مصنوعی در آموزش شبکه نشان داد این ابزارها بدون درک بنیادین، دچار توهم و خطاهای مفهومی می‌شوند.

البته این پرسش مهم مطرح است که چگونه می‌توان چنین مدل ذهنی عمیقی را به دانشجو آموزش داد؟ این تصور که مدل ذهنی تنها در طول سال‌ها تجربه کاری شکل می‌گیرد، از سوی جیم کوروس به چالش کشیده شد؛ چراکه اگر قرار باشد همه چیز به تجربه سالیان موکول شود، در یک ترم دانشگاهی چه چیزی می‌توان آموخت؟ برای مثال، درباره پروتکل بسیار پیچیده‌ای مانند BGP، منطقی است که از دانشجو انتظار داشته باشیم چالش‌های کلان طراحی پروتکل را درک کند، نه اینکه در پایان یک ترم دانشگاهی از او بخواهیم سیاست‌های پیچیده مسیریابی BGP را برای یک ارائه‌دهنده خدمات اینترنت (ISP) پیکربندی نماید.

از این رو، مناسب‌ترین الگو برای آموزش، مدل «مسئله و راه‌حل» است؛ شیوه‌ای که در آن درک ماهیت مسئله و چالش‌های مهندسی بسیار مهم‌تر از حفظ کردن بندبند جزئیات یک پروتکل خاص به شمار می‌رود. دست‌وپنجه نرم کردن با چنین مسائلی در طول یک ترم تحصیلی، پایه مدل ذهنی محکمی می‌سازد که دانشجو در آینده شغلی خود می‌تواند روی آن تکیه کند.

در این میان، بحث‌های داغی پیرامون اینکه «کدام اصول» باید تدریس شوند نیز شکل گرفت. مفهوم «انتزاع» (Abstraction) یا پنهان‌سازی جزئیات در پس یک رابط کاربری، یکی از این محورها بود. به‌عنوان نمونه، جیم کوروس پیشنهاد داد برای تدریس برنامه‌های مدرن از پلتفرم زوم (Zoom) استفاده شود؛ برنامه‌هایی که دیگر ارتباطات ساده نقطه‌به‌نقطه نیستند، بلکه سیستم‌های توزیع‌شده عظیمی هستند که بخش عمده زیرساخت آن‌ها در دیتاسنترهای ابری میزبانی می‌شود.

در این سناریو، می‌توان برای درک سازوکار واحد کنترل چندنقطه‌ای (MCU) در پردازش کنفرانس‌های ویدیویی بزرگ، جزئیات ارتباط کاربر با دیتاسنتر را در لایه انتزاع پنهان ساخت. بااین‌حال، باید به دانشجویان گوشزد کرد که انتزاع افراطی و نادیده گرفتن جزئیات نیز پیامدهای ناگواری دارد؛ نمونه کلاسیک آن در طراحی اولیه پروتکل HTTP روی بستر TCP رخ داد و ناکارآمدی‌های لایه‌ای را آشکار ساخت.

حضور نویسندگان برجسته کتاب‌های مرجع شبکه در این جلسه باعث شکل‌گیری اجماعی مشترک شد: تمرکز بر آموزش اصول بنیادین و فرآیند طراحی به‌جای جزئیات پروتکل‌ها، کمک به دانشجویان برای ساختن مدل ذهنی قدرتمند، و به‌کارگیری رویکرد مسئله‌محور به‌جای آموزش صرف پروتکل‌های فعلی.

تحول بنیادین در آموزش شبکه امری اجتناب‌ناپذیر است و ذهن بسیاری از پژوهشگران و اساتید کنفرانس SIGCOMM را به خود مشغول ساخته است. هرچند تدوین کتاب‌های درسی جدید ضروری است، اما چاپ کتاب به‌تنهایی کافی نخواهد بود و باید ابزارها و منابع آموزشی نوینی در اختیار جامعه مدرسان قرار گیرد تا با شرایط این عصر دگرگون‌شده هماهنگ شوند.

نگاهی دوباره به دیدگاه‌های رادنی بروکز درباره هوش مصنوعی

رادنی بروکز در مقاله تحلیلی جدید خود درباره مقیاس‌های زمانی توسعه و استقرار فناوری، تجربیات دست‌اول خود در حوزه هوش مصنوعی از دهه ۱۹۸۰ تاکنون را مرور کرده است. او پیشینه درخشانی در پیش‌بینی واقع‌گرایانه سرعت فراگیری فناوری‌های نو دارد و دیدگاه‌های او پادزهری مؤثر در برابر موج خوش‌خیالی و هایپ بیش‌ازحد پیرامون هوش مصنوعی به شمار می‌رود.

همچنین یک مقاله پژوهشی تأمل‌برانگیز دیگر نشان می‌دهد اتکای کنترل‌نشده به هوش مصنوعی ممکن است مانع یادگیری عمیق دانشجویان شود و توانایی حل مسئله آن‌ها را تضعیف کند؛ یافته‌ای که کاملاً با مباحث و هشدارهای کارگاه SIGCOMM هم‌راستاست.

ویدیوهای تمام ارائه‌های کنفرانس SIGCOMM در یوتیوب در دسترس قرار گرفته و سخنرانی والتر ویلینگر (Walter Willinger)، برنده جایزه ویژه SIGCOMM، نقطه آغازی عالی برای بررسی این موضوع است؛ پژوهشگری صاحب‌نام در مدل‌سازی ترافیک شبکه که نگرانی‌های مشترکی را درباره محدودیت‌های مدل‌های هوش مصنوعی مطرح کرده است.

لری پیترسون و بروس دیوی مؤلفان کتاب مرجع شبکه‌های کامپیوتری: رویکرد سیستم‌ها و مجموعه آثار رویکرد سیستم‌ها هستند. تمامی محتواها و منابع این مجموعه به‌صورت متن‌باز و رایگان در گیت‌هاب و شبکه ماستودون در دسترس علاقه‌مندان قرار دارد.