به گزارش خبرنگار علم و فناوری ایسکانیوز؛ دانشگاه استنفورد با اختصاص بودجه‌ای ۱۰ میلیون دلاری از سوی رئیس دانشگاه، طرحی را برای بازنگری در رشته‌های کارشناسی و انطباق برنامه‌های آموزشی با تحولات عصر هوش مصنوعی آغاز کرده است. این طرح با هدف بازطراحی محتوای دروس، شیوه‌های ارزیابی و مهارت‌های مورد انتظار از دانشجویان، به دنبال پاسخ‌گویی به این پرسش اساسی است که در شرایطی که هوش مصنوعی قادر به نوشتن، کدنویسی و تولید محتواست، دانشجویان باید چه مهارت‌هایی را بیاموزند و کدام توانایی‌ها را بدون کمک این ابزارها کسب کنند.
این طرح نوآوری در برنامه‌های درسی با بودجه ۱۰ میلیون دلاری و تأمین مالی رئیس دانشگاه استنفورد، به دپارتمان‌های دانشگاهی کمک می‌کند رشته‌های کارشناسی خود را برای عصر هوش مصنوعی بازنگری کنند. این طرح همه چیز را از درس‌های مقدماتی تا تجربه‌های نهایی دوره کارشناسی در بر می‌گیرد و به یکی از پرسش‌های پیچیده این دوران می‌پردازد: وقتی ابزارهای هوش مصنوعی می‌توانند به درخواست کاربران بنویسند، کدنویسی کنند و محتوا تولید کنند، دانشجویان باید چه چیزهایی یاد بگیرند، چه توانایی‌هایی را نشان دهند و چه کارهایی را به‌تنهایی انجام دهند؟
در شرایطی که دانشگاه‌ها و مؤسسات آموزش عالی در سراسر آمریکا با سرعت در تلاش هستند هوش مصنوعی را وارد کلاس‌های درس کنند، این طرح چند ساله به دپارتمان‌های دانشگاهی کمک می‌کند راهکارهای مؤثر برای گنجاندن استفاده از هوش مصنوعی و تقویت تفکر انتقادی درباره این فناوری را در برنامه‌های آموزشی خود بررسی کنند.
این ابتکار همچنین به دپارتمان‌ها کمک خواهد کرد مشخص کنند هوش مصنوعی در چه شرایطی و چگونه باید از یک درس یا رشته دانشگاهی کنار گذاشته شود و دانشجویان چه فعالیت‌هایی را باید بدون کمک چت‌بات‌ها انجام دهند.
جنی مارتینز (Jenny Martinez)، رئیس دانشگاه استنفورد، گفت: استنفورد مدت‌هاست در خط مقدم هوش مصنوعی قرار دارد و این جایگاه، مسئولیتی برای پیشگامی در شیوه آموزش ما ایجاد می‌کند. برای آموزش در عصر هوش مصنوعی، راه‌حل یکسانی برای همه وجود ندارد؛ بنابراین می‌خواهیم زمینه آزمایش و تجربه را فراهم کنیم و اعضای هیئت علمی را تشویق کنیم آموخته‌های خود را با دیگران به اشتراک بگذارند. این کمک‌هزینه‌ها فرصتی فراهم می‌کنند تا استادان در سطح دپارتمان یا برنامه آموزشی گرد هم بیایند و به طور جامع درباره چگونگی تحول برنامه‌های درسی خود فکر کنند.
طراحی برنامه‌های درسی متناسب با هوش مصنوعی در رشته‌های مختلف
از سه ماهه زمستان سال ۲۰۲۷، دپارتمان‌ها و برنامه‌های دانشگاهی ارائه دهنده رشته‌های کارشناسی می‌توانند برای دریافت کمک هزینه‌های یک تا دو ساله تا سقف ۷۵۰ هزار دلار درخواست دهند تا برنامه‌های آموزشی خود را متناسب با عصر هوش مصنوعی بازطراحی کنند.
اجرای این طرح نوآوری در برنامه‌های درسی برعهده دفتر معاون رئیس دانشگاه در امور آموزش کارشناسی (VPUE) و مدیران ابتکار «هوش مصنوعی در تعامل با آموزش در استنفورد» (AIMES) خواهد بود که با همکاری مرکز شتاب‌دهنده یادگیری استنفورد فعالیت می‌کنند.
میشل ایلام (Michele Elam) و کاساندرا وولپه هوری (Cassandra Volpe Horii)، مدیران مشترک ابتکار AIMES، توضیح دادند دپارتمان‌هایی که برای مشارکت در این طرح انتخاب می‌شوند، متعهد خواهند شد «برنامه‌های درسی منسجم و جامعی متناسب با هوش مصنوعی در سراسر رشته‌ها و برنامه‌های آموزشی خود ایجاد کنند».
هدف این است که اطمینان حاصل شود دانشجویان استنفورد هنگام فارغ‌التحصیلی، از شایستگی‌ها و اعتماد به نفس لازم برای راهبری، مشارکت و تصمیم‌گیری مبتنی بر ارزش‌ها در جهانی برخوردار باشند که هوش مصنوعی در جامعه و حرفه‌های مختلف به فناوری فراگیری تبدیل شده است.
ایلام، استاد کرسی ویلیام رابرتسون کو در علوم انسانی در دپارتمان زبان انگلیسی و معاون ارشد رئیس دانشگاه در امور آموزش کارشناسی، گفت: ویژگی متمایز این ابتکار هیجان‌انگیز آن است که هوش مصنوعی و برنامه‌های درسی را مستقیماً در سطح کل دپارتمان مورد توجه قرار می‌دهد. این طرح فرصتی منحصر به‌فرد در اختیار اعضای هیئت علمی قرار می‌دهد تا بررسی کنند هوش مصنوعی چگونه می‌تواند یا باید بر رشته‌های تخصصی آن‌ها تأثیر بگذارد و این پرسش‌ها را مطرح کنند: هوش مصنوعی برای حوزه علمی ما چه معنایی دارد؟ این فناوری چگونه باید بر هنجارها، اصول اخلاقی، سیاست‌ها و اولویت‌های آموزشی ما تأثیر بگذارد؟ این گفت‌وگوها چگونه می‌توانند نه‌تنها بر درس‌های منفرد، بلکه به شکلی تحول‌آفرین‌تر بر طراحی کل رشته دانشگاهی ما اثر بگذارند؟
کمک هزینه برای دپارتمان‌ها و برنامه‌های دانشگاهی
در پاییز امسال، مدیران این طرح از رؤسای دپارتمان‌ها و مدیران مطالعات کارشناسی خواهند خواست بررسی کنند که هوش مصنوعی چگونه می‌تواند یک رشته دانشگاهی کامل را متحول کند، نه اینکه صرفاً بر یک درس خاص تأثیر بگذارد.
هوری توضیح داد این تحول می‌تواند به معنای بازطراحی درس‌ها یا بازنگری در مسیر آموزشی دانشجویان از دروس مقدماتی تا پروژه نهایی سال آخر کارشناسی باشد.
او گفت: هوش مصنوعی به چیزی فراتر از تغییرات پراکنده در سطح درس‌های منفرد نیاز دارد. این تلاش جدید به نیاز حیاتی استنفورد برای گفت‌وگوی مستمر در داخل دپارتمان‌ها و میان آن‌ها، مشارکت گسترده و حمایت از تغییرات چندساله برنامه‌های درسی می‌پردازد؛ تغییراتی که بتوانند همگام با فناوری تکامل پیدا کنند.
ایلام گفت طرح نوآوری در برنامه‌های درسی از دیدگاه‌های مختلف درباره هوش مصنوعی حمایت می‌کند. دپارتمان‌ها می‌توانند بر راهبردهای آموزشی و ارزیابی‌ای تأکید کنند که به هوش مصنوعی متکی نیستند؛ مانند فعالیت‌های یادگیری در کلاس و آزمون‌های شفاهی. در عین حال، آن‌ها می‌توانند متناسب با ماهیت رشته خود، هوش مصنوعی را در فرایندهای آموزش و یادگیری ادغام کنند.
این طرح تأمین مالی بر پایه بینش‌ها و توصیه‌های گزارش کمیته مشورتی هوش مصنوعی در استنفورد و همچنین یکی از انتشارات اخیر ابتکار AIMES درباره پیشرفت‌ها و روندهای این حوزه شکل گرفته است. این گزارش‌ها چالش‌های موجود در عرصه هوش مصنوعی را مستند کرده و خواستار شکل‌گیری شیوه‌های جدید مشارکت دانشگاهی در دوران تحولات سریع فناوری شده‌اند.
در همین حال، گزارش «شاخص هوش مصنوعی» مؤسسه هوش مصنوعی انسان‌محور استنفورد (HAI) از نفوذ روزافزون هوش مصنوعی در بخش‌های مختلف اشتغال و جامعه به‌طور گسترده‌تر حکایت دارد. فعالیت‌های مرکز شتاب‌دهنده یادگیری در زمینه ارزیابی دانشجویان نیز اطلاعات بیشتری درباره مهارت‌هایی که باید سنجیده شوند و چگونگی ارزیابی آن‌ها فراهم می‌کند.
مدرسان استنفورد پیش‌تر، به صورت فردی و در گروه‌های کوچک، از کمک‌هزینه‌های اولیه «هوش مصنوعی در آموزش و یادگیری» استفاده کرده‌اند که در آوریل امسال اعلام شد. هدف این کمک‌هزینه‌ها آزمایش تغییرات آموزشی مرتبط با هوش مصنوعی بوده است.
رویکردهای آن‌ها هم شامل ادغام هوش مصنوعی در فرایند یادگیری و هم شامل فعالیت‌هایی است که دانشجویان را بدون استفاده از ابزارهای هوش مصنوعی درگیر آموزش می‌کند. تجربه‌های حاصل از این اقدامات نیز از طریق طرح‌ها و رویدادهای دانشگاهی در رشته‌های مختلف به اشتراک گذاشته می‌شود.
ایلام گفت: با وجود آغاز اجرای کمک‌هزینه‌های اولیه هوش مصنوعی، همچنان نیاز فوری به بازنگری برنامه‌های درسی در سطح دپارتمان‌ها و برنامه‌های دانشگاهی وجود دارد. این ابتکار جدید فرصتی فراهم می‌کند تا سرمایه‌گذاری مشترکی در مأموریت آموزشی خود ایجاد کنیم؛ نه‌تنها با بررسی هوش مصنوعی به‌عنوان یک ابزار و موضوعی برای پرسشگری انتقادی، بلکه مهم‌تر از آن، از طریق تعامل با یکدیگر. انتظار می‌رود این گفت‌وگوهای درون‌دانشگاهی، پروژه‌هایی را به راه بیندازند که در نهایت تأثیری گسترده و مهم بر دپارتمان‌ها، جامعه دانشگاهی استنفورد و حتی خود رشته‌های علمی داشته باشند.
عصر جدید آموزش و یادگیری
هوری گفت دپارتمان‌های دانشگاهی تشویق خواهند شد درباره ظرفیت‌های برنامه‌های درسی خود «بزرگ فکر کنند»، اما در عین حال تغییرات پیشنهادی را بر اساس نیازها و هنجارهای رشته‌های تخصصی خود پیش ببرند.
مدیران و کارکنان این ابتکار به دپارتمان‌ها کمک خواهند کرد پیامدهای یادگیری مرتبط با هوش مصنوعی را در سراسر رشته‌های دانشگاهی خود ترسیم کنند؛ از جمله دیدگاه‌ها و رویکردهای متفاوت نسبت به این فناوری و نحوه استفاده از آن در درس‌ها، مسیرهای آموزشی و توالی دروس.
هوری افزود: همانند کمک‌هزینه‌های اولیه پیشین برای تحول برنامه‌های درسی دوره کارشناسی در چارچوب ابتکار «هم‌سطح‌سازی فضای یادگیری» (Leveling the Learning Landscape) در دفتر معاون رئیس دانشگاه در امور آموزش کارشناسی و همچنین کمک‌هزینه‌های جدید هوش مصنوعی که در بهار آغاز شدند، این تلاش‌ها تبادل ایده‌ها و یافته‌های مهم را در میان رشته‌های مختلف و بین آن‌ها تقویت می‌کنند. مشتاقیم فرصت‌هایی ایجاد کنیم که آشنایی با رویکردهای همکاران و پیشرفت مشترک را هم آسان و هم ارزشمند سازد.
برخلاف فراخوان سالانه و یک‌باره برای ارائه پیشنهادها، دپارتمان‌ها می‌توانند هر سه ماه یک‌بار درخواست خود را ثبت کنند و کمک‌هزینه‌ها نیز به‌صورت مستمر اختصاص داده خواهند شد.
انتظار می‌رود مبلغ کمک‌هزینه هر دپارتمان، بسته به گستردگی اصلاحات موردنظر، بین ۲۵۰ هزار تا ۷۵۰ هزار دلار باشد.
این ابتکار در مجموع ۱۰ میلیون دلار بودجه دارد و پیش‌بینی می‌شود با حدود ۱۵ دپارتمان دانشگاهی همکاری کند. فعالیت‌ها از سال تحصیلی ۲۰۲۷-۲۰۲۶ آغاز می‌شوند و تا سال تحصیلی ۲۰۲۹-۲۰۲۸ به پایان خواهند رسید.
دفتر معاون رئیس دانشگاه در امور آموزش کارشناسی، ابزارها و حمایت‌های ساختاری مستمری را در اختیار دپارتمان‌ها قرار خواهد داد. این حمایت‌ها شامل راهنمایی‌های مرکز آموزش و یادگیری و تیم «ترویج جوامع و مشارکت دانشگاهی» (PACE) استنفورد خواهد بود.
بودجه در نظر گرفته شده قرار است نیازهای مشخص دپارتمان‌ها را برطرف کند و حمایت دفتر معاون رئیس دانشگاه نیز به آن‌ها کمک خواهد کرد فعالیت‌های خود را برنامه‌ریزی، اجرا و بهینه‌سازی کنند.
جی همیلتون (Jay Hamilton)، معاون رئیس دانشگاه در امور آموزش کارشناسی با کرسی فریمن-تورنتون و استاد ارتباطات با کرسی هرست، این ابتکار را «سرمایه‌گذاری فوق‌العاده‌ای» برای عصر جدید آموزش و یادگیری توصیف کرد.
همیلتون گفت: دانشجویان در جهانی فارغ‌التحصیل خواهند شد که ابزارهای هوش مصنوعی در همه‌جا حضور دارند؛ بنابراین باید بدانند چگونه به‌درستی از آن‌ها استفاده کنند، اما تسلط بر ابزار با درک آن یکسان نیست. هوش مصنوعی می‌تواند در چند ثانیه به یک پرسش پاسخ دهد، اما نمی‌تواند جای استادی را بگیرد که شما را به طرح پرسشی بهتر سوق می‌دهد.
بخشی از آموزش تخصصی در عصر هوش مصنوعی این است که جنبه انسانی آموزش در استنفورد را ارزشمندتر کنیم، نه کم‌اهمیت‌تر؛ یعنی گفت‌وگوها، راهنمایی و ارتباط استاد و دانشجو و لحظه‌هایی که دانشجو متوجه می‌شود خودش توانسته است مسئله‌ای را حل کند و به درکی مستقل برسد.
استنفورد؛ یکی از قطب‌های دانشگاهی توسعه هوش مصنوعی در جهان
دانشگاه استنفورد در سال‌های اخیر از جایگاه یکی از مراکز مهم پژوهش و آموزش هوش مصنوعی فراتر رفته و به یکی از بازیگران دانشگاهی در توسعه مدل‌های پیشرفته این فناوری تبدیل شده است. بر اساس گزارش شاخص هوش مصنوعی استنفورد در سال ۲۰۲۶، این دانشگاه در فاصله سال‌های ۲۰۱۴ تا ۲۰۲۵ در توسعه ۲۶ مدل شاخص هوش مصنوعی مشارکت داشته است؛ آماری که استنفورد را در کنار دانشگاه شینهوا، در صدر فهرست مؤسسات دانشگاهی این حوزه قرار می‌دهد. در همین بازه، گوگل با ۱۹۱ مدل، متا با ۸۶ مدل و اوپن‌ای‌آی با ۵۹ مدل در صدر کل سازمان‌ها قرار گرفته‌اند.
این آمار نشان می‌دهد استنفورد در کنار فعالیت‌های آموزشی و پژوهشی، در ساخت ابزارها و مدل‌هایی نیز نقش دارد که برای حل مسائل تخصصی در حوزه‌هایی مانند زیست‌شناسی، پزشکی و علوم اعصاب طراحی شده‌اند. البته همه این مدل‌ها محصول مستقل استنفورد نیستند و برخی با همکاری پژوهشگران این دانشگاه و مؤسسات علمی و شرکت‌های دیگر توسعه یافته‌اند.
چند نمونه از مدل‌ها و ابزارهای هوش مصنوعی توسعه یافته با مشارکت استنفورد
Evo ۲؛ هوش مصنوعی برای تحلیل و طراحی توالی‌های ژنتیکی
Evo ۲ یکی از مدل‌های شاخص در حوزه ژنومیک است که با مشارکت پژوهشگران استنفورد، مؤسسه Arc و شرکت انویدیا توسعه یافته است. این مدل با استفاده از بیش از ۹ تریلیون جفت‌باز DNA از گونه‌های مختلف موجودات زنده آموزش دیده و می‌تواند توالی‌های ژنتیکی را تحلیل کند، ادامه احتمالی آن‌ها را پیش‌بینی کند و اثر تغییرات ژنتیکی را بررسی کند.
یکی از کاربردهای بالقوه آن، کمک به شناخت سازوکار بیماری‌ها و شناسایی تغییرات ژنتیکی مؤثر بر سلامت انسان و بهبود محصولات کشاورزی است. این مدل در فوریه ۲۰۲۵ معرفی شد و از ویژگی‌های مهم آن، انتشار آزاد مدل و کدهای آموزشی است.
TranscriptFormer؛ هوش مصنوعی برای شناخت سلول‌ها
پژوهشگران استنفورد در سپتامبر ۲۰۲۶ از مدلی به نام TranscriptFormer رونمایی کردند که برای تحلیل و مقایسه سلول‌ها در گونه‌های زیستی مختلف طراحی شده است. این مدل با داده‌های مربوط به بیان ژن در ۱۱۲ میلیون سلول از ۱۲ گونه، از مخمر و موش گرفته تا انسان، آموزش دیده است.
این ابزار می‌تواند به دانشمندان کمک کند انواع سلول‌ها را شناسایی کنند، تفاوت سلول‌های سالم و بیمار را تشخیص دهند و ارتباط تکاملی میان سلول‌های گونه‌های مختلف را بررسی کنند. پژوهشگران امیدوارند این فناوری در آینده به طراحی درمان‌های مبتنی بر سلول نیز کمک کند.
Biomni؛ دستیار هوشمند دانشمندان علوم پزشکی
Biomni یک عامل هوش مصنوعی پژوهشی است که با مشارکت محققان استنفورد و چند مؤسسه علمی دیگر توسعه یافته و می‌تواند بخش‌های مختلف فرایند تحقیق در علوم زیست‌پزشکی را انجام دهد. این ابزار قادر است مقالات علمی را بررسی کند، فرضیه‌های پژوهشی بسازد، داده‌ها را تحلیل کند، کد بنویسد و آزمایش‌های بعدی را پیشنهاد دهد.
برخلاف چت‌بات‌های عمومی، Biomni به مجموعه‌ای از ابزارهای تخصصی مجهز است؛ از جمله ۱۵۰ ابزار زیست‌پزشکی، ۱۰۵ بسته نرم‌افزاری و ۵۹ پایگاه داده. طبق گزارش استنفورد در ژوئیه ۲۰۲۶، این ابزار به بیش از ۱۵ هزار دانشمند کمک کرده بود تا ۱۰۰ هزار گردش‌کار پژوهشی را خودکار کنند.
مدل سلول مجازی (Virtual Cell)؛ شبیه‌سازی رفتار سلول با هوش مصنوعی
یکی دیگر از پروژه‌های پژوهشی استنفورد، توسعه مدل‌های هوش مصنوعی برای ساخت تصویری محاسباتی از سلول‌های زنده است. در این پروژه، پژوهشگران داده‌های گوناگون زیستی، از توالی DNA و RNA و ساختار پروتئین‌ها گرفته تا تصاویر سلولی، را با کمک هوش مصنوعی به یکدیگر پیوند می‌دهند.
هدف این است که دانشمندان بتوانند رفتار سلول‌ها و ارتباط اجزای مختلف آن‌ها را بهتر تحلیل کنند و در نهایت، واکنش سلول‌ها به تغییرات یا بیماری‌ها را پیش‌بینی کنند. مدل Universal Cell Embedding که پیش‌زمینه توسعه TranscriptFormer بوده، یکی از دستاوردهای این مسیر پژوهشی است.
استنفورد چه مسیری را دنبال می‌کند؟
وجه مشترک این پروژه‌ها آن است که استنفورد به توسعه هوش مصنوعی به‌عنوان ابزاری برای پیشبرد علم نگاه می‌کند؛ ابزاری که می‌تواند حجم عظیمی از داده‌های پیچیده را تحلیل کند، زمان انجام پژوهش‌ها را کاهش دهد و مسیرهای تازه‌ای برای کشف علمی پیش روی محققان بگذارد.
البته اهمیت استنفورد فقط به تعداد مدل‌های توسعه‌یافته محدود نمی‌شود. این دانشگاه از طریق مؤسسه هوش مصنوعی انسان‌محور (HAI) و همکاری میان دانشکده‌ها و مراکز تحقیقاتی، به دنبال پیوند دادن علوم رایانه با پزشکی، زیست‌شناسی، علوم انسانی و سایر رشته‌هاست. گزارش سالانه AI Index نیز یکی از مهم‌ترین فعالیت‌های این مؤسسه برای رصد تحولات جهانی هوش مصنوعی است.
انتهای پیام/
نظر شما