نوع مقاله : مقاله پژوهشی
نویسنده
دکتری فلسفه تعلیم و تربیت اسلامی، دانشگاه علامه طباطبایی، تهران، ایران. رایانامه
چکیده
تازه های تحقیق
در هوش مصنوعی، دانش از طریق ساختارهایی چون قواعد منطقی، شبکههای معنایی، چارچوبها و مدلهای یادگیری ماشین بازنمایی میشود که هر یک بخشی از جنبههای استنتاجی، مفهومی و دادهمحور دانش انسانی را مدلسازی میکنند، اما قادر به بازتاب کامل پیچیدگیهای شناختی انسان مانند تجربه، آگاهی و احساس نیستند. در سطح معرفتشناسی، دانش تولیدشده توسط مدلهای زبانی بزرگ، فاقد اصالت منبع بهسبب نداشتن تجربه و نیت فاعلی است، بااینحال در اصالت ساختاری و کاربردی از طریق ترکیبهای زبانی نو و ارائه پاسخهای کارآمد، جلوهای از خلاقیت و اصالت ظاهری مییابد که برای ناظر انسانی قابل پذیرش و معتبر جلوه میکند. منابع دانش هوش مصنوعی شامل دادههای جمعآوریشده (متن، تصویر، صدا)، مدلهای ریاضی از تحقیقات، زیرساختهای محاسباتی، و تخصص انسانی توسعهدهندگان است؛ اعتبار این منابع متغیر بوده و نیازمند ارزیابی انتقادی کاربر برای تفکیک اطلاعات قابل اعتماد از سایر ورودیهاست.
هوش مصنوعی در آموزش، چالشهای فلسفی پیرامون اصالت دانش تولیدی را مطرح میکند. دو دیدگاه اصلی وجود دارد: اول، اگر دانش صرفاً مجموعهای از حقایق و الگوها باشد، هوش مصنوعی بیشتر ابزاری پردازشگر است تا منبع دانشی اصیل. دیدگاه دوم، اگر دانش را توانایی درک، استدلال و کاربرد اطلاعات بدانیم، هوش مصنوعی با توانایی کشف روابط، حل مسائل پیچیده و حتی دستیابی به یافتههای نوین، به سمت تولید دانش اصیل حرکت میکند. با این حال، وابستگی هوش مصنوعی به دادهها، فقدان درک عمیق و محدودیت در خلاقیت، موانعی برای تولید دانش کاملاً اصیل محسوب میشوند. در نهایت، اصالت دانش هوش مصنوعی به تعریف ما از دانش و اصالت بستگی دارد.
یادگیری در هوش مصنوعی از طریق الگوریتمهایی چون نظارتشده، بدون نظارت و تقویتی بر پایه استخراج الگو از حجم عظیم دادههای دیجیتال صورت میگیرد؛ این فرایند، هرچند هدف مشترک بهبود عملکرد با انسان دارد، اما مکانیسمهای آن، بهویژه فقدان درک معنایی، تجربه زیسته، و فراشناخت زیستی و عصبی، آن را از یادگیری انسانی که مبتنی بر زمینه، احساس و خلاقیت است، متمایز میسازد. در حالی که هر دو به دنبال بهبود عملکرد و درک هستند و از دادهها برای یادگیری استفاده میکنند، انسانها از تجربیات، احساسات و تعاملات اجتماعی بهره میبرند، اما هوش مصنوعی بر الگوریتمها و مدلهای ریاضی با دادههای دیجیتال گسترده متکی است. انسانها قادر به درک مفاهیم انتزاعی، خلاقیت و خودآگاهی هستند که هوش مصنوعی در حال حاضر فاقد آن است، هرچند هوش مصنوعی با نیاز به دادههای کمتر و درک زمینه، در حال تکامل است و برخی جنبههای یادگیری انسان را تقلید میکند، اما تفاوتهای قابل توجهی همچنان باقی است.
کلیدواژهها
عنوان مقاله [English]
نویسنده [English]
The aim of this article is to examine the philosophical implications of using artificial intelligence in education and learning. In this study, the research method is descriptive-analytical and the data collection tool is in the form of taking notes from books, articles and other scientific documents. The research findings show that the use of artificial intelligence in education brings with it extensive philosophical issues and implications; because the use of artificial intelligence in education by teachers and students is not only a technical challenge, but also a deep and fundamental philosophical question. This issue includes various epistemological and anthropological aspects, including: the definition and nature of knowledge and learning in humans and artificial intelligence systems, the methods of representing knowledge and processing information by these two, the concept of the authenticity of knowledge and cognition, the sources of knowledge and cognition in humans and artificial intelligence, the fundamental differences in cognitive processes between them and the changing roles of teachers and learners in the learning process. Philosophical challenges surrounding the authenticity of knowledge generated by AI depend heavily on our definition of knowledge and authenticity, and this has led to different perspectives. In addition, fundamental and significant differences in the way humans and AI learn change the role of students to active participants and the role of teachers to designers of learning experiences. Therefore, examining these complex philosophical issues and debates is essential for the successful design and implementation of AI-based educational systems so that we can benefit from the positive effects of this technology in improving the quality of teaching and learning.
کلیدواژهها [English]
)