دکتر اکرمی - دانشکده معماری arch
بررسی تطبیقی سیاست های استفاده از هوش مصنوعی مولد در دانشگاه های برتر جهان: تحلیل قاره ای و پیشنهاد چارچوب ملی برای دانشگاه های ایران
دکتر اکرم حسینی
دانشیار گروه معماری دانشکده معماری و شهرسازی دانشگاه فردوسی مشهد
خلاصه سخنرانی
- مدل‌های جهانی: بررسی ۲۷ دانشگاه پیشرو انجام شد و دانشگاه اترخت به‌عنوان نمونه معرفی شد که از پنج سطح استفاده از هوش مصنوعی بهره می‌برد، از ممنوعیت کامل تا آزادی کامل، با تأکید بر مسئولیت دانشجو در هر سطح.
- عدالت و صداقت علمی: مهم‌ترین دغدغه‌ها شامل حفظ صداقت علمی و جلوگیری از تقلب، تضمین عدالت آموزشی از طریق دسترسی برابر به ابزارهای هوش مصنوعی و مسئولیت‌پذیری دانشجو در قبال صحت محتوای تولید شده توسط هوش مصنوعی است.
- تفاوت‌های منطقه‌ای: در آمریکا رویکرد آزادی عمل و انعطاف بیشتر رایج است، در حالی که در اروپا رویکرد محافظه‌کارانه‌تر با تأکید بر حفاظت از داده‌ها و قوانین GDPR اعمال می‌شود.
متن کامل سخنرانی
سلام، امیدوارم خوب باشید. ممنون از آقای دکتر اسلامی به میزبانی دانشگاه تهران که برگزارکننده این رویداد هستند. موضوعی که امروز مطرح می‌کنم فارغ از جایگاه ما، چه استاد باشیم، چه دانشجو، یا شرکت‌هایی که به‌صورت حرفه‌ای در حوزه معماری فعالیت می‌کنند، برای همه ما اهمیت دارد و به نظر می‌رسد که هنوز موضوعات زیادی برای روشن شدن دارد. من به نمایندگی از دانشکده خودم موضوعی را بررسی کرده‌ام که مربوط به استفاده دانشجویان از هوش مصنوعی در پژوهش و طراحی آموزش است و به این می‌پردازد که چگونه باید برخورد کنیم، چه واکنش‌ها و رویکردهایی باید اتخاذ شود. به همین دلیل تصمیم گرفتیم، من شخصاً با همکاری چند نفر از دانشجویان دکترای خود، دانشگاه‌هایی که پیشرو در این زمینه هستند و دستورالعمل‌هایی برای استفاده دانشجویان از هوش مصنوعی دارند را بررسی کنیم تا ببینیم چه رویکردهایی دارند و آیا می‌تواند برای ما مفید باشد یا خیر. گزارشی که امروز ارائه می‌کنم حاصل همین بررسی است و به‌صورت مختصر دسته‌بندی شده است. هدف ما این است که اگر الگوهای مشترکی در استفاده از هوش مصنوعی در آموزش عالی وجود دارد، آن‌ها را شناسایی کنیم و خروجی نهایی شامل چارچوب‌های سیاستی قابل اقتباس و راهکارهای عملی باشد تا بتوانیم در مدل‌های آینده از آن استفاده کنیم و نقش راهنما برای ما داشته باشد.
اهمیت موضوع از لحاظ آموزش و پژوهش دانشگاهی این است که هوش مصنوعی وارد حوزه‌های یادگیری و ارزیابی شده و دانشگاه‌ها باید سیاست‌هایی داشته باشند که صداقت علمی رعایت شود، استفاده از هوش مصنوعی تقلب محسوب نشود یا از سرقت علمی جلوگیری شود. همچنین عدالت آموزشی اهمیت زیادی دارد، زیرا اساتید موظف هستند ارزیابی برابر انجام دهند و تفاوت دسترسی دانشجویان به هوش مصنوعی، به‌ویژه با توجه به هزینه و دسترسی در کشور ما، می‌تواند نابرابری ایجاد کند. بررسی این موضوع از سوی دانشگاه اهمیت دارد، زیرا جامعه نگاه می‌کند دانشگاه در این زمینه چه رویکردی دارد و دانشگاه می‌تواند به‌عنوان یک الگو عمل کند.
در این بررسی، دانشگاه‌های پیشرو در چهار قاره آمریکا، اروپا، آسیا و استرالیا مورد مطالعه قرار گرفتند و در مجموع ۲۷ دانشگاه بررسی شدند. رویکردها و سیاست‌ها به‌گونه‌ای بررسی شدند که بتوانیم الگوهای مشترک را شناسایی کنیم و چارچوبی برای سیاست‌گذاری و راهکارهای عملی ارائه دهیم.
در اروپا، دانشگاه‌ها تنوع رویکرد زیادی دارند. برخی مانند دانشگاه آکسفورد قوانین دقیق و کلاس‌های آموزشی در زمینه هوش مصنوعی دارند و از پلتفرم‌های داخلی و امن استفاده می‌کنند تا قوانین اتحادیه اروپا مانند GDPR رعایت شود.
برای نمونه، دانشگاه اترخت در اروپا یک مدل محافظه‌کارانه دارد که پنج سطح برای استفاده دانشجویان از هوش مصنوعی تعریف می‌کند. در سطح اول استفاده دانشجو ممنوع است، در سطح دوم دانشجو می‌تواند برای برنامه‌ریزی کلان از آن استفاده کند، در سطح سوم برای ویرایش و بازخورد استفاده مجاز است، در سطح چهارم برای تولید محتوا و در سطح پنجم آزادی کامل وجود دارد. در هر سطح، مسئولیت صحت و سقم محتوا با دانشجو است و شفافیت و مسئولیت‌پذیری اهمیت دارد. این مدل انعطاف‌پذیری و شفافیت را توأمان دارد و مسئولیت دانشجو برای محتوای تولیدی تأکید شده است.
تصویر یک: نمودار سیاست دانشگاه اترخت (Utrecht University) برای استفاده از هوش مصنوعی مولد (GenAI)منبع:
https://www.uu.nl/en/organisation/ai-policy?utm_source=chatgpt.com
در بررسی سایر دانشگاه‌ها، مانند دانشگاه‌های آمریکا و کانادا، توجه زیادی به مالکیت فکری، مسئولیت دانشجو و اعلام استفاده از هوش مصنوعی می‌شود. صحت و سقم محتوا با دانشجو است و نمی‌تواند مسئولیت استفاده از هوش مصنوعی را نادیده بگیرد. همچنین مدیریت ریسک و امنیت داده‌ها اهمیت بالایی دارد.
در آسیا، آزادی عمل بیشتری به استادان داده می‌شود تا بر اساس اهداف آموزشی خود سطح استفاده از هوش مصنوعی را تعیین کنند. تعامل استاد و دانشجو و تطبیق با اهداف آموزشی اهمیت زیادی دارد.
در استرالیا نیز سیاست‌های ملی و قوانین شفاف بر استفاده از هوش مصنوعی تأکید دارند و دانشجو و استاد تشویق می‌شوند از هوش مصنوعی استفاده کنند.
اشتراکات جهانی بررسی شده نشان می‌دهد که شفافیت و مسئولیت‌پذیری و تفکر انتقادی از اصول اساسی هستند. شفافیت شامل مشخص کردن ابزار استفاده شده، نسخه و تاریخ آن، و ارجاع به منابع رسمی است. مسئولیت‌پذیری به دانشجو این امکان را می‌دهد که صحت محتوای تولیدی را برعهده بگیرد. تفکر انتقادی به دانشجو کمک می‌کند تا تحلیل و راستی‌آزمایی داشته باشد و صرفاً از هوش مصنوعی استفاده نکند. این سه اصل باعث اعتماد به سیستم آموزشی، حفظ صداقت و تضمین یادگیری می‌شوند.
دانشگاه‌ها به دانشجویان آموزش می‌دهند که چگونه اطلاعات حساس را وارد هوش مصنوعی نکنند و از پلتفرم‌های امن استفاده کنند، اکانت‌ها را ایمن نگه دارند و تاریخچه‌ها را پاک کنند. برخی دانشگاه‌ها دوره‌های آموزشی اجباری دارند که قبل از استفاده از هوش مصنوعی باید گذرانده شوند و نظارت مستمر بر اجرای قوانین دانشگاه انجام می‌شود. در برخی دانشگاه‌ها مانند MIT تمرکز بر مدیریت ریسک، حریم خصوصی و به‌روزرسانی مداوم قوانین است و سطح استفاده دانشجو بسته به نوع ریسک‌ها تعیین می‌شود. مسئولیت فردی در همه موارد مورد تأکید است و بازنگری مستمر قوانین برای هماهنگی با تغییرات فناوری انجام می‌شود.
تصویر دو: نمودار سیاست دانشگاه ام آی تی (MIT University) برای استفاده از هوش مصنوعی مولد (GenAI)
اهمیت موضوع از لحاظ آموزش و پژوهش دانشگاهی این است که هوش مصنوعی وارد حوزه‌های یادگیری و ارزیابی شده و دانشگاه‌ها باید سیاست‌هایی داشته باشند که صداقت علمی رعایت شود، استفاده از هوش مصنوعی تقلب محسوب نشود یا از سرقت علمی جلوگیری شود. همچنین عدالت آموزشی اهمیت زیادی دارد، زیرا اساتید موظف هستند ارزیابی برابر انجام دهند و تفاوت دسترسی دانشجویان به هوش مصنوعی، به‌ویژه با توجه به هزینه و دسترسی در کشور ما، می‌تواند نابرابری ایجاد کند. بررسی این موضوع از سوی دانشگاه اهمیت دارد، زیرا جامعه نگاه می‌کند دانشگاه در این زمینه چه رویکردی دارد و دانشگاه می‌تواند به‌عنوان یک الگو عمل کند.
در این بررسی، دانشگاه‌های پیشرو در چهار قاره آمریکا، اروپا، آسیا و استرالیا مورد مطالعه قرار گرفتند و در مجموع ۲۷ دانشگاه بررسی شدند. رویکردها و سیاست‌ها به‌گونه‌ای بررسی شدند که بتوانیم الگوهای مشترک را شناسایی کنیم و چارچوبی برای سیاست‌گذاری و راهکارهای عملی ارائه دهیم.
در اروپا، دانشگاه‌ها تنوع رویکرد زیادی دارند. برخی مانند دانشگاه آکسفورد قوانین دقیق و کلاس‌های آموزشی در زمینه هوش مصنوعی دارند و از پلتفرم‌های داخلی و امن استفاده می‌کنند تا قوانین اتحادیه اروپا مانند GDPR رعایت شود.
برای نمونه، دانشگاه اترخت در اروپا یک مدل محافظه‌کارانه دارد که پنج سطح برای استفاده دانشجویان از هوش مصنوعی تعریف می‌کند. در سطح اول استفاده دانشجو ممنوع است، در سطح دوم دانشجو می‌تواند برای برنامه‌ریزی کلان از آن استفاده کند، در سطح سوم برای ویرایش و بازخورد استفاده مجاز است، در سطح چهارم برای تولید محتوا و در سطح پنجم آزادی کامل وجود دارد. در هر سطح، مسئولیت صحت و سقم محتوا با دانشجو است و شفافیت و مسئولیت‌پذیری اهمیت دارد. این مدل انعطاف‌پذیری و شفافیت را توأمان دارد و مسئولیت دانشجو برای محتوای تولیدی تأکید شده است.
تصویر یک: نمودار سیاست دانشگاه اترخت (Utrecht University) برای استفاده از هوش مصنوعی مولد (GenAI)منبع:
https://www.uu.nl/en/organisation/ai-policy?utm_source=chatgpt.com
در بررسی سایر دانشگاه‌ها، مانند دانشگاه‌های آمریکا و کانادا، توجه زیادی به مالکیت فکری، مسئولیت دانشجو و اعلام استفاده از هوش مصنوعی می‌شود. صحت و سقم محتوا با دانشجو است و نمی‌تواند مسئولیت استفاده از هوش مصنوعی را نادیده بگیرد. همچنین مدیریت ریسک و امنیت داده‌ها اهمیت بالایی دارد.
در آسیا، آزادی عمل بیشتری به استادان داده می‌شود تا بر اساس اهداف آموزشی خود سطح استفاده از هوش مصنوعی را تعیین کنند. تعامل استاد و دانشجو و تطبیق با اهداف آموزشی اهمیت زیادی دارد.
در استرالیا نیز سیاست‌های ملی و قوانین شفاف بر استفاده از هوش مصنوعی تأکید دارند و دانشجو و استاد تشویق می‌شوند از هوش مصنوعی استفاده کنند.
اشتراکات جهانی بررسی شده نشان می‌دهد که شفافیت و مسئولیت‌پذیری و تفکر انتقادی از اصول اساسی هستند. شفافیت شامل مشخص کردن ابزار استفاده شده، نسخه و تاریخ آن، و ارجاع به منابع رسمی است. مسئولیت‌پذیری به دانشجو این امکان را می‌دهد که صحت محتوای تولیدی را برعهده بگیرد. تفکر انتقادی به دانشجو کمک می‌کند تا تحلیل و راستی‌آزمایی داشته باشد و صرفاً از هوش مصنوعی استفاده نکند. این سه اصل باعث اعتماد به سیستم آموزشی، حفظ صداقت و تضمین یادگیری می‌شوند.
دانشگاه‌ها به دانشجویان آموزش می‌دهند که چگونه اطلاعات حساس را وارد هوش مصنوعی نکنند و از پلتفرم‌های امن استفاده کنند، اکانت‌ها را ایمن نگه دارند و تاریخچه‌ها را پاک کنند. برخی دانشگاه‌ها دوره‌های آموزشی اجباری دارند که قبل از استفاده از هوش مصنوعی باید گذرانده شوند و نظارت مستمر بر اجرای قوانین دانشگاه انجام می‌شود. در برخی دانشگاه‌ها مانند MIT تمرکز بر مدیریت ریسک، حریم خصوصی و به‌روزرسانی مداوم قوانین است و سطح استفاده دانشجو بسته به نوع ریسک‌ها تعیین می‌شود. مسئولیت فردی در همه موارد مورد تأکید است و بازنگری مستمر قوانین برای هماهنگی با تغییرات فناوری انجام می‌شود.
تصویر دو: نمودار سیاست دانشگاه ام آی تی (MIT University) برای استفاده از هوش مصنوعی مولد (GenAI)
