هوش مصنوعی از رایانه‌ها و ماشین‌ها برای تقلید از توانایی‌های حل مسئله و تصمیم گیری ذهن انسان استفاده می‌کند. تعاریف مختلفی برای هوش مصنوعی گفته شده است اما در سال 2004 مک‌کانکی تعریف جدیدی از هوش مصنوعی ارائه داد. هوش مصنوعی علم مهندسی است. ساخت ماشین‌های هوشمند، به‌ویژه برنامه‌های رایانه‌ای هوشمند است . این به کار مشابه استفاده از رایانه برای درک هوش انسان مربوط می‌شود، اما هوش مصنوعی مجبور نیست خود را به روش‌هایی محدود کند که از نظر بیولوژیکی قابل مشاهده هستند. به عبارت دیگر هوش مصنوعی عبارت‌اند از یک ماشین پردازش داده که داده‌های خام را به عنوان یک ورودی دریافت کرده و پس از پردازش آن را تحویل می‌دهد. هوش مصنوعی می‌تواند مبتنی بر داده، مبتنی بر دانش و یا مبتنی بر منطق باشد.

هوش مصنوعی عصبی مبتنی بر داده

مدل‌های ریاضی شبکه‌های عصبی برای اولین بار توسط نیکلاس راشفسکی در سال 1390 توسعه یافت. اوایل دهه 1930،25 و زمانی که شاگردش والتر پیتس به تفسیر پرداخت، شهرت یافتند. شبکه‌های عصبی بیولوژیکی در سال 1942 به عنوان شبکه‌های مبتنی بر داده توسعه یافت. شبکۀ عصبی یا شبکه عصبی مصنوعی به مجموعه‌ای از یاخته‌ها (سلول‌های عصبی، نورون) می‌گویند که در یک معماری ویژه‌ای برای حل مسئله‌ای خاص به هم متصل شده‌اند و هر کدام محاسبات ساده‌ای به انجام می‌رسانند. در این نوع هرکدام از اجزای شبکه عصبی مانند نورون در سیتم عصبی انسان عمل کرده و در ارتباط با جزئی دیگر معنا پیدا میکنند.

هوش مصنوعی مبتنی بر دانش

در دهه 1970 عموماً پذیرفته شد که تفکر انسان را نمی‌توان شبیه سازی کرد. در نتیجه، دانش دامنه خاص و راه‌های مختلف بازنمایی دانش به کانون اصلی تحقیقات هوش مصنوعی تبدیل شد. این تفکر منجر به چیزی شد که امروزه به عنوان «سیستم دانش محور  یا به طور گسترده تر، مبتنی بر دانش شناخته می‌شود. سیستم‌هایی که در علوم پزشکی استفاده میشود، عمدتا بر این اساس ساخته شده است. »

هوش مصنوعی مبتنی بر منطق

در واقع می‌توان این روش را ترکیبی از دو روش قبل دانست. این روشی از هوش مصنوعی است که در دهه اخیر توسعه پیدا کرده است.

مدل‌های یادگیری هوش مصنوعی

یادگیری تحت نظارت

یادگیری بدون نظارت

یادگیری تقویتی

یادگیری نیمه نظارتی

یادگیری انتقالی

یادگیری عمیق

آموزش آنلاین

آموزش تک مرحله

یادگیری فعال

یادگیری چندوظیفه‌ای

مدل‌هایی که امروزه به عنوان هوش مصنوعی توسعه پیدا کرده‌اند عمدتاً از مدل یادگیری عمیق پیروی می‌کنند. در هوش مصنوعی که از روش یادگیری عمیق استفاده می‌شود، پاداش و بازخورد است که به یادگیری جهت می‌دهد.

حوزه آموزش و پرورش نیز مانند دیگر حوزه‌ها از تغییراتی که هوش مصنوعی ایجاد می‌کند مصون نیست. هوش مصنوعی می‌تواند فرصت‌های زیادی را در حوزه آموزش فراهم کند به عنوان مثال یادگیری شخصی سازی شده افزایش پیدا خواهد کرد. به دلیل پیشرفت‌های سریع در توسعه فناوری‌های آموزشی، دانش‌آموزانی که از هوش مصنوعی استفاده می‌کنند، می‌توانند یادگیری خود را مطابق با نیازهای خود سفارشی کنند. با تمرکز بر سبک یادگیری فردی هر دانش‌آموز، پلت فرم آن‌ها‌ را تنظیم و پشتیبانی می‌کند. پلت فرم پس از آن نچه دانش‌آموزان آموخته‌اند را تشخیص می‌دهد و موضوعات را مجدداً معرفی می‌کند اگر آن‌ها‌ تسلط نداشته باشند، به آن‌ها‌ در پیشرفت کمک می‌کند. استفاده از تکنیک‌های آموزشی در دروسی مانند علوم، شیمی، ریاضی افزایش پیدا خواهد کرد. با فعال کردن هوش مصنوعی، آموزش آسان‌تر می‌شود فناوری‌های یادگیری فرآیندها و معلمان را خودکار می‌کند. هوش مصنوعی در ابعاد مختلفی توسعه پیدا کرده است. در یکی از این ابعاد فرد وقتی به چیزی فکر می‌کند، میتوان آن را نوشت و یا تایپ کرد. این اتفاق ممکن است باعث ایجاد فرصت شود. در عین حال چالش‌هایی از جمله تغییر ماهیت زبان خواهد داشت. زبان تعاملات به زبان‌های بین‌المللی و زبان‌های رایانه ای مانند کدنویسی تبدیل خواهد شد.

از مزایای پیشرفت هوش مصنوعی صحبت به میان آمد، اما باید دانست اگر بدون دانش و اطلاعات وارد دنیای هوش مصنوعی شویم بی شک شکست خواهیم خورد.

آگاهی درباره چالش‌های این مسیر ضروری است. یکی از مهمترین چالش‌هایی که درباره تأثیر پیشرفت هوش مصنوعی در حوزه آموزش مطرح است از بین رفتن مشاغلی همچون مترجم، برخی وکلا، تایپ کردن، و حتی با توسعه ماشین‌های خودران، رانندگی و تغییر برخی مشاغل دیگر همچون پزشکی، مربی گری و بسیاری از مشاغل است. در واقع بسیاری از مشاغل از بین خواهند رفت و بسیاری از مشاغل جای آن‌ها را خواهند گرفت. پیشرفت هوش مصنوعی باعث خواهد شد که مشاغل جدیدی در آینده به وجود بیاید که قابل پیش‌بینی نیست. در واقع باید دانش آموزان امروز آماده مشاغلی شوند که دیدی درباره آن وجود ندارد. پس لزوم یادگیری خلاق، تفکر کردن، مهارت کارهای تیمی برای آن‌ها ضروری است.

با افزایش و پیشرفت هوش مصنوعی احساس ملی گرایی در افراد کاهش پیدا کرده و فرد وارد شبکه‌های بین‌المللی می‌شود. این امر باعث خواهد شد، تغییر مهارت‌های زبانی به وضوح احساس شود. یکی دیگر از مهمترین چالش‌های پیش رو، نداشتن اطلاعات کافی مربیان است. امروزه اگر به بچه 4 ساله خود تلفن همراه بدهید احتمالاً بهتر از شما تکنولوژی آن را خواهد شناخت. مربیان امروز در جهان با پیشرفت سریع عصر هوش مصنوعی همراه هستند، و ممکن است اطلاعات کافی در اینباره نداشته باشند، لذا باید از اولین اقدامات آموزشی در عصر حاضر توانمندسازی مربیان باشد.

با توجه به تولید محتوا از طریق هوش مصنوعی، یکی از چالش‌ها و نگرانی‌ها در این خصوص، بحث تقلب است. راه حل این موضوع تسلط بر محتواست. یعنی هنوز ابزاری برای اینکه متوجه شوید در تولید محتوا از هوش مصنوعی استفاده شده است یا خیر وجود ندارد. حتی gpt0 هم نتایج درستی ارائه نمی‌کند. اما نکته قابل توجه این است که برای استفاده از هوش مصنوعی باید تسلط اولیه داشته باشید تا بتوانید موضوعی را اثبات یا رد کنید.

فناوری آموزشی این امکان را برای دانش‌آموزان فراهم کرده است که با کمک مربیان و همسالان هوش مصنوعی، آموزش‌های خصوصی را دریافت کنند. ین امر از طریق تجزیه و تحلیل آموزشی، آموزش شخصی و ارزیابی دانش آموزان از الزامات یادگیری امکان پذیر می‌شود. استفاده از هوش مصنوعی در آموزش همچنین منابع آموزشی از جمله کتاب‌های درسی و مطالب به روز شده و همچنین کمک‌های آموزشی آنلاین از طریق ابر را در دسترس تر کرده است.

با کمک هوش مصنوعی، دانش آموزان می‌توانند توجه و حمایت شخصی را دریافت کنند، که می‌تواند منجر به نتایج یادگیری بهتر شود. استفاده از هوش مصنوعی در آموزش این پتانسیل را دارد که شیوه آموزش و یادگیری ما را متحول کند و آموزش را برای همه در دسترس تر و موثرتر کند.

 حدوداً درصد از زمان آموزشی صرف فعالیت‌ها می‌شود. که ممکن است خودکار باشد. معلمان باید هزینه کنند. نیمی از وقت خود را با دانش آموزان (تقریباً 25 ساعت در هر هفته) و بقیه در آماده سازی (10.5 ساعت)، یادگیری مهارت‌ها (3 ساعت)، ارزیابی و بازخورد (6.5 ساعت)،شود. روزهای کاری معلمان ممکن است کاهش پیدا کند. چون کار و ساعات یادگیری کاهش خواهد یافت، مدیران آموزشی ممکن است تایم بیشتری از روز را با دانش آموزان بگذراند.

دوره‌های آموزشی معمولاً متوالی است و دانش آموزان از یک سطح به سطح بعدی پیشرفت می‌کنند. تجزیه و تحلیل یادگیری می‌تواند به مربیان کمک کند تا فناوری‌های یادگیری سفارشی را توسعه دهند و عملکرد کلاس درس دانش آموزان خود را درک کنند.

در حالی که استادان انسانی همچنان کنترل خود را حفظ می‌کنند، اساتید ربات می‌توانند در انجام کارهای سنگین مرتبط با تدریس و درجه‌بندی کمک کنند. این بدان معنی است که تدریس به عنوان یک حرفه برای مدت طولانی دوام خواهد آورد و توانایی‌های واقعی انسانی، مانند توانایی‌های مورد نیاز برای تعامل اجتماعی، حتی پس از منسوخ شدن حرفه معلمی، همچنان ضروری خواهد بود.

استفاده از ربات‌ها در کلاس درس مفهوم جدیدی نیست، زیرا در گذشته از آن‌ها‌ برای کمک به معلمان استفاده می‌شد (مانند کیت Lego Mindstorm از دهه 1980). با این حال، علیرغم کمبود منابع (معلمان و پول)، فقدان داده‌ای وجود دارد که سودمندی هوش مصنوعی را در کلاس نشان دهد و پذیرش هوش مصنوعی متوقف شده است. سیستم‌های آموزشی هوشمند یک مفهوم تکنولوژیکی است که با موفقیت از آزمایشگاه به کلاس درس منتقل شده است و اکنون به طور گسترده مورد استفاده قرار می‌گیرد. نمونه‌هایی از ITS عبارتند از Carnegie Speecنرم افزاری که به افراد در بهبود صدا و لهجه کمک می‌کند دولینگو یک سرویس یادگیری زبان آنلاین) که هر دو از تشخیص خودکار گفتار برای آموزش زبان خارجی استفاده می‌کنند. علاوه بر این، ITS ابزارهایی را ارائه می‌دهد که توسط هوش مصنوعی هدایت می‌شوند، مانند Carnegie Cognitive Tutor، که به دانش آموزان در یادگیری ریاضیات کمک می‌کند، و SHERLOCK82 که به پرسنل نیروی هوایی در شناسایی مسائل مربوط به سیستم الکتریکی و مهارت پرسنل برای برخورد حساس با افرادی که از محیط‌های فرهنگی اجتماعی متمایز هستند، آموزش می‌دهد.

برخلاف تصور عمومی، آموزش دستخوش تغییرات قابل توجهی می‌شود زیرا مربیان به تدریج کنار گذاشته می‌شوند و با مدل‌های کامپیوتری جایگزین می‌شوند. با این حال، قبل از اینکه راه‌حل‌های آموزشی مبتنی بر هوش مصنوعی به طور گسترده برای کمک به مربیان در کلاس استفاده شوند، زمان می‌برد. استفاده از هوش مصنوعی در آموزش این پتانسیل را دارد که روش آموزش و یادگیری ما را متحول کند، اما مهم است که مفاهیم و محدودیت‌های این فناوری را به دقت در نظر بگیریم. در حالی که هوش مصنوعی می‌تواند در انجام برخی وظایف کمک کند، اما نمی‌تواند جایگزین عنصر انسانی آموزش شود که برای تعامل اجتماعی و حمایت عاطفی ضروری است. یکی از موضوعات مهم در برخورد مربی- دانش آموز احساس اضطراب و حس شرم در مقابل پاسخ‌های نادرست است. احتمال می‌رود با جایگزینی سیستم‌های ارزیابی هوش مصنوعی از احساسات ناخوشایند دانش آموزان با معلمان کاسته شود و دانش آموزان با سطح اضطراب بالا احساس بهتری پیدا کنند.  در واقع نقش معلم و مربی حذف نمی‌شود، بلکه به رویکرد جدیدی در آموزش تغییر جهت می‌دهد. پیشرفت‌های قابل توجهی در مصنوعی وجود دارد فناوری اطلاعات و همچنین پیشرفت‌های بسیاری در حال حاضر ادامه دارد. یکی دیگر از فرصت‌های پیشرفت هوش مصنوعی آموزش در دسترس برای تمام دانش آموزان است.

AI-Enabled Hyper-personalization اصطلاحی است که برای توصیف استفاده از یادگیری ماشین ML و هوش مصنوعی AI برای شخصی‌سازی و انطباق محیط‌ها و فرصت‌های یادگیری دانش‌آموزان استفاده می‌شود. بدان معناست که فناوری هوش مصنوعی می‌تواند برای تطبیق مواد و منابع آموزشی با نیازها و ترجیحات خاص دانش آموزان استفاده شود. تا سال 2025، انتظار می‌رود که حدود 50 درصد از تمام سیستم‌های مدیریت یادگیری LMS قابلیت‌های هوش مصنوعی را در خود جای دهند، که به مربیان این امکان را می‌دهد تا به طیف وسیع‌تری از مواد آموزشی که متناسب با نیازهای دانش‌آموزانشان است، دسترسی داشته باشند. همچنین به مربیان اجازه می‌دهد تا منابع ترجیحی را برای موضوع اصلی دوره‌های خود در اختیار دانش‌آموزان خود قرار دهند، که تجربه یادگیری را افزایش می‌دهد. انتظار می‌رود صنعت آموزش تا اواسط دهه 2020 در یک دوره ده ساله به یک صنعت 6 میلیارد دلاری تبدیل شود. این رشد به دلیل پذیرش روزافزون فناوری هوش مصنوعی در آموزش است که انتظار می‌رود شیوه یادگیری دانش‌آموزان و آموزش مربیان را متحول کند.

با استفاده از فناوری هوش مصنوعی، دانش‌آموزان می‌توانند دوره‌های آنلاین را بدون نیاز به چاپ چیزی تکمیل کنند که این امر باعث کاهش ضایعات کاغذ و ارتقای پایداری می‌شود. علاوه بر این، مربیان به اطلاعات پیشرفت و عملکرد دانش‌آموز دسترسی فوری خواهند داشت، که آن‌ها‌ را قادر می‌سازد تا بازخورد و پشتیبانی به موقع را به دانش‌آموزان خود ارائه دهند.

بسیاری از دانشمندان متخصص در حوزه هوش مصنوعی معتقدند زبان، مرز نهایی هوش مصنوعی است. مدل‌هایی که با زبان سروکار دارند، در واقع کلمه بعدی را با آمار و احتمالات حساب می‌کنند. کلمات و حروف هر کدام یک الگو و الگوریتمی دارند. هر کلمه‌ای با کلمه دیگر ماتریسی را تشکیل داده و از طریق کلنی‌های به وجود آمده می‌توان کلمات را حدس زد. کاربردهای زبان طبیعیـ

تبدیل صوت به متن

جست‌وجویی که بر اساس احتمالات است و نه قطعیت. (شما وقتی از مدل‌های گوگل استفاده می‌کنید با قطعیت به شما جواب می‌دهد.)

احساس: پیدا کردن احساس نسبت به برند چقدر احتمال دارد؟

چگونه یک حیوان می‌فهمد سیب رسیده است یا نه؟ نظر دومی که در حوزه هوش مصنوعی مطرح است، دربارۀ دوربین و قدرت انتقال از طریق حس بینایی است. بینایی کلید درک جهان است برای همین در این حوزه هوش مصنوعی پیشرفت کرده است.

استفاده از هوش مصنوعی در تولید ایده، بهبود یا بهینه سازی بسیار کمک کننده است. به عنوان مثال شما می‌توانید از هوش مصنوعی بخواهید برای نوشتن یک متن به شما ایده بدهد.

هوش مصنوعی پدید آور: طراحی گرافیک و ترکیب تصویر

با استفاده از هوش مصنوعی می‌توان تصاویر و طرح‌های غیرکپی ساخت. تولید تصاویری برای داستان‌سرایی

از این روش می‌توان در آموزش مسائل علمی هم بهره برد.

در استفاده از ابزارهای هوش مصنوعی آنچه موضوعیت دارد، prompt اولیه است. Prompt به عنوان ورودی هوش مصنوعی عمل می‌کند. درخواست خود را واضح، شفاف و با بیان جزئیات بیان کنید.

تاکتیک‌های نوشتن یک پرامپت خوب

استفاده از تعیین‌کننده‌ها برای پررنگ کردن بخش‌های مد نظر مثلا «"

خروجی دسته بندی شده و با فرمت مشخص خواسته شود.

دادن نقش به ربات. تو بهترین و با تجربه ترین معلم در حوزه فلان هستی

برای استفاده از هوش مصنوعی باید آماده سعی و خطا باشیم.

هوش مصنوعی و آینده مشاغل

هوش مصنوعی عموما به عنوان یک ابزار پشتیبانی پیشنهاد میشود. در تجزیه و تحلیل داده‌ها بسیار سریعتر از مغز انسان عمل میکند. یادگیری ماشین اغلب در سیستم‌هایی استفاده میشود که مجموعه داده‌های زیادی جمع آوری میشود.

امنیت سایبری

هوش مصنوعی در جست‌وجوی امنیت و سایر تهدیدات امنیتی شناسایی کندو از طریق داده‌ها میتواند عقب نشینی کند و به عنوان حفظ زیرساخت شما عمل کند.

برنامه‌های پشتیبانی فروش را تغییر میدهد. یک سیستم خود بروزرسان و در راس مدیریت پشتیبانی فروش است.

برای ایجاد محتوای ویدئویی و انیمیشن‌های ویدئویی و انیمیشن‌های واقعی برای:

اهداف آموزشی

سرگرمی

تبلیغاتی

ابزارها: runway-Eleven Labs- Soundful- boomy- D-ID- Fliki- wonder-AI

استفاده از bing: دسترسی بدون فیلتر، تولید و پردازش تصویر، اپلیکیشن ریاضی

هوش مصنوعی پدید آور:

Stable Diffusion-DALL.E-Midjourney-Adobe Firefly

دراپ بینگ رایگان: پردازش تصویر روی گوشی‌ها

در دو نسخه رایگان و پولی در دسترس است. نسخه 3.5 و نسخه 4 موجود است. نسخه 4 آن نسخه قابل استفاده است. می‌توان با استفاده از آن طرح درس در سطح خرد و کلان تعریف کرد؛ می‌توان ملاک‌های ارزیابی را بهینه کرد؛ می‌توان برنامه‌نویسی و کدزدن یاد گرفت. فقط نکته بسیار مهمی وجود دارد که داده‌های خروجی از chat-gpt فقط برای متخصصین همان دانش قابل استفاده است. در واقع الزاماً اطلاعات درستی به شما نمی‌دهد. شما به عنوان یک معلم می‌توانید شروع این انقلاب را نادیده بگیرید در این صورت دنیا با سرعت خود پیش می‌رود و شما ناآگاهانه وارد دنیای جدید می‌شوید یا می‌توانید با افزایش دانش خود از این انقلاب هوش مصنوعی استقبال کنید. در زیر به چند نمونه کاربرد Chat-gpt اشاره می‌شود:

کاربرد خلاقانه1: غلط یابی- می‌شود از دانش آموز خواست تا غلط‌ها را پیدا کند. مثلا تصویری که برای عدسی محدب و مقعر رسم می‌شود.

کاربرد خلاقانه2: ایفای نقش دانش آموز کم سواد. به این هوش مصنوعی می‌توان گفت نقش دانش آموز گیج و کنگ را بازی کند.

کاربرد خلاقانه 3: ایفای نقش کمک کننده

کاربرد خلاقانه 4: انجام تکالیف زیر نظر هوش مصنوعی. مثلا پروژه دانش آموزی شکست خورده است. بررسی عوامل شکست به کمک هوش مصنوعی ممکن است.

کتاب‌ها:

عصر هوش مصنوعی و آینده انسان‌ها

ابرهوشمندی(مسیرها، خطرات، استراتژی‌ها)

هوش مصنوعی و نظام آموزشی

نشست‌ها:

آینده مدرسه از دوره روایت مدرسه

تأثیر هوش مصنوعی در مشاغل آینده

تأثیر هوش مصنوعی بر آموزش مدرسه ای

مقاله:

Possibilities and Apprehensions in the Landscape of Artificial Intelligence in Education