به گزارش روابط عمومی وزارت علوم، محمدهادی زاهدی درباره عدم تناسب نیاز بازار کار به فارغ التحصیلان دانشگاهی گفت: متناسب نبودن برنامه‌ها و دوره‌های دانشگاهی با بازار کار، از تئوری‌وارسازی محتوا‌های آموزشی و عدم پیوست کاربردی‌سازی و کاربست دانش به فناوری سرچشمه می‌گیرد. دانشجوی کارشناسی باید از سال سوم به بعد در قالب طرح‌های ارتباط با صنعت و کارورزی و کارآموزی در شرکت‌ها و موسسات مستقر شوند و هرآنچه در دانشگاه می‌آموزد را در خارج از دانشگاه تجربه کند تا به محض فارغ التحصیل شدن با شناختی که از بازار کار پیدا کرده است، جذب یک کار شود یا خود کارآفرین شود.
رئیس انجمن ملی هوش‌مصنوعی ایران در گفت‌وگو با خبرگزاری آنا، با بیان اینکه مدت تحصیل مقطع کارشناسی زیاد است و باید فکری برای آن برداشت؛ تاکید کرد: بهترین دوران جوانی هر فرد سنین ۱۸ تا ۲۵ سالگی است که آن را برای حضور در دانشگاه می‌گذراند. ۱۴۰ واحد درس در ۴ سال تدریس می‌شود، اما چند درصد از آن محتوای آموزشی، مهارت‌های دانشجو را افزایش می‌دهد؟ هم اکنون، خروجی‌های دانشگاه‌ها دانشجویان کمتر ماهر هستند. در عصر جدید باید نظام آموزش عالی پوست اندازی کند و به سمت آموزش‌های شخصی سازی و مطابق با بازار کار تغییر ریل دهد. عملا دانشگاه‌ها باید پویاترین، چابک‌ترین و منعطف‌ترین سازمان‌ها در هر کشوری در مواجه با امواج فناوری و انقلاب‌های صنعتی باشند، اما آنچه عملا شاهد آن هستیم، خلاف آن است، از ساختار سازمانی دانشگاه‌ها تا حدود اختیارات مدیران و قوانین دست و پا گیر در مسیر حضور بخش خصوصی در دانشگاه‌ها و حتی ایفای نقش در مدیریت دانشگاهی. باید به سمت ماموریت محوری دانشگاه‌ها و تقسیم وظیفه در نظام آموزشی و مهارتی کشور قدم برداریم و به آموزش به عنوان یک خدمت یا همان سرویس نگاه کنیم. شرایطی فراهم شود که هر دانش‌طلبی در صورت نیاز، به دانشگاه مراجعه کند و آموزش و مهارت مدنظر و مورد نیاز را دریافت کند و با ارتقا مهارت و دانش تخصصی در بازار کار فعالیت خود را حرفه‌ای‌تر پیگیری کند که این دانشگاه‌ها را می‌توان «دانشگاه نسل جدید یا دانشگاه خدمت‌محور» نام گذاشت.
وی تصریح کرد: در مواجهه با هوش‌مصنوعی نیازمند فهم عمیق آن هستیم، از هوش‌مصنوعی زیاد صحبت می‌شود، اما هنوز فلسفه پیدایش و ظهور و بروز آن را نمی‌دانیم. حتی نحوه مواجهه با این دانش و فناوری را بطور دقیق نمی‌دانیم. نمی‌دانیم از هوش‌مصنوعی چه می‌خواهیم و اصولا هوش‌مصنوعی قادر به حل کدام نوع از مسائل و چالش‌های پیش روی جامعه است. چون این شناخت و بینش وجود ندارد، انتظارات مان نیز از هوش بعضا سطحی و معطوف و محدود به چت بات‌ها می‌شود؛ لذا پیش از هر اقدامی در این حوزه، نیازمند تعریف نظام مسائل کشور و سپس بررسی و امکان سنجی حل این مسائل با هوش‌مصنوعی هستیم.
مهارت‌های جدید، کلید ورود به دنیای شگفت انگیز هوش مصنوعی
زاهدی بیان کرد: در یک گزارشی که توسط شورای فناوری اطلاعات استرالیا منتشر شده است، اعلام شده هوش مصنوعی تا سال ۲۰۳۰ حدود ۲۰۰۰۰۰ فرصت شغل جدید در استرالیا ایجاد خواهد کرد که منجر به افزایش بهره وری و تزریق میلیارد‌ها دلار به اقتصاد آن کشور خواهد شد و پیش‌بینی می‌شود که هوش‌مصنوعی مولد به تنهایی ۱۱۵ میلیارد دلار درآمد داشته باشد و جالب‌تر اینکه حدود ۷۰ درصد از این درآمد ناشی از افزایش بهره‌وری است و بسیاری از استرالیایی‌ها (۸۴ درصد از کارکنان دارای دانش و مهارت) در حال حاضر از هوش‌مصنوعی در انجام فرآیند‌های کاری خود استفاده می‌کنند و بیان داشتند که این امر باعث صرفه جویی زیادی در وقت آنها شده است.
این استاد دانشگاه با تاکید به لزوم مهارت‌ورزی و مهارت‌آموزی دانشجویان و نیرو‌های کار، اعلام کرد: بی شک هوش‌مصنوعی مشاغل را تغییر خواهد داد، اما هوش‌مصنوعی منجر به بیکاری نخواهد شد. همین الان بسیاری از مشاغل در طی سال‌های گذشته تغییر کرده است، اما هوش‌مصنوعی فرصت‌های جدید شغلی ایجاد کرده است که البته نیازمند کسب مهارت‌های جدید و ارتقا سطح مهارت‌های فعلی کارگران و کارمندان است.
وی گفت: وقتی می‌گوییم مهارت‌های جدید، می‌توان این مهارت‌ها را به انواعی تقسیم کرد، مهارت‌های حل مسئله، خود مدیریتی، ارتباط با جامعه و توسعه فناوری و بر همین اساس به مهارت‌هایی از جمله تفکر تحلیلی و نوآوری، یادگیری فعال و راهبرد‌های یادگیری، حل مسائل پیچیده، تفکر انتقادی و خلاقیت، رهبری و نفوذ اجتماعی، استفاده و نظارت فناوری، طراحی و برنامه نویسی فناوری، استدلال، ایده پردازی، هوش عاطفی، هوش ارتباطی، عیب یابی، تجربه کاربری، تجزیه و تحلیل و ارزیابی سیستم ها، اقناع و مذاکره، علم داده، تصمیم گیری، انعطاف پذیری شناختی، رایانش ابری، سکوهای کاری مشترک مجازی، یادگیری مادام العمر، یادگیری فعال، بلاکچین و مهارت‌های دیجیتال اشاره داشت.
عضو هیئت علمی دانشگاه صنعتی خواجه نصیرالدین طوسی ادامه داد: امروزه بسیاری از فرآیند‌ها در نظام آموزش عالی وجود دارند که هم زمان‌بر هستند و هم از دیدگاه متقاضی غیرشفاف و حتی جهت دار؛ از جمله می‌توان به فرآیند‌های ارتقا و یا جذب هیئت علمی اشاره داشت؛ که اتفاقا یکی از پیشنهاد‌ها خودکارسازی بخشی از این فرآیندهاست که ماشین (سیستم) می‌تواند آن را در سرعت بالاتری و با دقت بیشتری و در کمال شفافیت و در عین حال اطمینان انجام دهد، از جمله بررسی پرونده و سوابق علمی و پژوهشی افراد؛ لذا بایستی به سمت هوشمندسازی خدمات حرکت کنیم.
زاهدی بیان کرد: باید مفاهیم و تعاریف در نظام آموزشی تغییر یابد، آموزش در ذات خود معنای «یک طرفه» بودن را در ذهن متبادر می‌سازد؛ درحالی‌که یادگیری بر تعامل و دو طرفه بودن تاکید دارد. مثلا، اسم دبستان در گذشته ادبستان بوده است که به مرور الف آن حذف شده است و نام قشنگی و متناسبی هم بوده است. درحالی‌که واژه دانشگاه تداعی کننده پیوند دانش، بینش و خلق ارزش نیست؛ درحالی‌که واژه «دارالفنون» با هدف یادگیری دانش و تبدیل آن به فن یا همان فناوری تناسب دارد؛ از آنجاییکه کمتر به فلسفه علم پرداخته شده است و باور نداشتیم زمانی اسامی و واژگان در ذهن‌ها تبدیل به مفاهیم می‌شوند و در روش‌ها جاری و ساری می‌شوند. این استاد دانشگاه تصریح کرد: از آنجاییکه یادگیری ماهیت دو طرفه دارد، پس بهتر است که جایگزین کلمه آموزش شود، یعنی استاد دانشگاه وقتی در کلاس درس حاضر می‌شود محتوا را به صورتی یاد دهد که دانشجو آن را فرا بگیرد و بتواند از آنچه فهم و درک کرده است به شکل مطلوب استفاده کند.
رئیس انجمن ملی هوش‌مصنوعی ایران با بیان اینکه ارزیابی اساتید باید به فعالیت‌های تیمی و جمعی پیوند خورد، تاکید کرد: امتیاز بیشتری باید به استادی اعطا شود که کار جمعی را به کار فردی ارجحیت می‌دهد؛ آزمایشگاه مشترک راه‌اندازی می‌کند و کتاب‌ها و مقالات مشترک علمی تالیف و تدوین می‌کند. یعنی باید از فردگرایی و انحصار به جمع گرایی و اشتراک‌گذاری دانش و تجربه حرکت کرد تا اثربخشی برون داد‌های علمی در سطح جامعه نیز بیشتر شود.
وی بیان کرد: در محاسبه سرانه تحصیل برای یک دانشجو خیلی مولفه محاسبه می‌شود ولی دقت نمی‌شود که زمان و جوانی دانشجو را از او می‌گیریم؛ این زمان چقدر ارزش‌گذاری می‌شود؟ ما باید برای زمان جوانان ارزش قائل شویم. فلسفه تعلیم و تربیت باید به درستی تبیین شود، و در قوانین و اسناد و بخشنامه‌ها و روش‌ها و نگرش‌ها تبلور پیدا کند.
کار گروهی و تقویت خلاقیت، کلید طلایی ارزش گذاری بر کار استاد
این استاد دانشگاه اضافه کرد: گاهی اوقات برخی استنباط‌ها و تفسیر‌ها از قانون با روح قانون و با روح نظام تعلیم و تربیت کشور در تضاد است. کجای قانون و در کدام بند از عنوان شده است که استاد دانشگاه نباید کار جمعی انجام دهد! درحالی‌که انتظار از دانشگاه، استاد و دانشجو، حل مسائل جامعه است و این حل مسئله در دنیای پیچیده و پر متغیر امروز، نیازمند تحقیقات بین رشته‌ای و تشکیل گروه‌های تخصصی است. چرا برخی تاکید بر عنوان مقاله مستقل آن هم با خودتفسیری آن هستند؟ این با کدام تفکر در نظام آموزشی و پژوهشی و نوآوری همخوانی دارد؟ مقاله مستقل معنا ندارد، زمانی یک برونداد علمی ارزش دارد که خروجی آن حرکت در لبه دانش باشد یا یک محصول، خدمت و یک راه حل برای پیشرفت کشور و حل مشکلی از مشکلات جامعه. اگر یک مقاله علمی که یک مسئله از صنعت را حل کرده باشد و اسم چند صنعتگر دیگر هم در این اثر باشد، در دنیا برای این اثر علمی ارزش بیشتری قائل هستند.
رئیس انجمن ملی هوش‌مصنوعی ایران درباره تقویت زیرساخت‌های آموزشی و پژوهشی در حوزه هوش‌مصنوعی گفت: وقتی انتظار داریم کشور در حوزه هوش‌مصنوعی پیشگام و پیشرو باشد باید مقدمات و الزامات برای جامعه نخبگانی و دانشگاهی فراهم شود. راه اندازی و تجهیز آزمایشگاه‌های تخصصی در دانشگاه‌هایی که در سه سال گذشته در این حوزه حائر رتبه و اثربخش بوده اند، تاثیر بسزایی در تحقیق و توسعه هوش‌مصنوعی دارد. تدوین سرفصل‌ها و دوره‌های تخصصی هوش‌مصنوعی دیگر اقدام مورد انتظار است. اعطای پژوهانه و طرح‌های تشویقی به اساتیدی که در حوزه هوش‌مصنوعی سرآمد هستند، دیگر انتظار و پیشنهاد به متولیان امر است. حمایت از برگزاری کنفرانس‌های علمی، نشست‌های تخصصی و کرسی‌های آزاداندیشی نیز در زمینه فرهنگ‌سازی و آمادگی جامعه برای پذیرش فناوری هوش‌مصنوعی موثر است.
زاهدی افزود: وقتی یک استاد قصد دارد الگوی زبانی بزرگ را توسعه دهد یا یک الگوریتم هوش‌مصنوعی را در یک موضوعی، کاربردی‌سازی نماید، نیازمند ابزار‌های لازم و زیرساخت‌های پردازشی است.
وی همچنین افزود: نظام رتبه‌بندی دانشگاه‌ها باید متناسب با اولویت‌های کشور و نیاز‌های کشور باشد، و در ارزیابی دانشگاه‌ها باید مواردی همچون: درصد فارغ التحصیلان دانشگاهی که در بازار کار مرتبط با دوره تحصیلی مشغول کار شده اند؛ میزان پروژه ارتباط با صنعت و جامعه انجام شده توسط اساتید دانشگاه؛ درصد اساتید عضو و فعال در مجامع و انجمن‌های علمی؛ تعداد آزمایشگاه‌های تخصصی در دانشگاه؛ تعداد شرکت‌های مستقر در مرکز رشد و فناور دانشگاه؛ میزان جریان اقتصادی برآمده از ارائه خدمت یا محصول دانش پایه در دانشگاه؛ تعداد دوره‌های کارآفرینی و مهارت افزایی برگزار شده در دانشگاه، تعداد پتنت و ثبت اختراعات اساتید یک دانشگاه، و بسیاری موارد دیگر ملاک ارزیابی دانشگاه‌ها قرار گیرد.
این استاد دانشگاه با اشاره به ظرفیت جهش در حوزه هوش‌مصنوعی در کشور گفت: در صورت ارائه خدمات و تسهیلات ویژه به دانشگاه‌ها در سال جاری و تعریف ردیف‌های بودجه در اعتبارات سال آینده برای تقویت زیرساخت‌ها و تجهیزات دانشگاهی در حوزه پردازشی و آزمایشگاهی، می‌توان امیدوار بود که یک جهش فناوری طی دو تا سه سال آینده در کشور شکل گیرد.