بهره‌گیری از کاربردهای گوناگون هوش مصنوعی در آموزش، پژوهش و سایر بخش‌های آکادمیک کشور موضوع تازه‌ای نیست؛ اما چگونگی استفاده از ظرفیت‌های این فناوری و ابزارهای آن، تا زمانی که در حال به‌روزرسانی و گسترش ابعاد مختلف خود است، مسئله‌ای بسیار مهم به شمار می‌آید.
فرقی نمی‌کند شما دانشجو باشید یا استاد دانشگاه؛ یا رشته تحصیلی‌تان فنی‌مهندسی، علوم انسانی، هنر یا حتی پزشکی باشد. آنچه اهمیت دارد، امکانی است که این ابزار در اختیار شما قرار می‌دهد. تصور کنید هنگام نگارش یک مقاله علمی یا متن سخنرانی برای یک همایش تخصصی، به‌جای صرف ساعت‌ها زمان در کتابخانه‌ها یا جست‌وجو در میان صفحات مقالات مختلف، تنها با وارد کردن مجموعه‌ای از داده‌های درست به هوش مصنوعی، بتوانید یک دستیار تمام‌وقت علمی در اختیار داشته باشید.
موضوع این گفت‌وگو بررسی چالش‌ها، فرصت‌ها و ظرفیت‌های استفاده از هوش مصنوعی در آموزش، پژوهش و دیگر حوزه‌های آموزشی علوم پزشکی، از جمله دستیارهای جراحی، شبیه‌سازها (Simulator) و دیگر ابزارهای آموزشی هوشمند است.
در همین راستا، یوسف رمضان، دانشیار و معاون آموزشی دانشکده داروسازی دانشگاه علوم پزشکی تهران در گفت‌وگو با خبرنگار آنا، ابتدا درباره ظرفیت‌های واقعی هوش مصنوعی برای دانشجویان رشته‌های پزشکی و غیرپزشکی مثال‌هایی آورد و گفت: زمانی‌که دانشجویان و اساتید از ابزارهای هوش مصنوعی در کلاس‌ها و آزمایشگاه‌ها استفاده می‌کنند، بدون نیاز به بیمار واقعی و دیگر محدودیت‌ها، می‌توانند به الگوهای ثابتی دست یابند که با کمک این ابزارها، ضریب خطا نیز در آن‌ها کاهش یافته است و نتایج حاصل قابل تعمیم هستند. مهم‌ترین نکته در استفاده از هوش مصنوعی نیز همین کاهش ضریب خطا در فرآیند کار است.
رمضان در پاسخ به پرسشی درباره چگونگی کاهش ضریب خطا در شرایط واقعی، به‌ویژه هنگام جراحی و در اتاق عمل، توضیح داد: پیش از هر چیز نباید اصل تکرار در آزمایش‌ها را نادیده بگیریم. هوش مصنوعی امکان تکرار آزمایش تا رسیدن به یک نتیجه مشخص و نسبتاً ثابت را برای پژوهشگر فراهم می‌کند. درواقع، این ابزارها می‌توانند موقعیت‌هایی را بازسازی کنند که شاید در طول دوران آموزشی هرگز پیش نیاید، و این موضوع به افزایش مهارت‌های عملی دانشجویان کمک می‌کند.
وی در ادامه با ذکر نمونه‌هایی از کاربرد هوش مصنوعی در برخی رشته‌های پزشکی افزود: برای مثال، یک متخصص رادیولوژی می‌تواند تصاویر و گراف‌های ثبت‌شده از بدن بیماران را با استفاده از هوش مصنوعی تحلیل کند تا به نقاط ناپیدا یا جزئیات پنهان در آن تصاویر دست یابد. باید بپذیریم که هوش مصنوعی نیز همواره در حال تکامل است؛ به‌تدریج خود را کامل‌تر می‌کند تا جایی که انسان بتواند با اطمینان بیشتری از صحت تحلیل‌های آن دفاع کند.
رمضان با اشاره به ضرورت گنجاندن دروس مرتبط با هوش مصنوعی در چارت درسی رشته‌ها تأکید کرد: باید متناسب با نیاز و کاربردهای حرفه‌ای هر رشته، چه پزشکی و چه غیرپزشکی، واحدهای درسی تخصصی برای آموزش استفاده از ابزارهای هوش مصنوعی به دانشجویان و حتی اساتید در نظر گرفته شود. یکی از چالش‌های اصلی ما در بهره‌گیری از ظرفیت‌های هوش مصنوعی، عدم آشنایی کافی اساتید با جزئیات استفاده از این ابزارهاست. البته خوشبختانه قرار است دروس مرتبط با هوش مصنوعی و واقعیت افزوده به برنامه آموزشی دانشجویان علوم پزشکی اضافه شود. همچنین لازم است اعضای هیئت علمی نیز در این زمینه آموزش ببینند تا بتوانند این فناوری را به‌درستی وارد فرآیند آموزش کنند.
دانشیار دانشکده داروسازی دانشگاه آزاد اسلامی در ادامه با اشاره به بخشنامه جدید این دانشگاه گفت: در امتحانات مقطع دکتری رشته‌های غیرپزشکی امسال، استفاده از هوش مصنوعی در جلسه آزمون برای دانشجویان آزاد بود. البته اگر آموزش‌ها به‌گونه‌ای نباشد که دانشجو توانایی تحلیل داشته باشد، خطر وابستگی بیش‌ازحد به هوش مصنوعی وجود دارد؛ در این صورت، یادگیری عمیق اتفاق نمی‌افتد و دانشجویان سطحی‌نگر پرورش می‌یابند. اما هدف دانشگاه آزاد از این اقدام، چیز دیگری بود؛ دانشجویان بر اساس داده‌های تخصصی خود به هوش مصنوعی ورودی می‌دادند و پاسخ تحلیلی دریافت می‌کردند. از نظر من، این نوع استفاده تقلب محسوب نمی‌شود، بلکه یک ابزار کمکی برای تحلیل علمی است. در سایر کشورها نیز چنین رویه‌هایی رایج است، البته با سازوکارهایی متفاوت.
رمضان در پایان گفت‌وگوی خود با اشاره به نقاط قوت و ضعف استفاده از هوش مصنوعی در آموزش پزشکی اظهار کرد: هوش مصنوعی هم فرصت‌هایی ارزشمند و هم خطراتی جدی دارد. در صورت نبود آموزش کافی، ممکن است به بی‌سوادی علمی دانشجویان یا جهت‌دهی نادرست داده‌ها منجر شود؛ ازاین‌رو، علاوه بر فرهنگ‌سازی، باید چارچوب‌های قانونی دقیقی برای استفاده از آن در آموزش پزشکی تدوین شود.
وی در پایان افزود: کاربرد هوش مصنوعی صرفاً برای کاهش هزینه‌های مالی نیست، بلکه می‌تواند از خسارات جانی نیز جلوگیری کند. در حالی‌که خطا در محیط واقعی می‌تواند خطرآفرین باشد، تمرین در محیط شبیه‌سازی‌شده امکان یادگیری ایمن را برای دانشجویان فراهم می‌سازد. البته اگر سرمایه‌گذاری کافی برای دسترسی به نسخه‌های پیشرفته‌تر هوش مصنوعی انجام نشود، ناچار به استفاده از ابزارهای ضعیف‌تر خواهیم بود و این امر موجب عقب‌ماندگی در رقابت جهانی می‌شود. در مقابل، سرمایه‌گذاری هوشمندانه می‌تواند کیفیت آموزش و پژوهش را به‌طور چشمگیری ارتقا دهد.
انتهای پیام/