Η ραγδαία εξέλιξη της τεχνητής νοημοσύνης και ιδιαίτερα των μεγάλων γλωσσικών μοντέλων έχει αναζωπυρώσει μια παλιά αλλά πλέον οξυμένη συζήτηση: Μήπως η ανώτατη εκπαίδευση, και ειδικά οι ανθρωπιστικές σπουδές, χάνουν τη χρησιμότητά τους; Σύμφωνα με αυτή την άποψη, οι νέοι θα έπρεπε να παρακάμπτουν το πανεπιστήμιο και να μπαίνουν νωρίτερα στην αγορά εργασίας, μαθαίνοντας «επί τόπου». Η Πηνελόπη Κουγιανού - Γκόλντμπεργκ διαφωνεί κατηγορηματικά – και η επιχειρηματολογία της φωτίζει τον πυρήνα της εκπαιδευτικής διακύβευσης στην εποχή της τεχνητής νοημοσύνης (ΤΝ).
Το βασικό της επιχείρημα είναι η αβεβαιότητα. Αν κάτι χαρακτηρίζει το μέλλον της εργασίας, είναι ότι κανείς δεν γνωρίζει ποια επαγγέλματα και ποιες δεξιότητες θα έχουν αξία σε δέκα ή είκοσι χρόνια. Σε ένα τέτοιο περιβάλλον, η εκπαίδευση που εστιάζει σε συγκεκριμένες, άμεσα αξιοποιήσιμες δεξιότητες κινδυνεύει να απαξιωθεί γρήγορα. Αντίθετα, η εκπαίδευση που καλλιεργεί προσαρμοστικότητα, κριτική σκέψη και πνευματική αυτονομία αποκτά μεγαλύτερη σημασία από ποτέ.
Η συγγραφέας χρησιμοποιεί την εύστοχη μεταφορά του «οδηγού στην ομίχλη», δανεισμένη από τον πρωτοπόρο της τεχνητής νοημοσύνης Τζέφρι Χίντον. Δεν χρειαζόμαστε ανθρώπους εκπαιδευμένους για έναν συγκεκριμένο δρόμο, αλλά οδηγούς ικανούς να κινούνται με ασφάλεια όταν το τοπίο αλλάζει συνεχώς. Υπό αυτό το πρίσμα, η φιλελεύθερη παιδεία –που διδάσκει πώς να σκέφτεται κανείς και όχι απλώς τι να κάνει– λειτουργεί ως διαχρονικό εργαλείο.
Αυτό δεν σημαίνει άρνηση της τεχνολογίας. Αντιθέτως, οι φοιτητές πρέπει να μάθουν να συνεργάζονται με την ΤΝ, όχι όμως ως παθητικοί χρήστες, αλλά ως κριτικοί αξιολογητές των δυνατοτήτων και των ορίων της. Μαθηματικά, λογική, ανάλυση επιχειρημάτων και ερμηνεία κειμένων παραμένουν θεμέλια, ακριβώς επειδή επιτρέπουν στους ανθρώπους να κατανοούν και να ελέγχουν τα εργαλεία που χρησιμοποιούν.
Η πρόκληση γίνεται εντονότερη στο πεδίο της αξιολόγησης. Όταν η ΤΝ μπορεί να γράψει εργασίες και να λύσει ασκήσεις, οι παραδοσιακές μορφές εξέτασης χάνουν την αξιοπιστία τους. Η Γκόλντμπεργκ προτείνει επιστροφή σε δια ζώσης εξετάσεις, προφορικές δοκιμασίες και αξιολόγηση σε πραγματικό χρόνο. Πρόκειται για μια αλλαγή που ενισχύει την ποιότητα της μάθησης, αλλά αυξάνει και το κόστος.
Εδώ αναδύεται ο μεγαλύτερος κίνδυνος: Η ανισότητα. Μικρά τμήματα και εξατομικευμένη διδασκαλία είναι εφικτά για τα εκπαιδευτικά ιδρύματα της ελίτ, όχι όμως εύκολα για τα δημόσια πανεπιστήμια. Αν η ΤΝ οδηγήσει σε εκπαιδευτική αναβάθμιση μόνο για λίγους, τα κοινωνικά χάσματα θα διευρυνθούν.
Συμπέρασμα: Αν η τεχνητή νοημοσύνη πρόκειται να ωφελήσει την κοινωνία, απαιτείται περισσότερη –όχι λιγότερη– επένδυση στην εκπαίδευση. Σε έναν κόσμο αβεβαιότητας, η γνώση του «πώς να σκέφτεσαι» παραμένει το πιο ασφαλές κεφάλαιο.
