چگونه با هوش مصنوعی درست و علمی درس بخوانیم؟

بزرگ‌ترین اشتباهِ رایج در استفاده از هوش مصنوعی برای درس خواندن، جابه‌جاییِ نقشِ آن است: به‌جای اینکه ابزاری برای «حلِ یک مسئله‌ی مشخص» باشد، به ابزاری برای «کشفِ خودِ مسئله» تبدیل می‌شود.

وقتی کسی یک پاراگراف را می‌خواند و نمی‌فهمد، رفتارِ رایج این است که کل پاراگراف را برای هوش مصنوعی بفرستد و بگوید توضیح بده. این رفتار، جای یک پرسشِ مهم‌تر را می‌گیرد: دقیقاً کدام بخش را نفهمیده‌ای؟ کدام واژه؟ کدام رابطه‌ی بینِ دو جمله؟

#چرا کشفِ ندانسته‌ها را نمی‌شود به هوش مصنوعی سپرد؟

این‌که چه چیزی را فهمیده‌ای و چه چیزی را نفهمیده‌ای، دانشی نیست که از بیرون به تو داده شود؛ این کشفی است که باید در ذهنِ خودت اتفاق بیفتد.

روانی که پشتِ این کار وجود دارد به این صورت است: کسی که آگاهانه به مسیرِ فکرِ خودش نگاه می‌کند و از خودش می‌پرسد «چرا این را نفهمیدم؟»، حتی در همینِ پرسیدن، یک قدم به فهمیدن نزدیک‌تر می‌شود. این نوعِ نگاهِ آگاهانه به فکرِ خودت را در روان‌شناسیِ شناختی «فراشناخت» می‌نامند.

فراشناختMetacognition

آگاهی و کنترلِ آگاهانه‌ی فرد بر روندِ فکرکردنِ خودش؛ یعنی فکرکردن درباره‌ی اینکه خودت چطور فکر می‌کنی، چه چیزی را می‌دانی و چه چیزی را نمی‌دانی.

برای مثال، اگر فقط یک واژه‌ی خاص از یک پاراگراف را نفهمیده‌ای، همان واژه را مشخص کن و دقیقاً همان را از هوش مصنوعی بپرس—نه اینکه کل پاراگراف را دوباره برایت بازگو کند. این کارِ ساده، خودش یک تمرینِ فراشناختی است.

#چطور ندانسته‌های خودم را کشف کنم؟

کشفِ ندانسته‌ها همیشه از جایی شروع می‌شود که یک جمله را کامل خوانده‌ای، ولی چیزی در ذهنت باقی مانده که آرامت نمی‌گذارد. آن حسِ کوچکِ کنجکاوی، دقیقاً همان جایی است که باید دنبالش را بگیری.

• وقتی جمله‌ای را کامل فهمیدی ولی برایت جالب بود، از خودت بپرس چرا این گزاره طبقِ رفرنس درست است و چه استدلالی پشتِ آن هست.
• وقتی جمله‌ای را نفهمیدی، مشخص کن دقیقاً کدام واژه یا کدام رابطه‌ی بینِ دو مفهوم را نفهمیده‌ای—نه کلِ جمله.
• دنبالِ چراها و چگونه‌ها باش: چرا این‌طور شده؛ چگونه این یکی به آن یکی ربط پیدا می‌کند.

این روشِ پرسیدن—که به‌جایِ خواستنِ خلاصه، دنبالِ دلیل و رابطه می‌گردد—در روان‌شناسیِ یادگیری زیرِ عنوانِ «پرسشِ بسط‌دهنده» شناخته می‌شود؛ روشی که یادگیرنده را به‌جای دریافتِ صرفِ پاسخ، وادار به ساختنِ ارتباط می‌کند.

پرسشِ بسط‌دهندهElaborative Interrogation

پرسیدنِ «چرا» و «چگونه» درباره‌ی یک مطلبِ آموزشی، به‌جایِ درخواستِ خلاصه یا توضیحِ ساده؛ این نوع پرسش، یادگیرنده را وادار می‌کند خودش ارتباط بینِ ایده‌ها را بسازد.

#چطور تست‌های غلط را با هوش مصنوعی تحلیل کنم؟

پیش از فرستادنِ یک تست برای هوش مصنوعی، باید خودت فکر کنی که چرا آن را غلط زده‌ای. این چیزی است که فقط تو می‌دانی، نه هوش مصنوعی—چون هوش مصنوعی مسیرِ فکرِ تو را نمی‌بیند، فقط نتیجه‌ی نهایی را می‌بیند.

دلیلِ غلط‌زدن می‌تواند برای هر نفر متفاوت باشد: یکی واژه‌ی خاصی را نمی‌دانسته، یکی صورتِ سؤال را درست نخوانده، و یکی مثلاً بازه‌های سنیِ مراحلِ اریکسون را با هم قاطی کرده است. سه نفر ممکن است روی یک تستِ واحد، سه دلیلِ کاملاً متفاوت داشته باشند.

#کدام هوش مصنوعی برای درس خواندن مناسب‌تر است؟

دیپ‌سیک (DeepSeek) و کوئن (Qwen) رایگان هستند و به‌صورتِ پیش‌فرض سرچ می‌کنند، در حالی که نسخه‌ی رایگانِ چت‌جی‌پی‌تی (ChatGPT) حتما باید بگویید سرچ کند و محدودیت هم دارد.

اگر از این ابزارها استفاده می‌کنی، بهتر است مستقیماً از آن‌ها بخواهی که سرچ کنند، حتی اگر مدل به‌صورتِ پیش‌فرض این کار را انجام می‌دهد؛ چون گاهی بدونِ درخواستِ صریح، این قابلیت را فعال نمی‌کند.

#تفاوتِ یادگیریِ فعال و تنبلیِ ذهنی در استفاده از هوش مصنوعی چیست؟

وقتی همه‌ی تحلیل را به هوش مصنوعی می‌سپاری و فقط متنِ خروجی را می‌خوانی، در واقع نقشِ یک واسطه‌ی بی‌اثر بینِ یک ورودی و یک خروجی را پیدا می‌کنی؛ چیزی از خودت به فرآیند اضافه نکرده‌ای.

راهِ مقابل این است که خودت را با تسک درگیر کنی: به‌جایِ اینکه صرفاً یک تصویر یا متن را بخوانی، نفهمی، و برای توضیح‌دادن بفرستی، لحظه‌ای مکث کنی و از خودت بپرسی چرا نفهمیدی، دنبالِ چه رابطه‌ای هستی، و کدام بخش از فکرِ خودت گم شده است.