בקרוב, רוב ההוראה באוניברסיטה תיעשה בידי AI
עם הפריצה המסחררת של הבינה המלאכותית לחיינו, ברור שגם האקדמיה תיאלץ להשתנות מן היסוד. איש אינו יודע כיצד תיראה האוניברסיטה בעוד עשר או עשרים שנה, אבל את הכיוון שאליו נעה ההוראה האוניברסיטאית אפשר כבר לזהות, והוא מצביע על שינוי מהיר ועמוק כבר בשנים הקרובות.
בשנים 2020–2025 כיהנתי כרקטור אוניברסיטת תל-אביב, ונדרשנו, כמו אוניברסיטאות אחרות, להבין כיצד להגיב לכניסתם של מודלי השפה לחיים האקדמיים. הדיון הראשוני התמקד בהערכה: איך אפשר לתת עבודות ותרגילי בית כאשר סטודנטים יכולים להיעזר ב-AI? זו סוגיה חשובה, אך היא נוגעת רק לחלק קטן מן הטלטלה ש-AI מייצר בהוראה האקדמית.
במקביל, חיפשנו דרכים לרתום את ה-AI לשיפור ההוראה. עבדנו על רעיונות יפים וחדשניים לזמנם, אך במבט לאחור מצאתי בהם שני מאפיינים בולטים. האחד, היצמדות למסגרת ההוראה המוכרת. שאלנו איך AI יכול לעזור למרצה ללמד כפי שהוא כבר מלמד, או לסייע לסטודנט בתוך המערכת הקיימת.
השני היה הערכת חסר לקצב ההשתנות. גם כשאוניברסיטה מזהה שימוש טוב ל-AI, מפתחת מערכת ומטמיעה אותה, התהליך לוקח זמן. בעולם האקדמי, שנתיים הן זמן סביר. בעולם של מודלי השפה, זה נצח. בשנתיים גם הטכנולוגיה וגם הבעיה משתנות לחלוטין.
שני המאפיינים הללו מודגמים בתהליך שיזמנו לפני כשלוש שנים לבניית מערכת מבוססת AI שעונה לשאלות סטודנטים בנושאי הלימוד. מעין מרצה וירטואלית זמינה תמיד, חדשנית, אך לגמרי בתוך מבנה ההוראה הקיים. המערכת התבססה על מודלי השפה של Anthropic ו-OpenAI שהופעלו במעטפת של מגבלות ובקרות, בעיקר כדי לצמצם הלוסינציות ולהבטיח תשובות נכונות. זו הייתה הבעיה העיקרית כשהתחלנו. אלא שבמהלך הפיתוח שיעור ההלוסינציות ירד כל כך שמגבלות שפיתחנו לצורכי בטיחות הפכו למכשלה שהגבילה את הרלוונטיות של המערכת. כדי להתגבר על כך נדרשנו למאמץ פיתוחי מתמשך, תהליך שקשה לאוניברסיטה להתמיד בו לאורך זמן.
המסקנה היא שבקצב ההתפתחות הנוכחי, שרק יילך ויתגבר בשנים הקרובות, יהיה קשה לאוניברסיטאות להטמיע AI באופנים שידרשו מהן פיתוח. רוב היישומים יגיעו דרך מוצרי המדף של החברות הגדולות, ChatGPT ,Claude, Gemini ואחרים, בדרך כלל בשימוש ישיר של סטודנטים וחברי סגל. האתגר העיקרי של האוניברסיטה יהיה להתאים את המדיניות והתשתיות למציאות שנוצרת. אך בין אם תאמץ את המציאות הזו ובין אם לאו, ה-AI ייקח על עצמו חלק הולך וגדל ממשימות ההוראה, ובמקרים רבים ייתר את ההוראה הפרונטלית. לא מדובר עוד בכלי עזר למרצה, אלא בהוראה ממש, שבה כל סטודנט לומד בקצב שלו, ברמה שלו ובדרך שמתאימה לו.
והטכנולוגיה הדרושה לזה כבר כאן. השנה, אחרי הפסקה ארוכה, אני חוזר ללמד קורס חובה מתקדם בהנדסת חשמל. לקחתי את סיכומי ההרצאות שלי, העליתי אותם ל-ChatGPT והוספתי כמה הוראות פשוטות לגבי האופן שבו אני רוצה שהמערכת תלמד. הכל ארך דקות ספורות ולא דרש שום ידע טכנולוגי.
התוצאה היתה שׂוחחן שמתפקד כמורה פרטי. הוא שואל את הסטודנט באיזו שפה ובאיזה נושא הוא רוצה ללמוד, מסביר, נותן דוגמאות, שואל שאלות הבנה ומתקן את קצב ההוראה לפי תשובות התלמיד. אם הסטודנט מתקשה, הוא מנסה הסבר אחר. סיכומי ההרצאות שלי קובעים אילו נושאים ללמד ואת הסגנון והסימונים, אבל את החומר עצמו מסתבר שהמודל יודע לא פחות ממני. ניסיתי אותו כאילו אני הסטודנט והתפעמתי מהתוצאה. השנה אעשה ניסוי: אלמד כרגיל, ובמקביל אעמיד את השׂוחחן לרשות הסטודנטים ואבחן כיצד הם בוחרים להשתמש בו.
ההתכתבות כמובן אינה מספקת קול, אינטונציה והבעות פנים. אבל גם הפער הזה מצטמצם במהירות. מנועי שפה מדברים כבר נשמעים טבעיים מאוד, ויכולות וידאו והבעה מלאכותית נמצאות ברמת בשלות גבוהה.
אז איך תיראה ההוראה באוניברסיטה שתתאים את עצמה למציאות הזו? היא תעבור מביצוע ההוראה עצמה לתכנון, הכוונה ופיקוח. היא תחליט מה ללמד, תבנה תוכניות לימודים, תקבע דרישות, תעקוב אחר איכות הלמידה ותגדיר את המדיניות הפדגוגית. וכל זה ממש בשנים הקרובות, ובהמשך ייתכן שגם אלו יעברו בחלקם ל-AI.
אחריות נוספת תהיה לאוניברסיטה בתחום ההערכה וההסמכה. נראה שבטווח הנראה לעין הדרך האמינה ביותר להעריך את רמת הסטודנט בעולם שחשוף ל-AI תישאר בחינה פרונטלית בסביבה מבוקרת. ה-AI יסייע בכתיבת הבחינות ובבדיקתן, אך האוניברסיטה תצטרך לנהל את זה. סביר שככל שמספר הסטודנטים יגדל זה יהפוך לצוואר בקבוק משמעותי של המערכת.
המשמעויות הכלכליות והחברתיות של שינוי כזה הן עצומות. היכולת לספק הוראה אישית לכל אדם היא בוודאי בשורה חיובית. אלא שההוראה האקדמית מעולם לא שירתה רק מטרה אחת. רשמית, היא נועדה להקנות ידע, אבל כתוצר לוואי היא מילאה שורה של תפקידים. תלמיד שהגיע לשיעור פגש אנשים, למד לצדם, השווה את עצמו אליהם ובנה קשרים. כך נוצרו קהילה, זהות מקצועית וקודים תרבותיים. אם הלמידה תעבור ל-AI, התהליכים האלו לא יתרחשו, וכדי לייצר אותם האוניברסיטה תצטרך לתגבר את המרכיבים הבין-אישיים בהוראה, כמו מעבדות, שיעורי שיח ופרויקטים. ההתפנות של חברי סגל רבים מהוראה פרונטלית תסייע בכך.
ייתכן שיש משהו מאיים, אפילו דיסטופי, בהתפתחויות הללו, אלא שהיכולת שלנו למנוע אותן מוגבלת. לא ניתן להתעקש על שיטות ישנות כאשר יש לסטודנטים דרכים נוחות ויעילות יותר ללמוד, לפחות לפי תפיסתם. את מה שעשיתי עם סיכומי הקורס שלי הסטודנטים יכולים לעשות בעצמם. אם נכריח אותם לחזור לשיטה הישנה, נקבל בעיקר תסכול, כיתות שממשיכות להתרוקן ולמידה מחוץ למערכת. או שהם ימצאו מוסד אחר שיתאים להם.
ואם אי אפשר לעצור את השינוי, האחריות של האקדמיה היא לעצב אותו. אוניברסיטאות שיבינו אילו מתפקידיהן נעשים מיותרים, אילו נעשים חשובים יותר ואילו עליהן להמציא מחדש, יישארו רלוונטיות. אלו שיתעקשו לשמר את המודל הישן יגלו שהסטודנטים פשוט עוקפים אותן.
מרק שטייף הוא פרופ' להנדסת חשמל ומחשבים באונ' תל אביב ורקטור האוניברסיטה בשנים 2020 עד 2025
