- Generative AI के उभार से मानविकी का महत्व बढ़ रहा है, लेकिन साथ ही मानविकी की प्रकृति खुद अधिक जटिल और अपरिचित होती जा रही है
- मानविकी ज्ञान और क्षमताएँ AI अनुसंधान और उसके उपयोग में महत्वपूर्ण भूमिका निभाने लगी हैं
- अब गैर-विशेषज्ञ भी AI tools का उपयोग करके शैक्षिक software या अपने research tools आसानी से विकसित कर सकते हैं
- दूसरी ओर, AI chatbot के अपनाने से छात्रों की self-directed learning motivation और शैक्षिक अनुभव की गुणवत्ता में गिरावट जैसे नकारात्मक प्रभाव सामने आ रहे हैं
- शैक्षिक ध्रुवीकरण गहराने की आशंका के बीच, व्यक्तिगत शिक्षकों की रचनात्मक AI उपयोग क्षमता पहले से कहीं अधिक केंद्रीय चुनौती के रूप में उभर रही है
AI और मानविकी के संबंध में बदलाव
नए AI युग में मानविकी की स्थिति
- D. Graham Burnett ने The New Yorker में लिखे एक लेख में कहा कि कैंपस में AI से जुड़ा उग्र बदलाव चल रहा है, फिर भी मानविकी सहित कई अकादमिक क्षेत्रों में उसे नज़रअंदाज़ या अनदेखा करने का माहौल बना हुआ है
- यह दृष्टिकोण सामने आता है कि AI के आगमन को केवल एक चलन मानकर टाल देना या उसके वास्तविक प्रभाव को कम करके आंकना अब टिकाऊ नहीं है
- Burnett इस बात पर ज़ोर देते हैं कि AI पहले ही मानविकी पर संरचनात्मक और अपरिवर्तनीय प्रभाव डाल चुका है
Generative AI मानविकी ज्ञान का मूल्य बढ़ाता है
मानविकी क्षमताओं की पुनर्खोज
- AI को natural language translation, classification, data mining जैसे अनेक क्षेत्रों में मानव भाषा और संस्कृति की मानविकी-आधारित समझ की मूलभूत आवश्यकता होती है
- उदाहरण के लिए, OpenAI ने GPT-4o की sycophancy समस्या सुलझाने में तकनीकी code के बजाय नए English वाक्य (prompt) लिखकर समाधान का रास्ता अपनाया
- भाषा के सांस्कृतिक संदर्भ, अलंकारिक प्रभाव, genre के भेद और non-verbal तत्वों पर गहरी अंतर्दृष्टि के बिना AI systems में अनपेक्षित malfunction हो सकते हैं
- engineers और researchers को भी भाषा, संस्कृति और प्रौद्योगिकी के इतिहास पर व्यापक critical thinking की आवश्यकता बढ़ रही है
मानविकी पृष्ठभूमि न रखने वालों की AI उपयोग क्षमता का विस्तार
सीधे software बनाने का युग
- जिन लोगों की technical background नहीं है, ऐसे मानविकी छात्र भी अब AI का उपयोग कर research और education के लिए customized tools सीधे विकसित कर सकते हैं
- लेख के लेखक ने वास्तव में 17वीं सदी के pharmacist simulator और युवा Darwin की Galapagos यात्रा पर आधारित games जैसे, मानविकी ज्ञान पर आधारित interactive games विकसित किए
- पहले game में learner वास्तविक early modern medical recipes का उपयोग करके मरीजों का उपचार करने का अनुभव लेता है, और बीच में ऐतिहासिक तथ्यों से भटकने वाली AI hallucination की समस्या आती है
- दूसरे game (Young Darwin) में Darwin के वास्तविक records का उपयोग करके पशु संग्रह और द्वीप अन्वेषण का simulation किया गया, और AI hallucination को कम करने वाली design से गुणवत्ता बढ़ाई गई
- ऐसे प्रयोगधर्मी learning methods, essay writing या classroom discussion के साथ पूरक रूप से जुड़कर, छात्रों की ऐतिहासिक समझ और critical thinking को अनुभवात्मक रूप से विस्तृत कर सकते हैं
- AI आधारित interactive tutoring मानविकी शिक्षा में भी वास्तव में मानसिक उत्तेजना और सीखने के अवसर दे सकती है
Generative AI मानविकी शिक्षा को अधिक जटिल बनाता है
AI से आने वाले शैक्षिक बदलाव और चुनौतियाँ
- शिक्षा के क्षेत्र में ChatGPT जैसे AI chatbots छात्रों के स्व-प्रेरित लेखन अनुभव को काफी कमजोर करने वाला नकारात्मक प्रभाव दिखा रहे हैं
- अधिक से अधिक छात्र AI से बने essays या assignments जमा कर रहे हैं, जिससे पारंपरिक evaluation systems और educational goals चुनौती के दायरे में आ रहे हैं
- अंततः यह जोखिम बड़ा है कि छात्र सार्थक बौद्धिक श्रम, जैसे writing में रुकावट (writers' block) को पार करने का अनुभव, library search की प्रक्रिया, और लंबे समय तक चलने वाली वास्तविक खोजबीन, इन सब से वंचित रह जाएँ
- छात्रों में assignment के प्रति रुचि या अर्थबोध कम होकर, AI के माध्यम से केवल उसे पूरा कर देने में रुचि बढ़ती दिख रही है
सकारात्मक उदाहरण और नई शैक्षिक संभावनाएँ
- साथ ही, AI के साथ interaction को शामिल करने वाली assignment design के ऐसे उदाहरण भी सामने आए हैं, जो छात्रों और शिक्षकों दोनों को नई बौद्धिक चौंक और आत्मचिंतन के अवसर देते हैं
- AI केवल मनुष्यों का स्थान लेने के बजाय, छात्र को AI से संवाद करते हुए अपनी सोच की जाँच करने वाले सहायक tool के रूप में काम कर सकता है
- यही वह समय है जब शिक्षा के अर्थ और उद्देश्य पर चर्चा करते हुए, प्रामाणिक teaching-learning अनुभवों की रक्षा के लिए मैदान में काम कर रहे शिक्षकों की सक्रिय भूमिका आवश्यक है
मानविकी शिक्षा में AI उपयोग का ध्रुवीकरण
भविष्य की शिक्षा के लिए सुझाव
- यह चिंता जताई गई है कि Generative AI अंततः मानविकी शिक्षा की असमानता को और गहरा कर सकता है
- अच्छे से प्रशिक्षित छात्रों और बेहतर माहौल में AI का रचनात्मक उपयोग करने की क्षमता अधिक दिखाई देती है, जबकि कमजोर परिस्थितियों वाले छात्र पीछे रह सकते हैं
- हर शिक्षक के लिए सीधे customized AI assignments और tools विकसित करने की क्षमता रखना बहुत महत्वपूर्ण माना जा रहा है
- यदि शिक्षा जगत इस चुनौती के प्रति निष्क्रिय रहा, तो ऊपर से 'interactive' दिखने वाले लेकिन वास्तव में एकरूप और अमानवीय commercial AI education tools, मौजूदा छात्र-शिक्षक संबंध और सीखने की प्रकृति को क्षीण कर देंगे
- इसी समस्या-बोध के तहत वास्तव में NEH (अमेरिकी National Endowment for the Humanities) समर्थित एक project की योजना और पहल की गई थी, लेकिन नीतिगत बदलाव के कारण वह रद्द हो गई
सुझाई गई पढ़ाई
- D. Graham Burnett की पुस्तक The Sounding of the Whale व्हेल विज्ञान के इतिहास पर एक विशिष्ट पुस्तक है
- 1608 में प्रकाशित एक बाइबिल व्याख्या ग्रंथ में बाइंडिंग संरचना में प्रयुक्त पत्र के टुकड़े मिले, जिनसे Shakespeare और Anne Hathaway के संबंध पर नए शोध का परिचय मिलता है
- UNC की Kathleen DuVal ने हाल में प्रकाशित Native Nations: A Millennium in North America के लिए Pulitzer Prize जीता, और उनकी पहले की पुस्तकें भी रोचक मानी जाती हैं
1 टिप्पणियां
Hacker News की राय
मेरा मानना है कि इससे भी गहरी शैक्षिक समस्या यह है कि छात्रों को स्कूल और नौकरी को अंतहीन लक्ष्य-पूर्ति के चरणों की तरह देखने के लिए प्रशिक्षित किया जाता है। अंतिम लक्ष्य ‘नौकरी पाना’ है, लेकिन अब यह भरोसे से कहना मुश्किल हो गया है कि 5~10 साल बाद कौन-सी नौकरियाँ बची होंगी। शायद केवल hands-on skilled trades इसका अपवाद हों, लेकिन ऐसे प्रोग्राम तो शिक्षा से बहुत पहले ही लगभग गायब हो चुके हैं। अगर कॉलेज छात्र AI का उपयोग करके आसानी से असाइनमेंट पूरे कर रहे हैं और पढ़ना, धैर्य विकसित करना जैसी चीज़ें छोड़ रहे हैं, तो इसमें छात्रों से ज़्यादा हमारी बनाई शिक्षा और करियर व्यवस्था की जिम्मेदारी है। यह समस्या एक दिन में नहीं बनी, और न ही केवल AI की वजह से है
यह निराशाजनक है कि जैसे AI का उपयोग बड़े पैमाने पर layoffs और cost cutting को सही ठहराने के बहाने के रूप में किया जा रहा है, वैसे ही आधुनिक शिक्षा व्यवस्था की विफलता का दोष भी AI पर डाला जा रहा है। असल में शिक्षा व्यवस्था तो केवल grades को reward करती है। ज्ञान, समझ और बुद्धिमत्ता से भी अधिक, सबसे आसानी से game किए जा सकने वाले एक ही ‘score’ (GPA) से middle/high school से लेकर university और उसके बाद का रास्ता तय होता है। मुझे लगता है कि यही शिक्षा की सबसे बड़ी समस्या है
मुझे पूरा भरोसा है कि जो पेशे लंबे समय से मौजूद हैं, वे आगे भी बने रहेंगे। तकनीकी बदलाव आने पर वे अचानक गायब नहीं होंगे, बल्कि धीरे-धीरे अप्रासंगिक होंगे। इसलिए तैयारी और planning के लिए पर्याप्त समय होगा। दूसरी ओर, नई अर्थव्यवस्था के high-paying jobs अक्सर लंबे समय तक नहीं टिकते, इसलिए उनका अनुमान लगाना कठिन है। और अगर किसी में unexpected income को लेकर जल्दी ईर्ष्या करने की प्रवृत्ति है, तो ऐसे पेशों में खुश रहना मुश्किल होगा
‘गलती शिक्षा और करियर सिस्टम की अधिक है’ इस दावे पर, यह कहा गया कि व्यवहार में लोग बार-बार छात्रों को ही दोष देते रहते हैं
कोई भी कभी भविष्य की नौकरियों के बारे में हमेशा पूरी निश्चितता से भविष्यवाणी नहीं कर पाया है। जिसके पास fundamentals और flexibility है, वह हमेशा रास्ता निकाल लेता है
अगर आबादी का सिर्फ 10% भी skilled trades में चला जाए, तो वह उद्योग ढह जाएगा। सब लोग इस बात को क्यों नज़रअंदाज़ करते हैं, यह समझ से बाहर है
एक लेख में SFSU के philosophy graduate student की यह टिप्पणी पढ़कर बहुत दिलचस्पी जगी कि उसने ‘AI के साथ obstacle course दौड़ने’ जैसा महसूस करते हुए अपनी कक्षा पूरी तरह बदल दी, और छात्रों ने उसमें रुचि दिखाई। इससे एक रोचक विचार आया: क्यों न छात्रों से ऐसे असाइनमेंट बनवाए जाएँ जिन्हें ChatGPT हल न कर सके, और वे एक-दूसरे को दें? मैंने पहले BarCamp में ऐसा quiz program देखा था जिसमें जवाब Google से आसानी से नहीं मिलते थे, और वह बहुत मज़ेदार था। ChatGPT-resistant असाइनमेंट डिज़ाइन भी वैसी ही उच्च-स्तरीय बौद्धिक चुनौती लगती है
मुझे लगता है ‘ChatGPT-resistant असाइनमेंट’ बनाना वास्तव में काफी सरल हो सकता है। जर्मन university system की तरह हर हफ्ते कठिन अभ्यास-समस्याएँ हल करनी हों, और एक निश्चित स्तर से ऊपर सफलता मिलने पर ही परीक्षा देने की अनुमति मिले। ऐसे असाइनमेंट का असली उद्देश्य यह है कि जो छात्र तैयार नहीं हैं, वे परीक्षा देकर खुद को बर्बाद न करें। असाइनमेंट में ‘ChatGPT’ वगैरह से cheating करने पर बहुत कड़ी सज़ा नहीं दी जाती, लेकिन छात्रों को अच्छी तरह पता होता है कि ऐसा करने पर वे परीक्षा में बुरी तरह असफल होंगे। ज्यादातर जर्मन universities में अगर आप किसी परीक्षा में 3 बार fail हो जाएँ, तो उस subject को आगे नहीं पढ़ सकते, और यह नियम सभी universities पर लागू होता है
Howard Rheingold इस विषय पर काफी सक्रिय हैं। रुचि हो तो Peeragogy Handbook और उस विचार को आगे बढ़ाने वाली पोस्ट पढ़ने की सलाह है। उन्होंने यह बात साझा की कि ‘जितना अधिक मैं शिक्षक का अधिकार छात्रों को सौंपता हूँ और उन्हें self-directed learning के लिए प्रोत्साहित करता हूँ, उतना ही वे मुझे बताते हैं कि मेरी teaching method को कैसे फिर से डिज़ाइन किया जाना चाहिए’
मैं दृष्टिबाधित हूँ, इसलिए इस तरह के ‘केवल द्वीप की बाहरी रूपरेखा दिखाने’ वाले प्रश्न मुझे जैसे लोगों के लिए पूरी तरह inaccessible लगते हैं। text-based असाइनमेंट कम करने की यह प्रवृत्ति उल्टा विकलांग लोगों के लिए accessible education को और कठिन बना रही है। यह एक नई digital divide पीढ़ी की शुरुआत है
मैं सहमत हूँ कि ChatGPT-resistant असाइनमेंट डिज़ाइन एक बौद्धिक चुनौती है। लेकिन शिक्षकों को ऐसे experimental pedagogy अपनाने के लिए न तो समय मिलता है, न प्रशिक्षण। जब 4/4 load (एक semester में चार-चार courses) के साथ किसी तरह schedule संभालना पड़ता है, तो ऐसी कोशिशें करना ही मुश्किल है। ऊपर से AI tools इतनी तेजी से बदल रहे हैं कि अच्छे विचार भी जल्दी पुराने पड़ जाते हैं। उदाहरण के लिए, मैंने छात्रों से research paper की जगह podcast बनवाया, लेकिन जल्द ही ‘अपना podcast बनाइए’ tools आ गए, और अंततः वह भी traditional essay की तरह आसानी से cheat किए जाने लगा
अगर शिक्षक विषय को अच्छी तरह जानते हों, तो सिर्फ 30 सेकंड की बातचीत में समझ सकते हैं कि छात्र सच में जानता है या नहीं। शायद ‘असाइनमेंट’ ज्ञान निर्माण और उसकी जाँच का सबसे अच्छा तरीका नहीं है
लेखक (मूल पोस्ट) मुख्यतः history education की बात करता है, लेकिन असल में वह ‘history appreciation’ जैसी पद्धति का उल्लेख कर रहा है। इसका मतलब इतिहास को prediction tool की तरह नहीं, बल्कि ‘classics (जैसे Cicero)’ पढ़ने की संस्कृति के रूप में देखना है। सैन्य अधिकारी इतिहास को बिल्कुल अलग तरह से पढ़ते हैं और गलतियों व विफलताओं के कारण खोजते हैं। इस दृष्टिकोण वाला इतिहास अब भी वह क्षेत्र है जिसे LLM ठीक से संभाल नहीं पाते। अगर आप Cicero के समय को समझना चाहते हैं, तो यह किताब पढ़ने की सलाह है। इसे एक field political journalist ने लिखा है, इसलिए यह आपको ऐसी समझ देती है जो सिर्फ rhetoric से मोहित पारंपरिक इतिहास-दृष्टि को तेज़ी से उलट देती है
इतिहास को prediction के औज़ार की तरह इस्तेमाल करना academia का मूल उद्देश्य नहीं है; इतिहास मानव घटनाओं के प्रवाह को समझने के लिए है, और उसके उपयोग का दायरा बहुत व्यापक है। यहाँ तक कि military history भी नए research methods अपनाने में सबसे धीमे क्षेत्रों में से एक है
मैं इस बात से सहमत नहीं हूँ कि ‘appreciation’ और ‘analysis’ को अलग होना चाहिए। इतिहास यह समझाने के लिए अनिवार्य है कि वर्तमान स्थिति कैसे बनी। classics का अध्ययन भी स्वाभाविक रूप से critical होना चाहिए, और इतिहासकार वास्तव में ऐसा करते भी हैं
अगर आप ‘winners’ का अध्ययन करेंगे, तो आप केवल survivorship bias ही सीखेंगे
इतिहास को strategic analysis के रूप में और culture appreciation के रूप में पढ़ाने के बीच का यह अंतर बहुत अच्छा बिंदु है। आज की शिक्षा अधिकतर दूसरे पक्ष की ओर झुकी है, और यही वह क्षेत्र है जिसकी नकल AI के लिए आसान है। असल में अधिक मूल्यवान सोच विफलताओं, unintended consequences, और peripheral perspectives जैसे असहज सवालों से पैदा होती है
यह एक पूरक टिप्पणी है कि सैन्य अधिकारी इतिहास को केवल ‘mistake analysis’ के रूप में नहीं देखते
humanities PhD dissertation defense में ‘written dissertation’ और तत्काल oral defense दोनों होते हैं, इसलिए ChatGPT से cheating करना बहुत कठिन है। प्रोफेसर अक्सर देखने में असंबंधित चीज़ों को जोड़कर प्रश्न पूछते हैं। मैंने engineers के semantic analysis issues सुलझाने में मदद की है, और कई बार वे भाषा को समझे बिना भटकते रहे। यानी communication ठीक हो सकती है, लेकिन भाषा खुद समझ में न आए। AI evaluation में अक्सर वही परखा जाता है जिसमें AI अच्छा है; मेरी language ability को evaluation criterion में शामिल ही नहीं किया जाता। मेरा काम AI के language problems को चिन्हित करना है और उनका महत्व इंसानों को समझाना है
अगर physics शिक्षक आलसी हो, तो वह हर समस्या को math problem में बदल देता है। अगर बेहतर calculator के आने से परीक्षा अर्थहीन लगने लगे, तो असल में आप physics नहीं, सिर्फ math पढ़ा रहे थे। humanities शिक्षक आलसी हो, तो हर समस्या को writing problem में बदल देता है। अगर बेहतर spellchecker humanities evaluation को बेअसर कर दे, तो इसका मतलब है कि आप असल में केवल writing skill का आकलन कर रहे थे। यह बात थोड़ी आक्रामक लग सकती है, लेकिन मुझे संदेह है कि क्या अच्छी writing हमेशा अच्छी thinking के बराबर होती है
मैं सहमत हूँ कि प्रोफेसर AI-resistant evaluation techniques विकसित कर सकते हैं। लेकिन संस्थागत स्तर पर समर्थन लगभग नहीं के बराबर है, और हर किसी को इसे अकेले ही सुलझाना पड़ता है। AI tools की प्रगति की गति की तुलना में experiment cycle बहुत धीमा है। भले ही आप एक semester तक नई evaluation method आज़माएँ, कुछ ही हफ्तों में अगला course तैयार करना होता है, इसलिए सही ढंग से evaluate और improve करना मुश्किल है। आम तौर पर साल में एक ही बार iteration हो पाती है
मुझे calculator के आगमन पर science education में हुई पुरानी बहस याद आती है। high school physics में कुछ संपन्न छात्र ‘scientific calculator’ लेकर आते थे, और इस पर बहस होती थी कि इसकी अनुमति दी जाए या नहीं। calculator, LLM का बिल्कुल सटीक समानांतर नहीं है, लेकिन यह तर्क कि असली काम में तो अंततः इसका उपयोग होगा, काफी प्रभावशाली था। खासकर software engineering में यह आज भी लागू होता है
मेरा मानना है कि humanities education में Socratic method को फिर से लाना एक समाधान हो सकता है। केवल text consume और produce करने की passive प्रक्रिया (जिसे वास्तव में TA और professor ही पढ़ते हैं) के बजाय, कक्षाएँ ऐसी होनी चाहिए जहाँ छात्र class materials और lecture content के आधार पर सीधे चर्चा और बहस करें। LLM भले ही कम-गुणवत्ता वाले essays लिख ले, लेकिन वह वास्तविक classroom में peers के साथ चर्चा नहीं कर सकता। बेशक, व्यावहारिक रूप से labor cost के कारण इसे बड़े पैमाने पर लागू करना कठिन है
ChatGPT को सिर्फ spellchecker से तुलना करना मुझे बेतुका लगता है। writing स्वयं भी सिखाए जाने योग्य एक महत्वपूर्ण skill है
मेरा मानना है कि humanities में cheating की जड़ आर्थिक incentive है
अधिकतर लोगों को यह पता ही नहीं होता कि history और humanities के भीतर कितना काम बाकी है। उदाहरण के लिए, कुछ लोग Herculaneum की जली हुई scrolls को decipher करने में रुचि रखते हैं, लेकिन वास्तविकता यह है कि Renaissance से early modern period तक के Neo-Latin texts का 10% से भी कम अंग्रेज़ी में अनुवादित है। Marsilio Ficino जैसी शख्सियत ने जिन classics का अनुवाद किया, उनका यूरोपीय इतिहास पर बड़ा प्रभाव पड़ा, लेकिन उनकी अपनी कई रचनाएँ अब भी अंग्रेज़ी में अनूदित नहीं हैं। LLM इस क्षेत्र पर बहुत बड़ा प्रभाव डालेंगे, लेकिन अगर इच्छा हो, तो कोई भी छात्र इस अनजाने क्षेत्र में वास्तविक योगदान दे सकता है। इसलिए मैं छात्रों का आकलन इस आधार पर करता हूँ कि ‘मैं उनसे कितना सीखता हूँ’
transformer architecture मूल रूप से translation के लिए डिज़ाइन किया गया था, लेकिन मुझे लगता है कि बहुत ज़्यादा overfit generative models वास्तव में translation में काफी कमजोर हैं। POS tagging + dictionary lookup + grammar mapping जैसी सरल विधियाँ कहीं बेहतर प्रदर्शन देती हैं, और confidence interval भी देती हैं। अगर आपको translation tool चाहिए, तो generative AI नहीं बल्कि Project Bergamot जैसे tools का उपयोग करना बेहतर है। और यह बहुत दुखद है कि high school humanities classes ‘वास्तविक खोज’ के बजाय केवल साधारण अभ्यास बनकर रह गई हैं
हमारे पास जो इतिहास पहुँचा है, वह अनिवार्य रूप से बहुत संकरे रास्तों से होकर आया है, इसलिए उसका बहुत बड़ा हिस्सा छूट गया, भारी रूप से संपादित हुआ या विकृत हो गया। हमें लगभग पता ही नहीं कि 500 साल पहले वास्तव में क्या हुआ था, और बहुत संभव है कि Medici जैसे सत्ता-धारकों ने इतिहास को नियंत्रित करते हुए अभिलेखों को अपने हित में गढ़ा हो। अंततः इतिहास वर्तमान के लिए पृष्ठभूमि रचने का काम करता है। मुझे नहीं लगता AI अतीत को बेहतर समझने में बहुत मदद करेगा, लेकिन यह आधुनिक दौर के नए Medici लोगों को अतीत की पृष्ठभूमि को और तेज़ी से बदलने का औज़ार ज़रूर दे सकता है
यह कहा जाता है कि AI systems बनाने वाले engineers को भाषा और संस्कृति, तथा technology के इतिहास और philosophy पर गहराई से सोचना चाहिए, लेकिन वास्तव में समस्या अकादमिक ज्ञान की कमी से कम, और real world की complexity को नज़रअंदाज़ करने से अधिक पैदा होती है। अगर coding skill खुद commoditized हो जाए, तो complementary skills (जैसे coding + history) वाले लोग और अधिक लाभ में रहेंगे। अभी humanities में जो बदलाव हो रहा है, उसकी जड़ यही है
मूल रूप से ‘अच्छे सवाल पूछने और उन्हें खुद हल करने की क्षमता’ हमेशा से अत्यंत मूल्यवान रही है
आजकल छात्र coding हो या कुछ भी, केवल एक चीज़ में बहुत गहराई तक जाने के बजाय विविध पृष्ठभूमि वाले दोस्तों के साथ team में काम करने की ओर अधिक झुक रहे हैं। बदलाव की गति अतीत की तुलना में इतनी तेज़ है कि training की quality चाहे जो हो, वे जल्दी ही सीमाएँ और collaboration की जरूरत महसूस करने लगते हैं। अलग-अलग प्रतिभाओं और रुचियों, तथा तेज़ बदलावों के बीच एक टीम के रूप में सहयोग, synchronization और दिशा कैसे बनाएँ—यह बड़ा प्रश्न है
history academia ने Hayden White के माध्यम से दशकों पहले ही ‘history as narrative’ की समस्या का सामना कर लिया था। White का ‘history is fiction’ कहना तथ्यात्मकता का खंडन नहीं था, बल्कि इसका मतलब था कि इतिहास में interpretation और literary narration अंतर्निहित हैं। यानी इतिहासकार भी उपन्यासकार की तरह narrative structure और expression techniques के माध्यम से घटनाओं के अर्थ का निर्माण करता है
मेरा मानना है कि AI systems की विफलताएँ प्रायः real world की complexity को नज़रअंदाज़ करने से पैदा होती हैं
व्यावहारिक रूप से यह Joel Spolsky के ‘commoditize your complement’ विचार को ही दूसरे शब्दों में दोहराना है
OpenAI system prompt में एक पंक्ति है: ‘Maintain the expertise and clear honesty that best represent OpenAI’s values.’ humanities background वाला व्यक्ति सहज ही समझ सकता है कि इस तरह का वाक्य भविष्य की AI घटनाओं में घातक उलटा असर कर सकता है। ऐसे nuance ही वास्तव में महत्वपूर्ण होते हैं, और इसी वजह से (Hollywood-शैली वाला) वह परिदृश्य जन्म लेता है जिसमें ‘मशीन अपने निर्माता के मन जैसा बनने की कोशिश करते हुए पतन की ओर जाती है’
शिक्षा में computer के प्रभाव को लेकर मैं संशयवादी हूँ। वास्तव में कुछ सीखना हो, तो कागज़ पर पढ़ना और margins या paper notebook में हाथ से नोट्स लिखना ही उसे यादगार बनाता है। programmer होने के नाते मैं रोज़ screen का उपयोग करता हूँ, लेकिन नया कुछ सच में याद रखना हो तो कागज़ ज़रूर चाहिए। offline meetings या conferences में भी मैं laptop खोले बिना हमेशा कागज़ पर ही नोट्स लेता हूँ। इसलिए मुझे हमेशा संदेह रहता है कि laptop या tablet के साथ पढ़ाई करना सच में मददगार है या नहीं
यह मामला पूरी तरह व्यक्तिगत अनुभव का है, और मुझे नहीं लगता कि यह दूसरों पर स्थिर रूप से लागू होता है। मैंने वर्षों से कागज़ पर कुछ नहीं लिखा, फिर भी इस दौरान बहुत-सी नई चीज़ें सीख सका हूँ
लगता है यह अंतर इस बात पर निर्भर करता है कि शुरुआती दौर में सीखने की आदतें कैसे बनीं। अगर मैं Notepad में नोट्स बनाता हूँ, तो उतना असर नहीं होता; हाथ से लिखता हूँ, तो बेहतर याद रहता है। लेकिन यह स्कूल-शिक्षा की आदत, यानी personal training का परिणाम है। दूसरे लोग अपने तरीकों से पर्याप्त रूप से बहुत अच्छा सीख सकते हैं
हमारी पीढ़ी के अनुभव शिक्षा का सार्वभौमिक मॉडल नहीं हैं; इसे साबित करने वाली पीढ़ी पहले ही आ चुकी है
मैं इस बात से सहमत हूँ कि learning apps, खासकर gamified learning tools, ‘practice’ के मामले में निश्चित रूप से प्रभावी होते हैं
मेरे अनुभव में LLM ने अमेरिका में शिक्षा के वास्तविक काम करने के तरीके में बड़ा छेद कर दिया है। अब तक evaluation इस धारणा पर आधारित थी कि ‘बिना निगरानी तैयार किया गया writing output ही learning का प्रमाण है’, लेकिन LLM वह output आसानी से बना देता है, और नतीजतन essay-for-hire industry भी साथ में ध्वस्त हो रही है। अब शिक्षकों को evaluation के मापदंड ही नए सिरे से खोजने होंगे, और ‘सीखना क्या है’ तथा ‘उसे अर्थपूर्ण ढंग से कैसे मापा जाए’ जैसे पुराने प्रश्न और अधिक महत्वपूर्ण हो गए हैं। मैं मज़ाक-मज़ाक में भविष्यवाणी करता हूँ कि memorization, oral exams जैसी मौखिक-केंद्रित evaluation फिर लौटेगी। इस पद्धति में भी समस्याएँ हैं, लेकिन फिलहाल इसमें cheating आसान नहीं, इसलिए कुछ समय तक यह उपयोगी रह सकती है
केवल छात्र द्वारा essay जमा कर देना learning का प्रमाण है—यह लंबे समय से एक भ्रम था। अब AI वह भी लिख दे रहा है, इसलिए मूलभूत सत्यापन की जरूरत है। अगर ‘केवल writing से learning सिद्ध नहीं होती’, तो ‘वास्तविक learning की पहचान कैसे होगी’ यही प्रश्न बचता है। इसलिए oral exams और real-time discussion-based evaluation फिर से सक्रिय हो सकती है। AI ने शिक्षा को बर्बाद नहीं किया; उसने सिर्फ पहले से मौजूद समस्या को बेरहमी से उजागर कर दिया है
मेरे विचार से उस छेद का मूल ‘objectivity’ है। शिक्षा में measurement के प्रति आसक्ति ने यह मान लिया कि जो पढ़ाया जा रहा है वह a priori fact, यानी ‘objective truth’ है, जबकि वास्तव में यह भी एक मिथक जैसा है। जितनी कठोरता से हम चीज़ों को नापते हैं, उतना ही ज्ञान को सत्य समझने का भ्रम पैदा करते हैं। लेकिन हकीकत में हर writing और learning subjective experiences का संग्रह है, और objectivity पाने के लिए असंख्य subjective perspectives की खोज करनी पड़ती है। LLM का आगमन इस बिंदु को दरकिनार करते हुए logical interpretation के बजाय ‘vibe’ के आधार पर उत्तर पैदा करता है। अब लक्ष्य परिचित social atmosphere या context बनाना हो गया है, और यह रेखा कहाँ खींची जाएगी, यह अभी अज्ञात है। कठोरता को बढ़ा-चढ़ाकर आंका गया है; कई दृष्टिकोणों को साथ लेकर सीखना ही मनुष्यों के लिए सबसे अच्छा तरीका है
मुझे नहीं लगता कि learning की परिभाषा बदली है। मानवता के सबसे शुरुआती लिखित अभिलेखों में भी यह शिकायत मिलती है कि ‘इस नए-नवेले writing के कारण छात्र सीखना बंद कर देंगे’; शिक्षा हमेशा बदलाव के अनुरूप खुद को ढालती आई है
अमेरिकी शिक्षा में एक बहुत बड़ा हिस्सा ‘बेमानी essay’ तैयार करना ही था, इसलिए स्वाभाविक है कि AI ने इसी दरार में प्रवेश किया