Η τεχνητή νοημοσύνη είναι παντού και όταν λέμε παντού, εννοούμε ακόμα και στο τραπέζι μας, την ώρα που πίνουμε καφέ μαζί με τους φίλους μας – έχετε αναρωτηθεί πόσο έντονα μιλάμε για αυτή τα τελευταία χρόνια; Με λίγα λόγια, η τεχνητή νοημοσύνη έχει περάσει δυναμικά στην καθημερινότητα, στην εργασία, ακόμα και στον τρόπο με τον οποίο παράγουμε και μοιραζόμαστε πληροφορίες.
Πλατφόρμες που γράφουν κώδικα, συστήματα που δημιουργούν εικόνες, εργαλεία που απαντούν σε ερωτήσεις ή αναλαμβάνουν λογιστικές διαδικασίες. Όλα αλλάζουν, και με την ανάπτυξη της AI ήταν θέμα χρόνου να αναδιαμορφωθεί τελείως και το εργασιακό τοπίο. Αυτό, βέβαια, δεν σημαίνει απαραίτητα ότι «η μηχανή θα αντικαταστήσει τον άνθρωπο». Το νόμισμα, άλλωστε, έχει δύο όψεις και το πώς θα συνεργαστούμε με τις νέες τεχνολογίες ώστε να δημιουργηθούν νέες μορφές επαγγελματικής δραστηριότητας, είναι η δεύτερη και η πιο σημαντική.
Σύμφωνα με την έκθεση Future of Jobs του World Economic Forum, αναμένεται ότι περίπου το 44% των δεξιοτήτων που απαιτούνται σήμερα θα μεταβληθεί μέσα στα επόμενα πέντε χρόνια, ενώ η McKinsey εκτιμά ότι έως το 2030 εκατομμύρια εργαζόμενοι παγκοσμίως θα χρειαστεί να μετακινηθούν σε νέα επαγγελματικά πεδία. Όπως σημειώνει με τη σειρά του ο ΟΟΣΑ, οι νέοι εργαζόμενοι θα χρειαστεί να επανεκπαιδευτούν ή να εξελιχθούν.
Το κρίσιμο ερώτημα για τους νέους, λοιπόν, δεν είναι απλώς «τι θα σπουδάσω;» αλλά πώς θα διασφαλίσω ότι οι σπουδές μου θα μπορούν να με ακολουθήσουν σε ένα μεταβαλλόμενο «αύριο».
Το καθοριστικό πλεονέκτημα της ευελιξίας
Η επαγγελματική εξειδίκευση, αν και έχει αξία, στις μέρες μας κρύβει παγίδες, με την ευελιξία να αποτελεί πλεονέκτημα στη σύγχρονη αγορά, μια αγορά που ζητά ανθρώπους που μπορούν να προσαρμόζονται, να συνδυάζουν πεδία, να κατανοούν πολλαπλές οπτικές και να συνεργάζονται με ομάδες διαφορετικού υπόβαθρου.
Σε αυτό το σημείο, το αμερικανικού τύπου εκπαιδευτικό μοντέλο έχει ένα ιδιαίτερο προβάδισμα καθώς η βασική του φιλοσοφία είναι ότι οι φοιτητές δεν πρέπει μόνο να γνωρίζουν το αντικείμενό τους, αλλά να αναπτύσσουν την ικανότητα να το συνδέουν με μεγαλύτερα κοινωνικά, τεχνολογικά και οικονομικά συστήματα. Με λίγα λόγια, εστιάζει στη σφαιρική εκπαίδευση.
Όπως εξηγεί στο ΒΗΜΑ ο Νίκος Αντωνόπουλος, Vice President, Academic Affairs – Research and Innovation του Deree – Αμερικάνικο Κολλέγιο Ελλάδος, «η τεχνητή νοημοσύνη έχει ξεκινήσει να φέρνει μια επανάσταση στον τρόπο που ζούμε, δουλεύουμε και επικοινωνούμε. Η επανάσταση αυτή θα συνεχίσει να επιταχύνεται καθώς γίνονται φθηνότεροι οι επεξεργαστές και η πρόσβαση σε μεγάλα δεδομένα. Αυτό σημαίνει ότι οι ρόλοι εργασίας εξελίσσονται και οι απόφοιτοι πρέπει να είναι έτοιμοι για μια αγορά που θα είναι πολύ διαφορετική από αυτή που γνωρίζουμε τώρα».
Στο πλαίσιο αυτό, ιδιαίτερα σημαντική είναι η διεπιστημονικότητα και η δυνατότητα συνδυασμού σπουδών μέσω major και minor, η οποία δεν είναι μια απλή «προσθήκη μαθημάτων», αλλά μια σχεδιασμένη εκπαιδευτική λειτουργία που επιτρέπει πολλαπλές επαγγελματικές «διαδρομές».
«Μέσα από συνδυασμούς major-minor οι φοιτητές μπορούν να αποκτήσουν δεξιότητες σε περισσότερα από ένα πεδία. Έτσι, προετοιμάζονται για πολλαπλές επαγγελματικές σταδιοδρομίες. Αυτό τους δίνει επαγγελματική ευελιξία, που είναι εξαιρετικά σημαντική στην εποχή της τεχνητής νοημοσύνης», σημειώνει ο Νίκος Αντωνόπουλος.
Το liberal education και η AI ως εργαλείο εκπαίδευσης
Το λεγόμενο liberal education, αυτή η σφαιρική μόρφωση πριν από την εξειδίκευση, είναι ένας τρόπος να αποκτήσει κανείς την ικανότητα σύνθεσης πληροφοριών από διαφορετικές πηγές, δεξιότητες επικοινωνίας σε διάφορα περιβάλλοντα και κατανόηση του πλαισίου μέσα στο οποίο λειτουργεί η τεχνολογία.
Το να μπορεί ένας φοιτητής να «μεταφράζει» μια ιδέα από έναν τομέα σε έναν άλλο, να συνεργάζεται με διαφορετικές ομάδες και να κατανοεί την κοινωνική διάσταση της τεχνητής νοημοσύνης, είναι εξίσου κρίσιμο με τις τεχνικές γνώσεις.
Όπως τονίζει ο κ. Αντωνόπουλος «ο φοιτητής πρέπει να μπορεί να καταλαβαίνει, να επικοινωνεί και να συνεργάζεται με επαγγελματίες από άλλους χώρους. Αυτό είναι κρίσιμο γιατί η τεχνητή νοημοσύνη δημιουργεί ρόλους που απαιτούν συνεργασία και κατανόηση πέρα από ένα μόνο πεδίο».
Στο ζήτημα της χρήσης της τεχνητής νοημοσύνης κατά τη διάρκεια των σπουδών, ένας μεγάλος κίνδυνος είναι η παθητική χρήση. Όμως τα σύγχρονα ακαδημαϊκά περιβάλλοντα επενδύουν στη κριτική χρήση της ΑΙ, δηλαδή στο να μαθαίνουν οι φοιτητές πώς, πότε και γιατί να τη χρησιμοποιούν.
Σύμφωνα με τον κ. Αντωνόπουλο, «η ΑΙ πρέπει να ενσωματώνεται στην εκπαίδευση ως εργαλείο. Οι φοιτητές χρειάζεται να γνωρίζουν τι μπορεί να προσφέρει και ποιοι είναι οι περιορισμοί της. Πρέπει να μπορούν να αποφασίζουν πότε είναι πραγματικά χρήσιμο ένα εργαλείο τεχνητής νοημοσύνης για μια εργασία και πότε πρέπει να εμπιστευτούν τη δική τους κρίση».
Για να διασφαλιστεί αυτό, στο αμερικανικό εκπαιδευτικό σύστημα χρησιμοποιούνται μέθοδοι αυθεντικής αξιολόγησης: εξετάσεις στην τάξη, προφορικές παρουσιάσεις, ομαδικά projects, εργασίες που απαιτούν προσωπική τοποθέτηση και δημιουργική επεξεργασία. Με αυτόν τον τρόπο η αξιολόγηση στηρίζεται στη σκέψη.
Το rechanneling ως νέα κανονικότητα
«Υπάρχουν πολλές έρευνες που δείχνουν ότι οι νέοι επαγγελματίες είναι πιθανό να ακολουθήσουν πολλαπλές σταδιοδρομίες» λέει ο κ. Αντωνόπουλος. «Γι’ αυτό είναι κρίσιμο να μπορούν να επανατοποθετηθούν, να αλλάξουν κατεύθυνση, να εξελιχθούν – και αυτό απαιτεί ευελιξία στο υπόβαθρο και ανοιχτό τρόπο σκέψης».
Η ερώτηση «τι θέλω να σπουδάσω» δεν μπορεί πλέον να αντιμετωπίζεται μόνο με όρους αγοράς εργασίας καθώς οι προβλέψεις αλλάζουν γρήγορα και πολλά από τα επαγγέλματα της επόμενης δεκαετίας δεν υπάρχουν ακόμη με σαφή περιγραφή. «Αυτό έχει ήδη αρχίσει να διαφαίνεται καθαρά, καθώς έχουν αρχίσει να εμφανίζονται νέες θέσεις εργασίας με καινούριο περιεχόμενο (job description) που δεν υπήρχαν στο παρελθόν, ενώ ταυτόχρονα άλλες θέσεις εργασίας άρχισαν να αναπληρώνονται από εργαλεία τεχνητής νοημοσύνης».
Γι’ αυτό, η πιο σημαντική επιλογή δεν είναι το αντικείμενο καθαυτό, αλλά το πώς σπουδάζει κανείς: Μαθαίνει για να μαθαίνει; Μπορεί να προσαρμοστεί σε αλλαγές; Μπορεί να συνδυάσει γνώσεις από διαφορετικά πεδία; Μπορεί να συνεργαστεί και να επικοινωνήσει αποτελεσματικά; Μπορεί να χρησιμοποιεί την τεχνητή νοημοσύνη με επίγνωση και κριτική σκέψη;
Αυτά είναι τα στοιχεία που θα καθορίσουν ποιος θα ανθίσει επαγγελματικά στο μέλλον, κάτι που σημαίνει πως ο ρόλος των πανεπιστημίων στην εποχή της AI είναι σημαντικός και πολυμερής. «Δεν μπορούμε να εκπαιδεύουμε νέους ανθρώπους με το mindset του παρελθόντος» καταλήγει ο κ. Αντωνόπουλος. «Πρέπει να “αγκαλιάσουμε” την AI στην εκπαίδευση. Αυτό σημαίνει ότι οι φοιτητές μας εκπαιδεύονται ώστε να γνωρίζουν τι είδους AI εργαλεία είναι διαθέσιμα στον τομέα τους και καταλαβαίνουν πώς μπορούν να τα χρησιμοποιήσουν στην πράξη».
