Rozpoczął się rok szkolny, za chwilę rozpocznie się akademicki. Po raz kolejny wybrzmi gromkie Gaudeamus igitur. Z ust rektorów i dziekanów usłyszymy podniosłe przemówienia o wspólnocie akademickiej, wolności badań, sukcesach uczelni i potrzebie lepszego finansowania nauki. Może niektórzy zapytają także o przyszłość akademii w świecie sztucznej inteligencji. Oby. AI może bowiem zmienić nie tylko sposób prowadzenia zajęć i sprawdzania prac, lecz także oczekiwania wobec samego uniwersytetu. I to znacznie szybciej, niż sugerowałby spokojny rytm kolejnych inauguracji.
Władze uczelni od lat zapewniają kandydatów, że studia przygotują ich do potrzeb rynku pracy. W nadchodzącym roku akademickim warto byłoby uzupełnić tę obietnicę o drobny szczegół: do potrzeb rynku z którego roku? Tego, w którym student odbiera indeks, czy tego, w którym otrzyma dyplom? Pomiędzy tymi datami może się bowiem okazać, że część umiejętności, których opanowanie skrupulatnie potwierdzaliśmy punktami ECTS, mieści się już w miesięcznym abonamencie.
Nie oznacza to końca pracy ani zbędności wiedzy fachowej. Oznacza natomiast kłopot dla uczelni, która swoją rację bytu coraz chętniej wyjaśnia przydatnością absolwenta do wykonywania aktualnych zadań zawodowych. Być może sztuczna inteligencja podważy właśnie ten model akademii, do którego tak wytrwale próbowaliśmy się dostosować. I być może dzięki temu przypomnimy sobie, po co jeszcze istnieje uniwersytet.
Dyplom z przydatności
Przygotowanie do zawodu jest potrzebnym i godnym zadaniem. Lekarz powinien umieć leczyć, inżynier projektować, a tłumacz rozumieć język. Żaden rozsądny projekt odnowy akademii nie może opierać się na pogardzie dla praktyki. Problem pojawia się wtedy, gdy przygotowanie do pierwszej pracy pochłania niemal całą ambicję kształcenia. To strategia typowa dla szkoły zawodowej, żeby wręcz nie powiedzieć: „przyzakładowej”. I to niezależnie od jej „szczebla”!
Zresztą słabość tak zawężonej obietnicy ujawniała się jeszcze przed upowszechnieniem generatywnej AI. Tam, gdzie dyplom stanowi wymagany etap dostępu do zawodu lub określonych uprawnień, uczelnia ma instytucjonalne oparcie. Tam, gdzie takiej bariery nie ma, musi przekonać studenta, że kilkuletnie studia dają mu coś, czego nie uzyska inną drogą.
Świetnie widać ten problem w informatyce, zwłaszcza w pracy programistycznej. Możliwość zdobycia zatrudnienia jeszcze przed ukończeniem studiów stawia uczelnię przed niewygodnym pytaniem. Jeżeli student otrzymuje atrakcyjną ofertę pracy, może uznać, że dalszy rozwój łatwiej połączy z samokształceniem i odpowiednio dobranymi kursami. Jeżeli uzasadnieniem studiowania była przede wszystkim obietnica wejścia do zawodu, trudno mu wyjaśnić, dlaczego powinien zostać, skoro właśnie do niego wszedł. Uczelnia musi wtedy umieć wskazać, co jeszcze ma mu do zaoferowania.
Uniwersytet powinien szlifować diamenty, by stawały się brylantami. To porównanie zobowiązuje jednak obie strony. Diament ma twardość 10 w skali Mohsa: byle narzędzie nie wystarczy do jego obróbki. Podobnie student o dużym potencjale, samodzielny i dociekliwy, potrzebuje wymagającego środowiska, kontaktu z badaniami i nauczycieli, którzy potrafią rozwinąć jego możliwości. Samo powtarzanie treści dostępnych gdzie indziej zadania tego nie spełni.
Taka ambicja wymaga odejścia od masowości rozumianej jako jednakowa obróbka wszystkich. Wymaga również namysłu nad tym, jak rozpoznajemy potencjał kandydatów. Nie zawsze najłatwiej dostrzec go w wynikach rekrutacji; czasem ujawnia się dopiero wtedy, gdy ktoś po raz pierwszy otrzymuje odpowiednio trudne pytanie. O jakości uniwersytetu świadczy więc zarówno to, kogo przyjmuje, jak i to, co potrafi w przyjętych osobach rozwinąć.
Uczelnia akademicka ma przecież uczyć także stawiania pytań, których pracodawca jeszcze nie sformułował. Powinna pozwalać badać sprawy, z których nie wynika natychmiastowa korzyść, podważać przyjęte założenia i rozumieć konsekwencje własnej specjalizacji. Można doskonale opanować procedurę, nie rozumiejąc, kiedy przestaje ona mieć sens. Można też bardzo sprawnie realizować cel, którego nikt rozsądnie nie wybrał.
W tradycji humboldtowskiej ważne pozostaje przekonanie, że badanie i kształcenie należą do wspólnego przedsięwzięcia, a poznanie potrzebuje wolności. Nie chodzi o przywrócenie dziewiętnastowiecznej instytucji wraz z jej ograniczeniami. Chodzi o ambicję: uniwersytet ma kształtować człowieka zdolnego do samodzielnego sądu, nie tylko wykonawcę poprawnych czynności.
W opowiadaniu Profession z 1957 roku Isaac Asimov – biochemik i pisarz science fiction – wyobraził sobie świat, w którym kwalifikacje zawodowe można zapisać bezpośrednio w ludzkim mózgu. Nawet ta cywilizacja potrzebowała jednak miejsc, gdzie ludzie uczyli się samodzielnie i tworzyli nową wiedzę. Dzisiejszy uniwersytet powinien potraktować tę literacką wizję jako pytanie o własną ambicję. Co rozwijamy w studentach poza tym, co mogą otrzymać w gotowej postaci?
Tymczasem deklaracja, że absolwent będzie krytycznie myślał, wyjątkowo łatwo mieści się w sylabusie. Trudniej znaleźć dla niej czas pomiędzy kolejnymi zaliczeniami.
Powrót, który prowadzi dalej
W tym miejscu pojawia się szansa związana z AI. Skoro coraz więcej czynności intelektualnych można powierzyć systemom, ponownie trzeba zapytać, na czym polega wartość człowieka wykształconego.
Joseph E. Aoun już w książce Robot-Proof proponował połączenie rozumienia technologii i danych z szerokimi kompetencjami ludzkimi. W zaktualizowanym wydaniu uwzględnił jednak niewygodną okoliczność: także zadania twórcze, wcześniej uważane za odporne na automatyzację, zaczęły poddawać się działaniu generatywnej AI. Samo dopisanie „kreatywności” do katalogu efektów uczenia się nie zapewni więc uczelni technologicznej nietykalności.
Drogę akademii warto wyobrazić sobie jako spiralę. Powracamy do dawnych pytań o sens poznania, odpowiedzialność i samodzielność myślenia, ale zadajemy je w innych warunkach. Mamy nowe narzędzia, inne możliwości badawcze i nowe zależności. Powrót do akademickich ambicji może stać się kolejnym etapem rozwoju.
Spirala nie musi jednak wznosić się sama. Można przecież wykorzystać AI również do szybszego produkowania pozorów wykształcenia. Student wygeneruje pracę, prowadzący wygeneruje ocenę, a uczelnia odnotuje sprawne osiągnięcie efektów uczenia się. Obieg dokumentów zostanie zamknięty. Pozostanie drobna niejasność, czy po drodze ktoś się czegoś nauczył.
To rozróżnienie ma już empiryczne podstawy. W eksperymencie Bastani i współautorów uczniowie korzystający ze zwykłego interfejsu GPT lepiej rozwiązywali zadania podczas ćwiczeń, lecz po odebraniu narzędzia osiągali wyniki gorsze od grupy, która wcześniej pracowała bez AI. Odpowiednio zaprojektowany tutor ograniczał ten negatywny efekt. Badano szkolną matematykę, nie całe studia, ale lekcja jest istotna: uzyskanie poprawnego wyniku i nabycie własnej umiejętności to różne rzeczy.
Kiedy maszyna zamilknie
Jest jeszcze powód, by uniwersytet podtrzymywał samodzielność poznawczą. Społeczeństwo zależne od zewnętrznej inteligencji będzie potrzebowało ludzi zdolnych działać również wtedy, gdy ta inteligencja okaże się niedostępna albo niewiarygodna.
Nie trzeba wyobrażać sobie buntu robotów. Wystarczą awaria, utrata dostępu lub błąd powielony w wielu instytucjach. International AI Safety Report 2025, przygotowany pod kierownictwem Yoshuy Bengio, wskazuje, że powszechne korzystanie z niewielkiej liczby modeli może uczynić sektory krytyczne podatnymi na awarie systemowe. Problem jednego modelu może dotknąć wielu użytkowników jednocześnie.
Lęk przed taką zależnością jest starszy niż dzisiejsze modele AI. W opowiadaniu The Machine Stops z 1909 roku E.M. Forster opisał ludzkość powierzającą swoje życie wszechogarniającej Maszynie. Katastrofa ujawnia cenę zależności i utraty rozumienia systemu, który miał zapewniać bezpieczeństwo. Potrzebujemy więc pewnego zabezpieczenia. Uniwersytet mógłby pełnić funkcję żywej rezerwy kompetencji. Sama biblioteka nie wystarczy. Przechowanie dowodu matematycznego nie zapewnia jeszcze, że ktoś potrafi go odtworzyć, sprawdzić lub stworzyć następny. Zapis procedury nie zastępuje człowieka, który rozumie jej założenia.
Takiej rezerwy nie da się utrzymywać w stanie uśpienia. Samodzielność wymaga praktykowania: pisania, liczenia, interpretowania, eksperymentowania i spierania się. Również bez cyfrowego pomocnika. Im więcej potrafimy zrobić dzięki AI, tym poważniej powinniśmy traktować pytanie, co nadal potrafimy zrobić sami.
Czy kadra zdąży?
Pozostaje kwestia nieco bardziej drażliwa: czy obecne kadry potrafią taką rolę podjąć? Łatwo wymagać od studentów krytycyzmu wobec odpowiedzi modelu. Trudniej przyjąć ich krytycyzm wobec własnego wykładu. Jeżeli samodzielne myślenie studenta kończy się tam, gdzie zaczynają się (i również – o zgrozo – kończą) slajdy prowadzącego, trudno oczekiwać, że uniwersytet stanie się ostoją poznawczej autonomii.
Nie jest to prosty spór pokoleń. Wiek nie rozstrzyga o otwartości intelektualnej, a sprawność w obsłudze chatbota nie czyni nikogo dobrym nauczycielem. Chodzi o gotowość do zmiany warsztatu: pracy nad otwartymi problemami, rozmowy o błędach, oceniania rozumowania i dopuszczenia, że student może dojść do uzasadnionego wniosku inną drogą niż przewidziana.
To wymaga również warunków. Trudno prowadzić rozmowę ze studentem, gdy organizacja uczelni nagradza przede wszystkim obsłużenie odpowiednio dużej liczby studentów. Odnowy nie załatwi szkolenie z promptowania ani komisja, która dopisze AI do strategii rozwoju. Choć komisję zapewne uda się powołać przed inauguracją. Akademia będzie musiała sprawdzić, czy sama zachowała zdolności, które chce chronić u innych.
Nie powinniśmy przy tym uzasadniać całej jej wartości przydatnością na rynku przyszłości ani potrzebą zabezpieczenia świata przed awarią. Byłaby to kolejna wersja żądania, aby każde poznanie przedstawiło rachunek swojej użyteczności. Rozumienie świata ma wartość także wtedy, gdy nie zwiększa zatrudnialności i nie służy planowi ciągłości działania.
AI daje nam okazję, by tę ambicję podjąć na nowo. Na kolejnym zakręcie spirali uniwersytet może odzyskać sens, którego nie da się sprowadzić do sprawnego udzielania odpowiedzi. Warunkiem jest odwaga, by znów stawiać pytania. Również te o siebie.
dr inż. Łukasz Wolański
Centrum Nowych Technologii Uniwersytetu Warszawskiego
Żeby odpowiedzieć na pytanie, jak AI przyczyni się do poprawy jakości szkolenia, badań naukowych oraz, w ogóle, do rozwoju cywilizacji, należy zadać pytanie, a cóż to jest AI?
Obecnie głosy promujących AI sprowadzają się do zachwytów. Można je porównać do tekstów domokrążników, który w latach trzydziestych ubiegłego stulecia wciskali gospodyniom domowym cholernie niezbędne im rzeczy.
Zasada działania algorytmów AI polega na ich uczeniu na podstawie książek, podręczników, artykułów, monografii naukowych, filmów i innych informacji. Jak wiadomo, artykuł naukowy powstaje przez czas od roku i więcej. Jego opublikowanie w tak zwanym dobrym czasopiśmie trwa również co najmniej rok. Z monografiami oraz podręcznikami jeszcze gorzej. Oznacza to, że najnowsze posiadane przez AI informacje są opóźnione, w porównaniu z tym, co dzieje się w nauce, przynajmniej o dwa lub więcej lat. Korzystanie w badaniach naukowych z AI, zakładając przy tym, że AI powie prawdę, oznacza korzystanie z nieświeżej informacji, opóźnionej o dwa – trzy lata. Taka sytuacja jest do przyjęcia w dydaktyce.
Nauka jednak nie stoi w miejscu. W wielu dziedzinach to, co było pewną nowością dwa trzy lata temu, dzisiaj jest przestarzałe. AI odpowiada na zadane pytania. Jak zadasz słabiutkie pytanie, dostaniesz taką samą odpowiedź. Tak powstają artykuły w tak zwanych spółdzielniach. Jak masz mądre pytanie, to znaczy posiadasz odpowiednią najnowszą wiedzę. A jak ją posiadasz, to wyprzedzasz AI i musisz sam szukać odpowiedź, bo AI jest w porównaniu z tobą do tyłu.
Przeciwnicy AI straszą masowymi zwolnieniami, które zostaną wprowadzone dzięki zastąpieniu pracowników przez AI. Proszę, niech oni przeczytają jakiś z podręczników historii. Podczas pierwszej rewolucji przemysłowej masowo niszczono maszyny, bo pracownicy bali się o swoje miejsca pracy. A skończyło się to na masowym zaciągu nowych pracowników ze wsi. Bo zabrakło pracowników do obsługi maszyn, wydobycia węgla oraz do wielu innych nowych miejsc pracy. Podobna sytuacja miała miejsce zaczynając od lat siedemdziesiątych ubiegłego stulecia. Powstawały wtedy linie automatyczne a później – roboty. Na przykład, w fabrykach samochodów oraz w wielu innych zakładach produkcji masowej kiedyś roiło się od pracowników. Teraz ich prawie nie widać. Wtedy również straszono masowymi zwolnieniami. I co? A to, że kraje Europy Zachodniej ściągają dobrze wykształconych (i nie tylko) pracowników z całego świata, bo brakuje głów i rąk do pracy.
Obecnie twórcy AI zapowiadają, że zrówna się ona, a nawet przewyższy Leonardo Da Vinci. Będzie wybitnym lekarzem we wszystkich dziedzinach, kompozytorem, artystą malarzem, prawnikiem, ekonomistą, konstruktorem, naukowcem, wykładowcą oraz wieloma innymi wybitnymi specjalistami. Jest przy tym jedno drobne ale. A nuż ten lekarz pomyli diagnozę i każe chirurgowi robotowi wyciąć nie to co trzeba? Lub pomyli paragraf prawa karnego Holenderski z Polskim? Takich przykładów – błędów można mnożyć i mnożyć. Oznacza to, że ktoś musi pilnować, żeby nie doszło do pomyłki.
Inne niebezpieczeństwo polega na tym, że ktoś, będąc pod wpływem środków odurzających (co nie jest rzadkością) wprowadzi do algorytmów elementy destrukcyjne dla pojedynczych osób, grup osób, państw a nawet ludzkości. Coś takiego nie jest wykluczone, biorąc pod uwagę przypadek niszczenia samolotu z pasażerami oraz choćby taką próbę, które były w ostatnich latach. Powstaje pytanie, czy ktoś upilnuje od takich niebezpieczeństw?
Świat rozwija się coraz szybciej i uczelnie nie nadążają i ta różnica prędkości będzie rosła. Wkrótce gronostaje rektorskie stać się mogą symbolem stagnacji, a nie tradycji. Czy uczelnie mogą pozostać liderami postępu? Pewnie tak tylko musiałyby zgromadzić najbardziej przebojowe umysły, a o te zabiegają nie tylko uczelnie i nie tylko w Polsce uczelnie przegrywają słabą ofertą finansową.
Edison, Tesla, Kopernik Mendel - kto z nich pracował na uczelni? Żaden.
Uczelnie powinny dostarczać korporacjom i społeczeństwu dobrze wykształconych ludzi - takie ich zadanie. Przy okazji pojawiają się wynalazki i odkrycia, które nie nie powstaną w korporacjach i prywatnych laboratoriach.
Nie konkurujemy - uzupełniamy się.
Jeżeli uczelnie mają wykształcić liderów to nie mogą zatrudniać przeciętnych. Tym się różni uczelnia od szkoły średniej że w uczelni powinno się uczyć o tym, nad czym się samemu pracuje.
Sprawa jest dość prosta. Uciąłem sobie kiedyś z pewnym lekarzem miłą rozmowę nt. leczenia u dra Google'a. Usłyszałem niezwykle trafne zdanie, które pamiętam do dziś. Powiedział, że na internecie są wspaniałe wiadomości z lat 4-5 studiów medycznych, tylko brakuje tych z lat 1-3. Ot, cała zagadka. Liczą się fundamenty wiedzy.
Zawsze tak było, że dobra uczelnia dawała podstawy, horyzonty, a nie ścigała się z czasem (czy z czasami) na "przygotowanie do pracy na rynku".
Zmienia się technologia, zmienia się polityka, ale pewne rzeczy się nie zmieniają: student chce poszerzyć swoją wiedzę, a dobry nauczyciel może mu w tym pomóc. Tylko tyle i aż tyle :-)
Właśnie tego nie jestem już taki pewien. Student nadal chce zdobywać wiedzę, ale coraz częściej może ją pozyskać poza uczelnią i to lepszej jakości, korzystając z kursów, materiałów online czy AI. Pytanie brzmi więc nie o to, czy nauczyciel może pomóc, lecz co uczelnia oferuje ponad to, co jest dziś dostępne na wyciągnięcie ręki. Paradoks polega na tym, że sztuczna inteligencja może uratować sens akademii nie dlatego, że zastąpi nauczyciela, ale dlatego, że obnaży wszystko to, co od dawna nie było prawdziwym kształceniem (mitomanię, mniemanologię, gwiazdorzenie).
Czy AI zastąpi dobre podręczniki? Nie sądzę. W sensie wartości edukacyjnej to na razie to tylko w miarę dobra, doraźna ściąga dla opornych. Bez solidnego przestudiowania podstaw, student nie zbuduje kreatywności na poziomie, na którym skonstruuje autka hybrydowe lepsze od chińskich. Te nowe rozwiązania nie powstały z powodu podpowiedzi maszynowych kompilatorów znanych już rozwiązań, nazwanych AI czy SI. Wystarczyło trochę wiedzieć, połączyć fakty i spróbować zrobić coś inaczej niż robiono to dotychczas.
Kiedy byłem studentem, bywało, że myślałem, że niektórych rzeczy musimy uczyć się niepotrzebnie. Dziś wiem, że student nie wie czego powinien się nauczyć tak dobrze, jak wie ten, kto w branży przepracował kilkadziesiąt lat. Do informacji dostarczanych przez publikacje naukowe i kompilacje AI trzeba się nauczyć podchodzić krytycznie i wiedzieć jak sprawdzić, jaką mają faktycznie wartość. AI tego nie wie i z pewnością nie sprawdzi.
Gwiazdorzenie? Uczelnie są niedoskonałe z wielu powodów, a AI ani tego nie naprawi, ani tego nie popsuje. Tylko człowiek myślący (Homo sapiens) może to naprawić. Może, ale nie musi.
Przedstawione argumenty wynikają z braku wiedzy i zrozumienia współczesnych algorytmów, metod sztucznej inteligencji i ich praktycznych zastosowań. Sprowadzanie AI do roli „doraźnej ściągi” świadczy o ignorancji, pomija fakt, że obecnie narzędzia te są wykorzystywane do wspomagania badań naukowych, analizy danych, programowania, odkrywania zależności w dużych zbiorach danych czy przeglądu literatury naukowej. Oczywiście AI nie zastępuje wiedzy eksperckiej, ale jest tak dobre jak najlepsza publikacja i staje się coraz ważniejszym narzędziem pracy eksperta.
Problem w tym, że u nas dobre publikacje skończyły się w latach siedemdziesiątych, gdy PZPR wymagała od nauki osiągnięć na miarę gonienia Zachodu i nastały złe czasy stopni za pisanie śmieci.
Paradoksalnie właśnie niedostateczna znajomość zasad działania współczesnych modeli AI jest jednym z powodów, dla których w części środowiska akademickiego pojawiają się opinie opierające się na stereotypach sprzed wielu lat.
Trudno nie zauważyć, że na wielu kierunkach nadal poświęca się znaczną liczbę godzin dublującym się zagadnieniom nieprzydatnym, podczas gdy tematy związane ze sztuczną inteligencją oraz znajomością algorytmów, na jakich działa AI w celu ich lepszego wykorzystania, pozostają marginalne lub nieobecne w programach kształcenia.
Polecam: https://pubmed.ncbi.nlm.nih.gov/42119144/
Absolutnie zgadzam się, że programy nauczania na wielu kierunkach studiów pozostawiają wiele do życzenia. To niestety wynika z polityki rządu (każdego bez wyjątku od ponad 30 lat) i sposobu finansowania uczelni.
Od dawna zadaję sobie pytanie: jak bardzo ludzie muszą zbiednieć, żeby raczyli zmądrzeć i się postawić?
"Nie po to jedni system psują, żeby drudzy mogli go łatwo naprawić." (Edward Snowden)
Artykuł trafnie pokazuje paradoks, przed którym stoją dziś uczelnie. Przez lata akademia coraz mocniej uzasadniała swoje istnienie „dopasowaniem do rynku pracy”, podczas gdy AI sprawia, że konkretne umiejętności zawodowe starzeją się szybciej niż programy studiów. Jeśli część wiedzy operacyjnej można uzyskać z narzędzia dostępnego za kilkadziesiąt złotych miesięcznie, to uniwersytet musi na nowo odpowiedzieć na pytanie: jaka jest jego unikalna wartość?
tekst w większości napisany z pomocną dłonią AI
AI by napisała coś tak nieinteligentnego? Prawda, jest sztuczna ale to ciągle inteligencja.
A co w tym tekście nieinteligentnego?
Odwróćmy pytanie - co jest inteligentne w tej mowie trawie?
Wystarczy zerknąć na teksty autora z 2025
Przyznam szczerze że dwa albo trzy razy przeczytałem ten tekst i nie wiem gdzie tutaj widać ingerencję AI. Czytałem teksty tego autora wcześniej i nie widzę specjalnych różnic w języku albo sposobie myślenia. Można oczywiście się z nim nie zgadzać bo widać że pisze to człowiek który żyje jakąś naiwną wizją akademickiego idarizmu i chciałby żeby uczelnia była miejscem wyjątkowym. Dziwne to jest o tyle że sam pracuję na uczelni i jak wśród kolegów raczej mam tylko takich którzy się wyleczyli z takiego romantyzmu. Niemniej jest jeszcze od różnicy poglądów spory kawałek dlatego żeby kogoś uznać za zlecającego pisanie tekstów sztucznej inteligencji.
Warto w tym miejscu wspomnieć o naszym rodaku, który wyszukuje w literaturze dowody stosowania AI do zadań twórczych : https://bsky.app/profile/did:plc:wdyssa2krqdrlp4ex3jnkg5t