Sprawy nauki

30 Września

Grafika wygenerowana przez AI

Czy AI przywróci sens akademii?

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