MIT công bố báo cáo về ứng dụng AI trong giảng dạy: 8 nguyên tắc định hình giáo dục đại học

2. Các nguyên tắc chỉ đạo

Chúng tôi bắt đầu bằng việc xác định tám nguyên tắc mà chúng tôi đã dựa vào và hy vọng sẽ dẫn dắt Viện trong công việc sắp tới.

2.1. Hãy khiêm tốn

Một số đổi mới công nghệ xuất hiện dần dần: Khi xã hội và công nghệ cùng phát triển, sự thích nghi lẫn nhau sẽ làm giảm bớt tác động của chúng. Máy tính – tiền thân và là yếu tố then chốt giúp AI phát triển – phù hợp với mô hình này. Những đổi mới khác lại xuất hiện đột ngột hơn, gây ra những hệ quả xã hội trước khi các cá nhân và tổ chức kịp thích nghi.

Xã hội thường coi "sự ra đời" của một công nghệ mới là thời điểm nó trở nên dễ dàng sử dụng. Theo thước đo đó, trí tuệ nhân tạo tạo sinh (generative artificial intelligence) đã "chào đời" cùng với sự ra mắt của ChatGPT vào cuối năm 2022. Do đó, sự tương tác của công chúng với AI tạo sinh mới chỉ diễn ra chưa đầy bốn năm. Trong khoảng thời gian đó, nó đã thu hút hơn một tỷ người dùng, và các công ty kinh doanh công nghệ AI đã thống trị các tiêu đề tin tức, thị trường chứng khoán và nhận thức của công chúng.

Nói cách khác, AI đang tiến bộ trên hầu hết mọi lĩnh vực và với tốc độ quá nhanh khiến xã hội không kịp quan sát, phân tích tác động và dần dần thích nghi.

Điều này gợi mở nguyên tắc chỉ đạo đầu tiên của chúng tôi: Chúng tôi đưa ra các đề xuất của mình với tinh thần khiêm tốn. Những điều chỉnh lộ trình – thậm chí có thể là những thay đổi lớn – là điều không thể tránh khỏi khi công nghệ tiếp tục phát triển không ngừng, còn Viện thì liên tục thử nghiệm và học hỏi.

2.2. Hãy táo bạo

Tuy nhiên, sự không chắc chắn không thể là cái cớ cho việc không hành động. Đây không phải là lúc để vá víu tạm bợ. Những thách thức mà AI đặt ra trong giảng dạy và học tập đòi hỏi một phản ứng chiến lược táo bạo – ở mọi nơi, và đặc biệt là tại MIT. Với chương trình Social and Ethical Responsibilities of Computing (Trách nhiệm Xã hội và Đạo đức trong Máy tính) đang hoàn thành năm thứ bảy, chúng tôi có vị thế độc nhất để tìm cách sử dụng công nghệ mới này vì lợi ích của xã hội, và đặc biệt là cho sinh viên của chúng tôi.

AI cũng mang đến những cơ hội phi thường, từ những khả năng chưa từng có trong việc dạy kèm và huấn luyện cá nhân hóa, đến việc tăng tốc và cải tổ mạnh mẽ công tác nghiên cứu trong nhiều ngành học. Nắm bắt những cơ hội này cũng xứng đáng và đòi hỏi sự táo bạo.

Tư duy táo bạo đặc biệt quan trọng vì sinh viên của chúng tôi sẽ tiếp tục định hình hướng đi về trí tuệ, đạo đức và kỹ thuật của xã hội – và điều đó sẽ sớm xảy ra. Chúng tôi nợ họ sự tham gia sâu sắc vào các cách sử dụng AI phong phú và mang tính xây dựng, cũng như sự hiểu biết tinh tế về tiềm năng và hạn chế của nó. Trải nghiệm tại MIT sẽ trang bị cho họ sự khôn ngoan để giúp xác định cách thức và nơi nào AI được sử dụng để cải thiện xã hội và thế giới nói chung.

2.3. Đặt con người làm trọng tâm

Đối mặt với một công nghệ đã có những khả năng to lớn như vậy – được xây dựng dựa trên, mô phỏng theo và hiện nay đã vượt xa năng lực con người ở nhiều khía cạnh – thách thức cơ bản và mục tiêu quan trọng nhất của Viện phải là nuôi dưỡng và bảo vệ nhân tính chung của chúng ta, đồng thời coi trọng cộng đồng MIT, các thành viên và sự phát triển của họ trên hết.

Trong một buổi lắng nghe ý kiến với các giảng viên, chúng tôi biết được rằng một số người đang cân nhắc sử dụng các tác nhân AI (AI agents) làm trợ lý nghiên cứu thay vì thuê sinh viên đại học làm UROP. Người ta có thể hiểu lý do vì sự nhanh chóng và sử dụng nguồn lực hiệu quả (đặc biệt là hiện nay, khi nguồn lực nghiên cứu rất hạn hẹp). Nhưng nếu những tiêu chí đó thống trị các quyết định của chúng ta, tất cả chúng ta phải tự hỏi: "Chúng ta ở đây cùng nhau để làm gì?"

Với tư cách là một cộng đồng, chúng ta cần ghi nhớ rằng mặc dù nghiên cứu là trọng tâm trong sứ mệnh của MIT, nhưng nó không chỉ là mục đích tự thân; tại khuôn viên trường, nghiên cứu còn là một quá trình học việc, một phương tiện để đào tạo thế hệ nhà nghiên cứu tiếp theo nhằm tiếp nối công việc của chúng ta và thúc đẩy các lĩnh vực nghiên cứu tiến lên phía trước. Sử dụng nghiên cứu như một cơ hội để "học đi đôi với hành" có thể tạo ra vẻ ngoài "kém hiệu quả", nhưng đó là một tính năng, không phải là lỗi.

Việc tập trung vào nhân tính cũng nên cảnh báo chúng ta rằng các biện pháp khắc phục phổ biến hiện nay cho những vấn đề do AI tạo ra có thể gây nguy cơ làm tổn hại mối quan hệ giữa giáo viên và sinh viên. Ví dụ, nhiều giảng viên kể lại rằng việc phải "giám sát" việc sử dụng AI trái phép đang làm tổn hại đến mối liên kết của họ với sinh viên (một tình trạng tồi tệ hơn do thực tế là, như chúng tôi đã biết, phần mềm phát hiện AI khá không đáng tin cậy). Về phía mình, sinh viên lo sợ bị buộc tội gian lận AI sai sự thật và ngày càng thất vọng trước việc giảng viên sử dụng AI trong các lĩnh vực đòi hỏi sự chạm tay của con người, chẳng hạn như chấm điểm, tạo bài tập và phản hồi. Một dòng chảy ngầm của sự nghi kỵ lẫn nhau như vậy không phải là nền tảng cho một lớp học lành mạnh.

2.4. Tận dụng việc học

Nhiều vấn đề và bài tập được sử dụng trong các lớp học tại MIT để củng cố kiến thức và đánh giá sự tiến bộ của sinh viên hiện đã có thể được thực hiện bởi AI. Việc sinh viên sử dụng AI không hạn chế có thể làm cho một số hình thức đánh giá truyền thống trở nên kém tin cậy hơn với tư cách là chỉ số đánh giá việc học cá nhân, có khả năng làm suy yếu niềm tin vào điểm số và bằng cấp. Đối với các nhà giáo dục, sự thay đổi triệt để về các chuẩn mực và kỳ vọng này có thể gây ra cảm giác vô cùng mất phương hướng.

Nhưng với tư cách là một cộng đồng, điều khiến chúng ta lo lắng nhất là nhiều cách sử dụng AI đang tước đi cơ hội học tập của sinh viên.

Mối đe dọa mà AI đặt ra đối với các phương pháp giảng dạy và kiểm tra quen thuộc có thể là một điều may mắn được ngụy trang – bởi vì những thay đổi này quá đột ngột và nghiêm trọng để có thể phớt lờ. Như các giảng viên trong ủy ban của chúng tôi có thể chứng thực, trong ít nhất hai thập kỷ qua, các nhà giáo dục đã than phiền về áp lực đối với việc dạy và học từ sự phân tâm, các thiết bị có mặt ở khắp nơi, sự bận tâm hẹp hòi vào điểm số thay vì học tập, và cảm giác ngày càng yếu đi rằng sinh viên và giáo viên đang cùng tham gia vào một dự án trí tuệ chung.

Là một tổ chức tự hào về sức mạnh của công thức giáo dục đặc trưng của mình, MIT cần nắm bắt cơ hội của thời điểm này: đảm bảo rằng những thay đổi không thể phủ nhận do AI áp đặt trở thành một bước ngoặt, buộc chúng ta phải giải quyết một cách dứt khoát các lực lượng đang làm xói mòn sứ mệnh giáo dục chung của chúng ta.

Tận dụng việc học có nghĩa là tạo ra một "khế ước xã hội" mới giữa giáo viên và sinh viên. Tất cả chúng ta, những người giảng dạy tại MIT, sẽ cần chuẩn bị để giúp sinh viên hiểu rằng quá trình giáo dục nhất thiết phải là một cuộc đấu tranh hiệu quả, và sản phẩm quan trọng nhất trong quá trình giáo dục của họ không phải là điểm GPA hay tấm bằng, mà chính là bản thân họ: sự phát triển cá nhân, sự trưởng thành về trí tuệ và sự phát triển trí tưởng tượng, sự hiểu biết sâu sắc và khả năng phán đoán của chính họ.

Việc thấm nhuần những thái độ này cần trở thành nhiệm vụ trọng tâm của mỗi nhà giáo dục, để sinh viên của chúng ta không chỉ biết những gì họ nên học, mà còn biết cách học và tại sao việc học lại quan trọng. Chúng ta cần giúp họ phát triển các khả năng siêu nhận thức để suy nghĩ về tư duy, tham gia vào các hoạt động phản tư và nâng cao ý thức về năng lực cá nhân. Điều này đòi hỏi sự cống hiến và sự chuẩn bị mới từ phía các giảng viên.

2.5. Giảng dạy có chủ đích

Hầu hết các lớp học tại MIT sẽ đòi hỏi sự xem xét kỹ lưỡng và trong nhiều trường hợp, cần sự thích nghi đáng kể để tồn tại sau khi tiếp xúc với AI mà không gây ra sự gián đoạn nghiêm trọng. AI sẽ làm suy yếu các giả định sư phạm vốn dẫn dắt việc lựa chọn nội dung, phương pháp giảng dạy và cách đánh giá hiệu suất của sinh viên.

Tóm lại, đã đến lúc phải suy ngẫm sâu sắc và rộng rãi về những gì chúng ta dạy và cách chúng ta dạy. Các cấu trúc lớp học, đánh giá và chính sách trong tương lai phải được xây dựng với chủ đích cao và ý thức rõ ràng về mục đích, chứ không chỉ là điều chỉnh để phản ứng với thực tế tức thời của AI. Tuy nhiên, điều này không có nghĩa là mọi khóa học đều phải thay đổi theo cùng một cách.

Kỹ thuật đã được kiểm chứng theo thời gian được gọi là "thiết kế ngược" (backward design) cung cấp một khuôn khổ hữu ích ở đây. Ví dụ, thay vì bắt đầu bằng việc hỏi liệu AI có nên được cho phép hay cấm trong một môn học cụ thể hay không, các nhà giáo dục sẽ bắt đầu bằng việc xác định mục đích của chính trải nghiệm học tập đó: sinh viên nên biết những gì, có thể làm được gì và học cách coi trọng điều gì. Các bài tập và đánh giá sau đó có thể được thiết kế để đo lường và khuyến khích những kết quả đó, sử dụng AI nếu hữu ích nhưng không sử dụng nếu không cần thiết.

Thời gian và công sức của giảng viên cần thiết để thiết kế lại, đánh giá lại hoặc bảo tồn một cách có chủ đích các cấu trúc hiện có có khả năng là rất đáng kể. Nhưng quá trình phản tư và suy luận sư phạm đó tự thân nó đã có giá trị. Giảng dạy có chủ đích thúc đẩy việc học tập có chủ đích; khi giảng viên làm rõ lý do tại sao AI được cho phép, hạn chế hoặc yêu cầu, sinh viên sẽ có nhiều khả năng hiểu được việc học đang được bảo vệ hoặc phát triển như thế nào.

Theo cách này, thiết kế ngược có thể giúp MIT bảo tồn mục đích giáo dục của mình trong khi thích nghi một cách trung thực với thực tế của AI. (Đáng khích lệ là Phòng Dạy và Học của MIT được trang bị tốt để giúp các giảng viên làm chủ công cụ này.)

2.6. Không có giải pháp "một kích cỡ cho tất cả"

Không có phương pháp tiếp cận duy nhất nào đối với AI trong giáo dục có thể phục vụ tốt cho MIT. Một hội thảo về thơ ca, một khóa học về chứng minh toán học và một phòng thí nghiệm thiết kế kiến trúc về mặt logic đòi hỏi những mối quan hệ khác nhau với AI. Trong một số trường hợp, việc sử dụng AI để tạo ra tác phẩm sáng tạo hoặc giải quyết vấn đề làm mất đi mục đích của bài tập; trong những trường hợp khác, sự thông thạo AI đã là một phần của thực tiễn chuyên môn, và việc tránh né nó sẽ khiến sinh viên bị thiệt thòi.

Tương tự, một sinh viên năm nhất đang xây dựng các kỹ năng nền tảng và khả năng phán đoán có mối quan hệ với AI khác với các nghiên cứu sinh tiến sĩ đang tăng tốc việc tổng quan tài liệu trong một lĩnh vực mà họ hiểu sâu sắc. Tóm lại, một quy tắc thống nhất trên toàn Viện chắc chắn sẽ quá dễ dãi đối với một số bối cảnh và quá hạn chế đối với những bối cảnh khác.

Điều này không có nghĩa là mọi giảng viên đều phải tự tạo ra chính sách AI từ đầu. MIT nên cung cấp một khuôn khổ chung – bao gồm menu chính sách chung, kỳ vọng về công khai và tiêu chuẩn trách nhiệm giải trình – trong đó các khoa và giảng viên có thể đưa ra lựa chọn. Các khoa là đơn vị tự nhiên cho công việc này, vì sinh viên trải nghiệm một chuyên ngành như một sự tiến triển mạch lạc và sẽ được hưởng lợi từ sự nhất quán về việc khi nào AI được chào đón, khi nào nó bị hạn chế và tại sao.

2.7. Tăng cường, không phải tự động hóa

Khi các công nghệ hỗ trợ AI trở nên có năng lực hơn, việc chuyển giao nhiều nhiệm vụ "tư duy" cho chúng sẽ trở nên khả thi – và đầy cám dỗ; không có gì ngạc nhiên khi sinh viên nói với chúng tôi rằng sự cám dỗ là lớn nhất khi họ sợ rằng mình sẽ lỡ thời hạn. Tuy nhiên, có những tín hiệu sớm cho thấy việc quá phụ thuộc vào chatbot có thể dẫn đến một loạt hậu quả tiêu cực đáng kể – làm giảm tư duy phản biện, làm suy yếu trí nhớ, xói mòn sự tự tin và làm suy yếu khả năng làm chủ.

Nhận được câu trả lời đúng từ chatbot có thể tạo ra ảo tưởng về việc học – nhưng nó cũng có thể kích hoạt "sự đầu hàng nhận thức" (cognitive surrender), nơi sinh viên quay lại với AI ngay khi gặp khó khăn đầu tiên. Trong một bài báo gần đây, ba nhà kinh tế học nổi tiếng của MIT – Daron Acemoglu, David Autor và Simon Johnson – đã lập luận về cái mà họ gọi là "AI ủng hộ người lao động" (pro-worker AI). Họ lập luận rằng thay vì thiết kế các hệ thống AI để thay thế người lao động, các doanh nghiệp nên phát triển AI cho phép con người "hiệu quả hơn trong các nhiệm vụ hiện tại của họ, giải quyết các nhiệm vụ mới và có được chuyên môn mới."

Với tinh thần tương tự, tập thể chúng ta cần định hình việc sử dụng AI trong giáo dục của MIT theo hướng "ủng hộ người học" – không phải để thay thế "niềm vui khó khăn" của việc tư duy, học tập, sáng tạo và giải quyết vấn đề, mà để mở rộng những gì sinh viên có thể suy nghĩ, học hỏi và giải quyết. Tóm lại, AI nên được sử dụng để tăng cường và nâng cao sự tò mò, sáng tạo và học tập, chứ không phải tự động hóa chúng.

Quan trọng là, vấn đề này mang tính xã hội cũng như tâm lý. Cũng giống như tự động hóa đe dọa mất việc làm, mất kỹ năng và sự cô lập ngày càng tăng của người lao động, việc dựa vào chatbot trong giáo dục cũng làm thay thế các kết nối ngang hàng như nhóm học tập và làm giảm tương tác giữa sinh viên và giảng viên. Nếu chúng ta muốn sự tăng cường chiếm ưu thế, chúng ta cần xem nó không chỉ là một lý tưởng trừu tượng, "được hy vọng"; đó là một thực tiễn cụ thể mà các phương pháp sư phạm của chúng ta có thể giúp thúc đẩy.

Điều này dẫn đến nguyên tắc cuối cùng của chúng tôi.

2.8. Suy nghĩ vượt ra ngoài lớp học và khuôn viên trường