No Grades, No Gods, No Gates: A Counterculture Blueprint for AI-Era Education کے لئے کوئی درجہ بندی نہیں ہے

AI-Native Campus جس کے لئے کسی نے نہیں پوچھا یہ تصور کریں: طالب علموں کو کالج کے کالموں میں گھومتے ہیں، نیورال کی طرف سے منسلک ہائی سافٹ ویئر فلورنس روشنی کے تحت چمکتے ہیں. ان کے کورس کے کام؟ بڑے زبان کے ماڈل کی طرف سے پیدا کیا. ان کی درجہ بندی؟ خصوصی AI ڈسپلے بورڈز کی طرف سے دی گئی ہے جو بیومیمریک پیغامات اور کلید ہٹنے کے ماڈل کے ذریعہ سرگرمی کا اندازہ لگاتے ہیں. پروفیسر الگورتھم مواد کی ترسیل کے فائدہ مند بن جاتے ہیں. سیکھنے کو بہتر بن جاتا ہے. فائدہ مند۔ فائدہ مند۔ فائدہ مند اگر یہ مستقبل تعلیم کو ٹھیک نہیں کرے گا تو کیا یہ اسے دفن کرے گا؟ ، UC Berkeley میں باقاعدگی سے کمپیوٹر سائنسی تعلیم یافتہ، خاص طور پر واضح طور پر AI انجیلز کے ذریعے کاٹتا ہے: برائن ہاروی AI ایک ممکنہ طور پر مفید ٹیکنالوجی ہے، لیکن یہ کائنات کا مرکز نہیں ہے، اور یہ یونیورسٹی کا مرکز بھی نہیں ہونا چاہئے. " AI ایک ممکنہ طور پر مفید ٹیکنالوجی ہے، لیکن یہ کائنات کا مرکز نہیں ہے، اور یہ یونیورسٹی کا مرکز بھی نہیں ہونا چاہئے. " اس کے الفاظ ایڈٹیک کاروباریوں کے گرمی کے خوابوں پر ٹھنڈا پانی کی طرح زمین پر آتے ہیں. لیکن ہاروی ایک لوڈائٹ نہیں ہے - وہ ایک فکریاتسٹ ہے جو سیکھنے کے طریقوں کو دہائیوں کے لئے آتے اور جاتے ہیں دیکھ رہا ہے. وہ کچھ سمجھتا ہے کہ AI-Native یونیورسٹی لوگوں کو مکمل طور پر بھولنا لگتا ہے: ٹیکنالوجی تعلیم کی خدمت کرتا ہے، اس کے برعکس نہیں. Curriculum Kill Switch: ہمیں کیا کرنا چاہئے (اور اس کے ساتھ اسے تبدیل کرنے کے لئے) معیار کی کہانی اس طرح چلتی ہے: کمپیوٹر سائنس کے کورس کو AI کے لئے جگہ بنانے کے لئے گڑبڑ کیا جانا چاہئے. پاؤڈر الگورتھم کورسز کے ساتھ باہر. فوری انجینئرنگ bootcamps کے ساتھ داخل. غیر معمولی ریاضیات کے ساتھ نیورل نیٹ ورک آرکیٹیکلز کو تبدیل کریں. ٹرانسپورٹر فائن ٹوننگ کے لئے سیٹنگ کی زبان کا تبادلہ. ہاروی نے اس کو مکمل طور پر پھینک دیا. AI کا مرکز بننے کے بجائے، انہوں نے کچھ زیادہ ریڈیکل کے لئے دعوی کیا: صارف انٹرفیس ڈیزائن کو کمپیوٹر سائنس تعلیم کے مرکز میں ڈالنا. کیوں؟ کیونکہ حقیقی مسئلہ یہ نہیں ہے کہ طالب علم AI نہیں سمجھتے ہیں- یہ ہے کہ وہ انسانوں کو نہیں سمجھتے ہیں. "کوئی سے پوچھیں کہ وہ کمپیوٹرز کے ساتھ بات چیت کے بارے میں کیا سوچتے ہیں، اور وہ آپ کو بتائیں گے کہ یہ کتنا ناپسندیدہ ہے، " ہاروی نظر آتی ہے. وہ صحیح ہے. ہم ایک عمر میں رہتے ہیں جہاں ڈگری سطح AI شعر لکھ سکتے ہیں، لیکن ہم ایک بینکنگ ایپ کو ڈیزائن نہیں کر سکتے ہیں جو صارفین کو اپنے فون کو کمرے میں پھینکنا نہیں کرنا چاہتے ہیں. " ایک اوسط یونیورسٹی پورٹل پر غور کریں. طالب علموں کو ان کے درجہ بندی کو تلاش کرنے کے لئے لیبرینٹائن مینو سسٹمز پر چلتے ہیں. استادوں کو سیکھنے کے انتظام کے نظام کے ساتھ لڑنا ہے جو کمشنر کی طرف سے ڈیزائن کیا جا رہا ہے - کمشنر جو واضح طور پر کبھی بھی ان کے اپنے سافٹ ویئر کا استعمال نہیں کرتے تھے. یہ حل زیادہ AI نہیں ہے. یہ زیادہ انسانیت ہے. ایک سادہ مثال: کورس رجسٹریشن کے بارے میں طالب علم کے سوالات کا جواب دینے کے لئے ایک AI چیٹ بوٹ کی تعمیر کرنے کے بجائے، کیوں نہیں ایک رجسٹریشن سسٹم کو ڈیزائن کرنے کے لئے اتنا intuitive ہے کہ سوالات کی ضرورت نہیں ہو جاتا ہے? لیکن اس طرح کے سوچنے میں کانگریس ٹکٹ یا خطرے کی سرمایہ کاری کے دوروں کو فروخت نہیں کرتا. یہ ایک رات میں تعلیم کو انقلاب کرنے کا وعدہ نہیں کرتا. یہ صرف کام کرتا ہے. آٹومیشن کلاس تقسیم: MOOCs کے لئے بڑے پیمانے پر، Mentorship کے لئے تھوڑا سا یہاں یہ ہے کہ AI کا وعدہ اس کے سب سے زیادہ خطرناک اثرات کو ظاہر کرتا ہے: جو ہاروی "ڈیجیٹل کلاس کے نظام" کا نام دیتا ہے. انسانی معلموں کو کیوں ادائیگی کرتے ہیں جب ChatGPT دستاویزات کو درجہ بندی کرسکتے ہیں اور 24/7 سوالات کا جواب دیتے ہیں؟ کیوں چھوٹے کلاس سائز کو برقرار رکھنے کے لئے جب AI ایک ہی وقت میں ہزاروں طالب علموں کے لئے سیکھنے کی خصوصیات فراہم کرسکتا ہے؟ لیکن یہ کارکردگی ایک قیمت پر آتا ہے جو تعلیم کی معیار سے کہیں زیادہ ہے. یہ تعلیمی ساخت کے طور پر غیر مساوات کو کوڈنگ کرتا ہے. ایتھائی اداروں انسانی عنصر کو برقرار رکھیں گے-ساکٹرک بات چیت، mentorship، ذہنی رشتہ جس نے ہزاروں سالوں کے لئے تعلیم کا تعین کیا ہے. عوامی یونیورسٹیوں، کمیونٹی کالجوں، اور ترقی پذیر ممالک کو خود کار طریقے سے متبادل حاصل کریں گے. AI ٹورٹنگ سسٹم ذاتی سازی کا وعدہ کرتے ہیں، لیکن وہ معیاری فراہم کرتے ہیں. وہ سیکھنے کے سٹائل کے لئے متوازن ہیں، لیکن وہ انسانی دلچسپی کی مکمل پیچیدگی کے لئے متوازن نہیں کرسکتے ہیں. وہ سوالات کا جواب دے سکتے ہیں، لیکن وہ وہ سوالات پوچھ نہیں سکتے ہیں جو طالب علموں کو معلوم نہیں ہے کہ انہیں پوچھنے کی ضرورت ہے. ہاروی کے نقطہ نظر کو ہڈی تک کاٹتا ہے: "ڈیجیٹل کلاس کے نظام پہلے ہی یہاں ہے. خصوصی طالب علموں کو پروفیسر سے انسانی رہنمائی ملتی ہے، جبکہ دوسروں کو MOOCs ملتا ہے." MOOCs - بڑے پیمانے پر کھلے آن لائن کورسز - تعلیم کو جمہوری بنانے کے لئے کہا گیا تھا. اس کے بجائے، انہوں نے یہ ظاہر کیا کہ کس طرح سیکھنا واقعی کام کرتا ہے. مکمل کرنے کی شرح 10٪ کے ارد گرد چلاتا تھا. کامیاب طالب علموں میں سے اکثر وہ تھے جو پہلے سے ہی روایتی تعلیمی ماحول میں کامیابی حاصل کرنے کے لئے خود تعلیمی، پس منظر کے علم، اور سماجی سرمایہ کاری کا مالک تھے. AI ٹیسٹرز ان مسائل کو ذاتی سازی اور مشارکت کے ذریعہ حل کرنے کا وعدہ کرتے ہیں. لیکن وہ بنیادی نقطہ نظر کو چھوڑتے ہیں: تعلیم صرف معلومات کی نقل و حمل کے بارے میں نہیں ہے. یہ انسانی رابطے کے بارے میں ہے، ذہنی خطرہ لینے، اور اس طرح کی ترقی جو ہوتا ہے جب آپ کو کسی شخص کی طرف سے اپنے آرام کی زون سے باہر نکالا جاتا ہے جو آپ کی ترقی کے بارے میں فکر کرتا ہے. گائیڈز کی تنہائی: کیوں نظام پہلے سے ہی خراب ہے یہاں ایک ناخوشگوار حقیقت ہے: AI نے تعلیمی تشخیص کو تباہ نہیں کیا. یہ صرف ظاہر کرتا ہے کہ نظام پہلے سے ہی کتنا خراب تھا. ہاروی لفظوں کو کم نہیں کرتا: "جیسے درجے کو دلچسپی کی طرف سے ڈیزائن شدہ سیکھنے کو ہیکنگ میں تبدیل کرتے ہیں ... وہ صرف تعلیم کے تمام سطحوں پر صاف طور پر دردناک ہیں." وہ جاری رکھتا ہے: "جب آپ کو درج کیا جاتا ہے تو ہمت کرنا مشکل ہے." غور کریں کہ کیا ہوتا ہے جب طالب علموں کو ایک AI-powered plagiarism ڈیکٹر کا سامنا ہوتا ہے. آلہ نہ صرف ممکنہ دھوکہ دہی کا نشانہ بناتا ہے - یہ ایک شک کا ماحول پیدا کرتا ہے جو پورے تعلیمی تعلقات کو زہریلا کرتا ہے. طالب علموں کو دفاعی طور پر لکھنا شروع ہوتا ہے، تخلیقی خطرات سے بچنے کے لئے جو جعلی مثبتات کو روک سکتا ہے. وہ دوسرا ان کے اپنے خیالات کو گمان کرتے ہیں، یہ سوچتے ہیں کہ کیا ان کے خیالات اس سے پہلے AI نے دیکھا ہے کچھ کے ساتھ بہت مختلف ہیں. نگرانی کا آلہ ہر سال زیادہ پیچیدہ ہو جاتا ہے. پروکٹرنگ سافٹ ویئر امتحانات کے دوران آنکھوں کی حرکتوں کی نگرانی کرتا ہے. Keystroke تجزیہ کار غیر مجاز مدد کی شناخت کرنے کے لئے ٹیپنگ ماڈلوں کی پیروی کرتے ہیں. بیومرمٹرک نظام ممکنہ دھوکہ دہی کا پتہ لگانے کے لئے کشیدگی کی سطحوں کو پیمائش کرتے ہیں. لیکن ہم واقعی کیا پیمائش کر رہے ہیں؟ کیا ہم سیکھنے کا اندازہ لگاتے ہیں، یا ہم ایک بڑھتی ہوئی فحش کنٹرول سسٹم کے مطابق تعین کرتے ہیں؟ گڑیا انسان کی سیکھنے کی لامحدود پیچیدگی کو ایک واحد سکالار قیمت پر کم کرتی ہے. وہ فرض کرتے ہیں کہ علم متنازعہ طور پر موازنہ کیا جا سکتا ہے، کہ تخلیق کو مقدار میں کیا جا سکتا ہے، کہ ذہنی ترقی کو درجہ بندی کیا جا سکتا ہے. طالب علموں کو ان فرضوں کو اندرونی بنانے کے لئے سیکھتے ہیں کہ وہ معنی کے مقابلے میں میٹرک کے لئے بہتر بنانے کے لئے سیکھتے ہیں اور وہ ترقی کرتے ہیں جو تعلیمی اداروں کو "ستراجیٹک سیکھنے" کہا جاتا ہے - اس فن کو سمجھنے کے لئے جو پروفیسر سننا چاہتا ہے اس کے مقابلے میں وہ واقعی سوچتے ہیں. AI-powered evaluating tools promise to solve these problems through more sophisticated analysis.They can track learning trajectories, identify knowledge gaps, and provide personalized feedback.But they are still fundamentally built on the same flawed premise: that learning can be measured from outside. ایک پیار کے طور پر، نہیں ایک نجات ہاروی کا جواب خاص طور پر براہ راست ہے: "کا مختصر جواب 'کچھ نہیں' ہے. یہ تمام AI تعلیم کی بات چیت میں سب سے اہم نقطہ نظر ہوسکتا ہے. وہ مسائل جو AI کہا جاتا ہے کہ حل کرتا ہے - طالب علموں کی سرگرمی، ذاتی سیکھنے، تشخیص کی کارکردگی - نئے مسائل نہیں ہیں. فرق یہ ہے کہ AI ان مسائل کو بڑے پیمانے پر ظاہر کرتا ہے. جب ہزاروں طالب علم تقریبا اسی طرح کے AI کی طرف سے پیدا ہونے والے مطالعہ بھیجتے ہیں، تو یہ ناممکن ہو جاتا ہے کہ روایتی تشخیص کے طریقوں ناکام رہے ہیں. لیکن بصیرت سمجھنے کے برابر نہیں ہے. اے آئی ہائپ سائیکل نے بہت سے تعلیمی اداروں کو اس بات پر یقین کر دیا ہے کہ انہیں اپنے عمل کو مکمل طور پر دوبارہ تصور کرنے کی ضرورت ہے. حقیقت میں، آلات صرف وہی ظاہر کرتے ہیں جو اچھے استاد پہلے ہی جانتے تھے: یہ سیکھنا ذاتی ہے، یہ پیغامات اہم ہیں، کہ حقیقی مداخلت کو حقیقی انسانی رابطے کی ضرورت ہوتی ہے. کمپیوٹر سائنسی تعلیم نے طویل عرصے سے فائدہ مند پروگرامنگ کو نظر انداز کیا ہے، اس کے بجائے اس کے مقابلے میں اشیاء کی طرف متوجہ طریقوں پر توجہ مرکوز کرتے ہیں جو زیادہ سے زیادہ تجارتی سافٹ ویئر کی تعمیر کی طرح نظر آتے ہیں. یونیورسٹیوں کو AI کورسز شامل کرنے کے لئے جلدی نہیں ہے کیونکہ وہ کمپیوٹر سائنس میں بنیادی ترقی کی نمائندگی کرتے ہیں، لیکن یہ وہی ہے جو طالب علموں (اور کاروباری اداروں) کی طلب کرتے ہیں. نتیجہ ایک طرح کی تعلیمی تھائیڈر ہے. طالب علموں کو گڑبڑ نیچے کی بنیاد پر ریاضیات کو سمجھنے کے بغیر ٹرانسفرر ماڈل کو اچھی طرح سے تنصیب کرنے کے لئے سیکھتے ہیں. وہ انسانی اور کمپیوٹر کے توازن کے اصولوں کو سمجھنے کے بغیر فوری انجینئرنگ کو مہارت دیتے ہیں. وہ ان کی پیداواروں کا اندازہ لگانے کے لئے اہم سوچنے کی صلاحیتوں کو تیار کرنے کے بغیر AI آلات میں چیلنج بن جاتے ہیں. ایک AI-Native یونیورسٹی کی تعمیر: ہم واقعی پیچھے چھوڑنا چاہئے اگر ہم hypothetical کو تفریح کرنا پڑے گا - اگر ہم کسی بھی AI-Native یونیورسٹی کی تعمیر کرنا پڑے گا - ہم یقینی طور پر کیا شامل نہیں ہونا چاہئے؟ ہاروی کا جواب واضح ہے: "مکمل طور پر "مکمل" کے بارے میں فکر سے بچنے کا طریقہ یہ ہے کہ درجہ بندی کو روکنا ہے." یہ تعلیمی ناخوشگوار نہیں ہے. یہ تعلیمی حقیقی ہے. موجودہ نظام برے حوصلہ افزائیوں کو پیدا کرتا ہے جو AI صرف بڑھاتا ہے. طالب علموں کو دھوکہ دیتے ہیں کیونکہ وہ سیکھنے کے بجائے کارکردگی کے لئے بدلہ دیا جاتا ہے. استاد کی نگرانی کیونکہ وہ عمل کے بجائے نتائج کے لئے ذمہ دار ہیں. ان بنیادی اصولوں پر تعمیر شدہ ایک AI-Native یونیورسٹی ایک نگرانی ریاست بن جائے گی جس میں ایک تعلیمی ادارے کے طور پر چھپایا جائے گا. خود کار طریقے سے پروکٹرنگ، الگورتھم پلاجیریٹرز کا پتہ لگانے، اور AI-powered رویے کا تجزیہ ایک ماحول بنائے گا جہاں سیکھنے کو مطابقت کے ثانوی بن جاتا ہے. ہم کیا رکھیں گے؟ انسانی mentorship، خاص طور پر. اخلاقی نگرانی، بالکل. صارف کے تجربے اور انسانی مرکز ڈیزائن پر توجہ مرکوز. حقیقی کمیونٹیوں کے لئے اہم پروجیکٹ. تشخیص کے طریقوں جو AI کی طرف سے کھیلنے کے قابل نہیں ہیں کیونکہ ان کو حقیقی انسانی فیصلہ کی ضرورت ہے. ہم کیا کھو دیں گے؟ خود کار طریقے سے درجہ بندی اور معیاری ٹیسٹ کے پورے آلات. AI پر مبنی کورسز جو بنیادی سمجھنے کے مقابلے میں آلے کے مہارت کو ترجیح دیتے ہیں. پروکٹرنگ سافٹ ویئر جو طالب علموں کو ممکنہ مجرموں کے طور پر علاج کرتا ہے. یہ فرق ہائی ٹیک اور کم ٹیک کے درمیان نہیں ہے. یہ تعلیم کے لئے انسانی مرکزی اور مشین مرکزی نقطہ نظر کے درمیان ہے. تخلیق کے مقابلے میں پیش گوئی: جہاں AI حیرت نہیں کرتا کیا ہاروی نے کبھی ایک طالب علم کی AI-مکمل پیشکش پڑھی ہے جو اس کی تخلیق کو دیکھنے کا طریقہ تبدیل کر دیا ہے؟ ’’نہیں‘‘ جواب سخت ہے، لیکن یہ حیرت انگیز نہیں ہونا چاہئے. موجودہ AI نظام پیش گوئی کے انجن ہیں. وہ اپنے تربیت کے اعداد و شمار میں نمونوں پر مبنی سب سے زیادہ ممکنہ اگلے کلام کی پیش گوئی کی طرف سے ٹیکسٹ پیدا کرتے ہیں. وہ لچکدار، متوازن، یہاں تک کہ پیچیدہ پروز پیدا کرسکتے ہیں. لیکن وہ اس طرح حیرت نہیں کرسکتے ہیں کہ حقیقی تخلیق حیرت ہے. انسانی تخلیق اکثر محدودیت سے پیدا ہوتا ہے، جس میں ہم کیا کہنا چاہتے ہیں اور ہم کیا کہہ سکتے ہیں کے درمیان مصنوعی کشیدگی سے آتا ہے. یہ زندہ تجربے سے آتا ہے، مختلف خیالات کے ٹریڈنگ سے، اس قسم کی lateral سوچ سے جو پیدا ہوتا ہے جب ہم اپنے آرام کی زونوں سے باہر نکالا جاتا ہے. AI تخلیق، برعکس، انٹروپولیشن ہے. یہ موجودہ خیالات کے درمیان جگہوں کو تلاش کرتا ہے اور ان کو قابل اعتماد مواد سے بھرتا ہے. یہ اجزاء کو نئے طریقوں سے منسلک کر سکتا ہے، لیکن یہ واقعی نیا اجزاء پیدا نہیں کر سکتا. یہ تخلیق کی سطح کی خصوصیات کو متعارف کر سکتا ہے بغیر اس کے گہری ذرائع تک رسائی حاصل کرنے کے. اگر ہم طالب علموں کو "نماز کے لئے" لکھنے کے لئے سکھاتے ہیں - ٹیکسٹ پیدا کرنے کے لئے جو AI سسٹمز سمجھ سکتے ہیں اور اس پر تعمیر کرسکتے ہیں - ہم ان کو بنیادی طور پر غیر تخلیقی طریقوں سے سوچنے کے لئے سکھاتے ہیں. خطرہ یہ نہیں ہے کہ AI انسانی تخلیق کو تبدیل کرے گا خطرہ یہ ہے کہ انسان AI کے نظام کی طرح سوچنے کے لئے سیکھیں گے: قابل پیشہ ور جوابات پیدا کرنے کے مقابلے میں واقعی مشکل سوالات سے نمٹنے کے مقابلے میں. کارکردگی سے باہر تعلیم ہم اس کھولنے کی تصویر پر واپس آتے ہیں: نوریل سے منسلک ہیڈ سیٹ میں طالب علم، الگورتھموں کی طرف سے پیدا کردہ کورسز، AI ڈسپلے بورڈز کی طرف سے دی گئی درجہ بندی. یہ بھی غیر انسانی ہے. حقیقی تعلیم خراب ہے. یہ جعلی آغازوں، مُردوں کے اختتاموں، اور ذہنی خطرہ لینے کے اس قسم کی ہے جو الگورتھم کی طرف سے بہتر نہیں کیا جا سکتا ہے. یہ غلط ہونے کے لئے ہمت کی ضرورت ہے، مشکل خیالات کے ساتھ جدوجہد کرنے کے لئے صبر، اور مدد کے لئے پوچھنے کے لئے کب جاننے کے لئے حکمت. ان خصوصیات کو خود کار طریقے سے نہیں کیا جا سکتا. وہ کم از کم پیمائش کیا جا سکتا. وہ یقینی طور پر ایک ہی وقت میں لاکھوں طالب علموں کی خدمت کرنے کے لئے پیمائش نہیں کیا جا سکتا. یونیورسٹیوں کو تعلیم کے انسانی عناصر کو برقرار رکھنے کا انتخاب کر سکتے ہیں یہاں تک کہ وہ AI کے آلات کو شامل کرتے ہیں. وہ ٹیکنالوجی کو بہتر بنانے کے بجائے بنیادی تعلقات کو تبدیل کرنے کے لئے استعمال کر سکتے ہیں جو سیکھنے کو ممکن بناتے ہیں. یہ انتخاب AI اور انسانی تعلیم کے درمیان نہیں ہے. یہ تعلیم کے طور پر کارکردگی اور تعلیم کے طور پر تبدیلی کے درمیان ہے. یہ سیکھنے کے طور پر معلومات کی نقل و حمل اور سیکھنے کے طور پر انسانی ترقی کے درمیان ہے. AI ترقی جاری رکھے گا. یہ زیادہ پیچیدہ، زیادہ صلاحیت، زیادہ یقین دہانی کرے گا. لیکن یہ کبھی بھی انسانی نہیں ہو گا. اور تعلیم، اس کے بنیادی طور پر، ایک گہری انسانی کاروبار ہے. اعداد و شمار کے دوران، صرف انسان انسانیت کو سکھا سکتے ہیں. تعلیم کا مستقبل بہتر AI سسٹموں کو تعمیر کرنے کے بارے میں نہیں ہے. یہ یاد کرنے کے بارے میں ہے کہ ہم سب سے پہلے کیوں سیکھتے ہیں: نتائج کو بہتر بنانے کے لئے نہیں، لیکن اس طرح کے سوچ کو پھیلانے کے لئے ہے جو ہمیں سب سے زیادہ مکمل طور پر انسانی بناتا ہے. AI-Native یونیورسٹی جس کے لئے کسی نے پوچھا نہیں ہے وہ وہ ہے جو ان حقائق کو بھولتا ہے.