LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

आधुनिक दुनिया में, आर्टिफिशियल इंटेलिजेंस विज्ञान कथाओं से निकलकर एक दैनिक उपयोगिता बन गया है, जो कार्यालयों, कक्षाओं और घरों में लोगों के समस्या समाधान करने के तरीके को नया रूप दे रहा है। फिर भी, समाज इस बात को सीखने में कैसे इन उपकरणों का उपयोग करे, इसमें एक महत्वपूर्ण अंतर बना हुआ है। अधिकांश शैक्षिक प्रयास दो श्रेणियों में से एक में आते हैं: या तो व्यापक, सैद्धांतिक कार्यशालाएं जो यह बताती हैं कि एआई क्या है, लेकिन यह नहीं सिखातीं कि इसका उपयोग कैसे किया जाए, या कंप्यूटर विज्ञान विशेषज्ञों के लिए डिज़ाइन किए गए उन्नत तकनीकी पाठ्यक्रम जो बाकी सभी को पीछे छोड़ देते हैं। यह विभाजन शिक्षार्थियों के एक विशाल समूह को बिना किसी मार्ग के छोड़ देता—वे लोग जिन्हें एक वेबसाइट बनाने, एक स्प्रेडशीट को ऑटोमेट करने या एक वर्कफ़्लो को व्यवस्थित करने की आवश्यकता है लेकिन जिनके पास कोडिंग कौशल नहीं है। वे या तो सब कुछ मैन्युअल रूप से करने या अपने काम को पूरी तरह से एक मशीन को सौंप देने के बीच चयन करने का सामना करते हैं, और अक्सर उस प्रक्रिया को समझे बिना। आज के शिक्षकों के सामने प्रश्न केवल यह नहीं है कि लोगों को कोड करना कैसे सिखाया जाए, बल्कि यह है कि विविध समूहों के लोगों को वास्तविक, काम करने वाले समाधान बनाने के लिए एआई के साथ सहयोग करने में कैसे मदद की जाए जो उनकी विशिष्ट आवश्यकताओं के अनुकूल हों।

मॉनमाउथ यूनिवर्सिटी में, शोधकर्ताओं और शिक्षकों की एक टीम ने इस अंतर को पाटने के लिए एक नया दृष्टिकोण परीक्षण किया, जिसे 'लर्नएआई' (LearnAI) नाम दिया गया। छात्रों को पहले जटिल प्रोग्रामिंग भाषाएं सीखने के लिए मजबूर करने के बजाय, उन्होंने एक ऐसी सेवा बनाई जो लोगों को ठीक वहीं तक ले जाती है जहाँ वे हैं, और वास्तविक दुनिया के कार्यों के साथ तत्काल सहायता प्रदान करती है। यह कार्यक्रम दो स्तरों पर संचालित होता है। पहला स्तर अठारह विभिन्न विश्वविद्यालय पाठ्यक्रमों में फैला हुआ एक विस्तृत जाल है, जिसमें नर्सिंग और व्यवसाय से लेकर कंप्यूटर विज्ञान तक शामिल हैं। इन कक्षाओं में, स्नातक ट्यूटर्स ने पंद्रह मिनट के संक्षिप्त भाषण दिए, जिसमें दिखाया गया कि कैसे एआई तत्काल समस्याओं को हल कर सकता है, जैसे कि एक अध्ययन मार्गदर्शिका बनाना या पोर्टफोलियो वेबसाइट डिजाइन करना। ये सत्र रुचि जगाने और तकनीक को सरल बनाने के लिए डिज़ाइन किए गए थे, ताकि जिज्ञासु कोई भी गहरी मदद के लिए साइन अप कर सके।

जो लोग अगले कदम पर गए, उनके लिए कार्यक्रम का दूसरा स्तर शुरू हुआ: एक श्रृंखला जहाँ क्लाइंट सीधे एक प्रशिक्षित छात्र ट्यूटर के साथ काम करते थे। ये बैठकें व्याख्यान नहीं थीं; ये कार्यशालाएं थीं जहाँ क्लाइंट एक विशिष्ट लक्ष्य लेकर आता था, जैसे कि विभागीय न्यूज़लेटर बनाना या डेटा एंट्री कार्य को ऑटोमेट करना। ट्यूटर्स ने क्लाइंट को उस लक्ष्य को एक तैयार उत्पाद में बदलने में मदद करने के लिए एक संरचित पांच-चरणीय मार्गदर्शिका का पालन किया। सबसे पहले, उन्होंने क्लाइंट को समस्या को स्पष्ट रूप से परिभाषित करने में मदद की, जिससे "मुझे एक वेबसाइट चाहिए" जैसे अस्पष्ट विचारों से आगे बढ़कर "मुझे एक ऐसी साइट चाहिए जहाँ संकाय अपडेट पोस्ट करने के लिए लॉग इन कर सकें" जैसी विशिष्ट आवश्यकताओं तक पहुँचा जा सके। इसके बाद, उन्होंने कार्य के लिए सही उपकरणों का मिलान किया, जो क्लाइंट द्वारा पहले से जाने गए ज्ञान और उनकी बाधाओं (जैसे सीमित कंप्यूटर एक्सेस) के आधार पर विभिन्न एआई प्लेटफॉर्म्स के बीच चुनाव करता था।

इस प्रक्रिया का मुख्य हिस्सा क्लाइंट और ट्यूटर का मिलकर एआई के लिए निर्देश लिखने का सहयोग था, जिसे शोधकर्ता "प्रॉम्प्टिंग एज स्पेसिफिकेशन" (निर्देश के रूप में प्रॉम्प्टिंग) कहते हैं। केवल "इसे करो" कहने के बजाय, क्लाइंट ने विस्तृत अनुरोध लिखना सीखा जो एक ब्लूप्रिंट की तरह कार्य करते थे। ट्यूटर यह प्रदर्शित करता था कि इन निर्देशों को कैसे लिखा जाए, फिर धीरे-धीरे पीछे हट जाता था, जिससे क्लाइंट नेतृत्व ले सके और मार्गदर्शन प्राप्त कर सके। एक बार जब एआई ने परिणाम उत्पन्न कर दिया, तो दोनों सबसे महत्वपूर्ण चरण की ओर बढ़ते: सत्यापन। उन्होंने आउटपुट का परीक्षण किया ताकि यह सुनिश्चित हो सके कि यह वास्तव में काम करता है, और यह जांचा कि कहीं एआई ने ऐसी त्रुटियां या विशेषताएं तो नहीं बना दीं जो मौजूद ही नहीं थीं। अंत में, उन्होंने नैतिक निहितार्थों पर चर्चा की, कि उपकरण का उपयोग कैसे किया जाना चाहिए, यह किस प्रकार के डेटा को संभाल सकता है, और रचना के पीछे के मानवीय प्रयास को कैसे श्रेय दिया जाए।

दो सेमेस्टर के दौरान, इस मॉडल ने छात्रों, संकाय सदस्यों और प्रशासनिक कर्मचारियों सहित पैंतीस क्लाइंट्स को सहयोग दिया। परिणाम मूर्त और विविध थे। समूह ने मिलकर छत्तीस पोर्टफोलियो वेबसाइटों और बीस से अधिक तैनात वेब अनुप्रयोगों का सह-निर्माण किया। ये केवल अभ्यास अभ्यास नहीं थे; ये वास्तविक जीवन में उपयोग किए जाने वाले कार्यात्मक उपकरण थे। एक नर्सिंग प्रोफेसर ने छात्र उपस्थिति को ट्रैक करने के लिए एक सुरक्षित प्रणाली बनाई जिसका उपयोग पचास से अधिक छात्रों द्वारा किया गया। बिना कोडिंग पृष्ठभूमि वाली एक शिक्षा छात्रा ने अपनी व्यक्तिगत वेबसाइट और ईमेल-परिष्करण उपकरण बनाया, जिसका उपयोग उसने बादतः एक पेशेवर सम्मेलन के लिए सामग्री तैयार करने हेतु किया। एक प्रशासनिक कर्मचारी, जो प्रतिबंधित कंप्यूटर पर थी, ने अपने लॉक-डाउन डेस्कटॉप पर उपलब्ध उपकरणों का उपयोग करके दोहराव वाले डेटा क्लीनिंग कार्यों को ऑटोमेट करना सीखा।

हालाँकि, सबसे महत्वपूर्ण निष्कर्ष केवल बनाई गई वेबसाइटों की संख्या नहीं थी, बल्कि तकनीक के बारे में क्लाइंट की सोच में आया बदलाव था। कार्यक्रम से पहले, कई प्रतिभागियों ने एआई को एक "ओरेकल" (भविष्यवक्ता) के रूप में देखा—एक निष्क्रिय मशीन जो पूछे जाने पर बस उत्तर प्रदान करती है। प्रक्रिया के माध्यम से गुजरने के बाद, उनका दृष्टिकोण बदल गया। वे एआई को एक "प्रोसेस पार्टनर" (प्रक्रिया भागीदार) के रूप में देखने लगे, एक सहयोगात्मक उपकरण जिसे मानवीय दिशा, निरीक्षण और सत्यापन की आवश्यकता होती है। एक कंप्यूटर विज्ञान की प्रोफेसर ने उल्लेख किया कि एआई ने उससे ऐसे प्रश्न पूछना शुरू कर दिया था जिसने उसे उन कोणों के बारे में सोचने पर मजबूर किया जिन पर उसने विचार नहीं किया था, जिससे यह संवाद एक साधारण प्रश्न से बदलकर एक वास्तविक सहयोग में परिवर्तित हो गया। एक अन्य स्टाफ सदस्य, जो शुरुआत में तकनीकी चरणों से अभिभूत महसूस कर रही थी, ने कार्यों को विभाजित करना सीखा और अंततः अपने सहयोगियों को उन्हीं विधियों का उपयोग करना सिखाया।

शोधकर्ताओं ने देखा कि यह बदलाव स्वतः नहीं हुआ; इसके लिए क्लाइंट को सीखने की हताशा के माध्यम से मार्गदर्शन करने के लिए मानव तत्व (ट्यूटर) की आवश्यकता थी। ट्यूटर, जो सभी कंप्यूटर विज्ञान के छात्र थे, ने पाया कि उनका सबसे महत्वपूर्ण कौशल तकनीकी विशेषज्ञता नहीं, बल्कि संचार करने और क्लाइंट के सहज स्तर के अनुसार अपनी शिक्षण शैली को अनुकूलित करने की क्षमता थी। उन्होंने उन लोगों के लिए धीमा होना सीखा जो उपकरणों की संख्या से अभिभूत महसूस कर रहे थे, और उन लोगों के लिए गति बढ़ाना सीखा जो पहले से ही तकनीक से परिचित थे। कार्यक्रम ने महत्वपूर्ण सीमाओं को भी उजागर किया। कुछ क्लाइंट्स को लगा कि एआई को प्रॉम्प्ट करने में लगने वाला प्रयास लाभ से अधिक है, और कुछ ने विद्वत्तापूर्ण लेखन जैसे कुछ प्रकार के कार्यों के लिए एआई के उपयोग को पूरी तरह से अस्वीकार करने का विकल्प चुना, ताकि पूर्ण व्यक्तिगत नियंत्रण बनाए रखा जा सके। इन प्रतिक्रियाओं को विफलता के रूप में नहीं, बल्कि वैध विकल्पों के रूप में देखा गया जो इस बात पर जोर देते हैं कि व्यक्तियों को यह तय करने का अधिकार होना चाहिए कि वे कब और कैसे इन उपकरणों का उपयोग करें।

यद्यपि इस कार्यक्रम ने उत्साहजनक परिणाम दिखाए, शोधकर्ता सावधानीपूर्वक उनके अध्ययन की सीमाओं को नोट करने में भी सतर्क रहे। डेटा उन लोगों के एक छोटे समूह से आया है जिन्होंने कार्यक्रम के लिए स्वयंसेवक के रूप में भाग लिया, इसलिए यह मान नहीं लिया जा सकता कि प्रत्येक छात्र या शिक्षक का अनुभव भी ऐसा ही होगा। सीखने के माप प्रारंभिक थे और प्रतिभागियों की कम संख्या पर आधारित थे, जो दीर्घकालिक प्रभावों की पुष्टि करने के लिए आगे के अध्ययन की आवश्यकता का सुझाव देते हैं। हालाँकि, वास्तविक दुनिया के आर्टिफैक्ट्स (जैसे काम करने वाली वेबसाइटों और अनुप्रयोगों) का संग्रह ठोस प्रमाण प्रदान करता है कि यह दृष्टिकोण काम करता है। इस परियोजना ने प्रदर्शित किया कि सही समर्थन के साथ, सभी पृष्ठभूमि के लोग निष्क्रिय उपभोक्ताओं से सक्रिय रचनाकारों में बदल सकते हैं जो अपनी समस्याओं को हल करने के लिए एआई का उपयोग करते हैं। 'लर्नएआई' ढांचा उन संस्थानों के लिए एक व्यावहारिक मॉडल प्रदान करता है जो आर्टिफिशियल इंटेलिजेंस को शिक्षा में एक अलग विषय के रूप में नहीं, बल्कि दैनिक कार्य और सीखने के ताने-बाने में बुने हुए एक उपकरण के रूप में एकीकृत करना चाहते हैं।