کاربرد هوش مصنوعی در آموزش دروس مهندسی

رامان بیوک خرمی، مجتبی اسلامی‌زاده – هوش مصنوعی (AI) از فناوری‌‌های نوظهوری است که کاربردهای گسترده‌ای در زمینه‌های مختلف از جمله آموزش دارد. کاربرد هوش مصنوعی در آموزش دروس مهندسی نیز کاملا مشهود و غیر قابل انکار است. در آموزش دروس مهندسی، AI می‌تواند برای بهبود کیفیت یادگیری و افزایش مشارکت دانشجویان مورد استفاده قرار گیرد.

هوش مصنوعی می‌تواند برای شخصی‌سازی آموزش، ارائه بازخورد فوری، و ایجاد محیط‌های یادگیری تعاملی مورد استفاده قرار گیرد. به عنوان مثال، هوش مصنوعی در شناسایی نقاط قوت و ضعف دانشجویان نیز کاربرد دارد. سپس بر اساس آن، محتوای آموزشی را شخصی سازی می‌کند. این نوع آموزش‌های مبتنی بر هوش مصنوعی می‌تواند برای ارائه بازخورد فوری به دانشجویان در مورد عملکرد آن‌ها نیز استفاده شود.

این بازخورد می‌تواند به دانشجویان کمک کند تا نقاط ضعف خود را شناسایی کنند و بر روی آن‌ها کار کنند. علاوه بر این، استفاده از فناوری‌های نوین آموزشی و شبیه‌سازی‌های آموزشی می‌تواند برای ایجاد محیط‌های یادگیری تعاملی مورد استفاده قرار گیرد. این محیط‌ها باعث می‌شوند تا دانشجویان مفاهیم پیچیده را بهتر درک کنند. در ادامه این مقاله با روش‌های تدریس مبتنی بر هوش مصنوعی در آموزش مهندسی و تحلیل داده‌ها در آموزش این دروس آشنا شوید.

نقش هوش مصنوعی در تحول آموزش

آموزش از دیرباز مبحثی مهم در زندگی انسان‌ها بوده و اصل پیشرفت بشریت نیز بر مبنای آموزش نسل به نسل از گذشته تا به امروز بوده است و می‌دانیم که پیشرفت در آموزش تأثیر مستقیمی بر پیشرفت بشریت خواهد گذاشت؛ بر همین اساس می‌توان آموزش را پایه اصلی پیشرفت نامید.

پیشرفت روزافزون تکنولوژی و هوش مصنوعی به ایجاد ابزارهای جدید کمک کرده است. این ابزارها در زمینه‌های مختلف از جمله پزشکی، مهندسی و آموزش کاربرد دارند و آموزش را از اصول قدیمی جدا می‌کنند.

بنابراین ضروری است که افراد علاوه بر استفاده از سیستم‌های هوشمند آموزشی، به خوبی درباره آن‌ها آموزش ببینند. اما استفاده بهینه از این ابزارها نیز نیاز به یادگیری و تحقیق‌هایی دارد.

تاریخچه پیدایش هوش مصنوعی

جان مکارتی اصطلاح AI را در سال 1956 ابداع کرد و به این ترتیب، حوزه هوش مصنوعی به‌وجود آمد. هدف اصلی هوش مصنوعی تقلید از عملکرد شناختی انسان و انجام فعالیت‌هایی است که معمولا توسط یک انسان انجام می‌شود. فعالیت در این زمینه به‌صورت جدی از سال 1960 شروع شد.

در آن دوره سرمایه‌گذاری‌های سنگینی در این زمینه انجام می‌شد. این افراد همواره مخالفان و موافقان فراوانی را به همراه خود داشتند. پیشرفت هوش مصنوعی با وجود فراز و نشیب، آوازه‌اش در چشم دیوان‌سالاران دولتی و سرمایه‌گذاران مخاطره‌پذیر، ادامه یافت. مسائلی که در سال ۱۹۷۰ امکان‌ناپذیر می‌نمودند، حل شده‌اند و امروزه در محصولات موفق تجاری به کار می‌روند.

با وجود پیش‌بینی‌های خوش‌بینانه پژوهشگران نسل اول، هنوز هیچ ماشینی با هوش هم‌پایه هوش انسان ساخته نشده است. آلن تورینگ در مقاله مشهورش در سال 1950 گفت که «ما تنها فاصله کوتاهی را در پیش روی خود می‌بینیم» و افزود که «کار بسیاری باید انجام شود».

نقش هوش مصنوعی و تکنولوژی در آموزش دروس مهندسی

طی سال‌های گذشته، ما پیشرفت‌های عظیمی در به‌کارگیری تکنولوژی در حوزه آموزش مشاهده کرده‌ایم. این پیشرفت‌ها آموزش‌های مدرن‌تری را در زمینه‌های تدریس، تمرین، تکلیف و آزمون‌ها به همراه داشته‌اند. آموزش مجازی که در دوران کووید-19 در سطح جهان به‌کار رفت، از جمله این پیشرفت‌ها است.

در این دوره، هوش مصنوعی و تکنولوژی‌های آموزش هوشمند نشان دادند که در مواقع حساس می‌توانند به حل مشکلات آموزش و دیگر حوزه‌ها کمک کنند. ابزارهایی مانند سامانه‌های کورسز و اپلیکیشن ادوب کانکت نقش بسزایی در بهبود عملکرد آموزش داشتند.

بازخورد این روش‌ها نشان می‌دهد که این سبک از آموزش و یادگیری نتایج مطلوبی را به همراه دارد. حال در این مقاله به طور جامع و مفید می‌خواهیم به بررسی این ابزارها در آموزش به‌خصوص در دروس مهندسی و ریاضیات بپردازیم.

بیشتر بخوانید:

• افزایش ایمنی مسافران با استفاده از سیستم های محافظ درب آسانسور
• سیستم جدید آسانسور هیتاچی برنده جایزه Red Dot Award Design 2024
• ۵ مورد از نکات نگهداری آسانسور در تابستان

پیشینه پژوهش

پژوهش‌های گسترده‌ای در زمینه کاربرد هوش مصنوعی و واقعیت مجازی در آموزش انجام شده است. در این بخش، به معرفی مختصری از برخی از این پژوهش‌ها خواهیم پرداخت.

پژوهشی تحت عنوان نوآوری هوش مصنوعی در آموزش طبق داده‌های بیست‌ساله مورد تحقیق قرار گرفته شده، ادعا دارد همان‌طور که ما شاهد افزایش آموزش‌های مبتنی بر تکنولوژی یا آموزش‌هایی تحت عنوان آموزش‌های از راه دور هستیم، شاهد پیاده‌سازی آموزش‌های هوشمند در مراکز علمی نیز هستیم.

این پژوهش تحقیقات هوش مصنوعی را ماهیت میان‌رشته‌ای می‌داند و علاوه بر آن کارکرد هوش مصنوعی در روند آموزشی را در ابعاد فرهنگی، اخلاقی، اجتماعی و روانی مورد بحث قرار می‌دهد.

پژوهشی تحت عنوان نوآوری هوش مصنوعی در آموزش، که بر اساس داده‌های بیست‌ساله انجام شده است، ادعا می‌کند که علاوه بر افزایش آموزش‌های مبتنی بر تکنولوژی و از راه دور، شاهد پیاده‌سازی آموزش‌های هوشمند در مراکز علمی نیز هستیم.

در آموزش‌های امروزی هوش مصنوعی سهم بسزایی دارد و با استفاده از نقش استاد و دانشجو دچار تحول عظیمی می‌شود. این پژوهش سهم هوش مصنوعی را در آینده آموزش بلا انکار می‌داند.

پژوهش دو دهه هوش مصنوعی در آموزش

این پژوهش با عنوان دو دهه هوش مصنوعی در آموزش تمرکز بر نحوه به‌کارگیری هوش مصنوعی برای افزایش بهره‌وری در آموزش و حل چالش‌ها و نحوه استفاده از هوش مصنوعی در آینده آموزش مورد بحث قرار گرفته شده، علاوه بر آن سعی بر افزایش پذیرش استادان در استفاده از ابزارهای هوش مصنوعی از طریق مشارکت دادن آن‌ها برای طراحی سیستم‌های مبتنی بر هوش مصنوعی و یا از طریق آزمایشات متدوال برای نشان دادن قدرت این ابزارها کرده است.

در این پژوهش شاهد معرفی زمینه‌های مختلف هوش مصنوعی و کاربرد آن‌ها در آموزش نیز هستیم؛ مانند آموزش شخصی‌سازی شده، پیش‌بینی و توانایی افزایش عملکردی دانشجویان و حتی تحلیل واکنش‌های آن‌ها نسبت به آموزش.

انقلاب هوش مصنوعی در آموزش

پژوهشی دیگر با عنوان انقلاب هوش مصنوعی در آموزش؛ تمرکز هوش مصنوعی در آموزش بر روی حل مسائل با دو سیگما مورد پژوهش است که سبب ایجاد سیستم‌هایی نوین مانند آموزش‌های جداگانه در روند آموزشی مدنظر می‌شود.

علاوه بر آن کاربرد هوش مصنوعی در آموزش دروس مهندسی نیاز دانشجویان و اساتید به حمایت‌های فردی را نیازمند به بستری می‌داند که تعامل و تعادلی بین فرآیندهای تکاملی مانند تمرین یا تکلیف‌های درسی با فرآیندهای انقلابی مانند زندگی روزمره این دو گروه بسازد.

مفهوم آموزش

واژه آموزش واژه‌اي است که به نظر می‌رسد در مورد مفهوم آن ابهام چندانی وجود نداشته باشد، اما قطعا دارای پیچیدگی‌های خاص خود است؛ چرا که این امر بطن اصلی بشریت است. آموزش، فعالیت‌هاي هدفمند استاد براي ایجاد یادگیري در یادگیرنده است که به‌صورت کنشی متقابل بین یاد دهنده و یک یا چند یادگیرنده جریان می‌یابد.

این تعریف از آموزش بیشتر در آموزش کلاسی یا به‌کارگیري ارتباط رو در رو در آموزش را در نظر مجسم می‌کند. در صورتی که آموزشی که در تعریف جیمز براون مورد نظر است، عبارت است از کلیه فعالیت‌هاي هدفمندي که براي ایجاد یادگیري صورت می‌گیرد. این فعالیت‌ها می‌توانند از راه دور انجام گیرند و کنش متقابل از طریق ارتباط با مرکز به‌وسیله تلفن یا پست یا کانال تلویزیونی یا هر طریق دیگر صورت گیرد.

مهم این است که فعالیت‌ها داراي هدف مشخص هستند و براي ایجاد تغییر در رفتار یادگیرنده انجام می‌گیرند. کسی که این فعالیت‌ها را انجام می‌دهد می‌تواند طراح و برنامه‌ریزي باشد که کلیه جریان آموزشی را به‌طور سیستماتیک طراحی می‌کند و طرح برنامه را براي اجراي یک آموزش کلاسی از طریق استاد، با آموزش از طریق تلویزیون براي گروه کثیري از افراد، یا آموزش از طریق ماشین به یک فرد و یا آموزش از طریق کامپیوتر می‌ریزد.

تعریف آموزش به زبان ساده

آموزش به‌عنوان یک فرایند مهم در انتقال دانش، مهارت‌ها و ارزش‌ها از یک نفر به نفر دیگر، از اهمیت بالایی برخوردار است. این فرایند تضمین‌کننده‌ انتقال اطلاعات از معلم یا منبع آموزشی به دانش‌آموزان است و هدف اصلی آن تسهیل یادگیری و توسعه مهارت‌ها در فراگیران است. آموزش ممکن است در انواع مختلفی از محیط‌ها مانند مدارس، دانشگاه‌ها، سازمان‌ها و آموزش‌های آنلاین ارائه شود و از ابزارها و فناوری‌های متنوعی برای انتقال اطلاعات استفاده می‌کند.

آموزش اهمیت زیادی دارد چرا که اگر این امر به‌درستی انجام نگیرد یادگیری درست انجام نمی‌شود و در نتیجه آن، شاهد تاوان‌هایی سنگین خواهیم بود که شاید در آن واحد با رخدادهای آن روبه‌رو نشویم اما با گذشت اندکی زمان متوجه عقب‌ماندگی آن دسته یادگیرنده نسبت به بقیه دانش‌آموختگان با محیط آموزشی متفاوت خواهیم شد.

اهمیت آموزش در مهندسی

آموزش در مهندسی بسیار حائز اهمیت است و نقش بسزایی در توسعه و پیشرفت صنایع و فناوری دارد. آموزش در مهندسی، دانشجویان را با اصول و مفاهیم اساسی مهندسی آشنا می‌کند. این آموزش، امکان برقراری ارتباط و تبادل ایده‌ها و دانش بین مهندسان را فراهم می‌کند و به ایجاد یک زبان مشترک در جامعه مهندسی کمک می‌کند.

آموزش در مهندسی به مهندسان کمک می‌کند تا عملکرد و کیفیت محصولات و خدمات را بهبود دهند. از طریق آموزش، مهندسان قادر به شناسایی و رفع مشکلات مربوط به کیفیت و ایمنی محصولات و بهبود هستند. علوم مهندسی بسیار مهم هستند و اشتباه کردن در برخی موارد تاوان سنگینی را به همراه خواهد داشت.

کاربرد هوش مصنوعی در آموزش دروس مهندسی علاوه بر استراتژیک بودن، بسیار با فناوری‌های روز وفق‌پذیر است؛ به‌گونه‌ای که بسیاری از برنامه‌هایی که امروزه برای این دروس منتشر شده و سبب افزایش دقت در کار مهندسی، افزایش راندمان و ذخیره زمان زیادی برای تمامی مهندسان استفاده‌کننده از این برنامه‌ها می‌شود، بر اساس هوش مصنوعی طراحی شده‌اند.

نرم‌افزارهای کثیر و مختلفی وجود دارد که در آموزش و طراحی به مهندسین کمک شایانی می‌کنند که در ادامه به تعدادی از آن‌ها و روش‌های نوین استفاده از آن‌ها می‌پردازیم.

مفهوم هوش مصنوعی

فناوری‌های ارتباطی رایانه‌ای و اطلاعاتی طی سال‌ها به تکامل خود ادامه داده‌اند و منجر به توسعه هوش مصنوعی شده‌اند. به گفته کاپین، هوش مصنوعی توانایی ماشین‌ها برای انطباق با موقعیت‌های جدید، مقابله با موقعیت‌های نوظهور، حل مسائل، پاسخگویی به سؤالات، نقشه‌های دستگاه، و انجام عملکردهای مختلف دیگری است. به این ترتیب باید دارای سطحی از هوش یک انسان معمولی باشد.

هوش مصنوعی نقطه اوج رایانه‌ها، فناوری‌های مرتبط با رایانه، ماشین‌ها و نوآوری‌ها و پیشرفت‌های فناوری ارتباطات اطلاعات است که به رایانه‌ها توانایی انجام عملکردهای نزدیک یا شبیه به انسان را می‌دهد. در راستای پذیرش و استفاده از فناوری‌های جدید در آموزش، هوش مصنوعی نیز کاربرد گسترده‌ای دارد.

هوش مصنوعی (Artificial Intelligence) مجموعه‌ای از تکنیک‌ها، الگوریتم‌ها و مدل‌های رایانه‌ای هستند که کامپیوترها و سیستم‌های رایانه‌ای با استفاده از آن‌ها می‌توانند برخلاف عملکرد سنتی خود، وظایفی را با هوش و استنباط انسانی انجام دهند. هدف اصلی هوش مصنوعی تولید سیستم‌هایی است که قابلیت فهم و تحلیل داده‌ها، یادگیری از آن‌ها، اتخاذ تصمیمات مناسب و حل مسائل پیچیده را دارند. به همین علت کاربرد هوش مصنوعی در آموزش دروس مهندسی به وضوح مشخص است.

دسته بندی هوش مصنوعی از نظر مؤسسه مهندسان برق و الکترونیک (IEEE)

مؤسسه مهندسان برق و الکترونیک (IEEE) در رده‌بندی تازه‌ترین واژه‌نامه خود در سال 2021، هوش مصنوعی را به دسته‌های زیر تقسیم کرده است:

1. یادگیری ماشینی (Machine Learning)
2. پردازش زبان طبیعی (Natural Language Processing)
3. بینایی ماشین (Computer Vision)
4. تحلیل داده (Data Analytics)
5. بازیابی اطلاعات (Information Retrieval)
6. شبکه‌های عصبی مصنوعی (Artificial Neural Networks)
7. رباتیک (Robotics)

یادگیری ماشینی (Machine Learning)

این شاخه از AI بر روی توسعه الگوریتم‌ها و مدل‌هایی تمرکز دارد که از داده‌ها یاد می‌گیرند و توانایی بهبود عملکرد خود را دارند. یادگیری ماشینی شامل تکنیک‌هایی مانند شبکه‌های عصبی، درخت تصمیم، ماشین‌های پشتیبان و بیشتر می‌شود.

پردازش زبان طبیعی (Natural Language Processing)

در این حوزه باید تکنیک‌ها و الگوریتم‌های لازم برای تفسیر و تولید زبان طبیعی را توسعه دهند. این بخش به سیستم‌ها اجازه می‌دهد تا با انسان‌ها به زبان طبیعی ارتباط برقرار کنند، مانند سیستم‌های ترجمه ماشینی یا تحلیل متن.

بینایی ماشین (Computer Vision): در این زمینه تکنیک‌ها برای تشخیص الگوها و اطلاعات از تصاویر و ویدئوها استخراج می‌شوند. این بخش شامل تشخیص چهره، تشخیص اشیا، پردازش تصویر پزشکی و سایر کاربردها می‌شود.

تحلیل داده (Data Analytics)

در این زمینه از تکنیک‌های مختلف برای تجزیه و تحلیل داده‌ها به‌منظور استخراج اطلاعات مفید و الگوهای مخفی استفاده می‌شود. این تکنیک‌ها می‌توانند به کسب‌وکارها در تصمیم‌گیری‌های استراتژیک کمک کنند.

بازیابی اطلاعات (Information Retrieval)

این حوزه به توسعه روش‌ها و الگوریتم‌هایی می‌پردازد که به سیستم‌ها اجازه می‌دهد اطلاعات مرتبط را از داده‌ها یا پایگاه‌های اطلاعاتی بازیابی کنند.

شبکه‌های عصبی مصنوعی (Artificial Neural Networks)

این روش بر اساس ساختار و عملکرد شبکه‌های عصبی در مغز انسان استوار است. با استفاده از لایه‌های متعدد از نورون‌های مصنوعی، این شبکه‌ها قادر به یادگیری و تشخیص الگوها هستند.

رباتیک (Robotics)

هوش مصنوعی در رباتیک برای طراحی و ساخت ربات‌هایی استفاده می‌شود که قادر به تعامل با محیط و انجام وظایف مختلف.

نمودار 1- کمیت تحقیقات سالانه روی هوش مصنوعی.