אחדים מעמיתיי טוענים
כי תם עידן הגשת העבודות באקדמיה; שהרי בימינו העבודות נכתבות כולן על ידי כלי
בינה מלאכותית, לעיתים קרובות אף מבלי שהסטודנטים טרחו לקרוא אותן. יש מידה רבה של
אמת בחשש זה. תחת המודל המסורתי, סטודנטים השואפים למקסם ציון בהשקעה מזערית מזינים
את כותרת המטלה למודל שפה ומקבלים חיבור מוגמר: לעיתים אפילו עם הסממנים המובהקים
של פלט גולמי (מקפים ארוכים, גרשים מיותרים ושפה חלקלקה אך חלולה). מנגד, הדעה
הגורסת כי יש לבטל לחלוטין את מוסד העבודות ולעבור לבחינות בלבד מחטיאה, לטעמי, את
מטרתם הפדגוגית של קורסים מתקדמים.
בסמסטר אביב
תשפ"ו לימדתי קורס בחירה מתקדם בבינה מלאכותית שעסק בסוכנים אוטונומיים. כחלק
מדרישות הקורס, הסטודנטים נדרשו לבצע עבודת חקר בנושאים כגון מערכות מרובות סוכנים
(Multi-Agent Systems),
פרוטוקול A2A,
ובינה מלאכותית פיזית (Physical AI). כדי להתמודד עם אתגר ה-AI, בחרתי שלא לאסור על השימוש בכלי, אלא להפוך את אופן השימוש בו
ללב המטלה. הסטודנטים קבלו הנחיות לבצע את העבודה בשלבים הבאים:
1. איסוף מקורות: איסוף מקורות מחקריים המסכמים
את הנושא.
2. תחקור ראשוני: הזנת המקורות לכלי בינה
מלאכותית תוך הצגת שלוש שאלות עומק מנחות.
3. איתור נקודת תורפה: קריאה ביקורתית של הפלט
וזיהוי טענה שניתן לערער עליה.
4. ניהול דיאלקטיקה (ויכוח): עימות הכלי מול טענת
הנגד של הסטודנטים וקבלת התייחסותו המנומקת.
5. רפלקציה ומבחן בעל-פה: סיכום ביקורתי של
האינטראקציה והגנה על התוצרים במבחן בעל-פה מול המרצה.
הרציונל הפדגוגי שעמד
בבסיס ההנחיות נשען על ארבע הנחות מרכזיות:
- שבירת אשליית ה-"One-Shot
Generation": פירוק המטלה לרצף איטרטיבי
מחייב את הסטודנט להישאר בתוך הלולאה (Human-in-the-loop).
- קריאה ביקורתית מתוך
צורך מעשי: אי אפשר לחלוק על פלט מכונה מבלי לקרוא אותו בעיון ולהשוותו
למקורות, מה שמחייב הפעלת חשיבה מסדר
גבוה (הערכה ושיפוט).
- ה-AI כאובייקט מחקר ולא ככותב צללים: המודל הופך מ"מייצר
טקסט" למעבדה חיה, שבה הסטודנט נמדד על איכות התחקור וההובלה.
- חובת ההגנה בעל-פה:
המבחן בעל-פה מספק תמריץ חיוני לשליטה מעמיקה בכל פרטי הדיון.
לאחרונה בדקתי את
העבודות שהוגשו (וכעיקרון "הקורא את המגילה הוא שיקיימנה", נעזרתי אף
אני ב-AI
כשותף אנליטי לבדיקה, אך זו נותרה תחת פיקוח ושיקול דעת אנושי מלא). אף שמדובר במדגם קטן, אני משתף בממצאים שמבוססים
על התרשמותי:
במרבית העבודות התברר
כי המתודולוגיה אכן השיגה את מטרתה. הסטודנטים לא "קנו" את התשובה
הראשונה: עבודה אחת אתגרה כשל מסגור אופטימי של המודל ביחס לפריסת סוכנים פיזיים
בשדה הקרב; עבודה שנייה זיהתה במדויק "הזיית ראשי תיבות" של המודל
שהתרחק מההקשר המחקרי; ועבודה שלישית פירקה את הטענה השטחית שביזור מבטיח בהכרח
אמינות. הוויכוחים היו מנומקים, מעוגנים במקורות ומלווים בדוגמאות נגדיות עשירות.
עם זאת, המתודולוגיה
שימשה גם כ"חומר ניגוד" שחשף מיד ניסיונות לעקוף את המאמץ הקוגניטיבי.
באחת העבודות, סטודנטים בחרו להתווכח דווקא על סכנה שהמודל בעצמו ציין בתשובתו
הראשונה, וסגרו את הדיון בשאלה מנחה: "האם אתה מסכים איתי?" , מה שהוביל
להסכמה אוטומטית ולסגירת הוויכוח ללא מאמץ.
התנסות זו הניבה שתי
תובנות מרכזיות לדיוק ההנחיות בעתיד:
1. נטרול הנטייה לרצות (Sycophancy): מודלי שפה מאומנים (באמצעות משוב אנושי – RLHF) לרצות את המשתמש וליישר עמו קו. כדי למנוע כניעה מהירה של המודל,
בכוונתי להוסיף הנחיה מפורשת לסטודנטים להורות ל-AI לתפקד כ"פרקליטו של השטן" (Devil's
Advocate), להגן בעקביות על עמדתו ולדרוש מהם ראיות
בטרם ייסוג מעמדתו.
2. עיגון הוויכוח בראיות קונקרטיות: כדי למנוע
ויכוחים פילוסופיים מעורפלים, בכוונתי לדרוש מראש כי טענת הוויכוח תישען על מקרה
בוחן מהעולם האמיתי, על נתון כמותי מתוך המקורות או על דוגמה נגדית מוגדרת היטב. יש לציין כי חלק מהסטודנטים אכן נהגו כך
מסקנה
ראשונית: אין צורך להיבהל מנוכחות ה-AI באקדמיה או לסגת למבחנים שמרניים בלבד. כאשר מגדירים את הכללים
נכון, כלי הבינה המלאכותית אינו תחליף לחשיבה , אלא קטליזטור לחשיבה. נראה שמרבית הסטודנטים התחברו לאתגר של ויכוח
על כלי הבינה המלאכותית, ולקחו את האתגר ברצינות, וכך העמיקו את הבנתם בחומר.
