ਭਾਰਤ ‘ਸਿੱਖਿਆ ਵਿੱਚ ਏਆਈ’ ਪਲ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਿਹਾ ਹੈ। ਸਵਾਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੀ ਏਆਈ ਕਲਾਸਰੂਮਾਂ ਅਤੇ ਜਨਤਕ ਸਿੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਛੂਹੇਗਾ; ਇਹ. ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ AI ਇਕੁਇਟੀ, ਏਜੰਸੀ ਅਤੇ ਸਿੱਖਣ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ – ਜਾਂ ਚੁੱਪਚਾਪ ਉਹਨਾਂ ਪਾੜੇ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ ਜਿਸ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਭਾਰਤ ਪਹਿਲਾਂ ਹੀ ਸਖ਼ਤ ਮਿਹਨਤ ਕਰ ਰਿਹਾ ਹੈ।
ਇਹ ਚੁਣੌਤੀ ਹਾਲ ਹੀ ਵਿੱਚ ਆਈਆਈਟੀ ਮਦਰਾਸ ਵਿੱਚ ‘ਏਆਈ ਯੁੱਗ ਲਈ ਮਨੁੱਖੀ ਪੂੰਜੀ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨ’ ‘ਤੇ ਇੱਕ ਸੰਮੇਲਨ ਵਿੱਚ ਆਈ, ਜਿਸ ਦਾ ਆਯੋਜਨ ਸੈਂਟਰ ਫਾਰ ਰਿਸਪੌਂਸੀਬਲ ਏਆਈ (ਸੀਈਆਰਏਆਈ) ਅਤੇ ਖੋਜ ਅਤੇ ਉਦਯੋਗ ਭਾਈਵਾਲਾਂ ਦੁਆਰਾ ਇੰਡੀਆਏਆਈ ਇਮਪੈਕਟ ਸਮਿਟ 2026 ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਪ੍ਰੀ-ਸਮਿਟ ਈਵੈਂਟ ਵਜੋਂ ਕੀਤਾ ਗਿਆ ਹੈ। ਸਮਰੱਥਾਵਾਂ – ਸਿਰਫ਼ ਔਜ਼ਾਰ ਹੀ ਨਹੀਂ।
ਦੋ ਏਜੰਡੇ, ਇੱਕ ਨਹੀਂ
ਜਨਤਕ ਬਹਿਸ ਅਕਸਰ ‘ਸਿੱਖਿਆ ਵਿੱਚ ਏਆਈ’ ਵਿੱਚ ਸਭ ਕੁਝ ਉਲਝਾ ਦਿੰਦੀ ਹੈ। ਭਾਰਤ ਲਈ ਬਿਹਤਰ ਹੋਵੇਗਾ ਕਿ ਉਹ ਦੋਵੇਂ ਏਜੰਡੇ ਇਕੱਠੇ ਰੱਖੇ।
ਪਹਿਲਾ ਸਿੱਖਿਆ ਲਈ AI ਹੈ: ਅਧਿਆਪਨ, ਸਿੱਖਣ, ਮੁਲਾਂਕਣ, ਅਤੇ ਸਿਸਟਮ ਕਾਰਜਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਦੂਸਰਾ ਏਆਈ ਸਿੱਖਿਆ ਹੈ: ਪੂਰੇ ਸਮਾਜ ਵਿੱਚ AI ਸਾਖਰਤਾ, ਜਾਗਰੂਕਤਾ, ਨੈਤਿਕਤਾ ਅਤੇ ਹੁਨਰ ਦਾ ਨਿਰਮਾਣ ਕਰਨਾ – ਜਿਸ ਵਿੱਚ ਸਿਰਫ਼ ਵਿਦਿਆਰਥੀ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਅਧਿਆਪਕ ਅਤੇ ਕਾਰਜਕਾਰੀ ਵੀ ਸ਼ਾਮਲ ਹਨ। ਜੇਕਰ ਦੂਜਾ ਏਜੰਡਾ ਕਮਜ਼ੋਰ ਹੈ, ਤਾਂ ਡੈਸ਼ਬੋਰਡ ‘ਤੇ ਗੋਦ ਲੈਣਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਦਿਖਾਈ ਦੇਵੇਗਾ ਜਦੋਂ ਕਿ ਸਿਸਟਮ ਵਿੱਚ ਮਨੁੱਖੀ ਨਿਰਣਾ ਕਮਜ਼ੋਰ ਹੋ ਜਾਵੇਗਾ। AI ਗੋਦ ਲੈਣਾ ਇੱਕ ਰਾਸ਼ਟਰੀ ਟੀਚਾ ਨਹੀਂ ਹੈ; AI ਸਮਰੱਥਾ।
‘ਏਆਈ ਯੁੱਗ ਲਈ ਮਨੁੱਖੀ ਪੂੰਜੀ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨ’ ‘ਤੇ ਹਾਲ ਹੀ ਵਿੱਚ ਹੋਈ ਇੱਕ ਕਾਨਫਰੰਸ ਵਿੱਚ, ਆਈਆਈਟੀ ਮਦਰਾਸ ਦੇ ਪ੍ਰੋਫੈਸਰ ਬੀ. ਰਵੀੇਂਦਰਨ ਅਤੇ ਪ੍ਰੋਫੈਸਰ ਅਸ਼ਵਿਨੀ ਮਹਾਲਿੰਗਮ। , ਫੋਟੋ: ਵਿਸ਼ੇਸ਼ ਪ੍ਰਬੰਧ
ਇਹ ਅੰਤਰ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਜਨਤਕ ਸਿੱਖਿਆ ਐਪਸ ਦੀ ਘਾਟ ਕਾਰਨ ਅਸਫਲ ਨਹੀਂ ਹੁੰਦੀ ਹੈ; ਇਹ ਉਦੋਂ ਅਸਫਲ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਸਿਸਟਮ ਵੱਡੇ ਪੈਮਾਨੇ ‘ਤੇ ਚੰਗੀਆਂ ਚੋਣਾਂ ਨਹੀਂ ਕਰ ਸਕਦਾ। AI ਖਰੀਦ, ਸਿਖਲਾਈ, ਪ੍ਰਸ਼ਾਸਨ, ਉਪਯੋਗਤਾ, ਅਤੇ ਮੁਲਾਂਕਣ ਵਿੱਚ ਮੌਜੂਦ ਜੋ ਵੀ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾਏਗਾ। ਜੇਕਰ ਉਹ ਸਮਰੱਥਾ ਪਤਲੀ ਹੈ, ਤਾਂ AI ਪਤਲੇਪਨ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਵਧਾਏਗਾ।
ਤਿੰਨ ਸਵਾਲ ਜੋ ਫੈਸਲਿਆਂ ਦੀ ਅਗਵਾਈ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ
ਜਿਵੇਂ ਕਿ ਭਾਰਤ ਏਆਈ ਪਾਇਲਟਾਂ ਤੋਂ ਸਕੇਲਿੰਗ ਵੱਲ ਵਧਦਾ ਹੈ, ਤਿੰਨ ਸਵਾਲ ਖਰੀਦ, ਪ੍ਰੋਗਰਾਮ ਡਿਜ਼ਾਈਨ, ਵਰਤੋਂ, ਅਤੇ ਅਧਿਆਪਕ ਅਤੇ ਅਧਿਕਾਰਤ ਪੇਸ਼ੇਵਰ ਵਿਕਾਸ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
ਪਹਿਲਾ: ਕੀ ਅਸੀਂ ਸਿੱਖਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕਰ ਰਹੇ ਹਾਂ, ਜਾਂ ਸਿਰਫ਼ ਆਉਟਪੁੱਟ ਲਈ? AI ਜਵਾਬ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਹੈ। ਪਰ ਸਿੱਖਿਆ ਯੋਗਤਾ ਪੈਦਾ ਕਰਨ ਬਾਰੇ ਹੈ – ਸਮਝ ਨਾਲ ਪੜ੍ਹਨ ਦੀ ਯੋਗਤਾ, ਅੰਕਾਂ ਨਾਲ ਤਰਕ ਕਰਨਾ, ਅਤੇ ਅਣਜਾਣ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨਾ। ਜੇਕਰ AI ਬੋਧਾਤਮਕ ਔਫਲੋਡਿੰਗ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ (ਮਸ਼ੀਨ ਨੂੰ ਸੋਚਣ ਦਿੰਦਾ ਹੈ), ਤਾਂ ਇਹ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸਿਖਲਾਈ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦੇ ਹੋਏ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦਾ ਹੈ।
ਇਹ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ ਕਿਉਂਕਿ ਭਾਰਤ ਵਿੱਚ ਨਿਪੁਨ ਇੰਡੀਆ ਦੇ ਤਹਿਤ ਇੱਕ ਸਮਾਂਬੱਧ ਫਾਊਂਡੇਸ਼ਨਲ ਲਿਟਰੇਸੀ ਐਂਡ ਨਿਊਮੇਰੇਸੀ (FLN) ਅਭਿਲਾਸ਼ਾ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਬੱਚਿਆਂ ਨੂੰ 2026-27 ਤੱਕ ਬੁਨਿਆਦੀ ਹੁਨਰ ਹਾਸਲ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ। ਇਸ ਲਈ ਐਲੀਮੈਂਟਰੀ ਗ੍ਰੇਡਾਂ ਵਿੱਚ AI ਦਾ ਮੁਲਾਂਕਣ ਇਸ ਗੱਲ ਦੁਆਰਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਇਹ ਸਮਝ ਅਤੇ ਟ੍ਰਾਂਸਫਰ ਨੂੰ ਡੂੰਘਾ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਇਹ ਕਿੰਨੀ ਜਲਦੀ ਜਵਾਬ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਾਂ ਇਹ ਕਿਵੇਂ ਵਿਅਕਤੀਗਤ ਹੁੰਦਾ ਹੈ।
ਸਾਨੂੰ ਇਹ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ AI ਅਧਿਆਪਕਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ ਜਾਂ ਪਿਛਲੀਆਂ ਕਲਾਸਰੂਮਾਂ ਵਿੱਚ ਸਿਖਿਆਰਥੀਆਂ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਗ੍ਰੇਡਾਂ ਵਿੱਚ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, AI ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਇੱਕ ਦੋ-ਪੱਖੀ ਗਤੀਸ਼ੀਲ ਬਣ ਸਕਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਅਧਿਆਪਕ ਅਤੇ ਸਿਖਿਆਰਥੀ ਦੋਵੇਂ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।
ਦੂਜਾ: ਕੀ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਏਆਈ, ਜਾਂ ਏਆਈ-ਜ਼ਿੰਮੇਵਾਰ ਸੰਸਥਾਵਾਂ ਬਣਾ ਰਹੇ ਹਾਂ? ਜ਼ਿੰਮੇਵਾਰ AI ਨੂੰ ਅਕਸਰ ਇੱਕ ਤਕਨੀਕੀ ਜਾਂਚ ਸੂਚੀ ਵਿੱਚ ਘਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ – ਪੱਖਪਾਤ ਘਟਾਉਣਾ, ਸੁਰੱਖਿਆ ਫਿਲਟਰ, ਪਾਰਦਰਸ਼ਤਾ। ਜ਼ਰੂਰੀ ਹੈ, ਪਰ ਨਾਕਾਫ਼ੀ। ਜਨਤਕ ਸਿੱਖਿਆ ਵਿੱਚ, ਜ਼ਿੰਮੇਵਾਰੀ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਹੁੰਦੀ ਹੈ: ਖਰੀਦ ਪ੍ਰਣਾਲੀ, ਸ਼ਿਕਾਇਤ ਨਿਵਾਰਣ, ਅਧਿਆਪਕਾਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣਾ ਅਤੇ ਨਿਰੰਤਰ ਨਿਗਰਾਨੀ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਨੇਕ ਇਰਾਦਾ ਵਾਲਾ ਮਾਡਲ ਵੀ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਸਕਦਾ ਹੈ ਜੇਕਰ ਇਸਨੂੰ ਸਪੱਸ਼ਟ ਜਵਾਬਦੇਹੀ ਤੋਂ ਬਿਨਾਂ, ਨਿਰਣਾਇਕਾਂ ਲਈ ਸਿਖਲਾਈ ਦੇ ਬਿਨਾਂ, ਜਾਂ ਖੇਤਰ ਵਿੱਚ ਅਸਫਲਤਾ ਦੇ ਢੰਗਾਂ ਨੂੰ ਖੋਜਣ ਅਤੇ ਠੀਕ ਕਰਨ ਲਈ ਵਿਧੀ ਤੋਂ ਬਿਨਾਂ ਲਗਾਇਆ ਜਾਂਦਾ ਹੈ।
ਤੀਜਾ: ਕੀ ਅਸੀਂ ਤਕਨਾਲੋਜੀ ਨੂੰ ਵਧਾ ਰਹੇ ਹਾਂ, ਜਾਂ ਵਿਸ਼ਵਾਸ ਵਧਾ ਰਹੇ ਹਾਂ? ਜਨਤਕ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ, ਸਕੇਲ ਇੱਕ ਤਕਨੀਕੀ ਮੀਲ ਪੱਥਰ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਸਮਾਜਿਕ ਸਮਝੌਤਾ ਹੈ। ਵਿਸ਼ਵਾਸ ਉਦੋਂ ਕਮਾਇਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਅਧਿਆਪਕ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦੇ ਹਨ ਕਿ ਇੱਕ ਡਿਵਾਈਸ ਕੰਮ ਦੇ ਬੋਝ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰਦੀ ਹੈ, ਜਦੋਂ ਮਾਪੇ ਇਹ ਸਮਝ ਸਕਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦੇ ਬੱਚੇ ਦੇ ਸਿੱਖਣ ਅਤੇ ਡੇਟਾ ਦਾ ਕੀ ਹੋਵੇਗਾ, ਅਤੇ ਜਦੋਂ ਕਾਰਜਕਾਰੀ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹਨ ਕਿ ਜੇਕਰ ਸਿਸਟਮ ਅਸਫਲ ਹੋ ਜਾਂਦਾ ਹੈ ਤਾਂ ਕੀ ਹੋਵੇਗਾ। ਜੇਕਰ ਭਰੋਸੇ ਵਿੱਚ ਡਿਜ਼ਾਇਨ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਤਾਂ ਇਹ ਇੱਕ ਵਿਚਾਰ ਬਣ ਜਾਂਦਾ ਹੈ – ਅਤੇ ਫਿਰ ਇਹ ਇੱਕ ਸੰਕਟ ਬਣ ਜਾਂਦਾ ਹੈ।
ਟਰੱਸਟ ਇੱਕ ਡਿਜ਼ਾਇਨ ਦੀ ਲੋੜ ਹੈ, ਇੱਕ ਸੰਚਾਰ ਸ਼ਬਦ ਨਹੀਂ, ਜਦੋਂ ਇਹ AI ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ
ਭਰੋਸਾ “ਏਆਈ ਫਾਰ ਚੰਗੇ” ਦੇ ਨਾਅਰਿਆਂ ਤੋਂ ਨਹੀਂ ਆਵੇਗਾ। ਇਹ ਸ਼ਾਸਨ ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਆਵੇਗਾ। ਭਾਰਤ ਕੋਲ ਇਸ ਦਿਸ਼ਾ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਮਜ਼ਬੂਤ ਨੀਤੀਗਤ ਸੰਕੇਤ ਹਨ।
ਰਾਸ਼ਟਰੀ ਸਿੱਖਿਆ ਨੀਤੀ (NEP) 2020 ਸ਼ਾਮਲ ਕਰਨ ਅਤੇ ਇਕੁਇਟੀ ‘ਤੇ ਜ਼ੋਰ ਦੇ ਨਾਲ ਪਹੁੰਚ ਅਤੇ ਗੁਣਵੱਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਤਕਨਾਲੋਜੀ ਦਾ ਲਾਭ ਉਠਾਉਣ ਦੀ ਮੰਗ ਕਰਦੀ ਹੈ। ਤਕਨਾਲੋਜੀ ਨਿਰਪੱਖ ਨਹੀਂ ਹੈ: ਇਹ ਸਿਸਟਮ ਦੁਆਰਾ ਦਿੱਤੇ ਇਨਾਮਾਂ ਨੂੰ ਵਧਾਉਂਦੀ ਹੈ। ਜੇਕਰ ਅਸੀਂ ਵਰਤੋਂ ਨੂੰ ਇਨਾਮ ਦਿੰਦੇ ਹਾਂ, ਤਾਂ ਸਾਨੂੰ ਵਰਤੋਂ ਮਿਲੇਗੀ। ਜੇਕਰ ਅਸੀਂ ਸਿੱਖਣ ਅਤੇ ਬਰਾਬਰੀ ਦਾ ਇਨਾਮ ਦਿੰਦੇ ਹਾਂ, ਤਾਂ ਸਾਨੂੰ ਇੱਕ ਵੱਖਰੀ ਕਿਸਮ ਦੀ ਨਵੀਨਤਾ ਮਿਲੇਗੀ। ਸਿੱਖਿਆ ਮੰਤਰਾਲੇ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਸਿੱਖਿਆ ਲਈ AI ਦੀ ਖੋਜ, ਡਿਜ਼ਾਈਨ, ਵਿਕਾਸ ਅਤੇ ਨਤੀਜਾ-ਮੁਖੀ ਸਕੇਲਿੰਗ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ ਆਈਆਈਟੀ ਮਦਰਾਸ ਵਿੱਚ ਸਿੱਖਿਆ ਲਈ AI ਸੈਂਟਰ ਆਫ਼ ਐਕਸੀਲੈਂਸ ਦੀ ਸਥਾਪਨਾ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ।
ਡਿਜੀਟਲ ਪਰਸਨਲ ਡੇਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਐਕਟ (DPDP), 2023 ਨੂੰ ਬੱਚਿਆਂ ਦੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਮਾਪਿਆਂ ਦੀ ਪ੍ਰਮਾਣਿਤ ਸਹਿਮਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਮਨਾਹੀ ਹੁੰਦੀ ਹੈ ਜਿਸ ਨਾਲ ਬੱਚੇ ਦੀ ਭਲਾਈ ‘ਤੇ ਨੁਕਸਾਨਦੇਹ ਪ੍ਰਭਾਵ ਪੈ ਸਕਦੇ ਹਨ। ਸਕੂਲਾਂ ਵਿੱਚ AI ਲਈ, ਇਹ ਪਾਲਣਾ ਫੁਟਨੋਟ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਉਤਪਾਦ ਦੀ ਲੋੜ ਹੈ: ਡੇਟਾ ਨਿਊਨਤਮ, ਉਦੇਸ਼ ਸੀਮਾਵਾਂ, ਸੁਰੱਖਿਅਤ ਡਿਫੌਲਟ, ਅਤੇ ਸਪੱਸ਼ਟ, ਪਹੁੰਚਯੋਗ ਰੋਕਥਾਮ ਵਿਧੀਆਂ ਨੂੰ ਪਹਿਲੇ ਦਿਨ ਤੋਂ ਤੈਨਾਤੀ ਵਿੱਚ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਸਿੱਖਿਆ ਵਿੱਚ ਜੈਨਰਿਕ AI ਬਾਰੇ ਯੂਨੈਸਕੋ ਮਾਰਗਦਰਸ਼ਨ ਇਸੇ ਤਰ੍ਹਾਂ ਇੱਕ ਮਨੁੱਖੀ-ਕੇਂਦਰਿਤ ਪਹੁੰਚ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸਮਰੱਥਾ ਨਿਰਮਾਣ ਲਈ ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਤਾਂ ਜੋ ਸਿੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ ਇਹਨਾਂ ਸਾਧਨਾਂ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰ ਸਕਣ।
ਭਾਰਤ ਨੂੰ ਅੱਗੇ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ
ਜੇਕਰ ਭਾਰਤ ਚਾਹੁੰਦਾ ਹੈ ਕਿ AI ਜਨਤਕ ਸਿੱਖਿਆ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰੇ – ਨਾ ਕਿ ਇਸਨੂੰ ਆਧੁਨਿਕ ਬਣਾਉਣ ਦੀ ਬਜਾਏ – ਅਗਲੇ ਕਦਮ ਲਈ ਇੱਕ ਵੱਖਰੀ ਪਲੇਬੁੱਕ ਦੀ ਲੋੜ ਹੈ।
FLN ਤਰਜੀਹਾਂ ਵਿੱਚ ਵਿਗਿਆਨ ਸਿੱਖਣ ਅਤੇ AI ਤੈਨਾਤੀ ਨੂੰ ਸ਼ਾਮਲ ਕਰਕੇ ਸ਼ੁਰੂ ਕਰੋ। ਸ਼ੁਰੂਆਤੀ ਗ੍ਰੇਡਾਂ ਵਿੱਚ, ਬੈਂਚਮਾਰਕ ਟਿਕਾਊ ਸਿੱਖਿਆ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ: ਸਮਝ, ਟ੍ਰਾਂਸਫਰ, ਅਤੇ ਗਲਤੀ ਦਾ ਪਤਾ ਲਗਾਉਣਾ, “ਤੁਰੰਤ ਜਵਾਬ” ਨਹੀਂ। ਉੱਚੇ ਗ੍ਰੇਡਾਂ ਅਤੇ ਇਸ ਤੋਂ ਅੱਗੇ, ਬੈਂਚਮਾਰਕਾਂ ਵਿੱਚ ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਅਤੇ AI ਆਉਟਪੁੱਟਾਂ ਨੂੰ ਫੇਸ ਵੈਲਯੂ ‘ਤੇ ਸਵੀਕਾਰ ਕਰਨ ਦੀ ਬਜਾਏ ਪੁੱਛਗਿੱਛ ਕਰਨ ਦੀ ਯੋਗਤਾ ਸ਼ਾਮਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
ਫਿਰ ਸੰਸਥਾਗਤ ਸਮਰੱਥਾ ਦਾ ਨਿਰਮਾਣ ਕਰੋ ਜਿੱਥੇ ਇਹ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਰਾਜ ਅਤੇ ਜ਼ਿਲ੍ਹਾ ਲੀਡਰਸ਼ਿਪ, ਖਰੀਦ ਟੀਮਾਂ, ਵਿਦਿਅਕ ਸਹਾਇਤਾ ਢਾਂਚੇ, ਅਤੇ ਸਕੂਲ ਲੀਡਰਸ਼ਿਪ। ਪਬਲਿਕ-ਪ੍ਰਾਈਵੇਟ-ਅਕਾਦਮਿਕ ਭਾਈਵਾਲੀ ਦਾ ਨਿਰਣਾ ਸ਼ੁਰੂ ਕੀਤੇ ਗਏ ਪਾਇਲਟਾਂ ਦੀ ਗਿਣਤੀ ਦੁਆਰਾ ਨਹੀਂ, ਸਗੋਂ ਬਣਾਈ ਗਈ ਸੰਸਥਾਗਤ ਸਮਰੱਥਾ ਦੁਆਰਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ: ਮਿਆਰ, ਮੁਲਾਂਕਣ ਪ੍ਰੋਟੋਕੋਲ, ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮ, ਅਤੇ ਨੁਕਸਾਨ ਅਤੇ ਰੋਕਥਾਮ ਲਈ ਸਾਂਝੀ ਜਵਾਬਦੇਹੀ।
ਪਾਰਦਰਸ਼ੀ ਚਾਈਲਡ-ਡੇਟਾ ਅਭਿਆਸਾਂ, ਨਤੀਜਿਆਂ ਦਾ ਸੁਤੰਤਰ ਮੁਲਾਂਕਣ ਅਤੇ ਸਾਰੀਆਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਨਿਰਪੱਖਤਾ, ਅਤੇ ਸਪੱਸ਼ਟ ਘਟਨਾ-ਜਵਾਬ ਅਤੇ ਸ਼ਿਕਾਇਤ ਮਾਰਗਾਂ ਦੁਆਰਾ ਪੈਮਾਨੇ ‘ਤੇ ਇੰਜੀਨੀਅਰਡ ਭਰੋਸਾ। ਅਧਿਆਪਕਾਂ ਨਾਲ ਸਹਿ-ਡਿਜ਼ਾਇਨਰ ਵਜੋਂ ਵਿਹਾਰ ਕਰੋ, ਅੰਤਮ ਉਪਭੋਗਤਾ ਨਹੀਂ। ਅਧਿਆਪਕ ਵਿਕਾਸ ਨੂੰ ਟੂਲ ਟਰੇਨਿੰਗ ਤੋਂ ਅੱਗੇ ਪੇਸ਼ੇਵਰ ਨਿਰਣੇ ਵੱਲ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ – ਕਦੋਂ AI ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਹੈ, ਕਦੋਂ ਨਹੀਂ ਕਰਨੀ ਹੈ, ਅਤੇ ਬੋਧਾਤਮਕ ਔਫਲੋਡਿੰਗ ਨੂੰ ਕਿਵੇਂ ਰੋਕਿਆ ਜਾਵੇ।
ਅੰਤ ਵਿੱਚ, ਸਿਸਟਮਾਂ ਨੂੰ ਵਿਕਰੇਤਾ ਸਿਲੋਜ਼ ਵਿੱਚ ਖੰਡਿਤ ਹੋਣ ਤੋਂ ਰੋਕਣ ਲਈ ਅੰਤਰ-ਕਾਰਜਸ਼ੀਲਤਾ ਅਤੇ ਜਨਤਕ ਵਸਤੂਆਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰੋ। ਮਜ਼ਬੂਤ ਮੁਲਾਂਕਣ ਅਤੇ ਸ਼ਾਸਨ ਦੇ ਨਾਲ ਖੁੱਲ੍ਹੇ ਮਿਆਰਾਂ ਨੂੰ ਜੋੜੋ, ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਘਟਾਏ ਬਿਨਾਂ ਨਵੀਨਤਾ ਵਧ ਸਕਦੀ ਹੈ।
ਅਸਲ ਰਾਸ਼ਟਰੀ ਟੀਚੇ
ਭਾਰਤ ਦੇ ਲਾਭਾਂ ਨੂੰ ਇਸ ਗੱਲ ਤੋਂ ਨਹੀਂ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਇਹ ਸਕੂਲਾਂ ਵਿੱਚ ਏਆਈ ਟੂਲਜ਼ ਨੂੰ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਤੈਨਾਤ ਕਰਦਾ ਹੈ। ਇਹ ਇਸ ਗੱਲ ਤੋਂ ਮਾਪਿਆ ਜਾਵੇਗਾ ਕਿ ਕੀ ਇਹ ਇੱਕ ਅਜਿਹੀ ਪੀੜ੍ਹੀ ਬਣਾ ਸਕਦੀ ਹੈ ਜੋ AI ਨਾਲ ਸੋਚ ਸਕਦੀ ਹੈ, AI ਨੂੰ ਉਹਨਾਂ ਲਈ ਸੋਚਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੇ ਬਿਨਾਂ – ਅਤੇ ਇੱਕ ਜਨਤਕ ਸਿੱਖਿਆ ਪ੍ਰਣਾਲੀ ਜੋ ਮਾਣ, ਸੁਰੱਖਿਆ ਅਤੇ ਬਰਾਬਰੀ ਨਾਲ ਸਮਝੌਤਾ ਕੀਤੇ ਬਿਨਾਂ ਨਵੀਨਤਾ ਲਿਆ ਸਕਦੀ ਹੈ।
ਤਬਦੀਲੀ ਸਿੱਧੀ ਹੈ: ਇਹ ਪੁੱਛਣਾ ਬੰਦ ਕਰੋ “ਅਸੀਂ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਏਆਈ ਨੂੰ ਤੈਨਾਤ ਕਰ ਸਕਦੇ ਹਾਂ?” ਅਤੇ ਪੁੱਛਣਾ ਸ਼ੁਰੂ ਕਰੋ “ਅਸੀਂ ਏਆਈ ਦੇ ਆਲੇ ਦੁਆਲੇ ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਨੂੰ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਬਣਾ ਸਕਦੇ ਹਾਂ – ਪੈਮਾਨੇ ‘ਤੇ, ਮਾਣ ਨਾਲ?”
(ਭਾਨੂ ਪੋਟਾ ਵਰਤਮਾਨ ਵਿੱਚ ਸੈਂਟਰਲ ਸਕੁਏਅਰ ਫਾਊਂਡੇਸ਼ਨ ਵਿੱਚ ਐਡਟੈਕ ਅਤੇ ਏਆਈ ਲਈ ਸੀਨੀਅਰ ਪਾਰਟਨਰ, ਬਿਰਲਾ ਏਆਈ ਲੈਬਜ਼ ਵਿੱਚ ਸੀਨੀਅਰ ਸਲਾਹਕਾਰ, ਅਤੇ ਜਿੰਜਰ ਲੈਬਜ਼ ਵਿੱਚ ਸੰਸਥਾਪਕ ਪਾਰਟਨਰ ਹੈ।)
(ਦ ਹਿੰਦੂ ਦੇ ਹਫਤਾਵਾਰੀ ਸਿੱਖਿਆ ਨਿਊਜ਼ਲੈਟਰ, ਦ ਹਿੰਦੂ ਲਈ ਸਾਈਨ ਅੱਪ ਕਰੋ।)
ਲਿੰਕ ਕਾਪੀ ਕਰੋ
ਈਮੇਲ
ਫੇਸਬੁੱਕ
ਟਵਿੱਟਰ
ਟੈਲੀਗ੍ਰਾਮ
ਲਿੰਕਡਇਨ
ਵਟਸਐਪ
reddit
ਸਾਰੇ ਦੇਖੋ
ਹਟਾਉਣਾ