కేంద్ర విద్యా మంత్రిత్వ శాఖ IIT మద్రాస్లో రూ.500 కోట్లతో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) కోసం ఒక సెంటర్ ఆఫ్ ఎక్సలెన్స్ను ప్రారంభించింది. దీని ద్వారా 'భారత్ ఎడ్యుఏఐ స్టాక్' ను అభివృద్ధి చేయాలని లక్ష్యంగా పెట్టుకున్నారు. విద్యార్థులకు మెరుగైన అభ్యాసన అనుభవాన్ని అందించే ఈ ప్రాజెక్ట్, కేవలం మెషీన్ పనితీరుపైనే దృష్టి పెట్టి, విద్యార్థుల ఆలోచనా శక్తి, విశ్లేషణా నైపుణ్యాలను విస్మరిస్తుందేమోనని నిపుణులు ప్రశ్నిస్తున్నారు.
కేంద్ర విద్యా మంత్రిత్వ శాఖ, IIT మద్రాస్లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ఫర్ ఎడ్యుకేషన్ (AI for Education) కోసం ఒక సెంటర్ ఆఫ్ ఎక్సలెన్స్ను రూ.500 కోట్ల భారీ పెట్టుబడితో ప్రారంభించింది. ఈ ప్రాజెక్ట్ ద్వారా 'భారత్ ఎడ్యుఏఐ స్టాక్' (Bharat EduAI Stack) ను అభివృద్ధి చేయాలని లక్ష్యంగా పెట్టుకున్నారు. దేశవ్యాప్తంగా విద్యార్థులకు, ఉపాధ్యాయులకు వ్యక్తిగతీకరించిన అభ్యాసన సాధనాలు, మద్దతు అందించే జాతీయ డిజిటల్ మౌలిక సదుపాయాలను నిర్మించడమే దీని ముఖ్య ఉద్దేశ్యం.
ఈ చొరవ విద్య అందుబాటును మెరుగుపరుస్తుందని స్వాగతిస్తున్నప్పటికీ, దాని రూపకల్పన, లక్ష్యాలపై ఒక చర్చకు దారితీసింది. ముఖ్యంగా, సాంకేతిక కొలమానాలపై (technical metrics) దృష్టి సారించడమే ప్రధాన విమర్శ. ఈ చొరవ విజయాన్ని కొలవడానికి వర్డ్ ఎర్రర్ రేట్లు (word error rates), లేటెన్సీ (latency), సిస్టమ్ ఖచ్చితత్వం (system accuracy) వంటి బెంచ్మార్క్లను పరిగణనలోకి తీసుకోవాలని ప్రస్తుత ప్రణాళికలు సూచిస్తున్నాయి. ఈ సాంకేతిక గణాంకాలు మెషీన్ సామర్థ్యాన్ని కొలవడానికి ఉపయోగపడినప్పటికీ, అవి విద్యార్థి జ్ఞానాత్మక పెరుగుదల (cognitive growth) నాణ్యతను ప్రతిబింబించవని విమర్శకులు వాదిస్తున్నారు.
విద్యా నిపుణుల అభిప్రాయం ప్రకారం, స్వతంత్ర ఆలోచన, సంక్లిష్టమైన తార్కికత (complex reasoning), సమస్య పరిష్కార నైపుణ్యాలను పెంపొందించడమే విద్య యొక్క ప్రాథమిక లక్ష్యం. AI సాధనాలను ప్రధానంగా వేగం, ఖచ్చితత్వం ఆధారంగా మూల్యాంకనం చేస్తే, అవి నిజమైన అభ్యాసం కంటే విజయం యొక్క రూపాన్ని అనుకోకుండా ప్రాధాన్యతనిస్తాయనే ఆందోళన ఉంది. ఉదాహరణకు, ఒక AI సరైన సమాధానాన్ని త్వరగా అందించవచ్చు, కానీ ఆ విద్యార్థి ఆ కాన్సెప్ట్ను అర్థం చేసుకున్నారని లేదా వివిధ సందర్భాలలో దాన్ని వర్తింపజేసే సామర్థ్యాన్ని అభివృద్ధి చేసుకున్నారని దీని అర్థం కాదు.
ఈ చర్చ భారతీయ తరగతి గదులలో జ్ఞాన బదిలీ (knowledge transfer) సవాలును కూడా తాకుతుంది. పాఠ్యపుస్తకంలో నేర్చుకున్న అంకగణితం లేదా తర్కాన్ని వాస్తవ ప్రపంచ దృశ్యాలకు లేదా విభిన్న అకడమిక్ ఫార్మాట్లకు వర్తింపజేయడంలో విద్యార్థులు ఇబ్బంది పడతారని పరిశోధనలు చాలా కాలంగా చూపుతున్నాయి. కొత్త AI సాధనాలు ఈ లోతైన బోధనా సవాళ్లను (pedagogical challenges) పరిష్కరించడానికి రూపొందించబడతాయా లేదా కేవలం ఉపరితల అభిప్రాయాన్ని (superficial feedback) అందిస్తాయా అని పరిశీలకులు ప్రశ్నిస్తున్నారు. నిజమైన జ్ఞానాత్మక అభివృద్ధికి, విద్యార్థులు సమస్యల ద్వారా కష్టపడటానికి, వారి తార్కికతను వివరించడానికి, కొత్త పరిస్థితులలో కాన్సెప్ట్లను వర్తింపజేయడానికి ప్రోత్సహించే వ్యవస్థలు అవసరమని విద్యావేత్తలు అంటున్నారు.
ప్రాజెక్ట్ పురోగమిస్తున్నప్పుడు, డెవలపర్లు ప్రామాణిక AI పనితీరు కొలమానాలకు (AI performance metrics) మించి వెళ్లగలరా అనే దానిపై దృష్టి ఉంటుంది. అటువంటి గణనీయమైన ప్రజా పెట్టుబడికి నిజమైన విజయ కొలమానం AI సాధనాలు కేవలం సమాచారానికి వేగవంతమైన ప్రాప్యతను అందించడమే కాకుండా, విద్యార్థులను మెరుగైన ఆలోచనాపరులుగా మార్చడంలో సహాయపడతాయా అనేది కీలకం. విద్యా, సాంకేతిక రంగాల వాటాదారులు ఈ డిజైన్ ఎంపికలు ఎలా అమలు చేయబడతాయో నిశితంగా గమనిస్తారు, ఎందుకంటే అవి భారతదేశపు ప్రజా విద్యా వ్యవస్థలో కృత్రిమ మేధస్సు (artificial intelligence) ఎలా ఏకీకృతం చేయబడుతుందనే దానికి ఒక ప్రమాణాన్ని సెట్ చేయవచ్చు.