تعامل کودک با کامپیوتر

او که یاد می گیرد او که یاد می دهد

کامپیوترها باهوش‌ترند یا کودکان؟ این سؤال ساده، باعث می‌شود برای چندمین‌بار به خودمان یادآوری کنیم که هرچند کامپیوترها انبوهی از امور روزانه‌مان را به شیوه‌ای ساده و سریع انجام می‌دهند، اما هنوز تا تبدیل شدن به سامانه‌های هوشمندی که خیلی‌ها آرزویش را دارند باید راه درازی را بپیمایند. برای پاسخ به پرسش فوق همین بس که توجه کنیم، یک کودک می‌تواند حتی پیش از ورود به دبستان چند زبان را به خوبی یاد بگیرد و به کار ببندد! آنچه در ادامه می‌خوانیم، گزارشی است به نقل از «ساینس‌دیلی» از پژو‌هش‌هایی که هدفشان شبیه‌سازی مدل‌های فکری و استدلالی کودکان در کامپیوترها است تا این ماشین‌های محبوب را تا جایی که می‌شود باهوش‌تر کنند.

خیلی‌ها می‌پرسند آیا تعامل کودک با کامپیوتر، به افزایش هوش او کمک می‌کند؟ جالب است که دانشمندان دانشگاه برکلی ایالات متحده این سؤال را برعکس مطرح کرده‌اند: آیا کودکان می‌توانند کامپیوترها را باهوش‌تر کنند؟! و جالب‌تر این است که طبق شواهد موجود، پاسخ این سؤال مثبت است!محققان این دانشگاه سعی دارند مکانیسم‌های هوش شناختی۱ در کودکان زیر هفت سال را در کامپیوترها نیز به‌کار بگیرند و این دستگاه‌ها را تا جایی که می‌شود به انسان‌ها شبیه‌تر کنند. اگر مدل‌های محاسباتی کودکان که از قدرت مغزشان نشات می‌گیرد در کامپیوترها نیز پیاده‌ شوند، هوش مصنوعی یک قدم بسیار بزرگ به پیش برخواهد داشت، زیرا هوش مصنوعی همین حالا هم در برخورد با موارد مبهم و غیرقطعی با چالش‌های زیادی روبه‌رو است. خانم آلیسون گاپنیک از محققان روانشناسی رشد دانشگاه برکلی می‌گوید، بچه‌ها برترین ماشین‌های یادگیرنده در تمام جهان هستند. فکر کنید اگر کامپیوترها هم بتوانند به اندازه بچه‌ها و با سرعت آن‌‌ها مسائل را یاد بگیرند چه می‌شود. آزمایش‌ها درباره هوش کودکان نشان می‌دهد که بچه‌ها در سنین پایین‌تر فرضیه‌ها را محک می‌زنند، الگوهای آماری را کشف می‌کنند و سپس نتیجه‌گیری می‌کنند و در عین حال خود را با تغییرها سازگار می‌‌کنند. تام گریفیث سرپرست آزمایشگاه علوم شناخت محاسباتی دانشگاه برکلی می‌گوید، بچه‌های کم سن و سال می‌توانند مسائلی را که هنوز برای کامپیوترها دشوار است حل کنند. از جمله این‌که می‌توانند زبان‌ها را یاد بگیرند و روابط علت و معلولی را درک کنند. او امیدوار است که حتی با اندکی شبیه‌تر کردن کامپیوترها به کودکان بتوان آن‌ها را باهوش‌تر کرد. کامپیوترهایی که براساس هوش شناختی کودکان طراحی شده‌باشند می‌توانند هوشمندانه‌تر و پاسخگوتر از پیش با انسان‌ها تعامل داشته باشند و در نتیجه می‌توانند روزی در نقش آموزگاران کامپیوتری یا روبات‌های پاسخگوی تلفن ظاهر شوند و البته این همه ماجرا نیست.

به گفته گریفیث، کامپیوتر باید بتواند روابط علت و معلولی را هم تشخیص دهد و به عنوان مثال تشخیص دهد آن روزی که قهوه کمتری نوشیده‌اید سرعت کار شما کمتر شده‌است. این یک رابطه ساده بین میزان نوشیدن قهوه و میزان کارایی فرد در محیط کارش است اما روابط پیچیده‌تری هم وجود دارند؛ برای نمونه، کشف این‌که کدام ژن‌ها استعداد بروز بیماری‌ها را افزایش می‌دهند. گریفیث با استفاده از روش آماری تئوری احتمال Bayesian ۲ قصد دارد محاسبه‌هایی را که کودکان هنگام یادگیری در مدل‌های محاسباتی‌شان به کار می‌بندند، تفسیر کند. روانشناسان، دانشمندان علوم کامپیوتر و فیلسوفانی که روی این پروژه کار می‌کنند مرکزی را در دست تأسیس دارند که با آغاز به‌کار آن می‌توان پژوهش‌ها درباره هوش و شناخت کودکان کم سن و سال را به صورت متمرکزتری دنبال کرد (شکل۱). گروهی از محققان این دانشگاه پیشنهاد جالب‌‌توجهی دارند و آن این‌که والدین و معلمان، استفاده از ابزارها و تاکتیک‌های رایج در آموزش کودکان مثل فلش‌کارت‌ها، بازی‌های کامپیوتری آموزشی و از بر کردن مطالب را کنار بگذارند و به جای آن بچه‌ها را آزاد بگذارند تا برای یادگیری، از شیوه کشف و بررسی بهره ببرند. گاپنیک بر این باور است که «بازی کردن بچه‌ها در نقش‌های مختلف و فی‌البداهه به اندازه خواندن و نوشتن مهم است.» او می‌گوید، دوره کودکی انسان‌ها از موجودات دیگر طولانی‌تر است و انسان طی این دوره طولانی مدت پرورش می‌یابد، می‌آموزد و کندوکار می‌کند و همین دوران در بقای او نقشی کلیدی ایفا می‌کند. مغز یک نوزاد سالم حاوی صد میلیارد نرون یا سلول عصبی است و هرچه کودک بزرگ‌تر می‌شود شبکه سیناپس‌ها یا همان اتصال‌ بین نرون‌ها گسترده‌تر می‌شود و در نتیجه وقتی کودک به سن دو یا سه سالگی می‌رسد می‌تواند زبان یاد بگیرد، وارد روابط اجتماعی شود و شیوه بقای خود در محیط را بیاموزد. این در حالی است که با رسیدن به دوره بزرگ‌سالی، قدرت تصور و تخیل تحلیل می‌رود و استدلال‌های نوآورانه کمتر می‌شوند. علتش هم این است که انسان‌ها در بزرگ‌سالی بیشتر روی چیزهایی تمرکز می‌کنند که با اهدافشان ارتباط بیشتری دارد. هدف دانشمندان این است که هدف‌گرایی بزرگسالان و روشن‌فکری کودکان را در کنار هم به کار بگیرند و با استفاده از آن‌ها ترفندهای جدیدی را به کامپیوترها بیاموزند.

گاپنیک مشغول مطالعه روی «سن طلایی نقش‌آفرینی» است که به‌طور معمول بین ۲ تا ۵ سالگی اتفاق می‌افتد. در این دوره کودک عوالمی را برای خود می‌سازد و در آن عوالم خودساخته زندگی می‌کند. او در یکی از آزمایش‌هایش مشاهده کرد که وقتی کودکانی در سنین پیش از دبستان را در برابر یک میمون اسباب‌بازی قرار می‌دهد و در همان حال یک قطعه موسیقی پخش می‌شود کودکان شروع می‌کنند به خواندن سرود «تولدت مبارک». وقتی موزیک ناگهان قطع می‌شود به سرعت خود را با تغییر پیش آمده هماهنگ می‌کنند و با زدن بلوک‌های چوبی اسباب‌بازی سکوت را می‌شکنند و سعی می‌کنند ریتم موسیقی را با صدای بلوک‌های چوبی ادامه دهند و به این ترتیب بازی و سرگرمی‌شان تداوم پیدا می‌کند.گاپنیک پیش‌تر نیز آزمایش‌هایی انجام داده‌است که نتیجه آن‌ها فرض‌های رایج درباره خودمحور بودن کودکان و کم‌احساس بودن‌شان را زیر سؤال می‌برد. از جمله آن‌ها آزمایشی بود که گاپنیک طی آن غذاهای مختلفی را می‌چشید و بعد از چشیدن هر یک، حالت‌ خاص و متفاوتی به صورت خود می‌داد تا ببیند آیا کودکان می‌توانند از روی حالت چهره‌اش بفهمند او کدام غذا را بیشتر دوست دارد یا نه. نتیجه همه این آزمایش‌ها نشان می‌داد که کودکان می‌توانند خود را جای دیگران بگذارند.

تانیا لومبروزو و الیزابت بوناویتز روانشناسان دانشگاه برکلی نیز آزمایشی را انجام دادند که نشان می‌داد بچه‌ها وقتی با شواهد خاصی روبه‌رو می‌شوند دیگر به سادگی آنچه را که به آن‌ها گفته می‌شود دنبال نمی‌کنند. در دانشگاه MIT و دانشگاه برکلی آزمایشی ‌انجام شد که در آن یک اسباب‌بازی در مقابل کودکان پیش دبستانی روشن می‌شد و در اطراف می‌چرخید. به بچه‌ها گفته شده بود که یک مکعب قرمز رنگ اسباب‌بازی را روشن کرده‌ و مکعب سبز رنگ باعث چرخش آن می‌شود. مکعب آبی رنگ نیز می‌تواند هر دو کار را با هم انجام دهد. ساده‌ترین راه این بود که فکر کنیم بچه‌ها مکعب آبی‌رنگ را به عنوان عنصر فعال‌کننده اسباب‌بازی که می‌تواند همزمان آن‌را روشن کند و بچرخاند انتخاب خواهند کرد اما وقتی بچه‌ها دیدند تعداد مکعب‌های آبی در مقایسه با مکعب‌های قرمز و سبز بسیار کمتر است، به جای مکعب آبی، مکعب‌های قرمز و سبز را انتخاب کردند که با ترکیب آن‌ها می‌شد نخست اسباب بازی را روشن کرد و سپس چرخاند، که پاسخ درستی بود.

به بیان دیگر، تا وقتی که بچه‌ها شواهدی مبنی بر وجود گزینه‌های جایگزین را نمی‌دیدند آنچه را که به سادگی به آن‌ها گفته می‌شد دریافت می‌کردند اما وقتی متوجه سرنخ جدیدی می‌شدند به دنبال ایده‌های نو می‌رفتند. کامپیوترها نیز می‌توانند مثل کودکان چنین رفتاری را از خود بروز دهند و احتمال‌های جدید در رابطه‌های علت و معلولی را نیز بررسی‌کنند. پژوهشگران برکلی می‌گویند، یافته‌های خود از چنین آزمایش‌هایی را به کار خواهند بست تا کامپیوترها را باهوش‌تر و آن‌ها را همانند انسان‌ها با محیط سازگارتر کنند.

علی حسینی

پی‌نوشت‌ها:

۱- هوش شناختی یا cognitive genius

۲ – Bayesian probability theory، به‌طور خلاصه یکی از تفسیرهای موجود در مبحث احتمالات است که براساس آن می‌شود با گزاره‌هایی که هنوز درستی یا نادرستی‌شان اثبات نشده است، استدلال کرد. در این شیوه نخست، یک یا چند احتمال اولیه تعیین می‌شود و سپس با دستیابی به داده‌های جدیدتر می‌توان این احتمالات را به‌روز کرد و تغییر داد.