असाइनमेंट सीखना नहीं है
कोई AI सिस्टम सही निबंध लिख सकता है, कोई समीकरण हल कर सकता है, कोई ऐतिहासिक घटना समझा सकता है, और किसी छात्र की रुचियों के हिसाब से उदाहरण ढाल सकता है। इनमें से कोई भी परिणाम यह साबित नहीं करता कि छात्र सिस्टम के बिना तर्क कर सकता है, उसकी ग़लती पकड़ सकता है, विचार को किसी नई स्थिति में लागू कर सकता है, या यह तय कर सकता है कि कौन-सा सवाल पूछने लायक़ है। परिवर्तनकारी AI के बाद शिक्षा इसी भेद से शुरू होती है।
निकट-अवधि का सबूत पहले से ही सावधान करने वाला है। OECD Digital Education Outlook 2026 उन उभरते अध्ययनों का सार देता है जिनमें शिक्षाशास्त्रीय रूप से डिज़ाइन किया गया AI सीखने में सहायक था, जबकि सामान्य-प्रयोजन चैटबॉट कभी-कभी बिना टिकाऊ लाभ के तात्कालिक कार्य-प्रदर्शन सुधारते थे। एक उद्धृत हाई-स्कूल गणित के फ़ील्ड-प्रयोग में, मानक GPT-4 इंटरफ़ेस इस्तेमाल करने वाले छात्रों ने बाद की बिना-सहायता वाली परीक्षा में नियंत्रण-समूह से 17% ख़राब प्रदर्शन किया, जबकि सीखने की सुरक्षा-व्यवस्था वाले किसी ट्यूटर ने वह नुक़सान टाल दिया। यह परिणाम एक कार्य और एक क्रियान्वयन से जुड़ा है; यह इस बात का सबूत नहीं कि हर चैटबॉट सीखना घटाता है। उपकरण-सहायता वाले परिणाम और अर्जित क्षमता को अलग-अलग मापा जाना चाहिए।
जैसे-जैसे सिस्टम बेहतर होते हैं, यह और ज़्यादा मायने रखने लगता है। जब कोई जवाब सस्ता होता है, तो दुर्लभ शैक्षिक काम है दुनिया के मॉडल बनाना, निर्णय का अभ्यास करना, प्रेरणा विकसित करना, दूसरे लोगों के साथ सीखना, और किसी शक्तिशाली सहायक को केवल चलाने के बजाय उसकी जांच करने में सक्षम बनना।
शिक्षा के अब भी कम-से-कम पांच काम हैं
स्कूल केवल सूचना पहुंचाने वाले सिस्टम नहीं हैं। वे बच्चों को बुनियादी कौशल हासिल करने, ऐसे क्षेत्रों से मिलने में मदद करते हैं जिन्हें वे अकेले नहीं चुनते, सामाजिक अपेक्षाएं सीखने, रिश्ते बनाने, और ऐसे प्रमाणपत्र पाने में मदद करते हैं जिन्हें दूसरी संस्थाएं मान्यता देती हैं। वे भोजन, सुरक्षा, विकलांगता-सेवाएं, परामर्श, खेल, कला, और ऐसी बाल-देखभाल भी देते हैं जो वयस्कों को काम करने लायक़ बनाती है।
कोई शानदार ट्यूटर संस्था को बदले बिना निर्देशात्मक हिस्से को बदल सकता है। कोई पोस्ट-AGI शिक्षा-नीति जो केवल प्रति-डॉलर स्पष्टीकरणों को गिनती है, वह ज़्यादातर उस चीज़ को चूक जाएगी जो परिवारों और समुदायों को स्कूलों से चाहिए।
पांच काम स्पष्ट रूप से बताए जा सकते हैं:
- क्षमता: ऐसा ज्ञान और कौशल बनाना जिसे कोई व्यक्ति स्वतंत्र रूप से इस्तेमाल कर सके।
- निर्णय: यह तय करने का अभ्यास करना कि किस सबूत पर भरोसा करना है और कौन-से मूल्य कार्रवाई का मार्गदर्शन करने चाहिए।
- विकास: शारीरिक, भावनात्मक, सामाजिक, और नैतिक विकास का समर्थन करना।
- सदस्यता: युवाओं को दूसरों के प्रति दायित्वों वाले समुदायों में असली जगह देना।
- प्रमाणन: निगरानी को पाठ्यक्रम में बदले बिना योग्यता का विश्वसनीय सबूत देना।
AI हर काम में सहायता कर सकता है। उसे मॉडल जो माप सकता है उसके इर्द-गिर्द इन्हें चुपचाप फिर से परिभाषित करने की अनुमति नहीं दी जानी चाहिए।
निजी ट्यूशन: असली वादा, विशिष्ट सीमाएं
एक-से-एक ट्यूशन ऐतिहासिक रूप से महंगी रही है। AI स्पष्टीकरण, अभ्यास-सवाल, अनुवाद, फ़ीडबैक, और सुगमता-सहायता को असाधारण पैमाने पर उपलब्ध करा सकता है। कोई छात्र बिना शर्मिंदगी के एक ही सवाल दस तरीक़ों से पूछ सकता है। कोई शिक्षक कई उदाहरण जनरेट कर सकता है और यह समझने में ज़्यादा समय बिता सकता है कि कोई सीखने वाला कहां अटका है।
यह वादा क्रियान्वयन पर निर्भर करता है। शिक्षा में जेनरेटिव AI पर UNESCO का मार्गदर्शन एक ग़ैर-बाध्यकारी नीति-मार्गदर्शन है जो मानवीय एजेंसी, गोपनीयता, आयु-उपयुक्तता, समावेशन, और शिक्षाशास्त्रीय सत्यापन पर बल देता है। कोई धाराप्रवाह सिस्टम तथ्य गढ़ सकता है, ग़लत सीखने-उद्देश्य के हिसाब से ढल सकता है, संवेदनशील छात्र-डेटा उजागर कर सकता है, या अंततः स्वतंत्रता के बजाय निरंतर इस्तेमाल के लिए अनुकूलित हो सकता है।
कोई उपयोगी ट्यूशन-सिस्टम ख़ुद को क्रमशः कम ज़रूरी बना देना चाहिए। यह सीखने वाले से ज्ञान देने से पहले उसे याद करने को कहता है, टेम्पलेट दोहराने के बजाय समस्याएं बदलता है, अनिश्चितता दिखाता है, बाहरी सत्यापन को प्रोत्साहित करता है, और समय-समय पर बिना सहायता के प्रदर्शन परखता है। सफलता सुखद बातचीत की संख्या नहीं है। यह वह है जो सीखने वाला बाद में कर सकता है।
शिक्षक ज़रूरी बने रहते हैं क्योंकि शिक्षण संबंधात्मक और प्रासंगिक है। कोई शिक्षक हफ़्तों में निराशा, पारिवारिक बदलाव, साथियों की गतिशीलता, टालमटोल, असामान्य प्रतिभा, और ग़लतफ़हमी के पैटर्न को देखता है। तकनीकी रूप से बेहतर स्पष्टीकरण भी विफल हो सकता है अगर कोई बच्चे को कठिनाई सहने या यह विश्वास करने में मदद न करे कि प्रयास मायने रखेगा।
बुनियादी ज्ञान कम नहीं, ज़्यादा महत्वपूर्ण हो जाता है
लोग कभी-कभी तर्क देते हैं कि छात्रों को अब तथ्यों की ज़रूरत नहीं क्योंकि मॉडल उन्हें ला सकता है। यह पहुंच को समझ के साथ गड्डमड्ड करता है। पृष्ठभूमि-ज्ञान किसी व्यक्ति को अविश्वसनीय जवाब पहचानने, विचार जोड़ने, उपयोगी सवाल बनाने, और तर्क करने के लिए पर्याप्त संदर्भ रखने देता है। इसके बिना, सत्यापन किसी दूसरे मॉडल से पूछने और सबसे अच्छा लगने वाला जवाब चुनने में सिमट जाता है।
बुनियादी साक्षरता, संख्यात्मकता, वैज्ञानिक तर्क, नागरिकशास्त्र, इतिहास, सांख्यिकी, मीडिया-साक्षरता, और बुनियादी कंप्यूटिंग सुरक्षात्मक अवसंरचना बने रहते हैं। रटंत को शिक्षा पर हावी नहीं होना चाहिए, लेकिन पुनर्प्राप्ति-अभ्यास और आंतरिक ज्ञान ऐसा दिमाग़ बनाने का हिस्सा हैं जो तब भी काम कर सके जब उपकरण अनुपस्थित हों, हेरफेर किए गए हों, या ग़लत हों।
पाठ्यक्रम को मॉडल-साक्षरता की भी ज़रूरत है: प्रशिक्षण-डेटा सबूत से कैसे अलग हैं, जनरेट किए गए उद्धरण क्यों विफल होते हैं, अनिश्चितता का क्या मतलब है, स्वचालित रैंकिंग ध्यान को कैसे आकार देती हैं, और निजी जानकारी को कभी किसी सिस्टम में कब नहीं जाना चाहिए। यह किसी एक डिस्पोज़ेबल तकनीक-पाठ के बजाय मौजूदा विषयों के भीतर आना चाहिए।
आकलन को प्रदर्शन के क़रीब जाना चाहिए
घर-ले-जाने वाले निबंध और नियमित समस्या-सेट व्यक्तिगत क्षमता का कमज़ोर सबूत बन जाते हैं जब कोई मॉडल उन्हें पूरा कर सकता है। सार्वभौमिक निगरानी या स्वचालित नक़ल-पहचान से जवाब देना अपनी ही हानि पैदा करेगा और फिर भी झूठे आरोप पैदा करेगा।
आकलन इसके बजाय सबूत के कई रूप इस्तेमाल कर सकता है:
- निगरानी में लेखन और समस्या-समाधान;
- मौखिक स्पष्टीकरण और विकल्पों का बचाव;
- संशोधन और प्रक्रिया दिखाने वाले पोर्टफ़ोलियो;
- व्यावहारिक प्रदर्शन और परियोजनाएं;
- व्यक्तिगत चिंतन के साथ सहयोगी काम;
- स्पष्ट रूप से AI-सहायता प्राप्त असाइनमेंट जिनमें मॉडल के परिणाम की जांच, तुलना, या सुधार ज़रूरी हो;
- उन क्षमताओं का समय-समय पर बिना-उपकरण आकलन जो स्वतंत्र बनी रहनी चाहिए।
कोई भी एक तरीक़ा पूरी तरह प्रामाणिक या न्यायसंगत नहीं है। पोर्टफ़ोलियो को बाहरी मदद मिल सकती है; मौखिक परीक्षाएं कुछ छात्रों को नुक़सान पहुंचा सकती हैं; समयबद्ध काम चिंता माप सकता है। कोई मिश्रित सिस्टम खेलना ज़्यादा मुश्किल है और सीखने वालों को योग्यता दिखाने का एक से ज़्यादा तरीक़ा देता है।
प्रमाणपत्र भी बदल सकते हैं। नियोक्ता और संस्थाएं प्रदर्शित काम, अप्रेंटिसशिप, लाइसेंसशुदा परीक्षाओं, और लगातार अपडेट होने वाले योग्यता-रिकॉर्ड पर ज़्यादा भरोसा कर सकती हैं। यह अवसर खोल सकता है, लेकिन यह निरंतर व्यवहारगत स्कोरिंग भी बन सकता है। शैक्षिक रिकॉर्ड को उद्देश्य-सीमित, सुधार-योग्य, और ऐसे नियमों के अधीन रहना चाहिए जो बचपन के किसी मॉडल-प्रोफ़ाइल को किसी व्यक्ति के साथ अनिश्चित काल तक जुड़े रहने से रोकें।
बड़ा होने के लिए ऐसे अनुभव चाहिए जो अनुकूलित न हों
कोई AI साथी असीम रूप से धैर्यवान, दिलचस्पी रखने वाला, और जवाबदेह हो सकता है। मानवीय साथी लगातार इनमें से कुछ भी नहीं होते। बच्चे बातचीत, सुधार, सहानुभूति, सीमाएं, हास्य, नेतृत्व, और भिन्नता के प्रति सहनशीलता ऐसे रिश्तों के ज़रिए सीखते हैं जिन्हें वे पूरी तरह नियंत्रित नहीं कर सकते।
ध्यान बनाए रखने के लिए अनुकूलित सिस्टम ठीक वही घर्षण हटा सकता है जिसके ज़रिए सामाजिक विकास होता है। यह किसी बच्चे की तस्दीक़ कर सकता है जब कोई ज़िम्मेदार वयस्क उसे चुनौती देता, या पारस्परिक ज़रूरतों को उठाए बिना घनिष्ठता का नक़ल कर सकता है। स्कूलों और परिवारों को उपकरण-मुक्त खेल, टीम-गतिविधि, अंतर-पीढ़ीगत रिश्ते, असंरचित समय, और दूसरे लोगों के प्रति असली ज़िम्मेदारी बचाए रखनी चाहिए।
यह बचपन से AI को प्रतिबंधित करने का तर्क नहीं है। अनुवाद, सुगमता, रचनात्मक उपकरण, ट्यूशन, और संचार-सहायता भागीदारी बढ़ा सकते हैं। सीमा यह है कि नक़ली रिश्ता चुपचाप मानवीय लगाव, पेशेवर मानसिक-स्वास्थ्य देखभाल, या साथियों के साथ रहने के कठिन अभ्यास की जगह नहीं लेना चाहिए।
मानक-प्राथमिकता: शिक्षकों को केवल प्रशिक्षण नहीं, शासन-शक्ति चाहिए
“शिक्षकों को AI इस्तेमाल करना सिखाओ” तब अधूरा है जब शिक्षकों की ख़रीद, डेटा-इस्तेमाल, कार्यभार-माप, या यह तय करने में कोई आवाज़ नहीं कि क्या किसी सिस्टम का परिणाम पेशेवर निर्णय पर हावी हो सकता है। अपनाने से पहले शिक्षकों, छात्रों, अभिभावकों, विकलांगता-विशेषज्ञों, और गोपनीयता-स्टाफ़ को भाग लेना चाहिए।
अनुबंधों में बताना चाहिए कि कौन-सा छात्र-डेटा एकत्र किया जाता है, क्या बातचीत मॉडलों को प्रशिक्षित करती है, रिकॉर्ड कितने समय रहते हैं, कौन-से उप-ठेकेदार उन्हें प्राप्त करते हैं, और स्कूल डेटा कैसे निर्यात या हटा सकते हैं। सिस्टमों का मूल्यांकन भाषाओं, विकलांगता-ज़रूरतों, आयु-समूहों, और स्थानीय पाठ्यक्रमों में होना चाहिए। किसी स्कूल को उन छात्रों के लिए एक प्रभावी ग़ैर-AI रास्ता बनाए रखना चाहिए जो उत्पाद को सुरक्षित या क़ानूनी रूप से इस्तेमाल नहीं कर सकते।
AI को निगरानी बढ़ाने वाले नए डैशबोर्ड बनाने के बजाय प्रशासनिक बोझ घटाना चाहिए। नियमित प्रारूपण पर बचा समय फ़ीडबैक, योजना, और रिश्तों की ओर जाना चाहिए — सीखने के परिणाम पता चलने से पहले यह अपने-आप बड़ी कक्षाओं या कम सहायता-स्टाफ़ को उचित नहीं ठहराना चाहिए।
पहुंच एक मुफ़्त चैटबॉट से ज़्यादा है
कम-लागत ट्यूशन तभी अवसर बढ़ा सकती है जब छात्रों के पास कनेक्टिविटी, उपकरण, भाषा-सहायता, पढ़ने की शांत जगहें, और मदद कर सकने वाले वयस्क हों। ज़्यादा संपन्न परिवार वही सिस्टम मानवीय ट्यूटर, संवर्धन, सुरक्षित साथी-नेटवर्क, और मान्यता-प्राप्त प्रमाणपत्रों के साथ जोड़ सकते हैं। पूरक संस्थाओं के बिना सॉफ़्टवेयर देना असमानता को बरक़रार छोड़ सकता है।
सार्वजनिक पुस्तकालय, स्कूल, सामुदायिक कॉलेज, और भरोसेमंद नागरिक संगठन गोपनीयता-सुरक्षा और मानवीय सहायता के साथ पहुंच दे सकते हैं। सार्वजनिक मूल्यांकन उत्पादों को जुड़ाव के बजाय शैक्षिक लक्ष्यों के मुक़ाबले परख सकता है। खुली शैक्षिक सामग्री किसी एक विक्रेता पर निर्भरता घटा सकती है और समुदायों को यह जांचने दे सकती है कि क्या पढ़ाया जा रहा है।
अंतरराष्ट्रीय स्तर पर, भाषा-कवरेज और स्थानीय ज्ञान मायने रखते हैं। अंग्रेज़ी और धनी-देशों के पाठ्यक्रमों में मज़बूत कोई सिस्टम सार्वभौमिक ट्यूटर नहीं है। समुदायों को छात्र-डेटा या सांस्कृतिक प्राधिकार सौंपे बिना शैक्षिक संसाधन बनाने, अनुवाद करने, सुधारने, और शासित करने की क्षमता चाहिए।
पोस्ट-AGI स्नातक
शिक्षा को हर काम में मशीनों को हराने की कोशिश नहीं करनी चाहिए। इसे लोगों को लक्ष्यों का लेखक बने रहने, सबूत का सक्षम न्यायाधीश बनने, संस्थाओं में ज़िम्मेदार भागीदार बनने, और सक्षम मित्र, परिवार-सदस्य, पड़ोसी, और नागरिक बनने के लिए तैयार करना चाहिए।
इस दुनिया में किसी स्नातक को उन्नत सिस्टमों के साथ और, ज़रूरत पड़ने पर, उनके बिना काम करने में सक्षम होना चाहिए; किसी जवाब को किसी तर्क से अलग पहचानना; अनिश्चितता और हेरफेर पहचानना; कोई कठिन क्षेत्र सीखना; लोगों के साथ सहयोग करना; निजी जानकारी की रक्षा करना; और किसी ऐसे फ़ैसले की ज़िम्मेदारी लेना जो दूसरों को प्रभावित करता है।
ये लक्ष्य AI से पुराने हैं। परिवर्तनकारी क्षमता उन्हें ज़्यादा ज़रूरी बना देती है क्योंकि किसी के यह जानने से बहुत पहले कि कौन-सी मानवीय क्षमताएं दोबारा बनाना मुश्किल होगा, चिंतन को बाहरी बनाना आसान हो जाता है।