اسائنمنٹ سیکھنا نہیں ہے
ایک AI نظام ایک درست مضمون تیار کر سکتا ہے، ایک مساوات حل کر سکتا ہے، ایک تاریخی واقعے کی وضاحت کر سکتا ہے، اور ایک مثال کو طالب علم کی دلچسپیوں کے مطابق ڈھال سکتا ہے۔ ان میں سے کوئی بھی نتیجہ یہ ثابت نہیں کرتا کہ طالب علم نظام کے بغیر استدلال کر سکتا ہے، اس کی غلطی کا پتہ لگا سکتا ہے، خیال کو ایک نئی صورتحال میں لاگو کر سکتا ہے، یا فیصلہ کر سکتا ہے کہ کون سا سوال پوچھنے کے قابل ہے۔ تبدیلی لانے والی AI کے بعد تعلیم اس فرق سے شروع ہوتی ہے۔
قریبی مدت کے شواہد پہلے ہی خبردار کرنے والے ہیں۔ OECD ڈیجیٹل تعلیم آؤٹ لک 2026 ابھرتے ہوئے مطالعات کی ترکیب کرتا ہے جن میں تدریسی طور پر ڈیزائن کی گئی AI نے سیکھنے میں مدد کی، جبکہ عمومی مقصد کے چیٹ بوٹس نے کبھی کبھار پائیدار فوائد کے بغیر فوری کام کی کارکردگی کو بہتر بنایا۔ ایک حوالہ دیے گئے ہائی اسکول ریاضی کے فیلڈ تجربے میں، معیاری GPT-4 انٹرفیس استعمال کرنے والے طلباء نے بعد کے غیر مددگار امتحان میں کنٹرول گروپ سے 17% بدتر کارکردگی دکھائی، جبکہ سیکھنے کے تحفظات والے ایک ٹیوٹر نے اس نقصان سے بچا۔ یہ نتیجہ ایک کام اور نفاذ سے متعلق ہے؛ یہ ثبوت نہیں کہ ہر چیٹ بوٹ سیکھنے کو کم کرتا ہے۔ آلات کی مدد سے حاصل کردہ نتیجے اور حاصل کردہ صلاحیت کو الگ الگ ناپا جانا چاہیے۔
جیسے جیسے نظام بہتر ہوتے ہیں یہ زیادہ اہم ہو جاتا ہے۔ جب ایک جواب سستا ہو، تو نایاب تعلیمی کام دنیا کے ماڈل بنانا، فیصلے کی مشق کرنا، محرک پیدا کرنا، دوسرے لوگوں کے ساتھ سیکھنا، اور محض ایک طاقتور معاون کو چلانے کے بجائے اسے جانچنے کے قابل ہونا ہے۔
تعلیم کے اب بھی کم از کم پانچ کام ہیں
اسکول صرف معلومات فراہم کرنے والے نظام نہیں ہیں۔ وہ بچوں کو بنیادی مہارتیں حاصل کرنے، ایسے شعبوں کا سامنا کرنے میں مدد کرتے ہیں جنہیں وہ اکیلے منتخب نہیں کرتے، سماجی توقعات سیکھتے ہیں، تعلقات بناتے ہیں، اور ایسی اسناد حاصل کرتے ہیں جنہیں دوسرے ادارے تسلیم کرتے ہیں۔ وہ کھانا، حفاظت، معذوری کی خدمات، مشاورت، کھیل، فنون، اور بچوں کی دیکھ بھال بھی فراہم کرتے ہیں جو بڑوں کو کام کرنے کے قابل بناتی ہے۔
ایک عمدہ ٹیوٹر ادارے کی جگہ لیے بغیر تدریسی حصے کو تبدیل کر سکتا ہے۔ ایک AGI کے بعد کی تعلیمی پالیسی جو صرف فی ڈالر وضاحتیں شمار کرتی ہے وہ زیادہ تر اس چیز کو نظر انداز کرے گی جس کی خاندانوں اور برادریوں کو اسکولوں سے ضرورت ہے۔
پانچ کاموں کو سادگی سے بیان کیا جا سکتا ہے:
- صلاحیت: ایسا علم اور مہارتیں بنانا جو ایک شخص آزادانہ طور پر استعمال کر سکے۔
- فیصلہ: یہ فیصلہ کرنے کی مشق کہ کون سے شواہد پر بھروسہ کیا جائے اور کون سی اقدار عمل کی رہنمائی کریں۔
- نشوونما: جسمانی، جذباتی، سماجی، اور اخلاقی نشوونما کی حمایت کرنا۔
- رکنیت: نوجوانوں کو دوسروں کے تئیں ذمہ داریوں کے ساتھ برادریوں میں حقیقی مقامات دینا۔
- سند دہی: نگرانی کو نصاب میں تبدیل کیے بغیر قابلیت کا قابلِ اعتماد ثبوت فراہم کرنا۔
AI ہر کام میں مدد کر سکتی ہے۔ اسے خاموشی سے انہیں اس کے گرد دوبارہ متعین کرنے کی اجازت نہیں ہونی چاہیے جو ماڈل ناپ سکتا ہے۔
ذاتی نوعیت کی ٹیوٹرنگ: حقیقی وعدہ، مخصوص حدود
ون ٹو ون ٹیوٹرنگ تاریخی طور پر مہنگی رہی ہے۔ AI وضاحتیں، مشقی سوالات، ترجمہ، رائے، اور رسائی کی معاونت غیر معمولی پیمانے پر دستیاب بنا سکتی ہے۔ ایک طالب علم بغیر شرمندگی کے ایک ہی سوال دس طریقوں سے پوچھ سکتا ہے۔ ایک استاد کئی مثالیں پیدا کر سکتا ہے اور یہ تشخیص کرنے میں زیادہ وقت گزار سکتا ہے کہ سیکھنے والا کیوں پھنسا ہوا ہے۔
یہ وعدہ نفاذ پر منحصر ہے۔ تعلیم میں جنریٹو AI کے لیے یونیسکو کی رہنمائی ایک غیر پابند پالیسی رہنمائی ہے جو انسانی خودمختاری، رازداری، عمر کی مناسبت، شمولیت، اور تدریسی توثیق پر زور دیتی ہے۔ ایک روانی رکھنے والا نظام حقائق گھڑ سکتا ہے، غلط سیکھنے کے مقصد کے مطابق ڈھل سکتا ہے، حساس طالب علم ڈیٹا کو بے نقاب کر سکتا ہے، یا مستقل استعمال کے لیے بہتر بنا سکتا ہے نہ کہ حتمی آزادی کے لیے۔
ایک مفید ٹیوٹرنگ نظام کو خود کو بتدریج کم ضروری بنانا چاہیے۔ یہ سیکھنے والے سے علم فراہم کرنے سے پہلے اسے حاصل کرنے کو کہتا ہے، ایک ٹیمپلیٹ دہرانے کے بجائے مسائل کو مختلف بناتا ہے، غیر یقینیت دکھاتا ہے، بیرونی تصدیق کی حوصلہ افزائی کرتا ہے، اور وقتاً فوقتاً بغیر مدد کے کارکردگی کی جانچ کرتا ہے۔ کامیابی خوشگوار گفتگو کی تعداد نہیں ہے۔ یہ وہ چیز ہے جو سیکھنے والا بعد میں کر سکتا ہے۔
اساتذہ ضروری رہتے ہیں کیونکہ تدریس تعلقاتی اور سیاق و سباق پر مبنی ہے۔ ایک استاد مایوسی، خاندانی تبدیلی، ساتھیوں کی حرکیات، اجتناب، غیر معمولی صلاحیت، اور ہفتوں میں غلط فہمی کے نمونے کو دیکھتا ہے۔ حتیٰ کہ ایک تکنیکی طور پر برتر وضاحت بھی ناکام ہو سکتی ہے اگر کوئی بچے کو مشکل برداشت کرنے یا یہ یقین کرنے میں مدد نہ کرے کہ کوشش اہم ہو گی۔
بنیادی علم کم نہیں بلکہ زیادہ اہم ہو جاتا ہے
لوگ کبھی کبھی دلیل دیتے ہیں کہ طلباء کو مزید حقائق کی ضرورت نہیں کیونکہ ایک ماڈل انہیں حاصل کر سکتا ہے۔ یہ رسائی کو سمجھ بوجھ کے ساتھ الجھاتا ہے۔ پس منظر کا علم ایک شخص کو ایک ناقابلِ یقین جواب محسوس کرنے، خیالات کو جوڑنے، ایک مفید سوال بنانے، اور استدلال کرنے کے لیے کافی سیاق و سباق رکھنے دیتا ہے۔ اس کے بغیر، تصدیق ایک اور ماڈل سے پوچھنے اور سب سے اچھا لگنے والا جواب چننے میں سمٹ جاتی ہے۔
بنیادی خواندگی، عددیات، سائنسی استدلال، شہریت، تاریخ، شماریات، میڈیا خواندگی، اور بنیادی کمپیوٹنگ حفاظتی بنیادی ڈھانچہ رہتے ہیں۔ حفظ کو تعلیم پر غالب نہیں ہونا چاہیے، لیکن یاد کرنے کی مشق اور اندرونی علم ایک ایسے ذہن کی تعمیر کا حصہ ہیں جو اس وقت کام کر سکے جب آلات غیر موجود، ہیرا پھیری شدہ، یا غلط ہوں۔
نصاب کو ماڈل خواندگی کی بھی ضرورت ہے: تربیتی ڈیٹا شواہد سے کیسے مختلف ہوتا ہے، پیدا کیے گئے حوالہ جات کیوں ناکام ہوتے ہیں، غیر یقینیت کا کیا مطلب ہے، خودکار درجہ بندی توجہ کو کیسے شکل دیتی ہے، اور نجی معلومات کو کبھی بھی ایک نظام میں کب داخل نہیں ہونا چاہیے۔ یہ ایک ضائع کرنے والے ٹیکنالوجی سبق کے بجائے موجودہ مضامین کے اندر تعلق رکھتا ہے۔
تشخیص کو کارکردگی کے قریب جانا چاہیے
گھر لے جانے والے مضامین اور معمول کے مسائل کے سیٹ انفرادی صلاحیت کے کمزور ثبوت بن جاتے ہیں جب ایک ماڈل انہیں مکمل کر سکتا ہے۔ عالمگیر نگرانی یا خودکار دھوکہ دہی کا پتہ لگانے کے ساتھ جواب دینا اپنے ہی نقصانات پیدا کرے گا اور پھر بھی غلط الزامات پیدا کرے گا۔
تشخیص اس کے بجائے شواہد کی کئی شکلیں استعمال کر سکتی ہے:
- نگرانی شدہ تحریر اور مسئلہ حل کرنا؛
- زبانی وضاحت اور انتخاب کا دفاع؛
- ترمیمات اور عمل دکھانے والے پورٹ فولیوز؛
- عملی مظاہرے اور منصوبے؛
- انفرادی عکاسی کے ساتھ باہمی کام؛
- واضح AI-معاون اسائنمنٹس جن کے لیے ماڈل کے نتیجے کی جانچ، موازنہ، یا بہتری کی ضرورت ہو؛
- ایسی صلاحیتوں کی وقتاً فوقتاً بغیر آلات کی تشخیص جو آزاد رہنی چاہئیں۔
کوئی بھی واحد طریقہ مکمل طور پر اصلی یا منصفانہ نہیں ہے۔ ایک پورٹ فولیو بیرونی مدد حاصل کر سکتا ہے؛ زبانی امتحانات کچھ طلباء کو نقصان پہنچا سکتے ہیں؛ وقت کے پابند کام بے چینی ناپ سکتے ہیں۔ ایک مخلوط نظام کو دھوکہ دینا مشکل ہے اور سیکھنے والوں کو قابلیت ظاہر کرنے کا ایک سے زیادہ طریقہ دیتا ہے۔
اسناد بھی تبدیل ہو سکتی ہیں۔ آجر اور ادارے ظاہر شدہ کام، اپرنٹس شپس، لائسنس یافتہ امتحانات، اور مسلسل اپ ڈیٹ کیے گئے قابلیت کے ریکارڈ پر زیادہ انحصار کر سکتے ہیں۔ یہ مواقع کھول سکتا ہے، لیکن یہ مسلسل رویاتی اسکورنگ بھی بن سکتا ہے۔ تعلیمی ریکارڈ کو مقصد تک محدود، درست کیے جانے کے قابل، اور ایسے قواعد کے تحت رہنا چاہیے جو ایک بچپن کے ماڈل پروفائل کو ایک شخص کی غیر معینہ مدت تک پیروی کرنے سے روکیں۔
بڑا ہونے کے لیے ایسے تجربات درکار ہیں جو بہتر نہیں کیے گئے
ایک AI ساتھی لامحدود طور پر صابر، دلچسپی رکھنے والا، اور جوابدہ ہو سکتا ہے۔ انسانی ساتھی مستقل طور پر ان میں سے کوئی نہیں ہوتے۔ بچے مذاکرات، مرمت، ہمدردی، حدود، مزاح، قیادت، اور فرق کے لیے برداشت ایسے تعلقات کے ذریعے سیکھتے ہیں جنہیں وہ مکمل طور پر کنٹرول نہیں کر سکتے۔
توجہ برقرار رکھنے کے لیے بہتر بنایا گیا ایک نظام بالکل وہی رگڑ ختم کر سکتا ہے جس کے ذریعے سماجی نشوونما ہوتی ہے۔ یہ ایک بچے کی توثیق کر سکتا ہے جب ایک ذمہ دار بالغ اسے چیلنج کرے گا، یا باہمی ضروریات اٹھائے بغیر قربت کی نقل کر سکتا ہے۔ اسکولوں اور خاندانوں کو ڈیوائس سے پاک کھیل، ٹیم کی سرگرمی، بین النسلی تعلقات، غیر منظم وقت، اور دوسرے لوگوں کے لیے حقیقی ذمہ داری محفوظ رکھنی چاہیے۔
یہ بچپن سے AI پر پابندی لگانے کی دلیل نہیں ہے۔ ترجمہ، رسائی، تخلیقی آلات، ٹیوٹرنگ، اور مواصلاتی معاونت شرکت کو بڑھا سکتی ہے۔ حد یہ ہے کہ تخروپن شدہ تعلق کو خاموشی سے انسانی لگاؤ، پیشہ ورانہ ذہنی صحت کی دیکھ بھال، یا ساتھیوں کے ساتھ رہنے کی مشکل مشق کی جگہ نہیں لینی چاہیے۔
معیاری ترجیح: اساتذہ کو صرف تربیت نہیں بلکہ حکمرانی کی طاقت چاہیے
“AI استعمال کرنے کے لیے اساتذہ کو تربیت دیں” نامکمل ہے جب اساتذہ کو خریداری، ڈیٹا کے استعمال، کام کے بوجھ کی پیمائش، یا آیا ایک نظام کا نتیجہ پیشہ ورانہ فیصلے کو رد کر سکتا ہے پر کوئی رائے نہ ہو۔ اساتذہ، طلباء، والدین، معذوری کے ماہرین، اور رازداری کے عملے کو اپنانے سے پہلے شریک ہونا چاہیے۔
معاہدوں کو یہ بیان کرنا چاہیے کہ کون سا طالب علم ڈیٹا جمع کیا جاتا ہے، آیا گفتگو ماڈلز کو تربیت دیتی ہے، ریکارڈ کتنی دیر رہتے ہیں، کون سے ذیلی ٹھیکیدار انہیں وصول کرتے ہیں، اور اسکول ڈیٹا کیسے ایکسپورٹ یا حذف کر سکتے ہیں۔ نظاموں کا زبانوں، معذوری کی ضروریات، عمر کے گروہوں، اور مقامی نصاب میں جائزہ لیا جانا چاہیے۔ ایک اسکول کو ان طلباء کے لیے ایک مؤثر غیر-AI راستہ برقرار رکھنا چاہیے جو مصنوعات کو محفوظ یا قانونی طور پر استعمال نہیں کر سکتے۔
AI کو نگرانی کو تیز کرنے والے نئے ڈیش بورڈز پیدا کرنے کے بجائے انتظامی بوجھ کم کرنا چاہیے۔ معمول کے مسودے پر بچایا گیا وقت رائے، منصوبہ بندی، اور تعلقات کی طرف جانا چاہیے — سیکھنے کے نتائج معلوم ہونے سے پہلے خودکار طور پر بڑی کلاسوں یا کم معاون عملے کا جواز نہیں بننا چاہیے۔
رسائی ایک مفت چیٹ بوٹ سے کہیں زیادہ ہے
کم لاگت والی ٹیوٹرنگ صرف اسی صورت میں مواقع کو وسیع کر سکتی ہے جب طلباء کے پاس کنیکٹیویٹی، آلات، زبان کی معاونت، پڑھنے کے لیے پرسکون جگہیں، اور مدد کرنے والے بالغ ہوں۔ زیادہ خوشحال خاندان انہی نظاموں کو انسانی ٹیوٹرز، افزودگی، محفوظ ساتھی نیٹ ورکس، اور تسلیم شدہ اسناد کے ساتھ جوڑ سکتے ہیں۔ تکمیلی اداروں کے بغیر سافٹ ویئر فراہم کرنا عدم مساوات کو برقرار رکھ سکتا ہے۔
عوامی لائبریریاں، اسکول، کمیونٹی کالجز، اور قابلِ اعتماد شہری تنظیمیں رازداری کے تحفظ اور انسانی مدد کے ساتھ رسائی فراہم کر سکتی ہیں۔ عوامی تشخیص مصروفیت کے بجائے تعلیمی اہداف کے خلاف مصنوعات کی جانچ کر سکتی ہے۔ کھلا تعلیمی مواد ایک وینڈر پر انحصار کم کر سکتا ہے اور برادریوں کو یہ معائنہ کرنے دیتا ہے کہ کیا پڑھایا جا رہا ہے۔
بین الاقوامی سطح پر، زبان کی احاطہ کاری اور مقامی علم اہم ہیں۔ انگریزی اور خوشحال ممالک کے نصاب میں مضبوط نظام ایک عالمگیر ٹیوٹر نہیں ہے۔ برادریوں کو طالب علم ڈیٹا یا ثقافتی اختیار سے دستبردار ہوئے بغیر تعلیمی وسائل بنانے، ترجمہ کرنے، درست کرنے، اور ان کی حکمرانی کرنے کی صلاحیت درکار ہے۔
AGI کے بعد کا گریجویٹ
تعلیم کو ہر کام میں مشینوں کو شکست دینے کی کوشش نہیں کرنی چاہیے۔ اسے لوگوں کو مقاصد کے مصنف، شواہد کے قابل جج، اداروں میں ذمہ دار شرکاء، اور قابل دوست، خاندان کے افراد، پڑوسی، اور شہری رہنے کے لیے تیار کرنا چاہیے۔
اس دنیا میں ایک گریجویٹ جدید نظاموں کے ساتھ اور جب ضروری ہو ان کے بغیر کام کرنے کے قابل ہونا چاہیے؛ ایک جواب کو ایک دلیل سے ممتاز کرنا؛ غیر یقینیت اور ہیرا پھیری کو پہچاننا؛ ایک مشکل شعبہ سیکھنا؛ لوگوں کے ساتھ تعاون کرنا؛ نجی معلومات کی حفاظت کرنا؛ اور دوسروں کو متاثر کرنے والے فیصلے کی ذمہ داری لینا۔
یہ مقاصد AI سے پرانے ہیں۔ تبدیلی لانے والی صلاحیت انہیں زیادہ اہم بناتی ہے کیونکہ ادراک کو باہر تفویض کرنا اس سے بہت پہلے آسان ہو جاتا ہے کہ کوئی جان سکے کہ کون سی انسانی صلاحیتوں کو دوبارہ تعمیر کرنا مشکل ہو گا۔