🧠

هوش مصنوعی برای کودکان: چطور بچه‌ها را برای دنیای هوش مصنوعی آماده کنیم؟

بچه‌های امروز با دستیار صوتی، پیشنهادگر ویدیو و چت‌بات بزرگ می‌شوند. سواد هوش مصنوعی چیست، «پنج ایده‌ی بزرگ» آن کدام‌اند و والدین چطور می‌توانند فرزندشان را امن و آگاه برای این دنیا آماده کنند؟

مهر ۱۴۰۵ ۱۷ دقیقه مطالعه✍️ تیم آموزشی آکادمی روبی

دختر شش‌ساله‌ای از بلندگوی هوشمند خانه می‌پرسد: «تو آدمی یا ربات؟ شب‌ها می‌خوابی؟» پسر نه‌ساله‌ای بعد از تماشای یک ویدیو، ده ویدیوی «پیشنهادی» دیگر می‌بیند و نمی‌داند چه کسی آن‌ها را برایش انتخاب کرده است. نوجوانی هم برای نوشتن انشا سراغ یک چت‌بات می‌رود. این صحنه‌ها دیگر علمی‌تخیلی نیستند؛ بچه‌های امروز همین حالا با هوش مصنوعی بزرگ می‌شوند، خیلی پیش از آنکه کسی چیزی درباره‌اش به آن‌ها یاد داده باشد.

برای پدر و مادرها این وضعیت هم هیجان‌انگیز است و هم نگران‌کننده. آیا باید به بچه «هوش مصنوعی» یاد داد؟ از چند سالگی؟ آیا چت‌بات‌ها برای کودک امن‌اند؟ اگر فرزندم تکلیفش را به هوش مصنوعی بسپارد چه؟ و آیا کلاس رباتیک و برنامه‌نویسی اصلاً ربطی به این دنیای تازه دارد؟

در این راهنما با تکیه بر پژوهش‌های معتبر — از چارچوب «پنج ایده‌ی بزرگ» که با حمایت انجمن پیشبرد هوش مصنوعی (AAAI) تدوین شد تا چارچوب شایستگی هوش مصنوعی یونسکو برای دانش‌آموزان — توضیح می‌دهیم سواد هوش مصنوعی چیست، بچه‌ها هوش مصنوعی را چطور می‌فهمند، چه فعالیت‌هایی برای هر سن مناسب است و چطور می‌توان فرزندمان را از خطرهای این فناوری محافظت کرد، بی‌آنکه از فرصت‌هایش محرومش کنیم.

هوش مصنوعی دقیقاً چیست؟ (به زبانی که بچه هم بفهمد)

در کتاب درسی مشهور راسل و نورویگ — که در بسیاری از دانشگاه‌های دنیا تدریس می‌شود — هوش مصنوعی بر محور مفهوم عامل (agent) توضیح داده می‌شود: چیزی که محیطش را با حسگرها درک می‌کند و با عملگرها روی آن اثر می‌گذارد، و می‌کوشد کارهایی را انتخاب کند که به بهترین نتیجه برسد. این تعریف برای پدر و مادرهایی که با رباتیک آشنا هستند آشناست: همان چرخه‌ی «حس کن، فکر کن، عمل کن».

اما «فکر کردن» در ماشین‌ها دو شکل خیلی متفاوت دارد و فهمیدن همین تفاوت، نیمی از سواد هوش مصنوعی است:

  • برنامه‌های قانون‌محور: برنامه‌نویس همه‌ی قانون‌ها را خودش می‌نویسد: «اگر جلویت دیوار است، بچرخ.» ماشین چیز تازه‌ای یاد نمی‌گیرد؛ فقط قانون‌ها را سریع و بی‌خستگی اجرا می‌کند.
  • برنامه‌های یادگیرنده (یادگیری ماشین): برنامه‌نویس به‌جای نوشتن قانون، مثال‌های فراوان به ماشین نشان می‌دهد — مثلاً هزاران عکس گربه و سگ با برچسب درست — و ماشین خودش الگوهایی پیدا می‌کند که این دو را از هم جدا می‌کند. تام میچل، از پیشگامان این حوزه، یادگیری ماشین را برنامه‌ای تعریف کرده است که با تجربه، در یک کار مشخص و طبق یک معیار مشخص، بهتر می‌شود.

دستیار صوتی، فیلتر چهره‌ی دوربین، پیشنهاد ویدیو و چت‌بات‌های امروزی همه بر پایه‌ی نوع دوم ساخته شده‌اند و برای همین گاهی کارهایی می‌کنند که حتی سازندگانشان دقیقاً پیش‌بینی نکرده بودند. یک جمله‌ی ساده برای توضیح به کودک: «هوش مصنوعی آدم نیست و جادو هم نیست؛ برنامه‌ای است که از روی مثال‌های زیادی که دیده، حدس می‌زند.» همین کلمه‌ی «حدس» کلید خیلی از گفت‌وگوهای بعدی شما با فرزندتان است.

بچه‌ها همین حالا با هوش مصنوعی زندگی می‌کنند

لازم نیست کودک «سراغ» هوش مصنوعی برود؛ هوش مصنوعی خودش در زندگی روزمره‌ی او حضور دارد. چند نمونه‌ی آشنا:

  • دستیارهای صوتی و بلندگوهای هوشمند که به سؤال‌ها جواب می‌دهند، آهنگ پخش می‌کنند یا قصه می‌گویند.
  • پیشنهادگرها در اپلیکیشن‌های ویدیو، موسیقی و بازی که تصمیم می‌گیرند کودک «بعدی» چه ببیند.
  • فیلترها و جلوه‌های دوربین که چهره را تشخیص می‌دهند و رویش گوش خرگوش می‌گذارند.
  • چت‌بات‌ها و تولیدکننده‌های متن و تصویر که داستان می‌نویسند، نقاشی می‌کشند یا به تکلیف مدرسه «کمک» می‌کنند.
  • اسباب‌بازی‌ها و بازی‌های هوشمند که حرف می‌زنند، صدا را می‌شناسند یا رقیب کامپیوتری بازی را می‌سازند.
  • ترجمه‌ی خودکار، تصحیح املایی و تبدیل گفتار به متن در گوشی و کامپیوتر.

با این حال، علم هنوز در حال رسیدن به این واقعیت است. مرور دامنه‌ای Su و Yang (2022) درباره‌ی هوش مصنوعی در آموزش اوایل کودکی فقط ۱۷ مطالعه‌ی واجد شرایط پیدا کرد؛ بیشتر آن‌ها از بهبود فهم بچه‌ها از مفاهیم هوش مصنوعی و مهارت‌هایی مثل تفکر محاسباتی و خلاقیت خبر می‌دادند، اما تعداد کم مطالعات یعنی شواهد هنوز نوپاست. به زبان ساده: بچه‌ها زودتر از آنکه پژوهش فرصت کند همه‌ی اثرها را بسنجد، با این فناوری روبه‌رو شده‌اند — و همین، نقش آگاهی و همراهی والدین را پررنگ می‌کند.

بچه‌ها هوش مصنوعی را چطور می‌فهمند؟ آنچه پژوهش‌ها نشان می‌دهند

پژوهشگران حوزه‌ی تعامل کودک و ماشین در یک دهه‌ی اخیر به سؤال جالبی پرداخته‌اند: کودک وقتی با یک دستیار صوتی یا ربات حرف می‌زند، فکر می‌کند با «چه چیزی» طرف است؟ چند یافته‌ی مهم:

  • Druga و همکاران (2017) در آزمایشگاه رسانه‌ی MIT تعامل ۲۶ کودک ۳ تا ۱۰ ساله را با دو بلندگوی هوشمند، یک ربات کوچک و یک چت‌بات بررسی کردند. بچه‌ها درباره‌ی هوش، شخصیت و قابل‌اعتماد بودن این «عامل‌ها» نظرهای متنوع و گاه شگفت‌انگیزی داشتند و با پرسیدن سؤال‌های بامزه می‌کوشیدند بفهمند این موجود چیست — از جمله همان سؤالی که عنوان مقاله شد: «هی گوگل، اشکالی ندارد تو را بخورم؟»
  • Xu و Warschauer (2020) دیدند کودکان ۳ تا ۶ ساله گاهی به دستیارهای گفت‌وگو هم ویژگی‌های «جاندار» نسبت می‌دهند و هم ویژگی‌های «شیء»، یا آن‌ها را در هیچ‌کدام از این دو دسته جا نمی‌دهند؛ یعنی برای بچه‌ها این ابزارها دسته‌ی تازه‌ای از موجودات‌اند.
  • Girouard-Hallam و Danovitch (2022) نشان دادند بچه‌ها با بزرگ‌تر شدن (از ۴–۵ تا ۷–۸ سالگی) برای اطلاعات علمی و عمومی بیشتر به دستیار صوتی اعتماد می‌کنند و برای اطلاعات شخصی بیشتر به انسان. این تفکیک هوشمندانه است، اما همین اعتماد به ماشین برای «واقعیت‌ها» نقطه‌ای است که تفکر انتقادی در آن لازم می‌شود.
  • Kahn و همکاران (2012) پس از بازی ۹۰ کودک ۹، ۱۲ و ۱۵ ساله با یک ربات انسان‌نما گزارش کردند که بیشتر بچه‌ها باور داشتند ربات هوش و احساس دارد، می‌تواند دوست باشد و رازدار باشد و نباید آزار روانی ببیند — هرچند حقوقی مثل آزادی یا رأی دادن برایش قائل نبودند. این نگاه در نوجوانان ۱۵ ساله کم‌رنگ‌تر بود.
  • Williams، Park و Breazeal (2019) با فعالیت‌هایی برای پیش‌دبستانی‌ها نشان دادند کودکان خردسال هم می‌توانند ایده‌هایی مثل «سیستم مبتنی بر دانش» و «یادگیری ماشین با نظارت» را در حد خودشان بفهمند، و میزان این فهم بر نگاهشان به ربات‌ها اثر می‌گذارد.

پیام مشترک این مطالعات روشن است: بچه‌ها به‌طور طبیعی ماشین‌های سخنگو را شبیه انسان می‌بینند و به آن‌ها اعتماد می‌کنند. این نه عیب است و نه نشانه‌ی ساده‌لوحی؛ ذهن انسان برای تعامل اجتماعی ساخته شده است. اما یعنی بچه‌ها به توضیح نیاز دارند — بزرگ‌تری که کمکشان کند بفهمند پشت آن صدای مهربان، برنامه‌ای است که از روی داده‌ها حدس می‌زند، نه دوستی که آن‌ها را می‌شناسد.

سواد هوش مصنوعی: سواد تازه‌ی نسل جدید

همان‌طور که سواد خواندن و نوشتن و بعدها «سواد رسانه‌ای» و «سواد دیجیتال» به فهرست مهارت‌های پایه اضافه شدند، پژوهشگران حالا از سواد هوش مصنوعی حرف می‌زنند. دوری لانگ و برایان مگرکو از مؤسسه‌ی فناوری جورجیا در مقاله‌ای پراستناد (2020) آن را مجموعه‌ای از شایستگی‌ها تعریف کرده‌اند که به فرد امکان می‌دهد فناوری‌های هوش مصنوعی را نقادانه ارزیابی کند، با آن‌ها ارتباط و همکاری مؤثر داشته باشد و از آن‌ها به‌عنوان ابزار در خانه، مدرسه و محل کار استفاده کند. آن‌ها ۱۷ شایستگی مشخص را فهرست کرده‌اند؛ از «تشخیص اینکه کجا با هوش مصنوعی سروکار داریم» تا فهم نقش داده و مسائل اخلاقی مثل حریم خصوصی و سوگیری.

مرور اکتشافی Ng و همکاران (2021) هم ادبیات این حوزه را در چهار لایه خلاصه کرد: شناختن و فهمیدن هوش مصنوعی، به کار بردن آن، ارزیابی و ساختن و در نهایت مسائل اخلاقی. نکته‌ی مهم این است که سواد هوش مصنوعی با «متخصص هوش مصنوعی شدن» فرق دارد؛ همان‌طور که سواد خواندن قرار نیست همه را نویسنده کند.

در سال ۲۰۲۴ یونسکو نخستین چارچوب جهانی شایستگی هوش مصنوعی برای دانش‌آموزان را منتشر کرد. این چارچوب ۱۲ شایستگی را در چهار بُعد می‌چیند — ذهنیت انسان‌محور، اخلاق هوش مصنوعی، فنون و کاربردهای هوش مصنوعی، و طراحی سیستم‌های هوش مصنوعی — و برای هر کدام سه سطح پیشرفت تعریف می‌کند: فهمیدن، به کار بستن و خلق کردن. جالب است که دو بُعد از چهار بُعد این چارچوب اصلاً فنی نیستند؛ یعنی از نگاه یونسکو، فهم انسانی و اخلاقی به اندازه‌ی فهم فنی اهمیت دارد.

پنج ایده‌ی بزرگ هوش مصنوعی که هر کودکی باید بداند

در سال ۲۰۱۸ کارگروه مشترکی از انجمن پیشبرد هوش مصنوعی (AAAI) و انجمن معلمان علوم کامپیوتر آمریکا (CSTA) با نام AI4K12 شکل گرفت تا مشخص کند هر دانش‌آموز، از مهدکودک تا پایان دبیرستان، باید درباره‌ی هوش مصنوعی چه بداند. دیوید تورتزکی و همکارانش (2019) حاصل این کار را در «پنج ایده‌ی بزرگ» خلاصه کردند:

  • ۱. ادراک: کامپیوترها جهان را با حسگرها درک می‌کنند — دوربین، میکروفون، حسگر فاصله. سؤال کودکانه: «بلندگوی هوشمند چطور صدای تو را می‌شنود و می‌فهمد؟»
  • ۲. بازنمایی و استدلال: عامل‌های هوشمند تصویری از جهان را در «ذهن» خود نگه می‌دارند (مثلاً یک نقشه) و با آن استدلال می‌کنند. مثال: مسیریاب، شهر را به شکل نقطه‌ها و راه‌ها نگه می‌دارد و کوتاه‌ترین مسیر را پیدا می‌کند.
  • ۳. یادگیری: کامپیوترها می‌توانند از داده یاد بگیرند. مثال: برنامه‌ای که با دیدن هزاران عکس برچسب‌دار، گربه را از سگ تشخیص می‌دهد — و اگر عکس‌هایش یک‌جور بوده باشند، اشتباه‌هایش هم یک‌جور می‌شود.
  • ۴. تعامل طبیعی: برای اینکه ماشین با انسان طبیعی گفت‌وگو کند، به انواع زیادی از دانش نیاز دارد — زبان، احساسات، فرهنگ — و هنوز در خیلی از این‌ها از انسان عقب است. سؤال کودکانه: «چرا دستیار صوتی شوخی و کنایه را خوب نمی‌فهمد؟»
  • ۵. اثر اجتماعی: هوش مصنوعی می‌تواند اثرهای مثبت و منفی بر جامعه داشته باشد. مثال: کمک به تشخیص زودهنگام بیماری از یک طرف، و سوگیری یا نقض حریم خصوصی از طرف دیگر.

این پنج ایده نقشه‌ی راه خوبی برای والدین هم هست. لازم نیست همه را یک‌جا آموزش دهید؛ کافی است هر بار که کودک با یک فناوری هوشمند روبه‌رو می‌شود، یکی از این پنج سؤال را مطرح کنید: «این چطور می‌بیند؟ چه چیزی در ذهنش دارد؟ از کجا یاد گرفته؟ چرا گاهی حرفت را نمی‌فهمد؟ برای چه کسانی خوب است و برای چه کسانی ممکن است بد باشد؟»

چرا رباتیک و برنامه‌نویسی بهترین سکوی پرتاب به دنیای هوش مصنوعی است؟

اگر دوباره به پنج ایده‌ی بزرگ نگاه کنید، می‌بینید دو ایده‌ی اول — ادراک و بازنمایی و استدلال — دقیقاً همان چیزی است که در رباتیک آموزشی تمرین می‌شود. وقتی کودک به ربات می‌گوید «اگر حسگر فاصله نشان داد دیوار نزدیک است، بچرخ»، با ادراک (حسگر)، استدلال (شرط) و عمل (موتور) کار می‌کند: همان چرخه‌ی «حس کن، فکر کن، عمل کن» که پایه‌ی هر عامل هوشمند است. (رباتیک چیست؟)

برنامه‌نویسی یک درس مهم دیگر هم دارد که در دنیای هوش مصنوعی حیاتی است: ماشین فقط همان کاری را می‌کند که برایش تعریف شده — نه آنچه منظور ما بوده. کودکی که ده‌ها بار ربات را برنامه‌ریزی کرده و دیده که یک خطای کوچک چطور ربات را به دیوار می‌کوبد، دیگر به خروجی ماشین مثل حقیقت مطلق نگاه نمی‌کند. اشکال‌زدایی در واقع تمرین روزانه‌ی همان «ارزیابی نقادانه» است که لانگ و مگرکو از آن حرف می‌زنند.

پژوهش Druga و همکاران (2018) هم نکته‌ی جالبی دارد: از ۳۰ کودک ۴ تا ۱۰ ساله و والدینشان خواسته شد هوش موش‌ها، ربات‌ها و خودشان را در حل یک هزارتو مقایسه کنند. وقتی خودشان یک ربات را از راه دور در هزارتو هدایت کردند، برای قضاوت درباره‌ی «ذهن» ربات به تجربه‌ی خودشان تکیه کردند. به زبان ساده، دست به کار شدن با ربات درک بچه‌ها از ماشین را ملموس‌تر می‌کند.

و در نهایت، تفکر محاسباتی — تجزیه‌ی مسئله، الگویابی، انتزاع و طراحی الگوریتم — زبان مشترک همه‌ی شاخه‌های علوم کامپیوتر، از جمله هوش مصنوعی، است. کودکی که این زبان را بلد است، وقتی به یادگیری ماشین برسد، از صفر شروع نمی‌کند. اگر هنوز درباره‌ی ارزش رباتیک تردید دارید، مقاله‌ی چرا رباتیک؟ را بخوانید.

ربات قانون‌محور یا ربات یادگیرنده؟ یک مثال ساده

فرض کنید می‌خواهیم رباتی بسازیم که روی یک خط سیاه حرکت کند. دو راه داریم:

  • راه قانون‌محور: خودمان قانون می‌نویسیم: «اگر حسگر رنگ زیر سمت چپ سیاه دید، کمی به چپ بچرخ؛ اگر زیر سمت راست سیاه دید، کمی به راست.» رفتار ربات قابل پیش‌بینی است و اگر اشتباه کرد، دقیقاً می‌دانیم کدام خط برنامه را باید درست کنیم.
  • راه یادگیرنده: بارها ربات را با دست روی خط هدایت می‌کنیم و داده‌های حسگرها و حرکت درست را ثبت می‌کنیم؛ بعد یک الگوریتم یادگیری از این مثال‌ها الگو پیدا می‌کند. شاید ربات در پیچ‌هایی که برایش قانون ننوشته بودیم بهتر عمل کند، اما شاید هم در نور متفاوت کاملاً گیج شود — و پیدا کردن دلیلش خیلی سخت‌تر است.

هر دو راه در دنیای واقعی به کار می‌روند و بسیاری از سیستم‌های امروزی ترکیبی از هر دو هستند. اما از نظر آموزشی، ترتیب مهم است: کودکی که اول با قانون‌ها کار کرده، می‌فهمد «یادگیری» در ماشین چه مشکلی را حل می‌کند و چه خطرهایی دارد. او می‌پرسد: «داده‌ها از کجا آمده‌اند؟ اگر مثال‌ها کم یا یک‌طرفه بودند چه؟» این‌ها همان سؤال‌هایی است که یک شهروند باسواد در عصر هوش مصنوعی باید بپرسد.

به همین دلیل منطقی است که بچه‌ها پیش از یادگیری ماشین، با حلقه و شرط، حسگرها و الگوریتم‌ها آشنا شوند. قانون‌ها الفبای فکر کردن ماشین‌اند؛ یادگیری ماشین، نوشتن انشا با همین الفبا.

فعالیت‌های مناسب هر سن: از بازی بدون کامپیوتر تا پایتون

خبر خوب این است که بخش بزرگی از سواد هوش مصنوعی را می‌شود بدون ابزار گران، و حتی بدون کامپیوتر، آموزش داد. پیشنهادهای ما بر اساس سن (با الهام از چارچوب‌های AI4K12 و یونسکو؛ سن‌ها تقریبی‌اند):

  • ۵ تا ۷ سال — «من ماشینم!»: یک سبد میوه یا اسباب‌بازی بیاورید و از کودک بخواهید فقط با یک قانون آن‌ها را دسته‌بندی کند («قرمزها این طرف»). بعد یک چیز تازه نشانش دهید و بپرسید «ماشینِ تو» با آن چه می‌کند. این بازی بی‌صفحه، ایده‌ی دسته‌بندی را ملموس می‌کند. بازی «ربات و فرمانده» هم — که یک نفر دستورهای دقیق می‌دهد و دیگری مثل ربات مو به مو اجرا می‌کند — ادراک و استدلال را به بدن کودک می‌آورد.
  • ۵ تا ۸ سال — گفت‌وگو درباره‌ی دستیار صوتی: کنار کودک از دستیار سؤال بپرسید و بعد درباره‌اش حرف بزنید: «فکر می‌کنی جوابش را از کجا آورد؟ اشتباه هم می‌کند؟ احساس دارد؟» پژوهش‌های گروه MIT نشان داده‌اند که حتی پیش‌دبستانی‌ها با فعالیت‌های مناسب، ایده‌های ساده‌ی هوش مصنوعی را در حد خودشان می‌فهمند.
  • ۸ تا ۱۰ سال — بازی «یاد دادن به ماشین»: کارت‌هایی از حیوان‌ها بسازید و کودک «ویژگی‌ها» را انتخاب کند (پر دارد؟ چهارپاست؟). اگر فقط عکس گربه‌های سفید را به «ماشین» نشان دهیم، با گربه‌ی سیاه چه می‌کند؟ این ساده‌ترین درس درباره‌ی سوگیری داده است. ابزارهای رایگان تحت وب هم هستند که با چند عکس از دوربین یک مدل تشخیص ساده می‌سازند؛ Vartiainen و همکاران (2020) نشان دادند حتی کودکان ۳ تا ۹ ساله با چنین ابزاری داده و مدل می‌سازند و درباره‌ی رابطه‌ی حرکت بدن خودشان و پاسخ ماشین استدلال می‌کنند — البته با همراهی بزرگ‌ترها.
  • ۷ تا ۱۳ سال — برنامه‌ریزی ربات با حسگر: برنامه‌نویسی بلوکی رباتی که با حسگر فاصله و رنگ تصمیم می‌گیرد، پایه‌ی محکم ادراک و استدلال است. بعد می‌توان پرسید: «اگر به‌جای قانون نوشتن، به ربات مثال نشان می‌دادیم، چه فرقی می‌کرد؟»
  • ۱۰ تا ۱۴ سال — کارآگاه پیشنهادگرها: چرا اپ ویدیو این‌ها را پیشنهاد می‌دهد؟ کودک یک هفته پیشنهادها را یادداشت کند و الگو پیدا کند. Lee و همکاران (2021) در یک کارگاه ۳۰ ساعته برای نوجوانان ۱۰ تا ۱۴ ساله، فعالیت‌های فنی را با بحث اخلاقی و فکر کردن به آینده‌ی شغلی ترکیب کردند و یافته‌های اولیه‌شان از درگیری و یادگیری مفهومی دانش‌آموزان و تغییر نگرششان به هوش مصنوعی حکایت داشت.
  • ۱۴ سال به بالا — پایتون و داده: پایتون پرکاربردترین زبان در بسیاری از پروژه‌های یادگیری ماشین است. نوجوانی که پایتون را خوب بلد است، می‌تواند با داده‌های ساده کار کند، مدل‌های کوچک بسازد و — مهم‌تر از همه — درباره‌ی محدودیت‌هایشان بحث کند.

در همه‌ی این سن‌ها یک اصل ثابت است: ساختن و پرسیدن بیشتر از تماشا و مصرف یاد می‌دهد. برای برنامه‌ی کامل هر سن، صفحه‌ی برنامه‌نویسی بر اساس سن را ببینید.

کودکان و چت‌بات‌ها: ایمنی، حریم خصوصی و تفکر انتقادی

چت‌بات‌های مبتنی بر مدل‌های زبانی بزرگ، قدرتمندترین و در عین حال حساس‌ترین ابزار هوش مصنوعی برای بچه‌ها هستند. چهار نگرانی اصلی را جدی بگیرید:

  • حریم خصوصی: هر چیزی که کودک تایپ می‌کند یا می‌گوید ممکن است ذخیره و پردازش شود. یونیسف در راهنمای سیاستی خود درباره‌ی هوش مصنوعی و کودکان (2021)، حفاظت از داده و حریم خصوصی کودک را یکی از الزامات هوش مصنوعیِ کودک‌محور می‌داند. قانون ساده‌ی خانه: نام کامل، نشانی، نام مدرسه، عکس و رمز هیچ‌وقت در چت‌بات نوشته نمی‌شود.
  • پاسخ نادرست با لحن مطمئن: مدل‌های زبانی گاهی اطلاعاتی می‌سازند که کاملاً باورپذیر به نظر می‌رسد اما نادرست است؛ پژوهشگران به این پدیده «توهم» (hallucination) می‌گویند و مرور Ji و همکاران (2023) نشان می‌دهد این مشکل در انواع سیستم‌های تولید متن دیده می‌شود. بچه‌ها — که دیدیم برای «اطلاعات» به ماشین اعتماد می‌کنند — باید یاد بگیرند جواب را با یک منبع دیگر بسنجند.
  • وابستگی عاطفی: چت‌بات‌ها مهربان، همیشه در دسترس و خستگی‌ناپذیرند. کودکی که ربات را «دوست» می‌بیند (همان یافته‌ی Kahn و همکاران) ممکن است رازهایش را با آن در میان بگذارد یا گفت‌وگو با ماشین را جایگزین گفت‌وگو با آدم‌ها کند. یادآوری «این یک برنامه است، نه دوست» و حضور بزرگ‌تر در کنار کودک ضروری است.
  • محتوای نامناسب و حداقل سن: بسیاری از سرویس‌های هوش مصنوعی در شرایط استفاده‌شان حداقل سن تعیین کرده‌اند و برای نوجوانان رضایت والدین را لازم می‌دانند. پیش از اینکه کودک از سرویسی استفاده کند، شرایط آن را بخوانید و تنظیمات کنترل والدین را بررسی کنید.

برای تفکر انتقادی، یک تمرین سه‌سؤالی به بچه‌ها یاد بدهید و آن را به عادت تبدیل کنید: «از کجا معلوم درست است؟ از یک منبع دیگر هم پرسیدم؟ اگر اشتباه باشد چه اتفاقی می‌افتد؟» همین سه سؤال بخش بزرگی از سواد هوش مصنوعی و سواد رسانه‌ای را با هم پوشش می‌دهد.

تکلیف مدرسه و هوش مصنوعی: معلم خصوصی یا میان‌بُر؟

شاید داغ‌ترین سؤال والدین نوجوان‌ها این باشد: «اجازه بدهم با هوش مصنوعی تکلیف بنویسد؟» Kasneci و همکاران (2023) در مقاله‌ای مروری، فرصت‌های مدل‌های زبانی در آموزش — مثل بازخورد فوری و آموزش شخصی‌سازی‌شده — را برشمردند، اما هشدار دادند که بدون آموزش و راهنمایی، خطر تکیه‌ی بیش از حد و کم شدن تفکر مستقل جدی است.

یک آزمایش میدانی بزرگ این نگرانی را با داده نشان داد. Bastani و همکاران (2025) در مجله‌ی PNAS نزدیک به هزار دانش‌آموز دبیرستانی را در کلاس ریاضی بررسی کردند. گروهی که هنگام تمرین به یک رابط معمولی شبیه ChatGPT دسترسی داشت، در جلسه‌های تمرین نمره‌ی بهتری گرفت؛ اما وقتی در امتحان دسترسی‌اش قطع شد، عملکردش از گروهی که اصلاً هوش مصنوعی نداشت بدتر بود. نسخه‌ای که طوری طراحی شده بود که به‌جای جواب، راهنمایی بدهد، بیشتر این اثر منفی را خنثی کرد. تحلیل نویسندگان نشان داد دانش‌آموزان از ابزار بی‌محدودیت مثل «عصای زیر بغل» استفاده کرده بودند.

پیام برای خانواده‌ها روشن است: هوش مصنوعی وقتی مفید است که فکر کردن را جایگزین نکند. چند قانون عملی:

  • اول خودت: کودک اول خودش تلاش کند؛ هوش مصنوعی برای وقتی است که واقعاً گیر کرده.
  • راهنمایی بخواه، نه جواب: یاد بدهید از ابزار بخواهد «فقط راهنمایی کن و جواب را نگو».
  • برایم توضیح بده: هر چیزی که با کمک هوش مصنوعی فهمیده، باید بتواند با زبان خودش برای شما توضیح دهد.
  • قانون مدرسه را بدانید: بعضی معلم‌ها استفاده را مجاز می‌دانند و بعضی نه؛ صداقت درباره‌ی استفاده بخشی از اخلاق هوش مصنوعی است.

والدین چه کار می‌توانند بکنند؟ ۸ قدم عملی

لازم نیست والدین متخصص هوش مصنوعی باشند تا فرزندشان را آماده کنند. همان اصولی که از علم یادگیری کودک می‌شناسیم — گفت‌وگو، همراهی و یادگیری فعال — این‌جا هم کار می‌کند:

  • ۱. خودتان کنجکاو باشید: کافی است همراه کودک بپرسید «این چطور کار می‌کند؟» و با هم دنبال جواب بگردید.
  • ۲. هوش مصنوعی را در خانه «نام ببرید»: وقتی پیشنهادگر، فیلتر یا دستیار صوتی را می‌بینید، بگویید «این هوش مصنوعی است». نخستین شایستگی در فهرست لانگ و مگرکو همین تشخیص است.
  • ۳. زبان انسان‌وار را اصلاح کنید: به‌جای «گوگل فکر می‌کند…» بگویید «برنامه حدس زده…». کلمه‌ها تصور کودک را می‌سازند.
  • ۴. قانون‌های خانوادگی بنویسید: چه ابزاری، از چه سنی، چه زمانی و با چه اطلاعاتی. درباره‌ی مدیریت زمان صفحه‌نمایش، مقاله‌ی زمان صفحه‌نمایش کودکان را بخوانید.
  • ۵. ساختن را به مصرف کردن ترجیح دهید: یک ساعت برنامه‌ریزی ربات یا ساختن بازی، درباره‌ی ماشین‌ها بیشتر از ساعت‌ها گپ زدن با چت‌بات یاد می‌دهد. (رباتیک کودکان)
  • ۶. درباره‌ی انصاف و سوگیری حرف بزنید: «اگر ماشین فقط عکس یک گروه از آدم‌ها را دیده باشد، با بقیه چطور رفتار می‌کند؟»
  • ۷. اشتباه‌های ماشین را فرصت کنید: هر بار دستیار صوتی یا مترجم خطا کرد، یادآوری کنید که ماشین «حدس» می‌زند.
  • ۸. پایه‌ها را جدی بگیرید: ریاضی، خواندن عمیق، نوشتن و برنامه‌نویسی پایه‌هایی‌اند که هیچ ابزار هوش مصنوعی جایشان را نمی‌گیرد؛ برعکس، برای استفاده‌ی هوشمندانه از همان ابزارها لازم‌اند.

راهنمای بیشتر برای خانواده‌ها را در صفحه‌ی والدین گذاشته‌ایم.

روبی چطور بچه‌ها را برای دنیای هوش مصنوعی آماده می‌کند؟

بگذارید صادق باشیم: روبی دوره‌ی هوش مصنوعی یا یادگیری ماشین نیست و ربات روبی هم از داده یاد نمی‌گیرد. روبی یک ربات مجازی قانون‌محور است و کودک خودش قانون‌هایش را می‌نویسد. اما همان‌طور که دیدیم، این دقیقاً پایه‌ای است که سواد هوش مصنوعی روی آن ساخته می‌شود.

در اپلیکیشن رایگان روبی، کودک ربات «روبی» را با حسگرهای واقعی رباتیک — حسگر فاصله، حسگر رنگ و بامپر (دکمه‌ی برخورد) — برنامه‌ریزی می‌کند. هر بار که می‌نویسد «اگر حسگر رنگ قرمز دید، بایست»، دو ایده‌ی بزرگ نخست AI4K12 یعنی ادراک و استدلال را تمرین می‌کند، و هر بار که ربات به دیوار می‌خورد و برنامه را اصلاح می‌کند، یاد می‌گیرد خروجی ماشین را نقادانه بسنجد.

مسیر آموزش در ۴ لیگ برای ۵ تا ۸، ۹ تا ۱۳ و ۱۴ تا ۱۶ سال و سطح حرفه‌ای چیده شده و از بلوک‌های تصویری به کد شبیه پایتون و در نهایت به پایتون واقعی می‌رسد — همان زبانی که در بسیاری از پروژه‌های یادگیری ماشین به کار می‌رود. ستاره‌های ۱ تا ۳ برای هر درس، امتیاز تجربه (XP) و جدول امتیازها، حالت داستانی، ماجراجویی سه‌بعدی و بازی‌های تیمی آنلاین مثل مسابقه‌ی گنج و فوتبال رباتیک، یادگیری را بازی‌محور و اجتماعی می‌کنند. معلم‌ها هم با ابزار کلاس و کد کلاس، پیشرفت شاگردانشان را دنبال می‌کنند.

اگر فرزندتان بعدها سراغ یادگیری ماشین برود، با ذهنی آماده می‌رود: کسی که می‌داند ماشین چطور حس می‌کند، چطور تصمیم می‌گیرد و چرا گاهی اشتباه می‌کند. همه‌ی بازی‌های روبی در حال حاضر رایگان‌اند.

جمع‌بندی

هوش مصنوعی برای بچه‌های امروز «آینده» نیست؛ بخشی از زمین بازی امروزشان است. پژوهش‌ها نشان می‌دهند کودکان به‌طور طبیعی ماشین‌های سخنگو را شبیه انسان می‌بینند و به آن‌ها اعتماد می‌کنند، و همین آموزش سواد هوش مصنوعی را ضروری می‌کند. هدف، ساختن متخصص هوش مصنوعی از هر کودک نیست؛ هدف، تربیت کودکی است که بداند ماشین چطور می‌بیند، چطور فکر می‌کند، از کجا یاد می‌گیرد، کجا اشتباه می‌کند و چه اثری بر آدم‌ها دارد.

نقطه‌ی شروع هم پیچیده نیست: بازی‌های دسته‌بندی بدون کامپیوتر، گفت‌وگوی کنجکاوانه درباره‌ی ابزارهای خانه، قانون‌های روشن برای چت‌بات‌ها و تکلیف، و — مهم‌تر از همه — ساختن به‌جای فقط مصرف کردن. برنامه‌ریزی یک ربات ساده هنوز یکی از بهترین راه‌ها برای فهمیدن ذهن ماشین‌هاست.

پرسش‌های پرتکرار

از چند سالگی می‌توان هوش مصنوعی را به کودک آموزش داد؟

مفاهیم پایه را می‌توان از ۵–۶ سالگی با بازی‌های بدون کامپیوتر (مثل دسته‌بندی اسباب‌بازی‌ها) و گفت‌وگو درباره‌ی دستیارهای صوتی شروع کرد؛ پژوهش‌های MIT نشان داده‌اند حتی پیش‌دبستانی‌ها ایده‌های ساده‌ی هوش مصنوعی را در حد خودشان می‌فهمند. کار با ابزارهای ساده‌ی یادگیری ماشین معمولاً از حدود ۸–۱۰ سالگی و با همراهی بزرگ‌تر معنادار می‌شود و کار با پایتون و داده از نوجوانی.

کودک اول باید برنامه‌نویسی یاد بگیرد یا مستقیم سراغ هوش مصنوعی برود؟

سواد هوش مصنوعی (تشخیص، فهم، ارزیابی و استفاده‌ی درست) به برنامه‌نویسی نیاز ندارد و از کودکی قابل آموزش است. اما برای «ساختن» هوش مصنوعی، برنامه‌نویسی و تفکر محاسباتی پایه‌ی لازم است. برنامه‌ریزی ربات با حسگر و شرط، بهترین پل بین این دو است.

آیا استفاده‌ی کودک از چت‌بات‌ها خطرناک است؟

خطر اصلی در استفاده‌ی بی‌نظارت است: اشتراک اطلاعات شخصی، اعتماد به پاسخ‌های نادرست و وابستگی عاطفی. بسیاری از سرویس‌ها حداقل سن دارند. برای کودکان کوچک‌تر استفاده فقط همراه بزرگ‌تر، و برای نوجوانان با قانون‌های روشن خانوادگی توصیه می‌شود.

چطور جلوی تقلب با هوش مصنوعی در تکالیف را بگیرم؟

ممنوعیت کامل معمولاً جواب نمی‌دهد. قانون‌های «اول خودت تلاش کن»، «راهنمایی بخواه نه جواب» و «برایم توضیح بده» را بگذارید. آزمایش Bastani و همکاران (2025) نشان داد استفاده‌ی بی‌محدودیت به یادگیری آسیب می‌زند، اما ابزاری که فقط راهنمایی می‌دهد بیشتر این آسیب را کم می‌کند.

آیا بچه‌ها برای آینده حتماً باید متخصص هوش مصنوعی شوند؟

نه. همان‌طور که همه باید خواندن بلد باشند ولی همه نویسنده نمی‌شوند، همه به سواد هوش مصنوعی نیاز دارند ولی همه قرار نیست متخصص شوند. پیش‌بینی دقیق بازار کار آینده ممکن نیست، اما فهم فناوری، تفکر انتقادی، حل مسئله و همکاری در هر شغلی ارزشمند خواهد بود.

سواد هوش مصنوعی دقیقاً شامل چه مهارت‌هایی است؟

بر اساس تعریف لانگ و مگرکو (2020): تشخیص اینکه کجا با هوش مصنوعی سروکار داریم، فهم اینکه چطور کار می‌کند و از داده یاد می‌گیرد، ارزیابی نقادانه‌ی خروجی‌ها، استفاده‌ی درست از آن به‌عنوان ابزار و توجه به مسائل اخلاقی مثل حریم خصوصی و سوگیری.

روبی هوش مصنوعی یا یادگیری ماشین آموزش می‌دهد؟

نه. روبی برنامه‌نویسی و رباتیک قانون‌محور را آموزش می‌دهد: کار با حسگر، شرط، حلقه و الگوریتم، از بلوک تا پایتون واقعی. این مهارت‌ها پایه‌ی دو ایده‌ی بزرگ «ادراک» و «استدلال» در هوش مصنوعی‌اند و راه را برای یادگیری ماشین در آینده هموار می‌کنند.

📚 منابع علمی

  1. Touretzky, D., Gardner-McCune, C., Martin, F., & Seehorn, D. (2019). Envisioning AI for K-12: What should every child know about AI? Proceedings of the AAAI Conference on Artificial Intelligence, 33(01), 9795–9799. doi.org/10.1609/aaai.v33i01.33019795
  2. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16. doi.org/10.1145/3313831.3376727
  3. Miao, F., & Shiohira, K. (2024). AI competency framework for students. UNESCO. doi.org/10.54675/JKJB9835
  4. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. doi.org/10.1016/j.caeai.2021.100041
  5. Druga, S., Williams, R., Breazeal, C., & Resnick, M. (2017). "Hey Google is it OK if I eat you?": Initial explorations in child-agent interaction. Proceedings of the 2017 Conference on Interaction Design and Children (IDC ’17), 595–600. doi.org/10.1145/3078072.3084330
  6. Druga, S., Williams, R., Park, H. W., & Breazeal, C. (2018). How smart are the smart toys? Children and parents’ agent interaction and intelligence attribution. Proceedings of the 17th ACM Conference on Interaction Design and Children (IDC ’18), 231–240. doi.org/10.1145/3202185.3202741
  7. Williams, R., Park, H. W., & Breazeal, C. (2019). A is for artificial intelligence: The impact of artificial intelligence activities on young children’s perceptions of robots. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems, 1–11. doi.org/10.1145/3290605.3300677
  8. Xu, Y., & Warschauer, M. (2020). What are you talking to?: Understanding children’s perceptions of conversational agents. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–13. doi.org/10.1145/3313831.3376416
  9. Girouard-Hallam, L. N., & Danovitch, J. H. (2022). Children’s trust in and learning from voice assistants. Developmental Psychology, 58(4), 646–661. doi.org/10.1037/dev0001318
  10. Kahn, P. H., Jr., Kanda, T., Ishiguro, H., Freier, N. G., Severson, R. L., Gill, B. T., Ruckert, J. H., & Shen, S. (2012). “Robovie, you’ll have to go into the closet now”: Children’s social and moral relationships with a humanoid robot. Developmental Psychology, 48(2), 303–314. doi.org/10.1037/a0027033
  11. Vartiainen, H., Tedre, M., & Valtonen, T. (2020). Learning machine learning with very young children: Who is teaching whom? International Journal of Child-Computer Interaction, 25, 100182. doi.org/10.1016/j.ijcci.2020.100182
  12. Lee, I., Ali, S., Zhang, H., DiPaola, D., & Breazeal, C. (2021). Developing middle school students’ AI literacy. Proceedings of the 52nd ACM Technical Symposium on Computer Science Education (SIGCSE ’21), 191–197. doi.org/10.1145/3408877.3432513
  13. Su, J., & Yang, W. (2022). Artificial intelligence in early childhood education: A scoping review. Computers and Education: Artificial Intelligence, 3, 100049. doi.org/10.1016/j.caeai.2022.100049
  14. UNICEF (2021). Policy guidance on AI for children (Version 2.0). UNICEF Office of Global Insight and Policy. www.unicef.org/innocenti/reports/policy-guidance-ai-children
  15. Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., … Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. doi.org/10.1016/j.lindif.2023.102274
  16. Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), 1–38. doi.org/10.1145/3571730
  17. Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. doi.org/10.1073/pnas.2422633122
  18. Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.
  19. Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.

صفحه‌های مرتبط

می‌خواهید فرزندتان همین امروز شروع کند؟ 🚀

اپلیکیشن آکادمی روبی — همه‌ی بازی‌ها رایگان، بدون کارت بانکی.

مقاله‌های دیگر