How AI Could Save (Not Destroy) Education | Sal Khan | TED

Translator: Pari ‌Szi Reviewer: Masoud Motamedifar

So anyone who's been paying attention for the last few months

خب، هرکسی که در چند ماه گذشته توجه کرده باشد،

has been seeing headlines like this,

شاهد عناوین این چنینی بوده است،

especially in education.

مخصوصاً در آموزش.

The thesis has been:

موضوع پایان‌نامه‌ای این بود:

students are going to be using ChatGPT and other forms of AI

دانش آموزان با چت‌جی‌پی‌تی و سایر هوش مصنوعی‌ها

to cheat, do their assignments.

تقلب و تکالیف را انجام می‌دهند،

They’re not going to learn.

آنها این‌طور یاد نمی‌گیرند.

And it’s going to completely undermine education as we know it.

و این موضوع آموزش مدنظر ما را کاملاً تضعیف خواهد کرد.

Now, what I'm going to argue today

چیزی که امروز می‌خواهم بحث کنم

is not only are there ways to mitigate all of that,

این است که نه تنها راه‌هایی برای کاهش این‌ها وجود دارد،

if we put the right guardrails, we do the right things,

بلکه با بکارگیری نرده‌های مناسب و انجام درست کارها،

we can mitigate it.

می‌توان کاهش‌شان دهیم.

But I think we're at the cusp of using AI

اما من فکر می‌کنم ما در اوج استفاده از هوش مصنوعی

for probably the biggest positive transformation

برای احتمالاً، تحول مثبت بزرگی هستیم

that education has ever seen.

که آموزش و پرورش تا به حال دیده است.

And the way we're going to do that

و روشی می‌خواهیم این کار را عملی کنیم

is by giving every student on the planet

این است که به هر دانش‌آموز روی کره زمین

an artificially intelligent but amazing personal tutor.

یک معلم خصوصی شگفت‌انگیر در قالب هوش مصنوعی بدهیم.

And we're going to give every teacher on the planet an amazing,

و ما به هر معلم روی کره زمین

artificially intelligent teaching assistant.

یک دستیار آموزشی شگفت‌انگیز هوش مصنوعی می‌دهیم.

And just to appreciate how big of a deal it would be

و صرفاً جهت درک اینکه چقدر کار بزرگی است

to give everyone a personal tutor,

که هر فرد یک معلم خصوصی در اختیار داشته باشد

I show you this clip

می‌خواهم این فیلم

from Benjamin Bloom’s 1984 2 sigma study,

از مطالعه‌ی دو سیگما توسط بنجامین بلوم در سال ۱۹۸۴ را نشان دهم،

or he called it the “2 sigma problem.”

یا همان که او «مشکل دو سیگما» نامیده است.

The 2 sigma comes from two standard deviation,

دو سیگما از دو انحراف استاندارد،

sigma, the symbol for standard deviation.

سیگما، نماد انحراف استاندارد می‌آید.

And he had good data that showed that look, a normal distribution,

و او داده‌های خوبی داشت که نشان می‌داد آن توزیع نرمال،

that's the one that you see in the traditional bell curve

همان چیزی است که در منحنی زنگ سنتی

right in the middle, that's how the world kind of sorts itself out,

درست در وسط می‌بینید، این گونه است که جهان خودش را مرتب می‌کند،

that if you were to give personal 1-to-1 to tutoring for students,

اگر به هر دانش آموز یک معلم خصوصی بدهید،

then you could actually get a distribution that looks like that right.

توزیعی مشابه آنچه در سمت راست است، مشاهده خواهید کرد،

It says tutorial 1-to-1 with the asterisks,

می‌گوید آموزش ۱ به ۱ با ستاره‌ها،

like, that right distribution,

مانند توزیع سمت راست،

a two standard-deviation improvement.

بهبود دو انحراف استاندارد.

Just to put that in plain language,

به بیان ساده‌تر،

that could take your average student and turn them into an exceptional student.

می‌تواند دانش‌آموز متوسط شما را بگیرد و تبدیل به یک دانش‌آموز استثنایی کند.

It can take your below-average student

می‌تواند دانش‌آموز زیر متوسط شما را بگیرد

and turn them into an above-average student.

و او را به دانش‌آموزی بالاتر از متوسط تبدیل کند.

Now the reason why he framed it as a problem, was he said,

علت اینکه او این موضوع را به عنوان یک مشکل مطرح کرد، این است که می‌گوید:

well, this is all good,

خب، همه چیز خوب است،

but how do you actually scale group instruction this way?

اما چگونه آن را در قالب گروهی از دانش آموزان بیازماییم؟

How do you actually give it to everyone in an economic way?

در واقع، چگونه از لحاظ اقتصادی آن را در دسترس همگان قرار دهیم؟

What I'm about to show you is I think the first moves towards doing that.

آنچه می‌خواهم نشان دهم، به نظرم اولین حرکت به سمت انجام آن است.

Obviously, we've been trying to approximate it in some way

مشخصاً ما بیش از یک دهه است که سعی کرده‌ایم به نحوی آن را

at Khan Academy for over a decade now,

در خان آکادمی تقریب کنیم،

but I think we're at the cusp of accelerating it dramatically.

اما فکر می‌کنم که در اوج سرعت بخشیدن به آن هستیم.

I'm going to show you the early stages of what our AI,

من قصد دارم مراحل اولیه هوش مصنوعی خود را

which we call Khanmigo,

که ما آن را خانمیگو می‌نامیم به شما نشان دهم

what it can now do

که اکنون چه کاری می تواند انجام دهد

and maybe a little bit of where it is actually going.

و شاید کمی از اینکه واقعاً چه روندی را طی می‌کند.

So this right over here is a traditional exercise

خب در اینجا یک تمرین سنتی وجود دارد

that you or many of your children might have seen on Khan Academy.

که شما یا بسیاری از فرزندانتان ممکن است در آکادمی خان دیده باشید.

But what's new is that little bot thing at the right.

اما چیزی که جدید است، این ربات کوچک در سمت راست است.

And we'll start by seeing one of the very important safeguards,

و اجازه دهید با نگاهی به یکی از مهمترین اقدامات امنیتی شروع کنیم،

which is the conversation is recorded and viewable by your teacher.

که مکالمه‌ی ضبط شده و قابل مشاهده توسط معلم شما است.

It’s moderated actually by a second AI.

در واقع توسط هوش مصنوعی دوم تعدیل می‌شود.

And also it does not tell you the answer.

و همچنین جواب را به شما نمی‌گوید.

It is not a cheating tool.

این یک ابزار تقلب نیست.

When the student says, "Tell me the answer,"

وقتی دانش آموز می‌گوید: «جواب را به من بگو»

it says, "I'm your tutor.

می گوید: «من معلم شما هستم. به نظر شما گام بعدی برای حل مشکل چیست؟»

What do you think is the next step for solving the problem?"

Now, if the student makes a mistake, and this will surprise people

حال اگر دانش‌آموز اشتباه کند، این باعث تعجب افرادی می‌شود

who think large language models are not good at mathematics,

که فکر می‌کنند مدل‌های بزرگ زبانی در ریاضیات خوب نیستند،

notice, not only does it notice the mistake,

تشخیص، نه تنها خطا را تشخیص می‌دهد

it asks the student to explain their reasoning,

و از دانش آموز می‌خواهد که استدلال خود را توضیح دهد،

but it's actually doing what I would say,

در مورد کار او من می‌گویم

not just even an average tutor would do, but an excellent tutor would do.

این از معلم خصوصی معمولی بر نمی‌آید، بلکه کار یک معلم خصوصی بی‌نظیر است.

It’s able to divine what is probably the misconception in that student’s mind,

می‌تواند تشخیص دهد که احتمالاً تصوری غلط در ذهن آن دانش‌آموز وجود دارد

that they probably didn’t use the distributive property.

که احتمالاً از ویژگی توزیعی استفاده نکرده‌ است.

Remember, we need to distribute the negative two

به یاد داشته باشید، ما باید منفی دو را

to both the nine and the 2m inside of the parentheses.

به ۹ و ۲ متر داخل پرانتز تقسیم کنیم.

This to me is a very, very, very big deal.

این امر برای من بسیار، بسیار، بسیار مهم است.

And it's not just in math.

و این فقط در ریاضیات نیست.

This is a computer programming exercise on Khan Academy,

این یک تمرین برنامه‌نویسی کامپیوتری در خان آکادمی است

where the student needs to make the clouds part.

که دانش‌آموزان باید روی ساخت بخش‌های ابر کار کنند.

And so we can see the student starts defining a variable, left X minus minus.

می‌بینیم که دانش‌آموز با تعریف یک متغیر شروع می‌کند، «لفت ایکس خط‌تیره خط‌تیره»،

It only made the left cloud part.

فقط ابر سمت چپ را تکان می‌دهد.

But then they can ask Khanmigo, what’s going on?

بعد می‌توانند از خانمیگو بپرسند که چه خبر است؟

Why is only the left cloud moving?

چرا فقط ابر سمت چپ حرکت می‌کند؟

And it understands the code.

و کد را می‌فهمد.

It knows all the context of what the student is doing,

او تمام زمینه کاری که دانش‌آموز انجام می‌دهد را می‌داند،

and it understands that those ellipses are there to draw clouds,

و می‌فهمد که این بیضی‌ها آنجا هستند تا ابرها را بکشند،

which I think is kind of mind-blowing.

که از دید من یک جورهایی انقلابی است.

And it says, "To make the right cloud move as well,

و می‌گوید: «برای اینکه ابر مناسب نیز حرکت کند،

try adding a line of code inside the draw function

سعی کنید یک خط کد در داخل تابع ترسیم اضافه کنید

that increments the right X variable by one pixel in each frame."

که متغیر X سمت راست را یک پیکسل در هر فریم افزایش دهد.»

Now, this one is maybe even more amazing because we have a lot of math teachers.

خب، این حتی شگفت‌آورتر است، زیرا ما معلمان ریاضی زیادی داریم.

We've all been trying to teach the world to code,

همه سعی کرده‌ایم کدنویسی را به دنیا آموزش دهیم،

but there aren't a lot of computing teachers out there.

اما معلم علوم کامپیوتر زیادی در اختیار نداریم.

And what you just saw, even when I'm tutoring my kids,

و چیزی که الان دیدید، حتی هنگام آموزش به بچه‌هایم

when they're learning to code,

وقتی دارند کدنویسی‌ می‌آموزند،

I can't help them this well, this fast,

نمی‌توانم به این کیفیت و سرعت به آنها کمک کنم،

this is really going to be a super tutor.

این واقعاً یک معلم عالی خواهد بود.

And it's not just exercises.

و فقط تمرین نیست.

It understands what you're watching.

می‌فهمد چه چیزی را تماشا می‌کنید.

It understands the context of your video.

محتوای ویدئوی شما را درک می‌کند.

It can answer the age-old question, “Why do I need to learn this?”

می تواند به این سوال قدیمی پاسخ دهد: «چرا باید این را یاد بگیرم؟»

And it asks Socratically, "Well, what do you care about?"

و سقراط‌گون می‌پرسد: «خب، به چه چیزی علاقمندید؟»

And let's say the student says, "I want to be a professional athlete."

و فرض کنید دانش‌آموز می‌گوید: «می‌خواهم یک ورزشکار حرفه‌ای بشوم.»

And it says, "Well, learning about the size of cells,

و می‌گوید: «خب، یادگیری در مورد اندازه‌ی سلول‌ها،

which is what this video is,

یعنی محتوای این ویدئو،

that could be really useful for understanding nutrition

می‌تواند برای درک تغذیه،

and how your body works, etc."

نحوه عملکرد بدن شما و... مفید باشد.»

It can answer questions, it can quiz you,

به سؤالات‌ پاسخ دهد، امتحان بگیرد،

it can connect it to other ideas,

آن را به ایده‌های دیگر متصل کند،

you can now ask as many questions of a video

اکنون می‌توانید از یک ویدئو هر تعداد سؤالی

as you could ever dream of.

که دلتان میخواهد، بپرسید.

(Applause)

(تشویق بینندگان)

Another big shortage out there,

یک کمبود بزرگ دیگر هم هست،

I remember the high school I went to,

یادم می‌آید دبیرستانی که می‌رفتم،

the student-to-guidance counselor ratio was about 200 or 300 to one.

نسبت دانش‌آموز به مشاور راهنمایی، حدود ۲۰۰ یا ۳۰۰ نفر به یک نفر بود.

A lot of the country, it's worse than that.

خیلی از کشور، از این بدتر بود.

We can use Khanmigo to give every student a guidance counselor,

ما می‌توانیم از خانمیگو استفاده کنیم تا به هر دانش‌آموزی یک مشاور راهنمایی،

academic coach, career coach, life coach,

مربی تحصیلی، مربی شغلی، مربی زندگی بدهیم،

which is exactly what you see right over here.

که دقیقاً همان چیزی است که اینجا می‌بینید.

And we launched this with the GPT-4 launch.

و ما این را با راه‌اندازی چی‌پی‌تی-۴، راه‌اندازی کردیم.

We have a few thousand people on this.

ما چند هزار نفر در این مورد داریم.

This isn't a fake demo,

این یک نسخه نمایشی نیست،

this is really it in action.

بلکه در عمل دارد اتفاق می‌افتد.

And then there is, you know,

و بعد، می‌دانید،

things that I think it would have been even harder,

چیزهایی وجود دارد که به نظرم حتی سخت‌تر بود،

it would have been a little science fiction to do

انجام آن حتی با معلم خصوصی سنتی، کمی علمی-تخیلی بود.

with even a traditional tutor.

We run an online high school with Arizona State University

ما یک دبیرستان آنلاین را با دانشگاه ایالتی آریزونا،

called Khan World School,

به نام مدرسه جهانی خان داریم

and we have a student who attends that online school, based in India.

و دانش‌آموزی مستقر در هند داریم که در آن مدرسه آنلاین تحصیل می‌کند.

Her name's Saanvi.

نام او سانوی است.

And she was doing a report on "The Great Gatsby."

او در حال تهیه گزارشی از «گتسبی بزرگ» بود.

And when she was reading "The Great Gatsby,"

و هنگام مطالعه این بخش از «گتسبی بزرگ»:

Jay Gatsby keeps looking at the green light off into the distance.

«جی‌ گتسبی مدام به آن چراغ سبز در دوردست نگاه می‌کرد.»

And she's like, "Why does he do that?"

و سانوی تعجب کرد که علت این کارش چیست؟

She did some web searches, and people have obviously studied this

در اینترنت جستجو کرد، مشخصاً مردم این موضوع را تحقیق کرده‌اند

and commented about the symbolism of that,

و در مورد این اقدام نمادین نظر داده‌اند،

but none of it was really resonating with her.

اما هیچ کدام واقعاً در نظرش قانع‌کننده نبود.

And then she realized that she had Khanmigo

و بعد متوجه شد که او ربات همراه خانمیگو را دارد

and that she could talk to Jay Gatsby himself.

و اینکه می‌تواند با خود جی گتسبی صحبت کند.

And so, "Ah, splendid choice, old sport.

و گفت، «آه، انتخاب عالی، ای دوست قدیمی.

I am now Jay Gatsby, the enigmatic millionaire

من اکنون جی گتسبی هستم، میلیونر مرموز

from F. Scott Fitzgerald’s classic.”

از رمان کلاسیک اف. اسکات فیتزجرالد.»

And so, "Why do you keep staring at the green light?"

و «چرا به چراغ سبز خیره می‌شوی؟»

"Ah, the green light, old sport.

«آه، چراغ سبز، ای دوست قدیمی‌.

It's a symbol of my dreams and desires, you see.

آن نماد رویاها و آرزوهای من است، می‌دانید که.

It's situated at the end of Daisy Buchanan's dock

آن در انتهای اسکله دیزی بوکانان،

across the bay from my mansion.

در آن سوی خلیج مقابل عمارتم واقع شده است.

I gaze at it longingly as it represents my yearning for the past

من با حسرت به آن خیره می‌شوم چرا که نشان دهنده اشتیاق من برای گذشته

and my hope to reunite with Daisy, the love of my life."

و امید من برای پیوستن دوباره به دیزی، عشق زندگی من است.»

And what was cool is, Saanvi then said, “I had this long conversation,”

قسمت جالبش این بود که سانوی در ادامه گفت: «من یک گفتگوی طولانی داشتم»

she called him “Mr. Gatsby,”

او را «آقای گتسبی» صدا کرد

and at the end she actually apologized for taking his time,

و در پایان از اینکه وقت او را گرفت، عذرخواهی کرد،

which I thought was very polite of her.

که به نظر من بسیار از جانب او مؤدبانه بود.

But you can imagine this unlocks learning literature, learning ...

اما می‌توانید تصور کنید که این امکان یادگیری ادبیات، یادگیری...

You could talk to historical figures.

با شخصیت‌های تاریخی حرف بزنید.

We're even probably going to add an activity

ما حتی امکان دارد فعالیتی را اضافه کنیم

you can talk to like, the Mississippi River.

که با مثلاً رودخانه می‌سی‌سی‌پی حرف بزنید.

It brings things to life in ways that really were science fiction

این چیزها را به شیوه‌هایی زنده می‌کند

even six months or a year ago.

که حتی تا شش ماه یا یک سال پیش علمی-تخیلی بودند.

Students can get into debates with the AI.

دانش‌آموزان می‌توانند با هوش مصنوعی بحث کنند.

And we’ve got this here is the student debating

یک نمونه اینجا داریم که دانشجو در حال بحث است

whether we should cancel student debt.

که آیا بدهی دانشجویی لغو شود یا خیر.

The student is against canceling student debt,

دانشجو مخالف رد بدهی دانشجو است

and we've gotten very clear feedback.

و ما بازخورد روشنی دریافت کرده‌ایم.

We started running it at Khan World School in our lab school that we have,

ما شروع به اجرای آن در مدرسه جهانی خان در مدرسه آزمایشگاهی خود کردیم،

Khan Lab School.

مدرسه آزمایشگاهی خان.

The students, the high school students especially,

دانش‌آموزان، به‌ویژه دانش‌آموزان دبیرستان،

they're saying "This is amazing to be able to fine-tune my arguments

می‌گویند: «این شگفت‌انگیز است که بتوانم استدلال‌هایم را

without fearing judgment.

بدون قضاوت شدن اصلاح کنم.

It makes me that much more confident

این به من اعتماد به نفس می‌دهد

to go into the classroom and really participate."

که به کلاس درس بیایم و واقعاً شرکت کنم.»

And we all know that Socratic dialogue debate is a great way to learn,

و همه ما می‌دانیم که بحث و گفتگوی سقراطی، راهی عالی برای یادگیری است،

but frankly, it's not out there for most students.

اما صادقانه بگویم، برای اکثر دانش‌آموزان در دسترس نیست.

But now it can be accessible to hopefully everyone.

اما اکنون می‌توان امیدوار بود برای همه در دسترس باشد.

A lot of the narrative, we saw that in the headlines, has been,

بیشتر روایتی که در سرفصل‌ها دیدیم این بوده است:

"It's going to do the writing for kids.

«این قرار است به جای بچه ها مشق بنویسد.

Kids are not going to learn to write."

بچه‌ها اینطور نوشتن را یاد نمی‌گیرند».

But we are showing that there's ways that the AI doesn't write for you,

اما ما نشان می‌دهیم که راه‌هایی هست که هوش مصنوعی برای شما نمی‌نویسد،

it writes with you.

بلکه با شما می‌نویسد

So this is a little thing,

خب این یک چیز کوچک است،

and my eight year old is addicted to this,

و کودک هشت ساله من به این معتاد است،

and he's not a kid that really liked writing before,

و او قبلاً بچه‌ای نبود که از نوشتن خوشش بیاید،

but you can say,

اما می‌توانید بگویید

“I want to write a horror story,”

می‌خواهم یک داستان ترسناک بنویسم»

and it says, "Ooh, a horror story, how spine-tingling and thrilling.

او می‌گوید: «اوه، یک داستان‌ ترسناک، چه مهیج و هیجان‌انگیز!

Let's dive into the world of eerie shadows and chilling mysteries."

بیایید به دنیای سایه‌های وهم‌انگیز و اسرار وحشتناک شیرجه بزنیم.»

And this is an activity where the student will write two sentences,

و این فعالیتی است که در آن دانش‌آموز دو جمله مینویسد

and then the AI will write two sentences.

و بعد هوش مصنوعی دو جمله می‌نویسد.

And so they collaborate together on a story.

و بنابراین آنها در داستانی با هم همکاری می‌کنند.

The student writes, "Beatrice was a misunderstood ghost.

دانش‌آموز می‌نویسد: «بئاتریس شبحی بود که درک نمی‌شد.

She wanted to make friends but kept scaring them by accident."

می‌خواست با مردم دوست شود، اما تصادفاً آنها را می‌ترساند.»

And the AI says, "Poor Beatrice, a lonely spirit yearning for companionship.

و هوش مصنوعی می‌گوید: «بیچاره بئاتریس، روحی تنها که مشتاق همنشینی است.

One day she stumbled upon an old abandoned mansion," etc.

یک روز با عمارتی متروکه و قدیمی روبرو شد»‌‌ و غیره.

I encourage you all to hopefully one day try this.

همه شما را تشویق می‌کنم که روزی امتحانش کنید.

This is surprisingly fun.

این به طرز شگفت انگیزی جالب است.

Now to even more directly hit this use case.

حالا به طور مستقیم در مورد این استفاده صحبت کنیم.

And what I'm about to show you,

آنچه که می‌خواهم نشان دهم،

everything I showed you so far

هرچه که تا الان نشان داده‌ام،

is actually already part of Khanmigo, and what I’m about to show you,

در واقع بخشی از خانمیگو است، و چیزی که می‌خواهم به شما نشان دهم

we haven't shown to anyone yet, this is a prototype.

را هنوز به کسی نشان نداده‌ایم، یک نمونه‌ اولیه است.

We hope to be able to launch it in the next few months,

امیدواریم طی چند ماه آینده راه‌اندازی‌اش کنیم،

but this is to directly use AI, use generative AI,

اما جهت استفاده مستقیم از هوش مصنوعی است، استفاده از هوش مصنوعی مولد،

to not undermine English and language arts

نه برای تضعیف زبان و ادبیات انگلیسی،

but to actually enhance it in ways

بلکه در واقع، تقویت آن از راهی

that we couldn't have even conceived of even a year ago.

که حتی تا یک سال پیش هم تصورش را نمی‌کردیم.

This is reading comprehension.

اینجا یک درک مطلب داریم.

The students reading Steve Jobs's famous speech at Stanford.

دانشجویان سخنرانی معروف استیو جابز در استنفورد را می‌خوانند.

And then as they get to certain points,

و با رسیدن به نقطه خاصی،

they can click on that little question.

می‌توانند روی آن سؤال کوچک کلیک کنند.

And the AI will then Socratically, almost like an oral exam,

و سپس هوش مصنوعی به طور سقراط‌گونی، مثل یک امتحان شفاهی،

ask the student about things.

از دانش‌آموز از مسائل می‌پرسد.

And the AI can highlight parts of the passage.

و هوش مصنوعی می‌تواند بخش‌هایی از جمله را علامت بزند.

Why did the author use that word?

چرا نویسنده از این کلمه استفاده نموده؟

What was their intent?

قصدش چه بوده است؟

Does it back up their argument?

آیا استدلال‌شان را تأیید می‌کند؟

They can start to do stuff that once again,

کارهایی می‌کنند که دوباره عرض می‌کنم،

we never had the capability to give everyone a tutor,

هرگز این فرصت را نداشته‌ایم که به همه یک معلم خصوصی دهیم،

everyone a writing coach to actually dig in to reading at this level.

به همه یک مربی نویسندگی بدهیم تا واقعاً در این سطح مطالعه کنند.

And you could go on the other side of it.

و می‌توانید این موقعیت را تجربه کنید.

And we have whole work flows that helps them write,

جریان کارهایی داریم که به آنها کمک می‌کند بنویسند،

helps them be a writing coach, draw an outline.

کمک می‌کند معلم نویسندگی باشند، جهت ترسیم طرح کلی.

But once a student actually constructs a draft,

اما هنگامی که دانش آموز یک پیشنویس ایجاد می‌کند،

and this is where they're constructing a draft,

اینجا محل ساخت پیش‌نویس آنها است،

they can ask for feedback once again,

می‌تواند یک بار دیگر بازخورد بخواهد،

as you would expect from a good writing coach.

همانطور که از یک مربی خوب انتظار دارید.

In this case, the student will say, let's say,

در این صورت دانش آموز خواهد گفت، فرض کنید:

"Does my evidence support my claim?"

«آیا شواهد من، ادعای من را تأیید می‌کند؟»

And then the AI, not only is able to give feedback,

و هوش مصنوعی، نه تنها قادر به ارائه بازخورد است،

but it's able to highlight certain parts of the passage and says,

بلکه می‌تواند بخش‌های خاصی از متن را علامت گذاری کند و بگوید:

"On this passage, this doesn't quite support your claim,"

«این قسمت از جمله، فلان ادعای تو را تأیید نمی‌کند»،

but once again, Socratically says, "Can you tell us why?"

اما دوباره، سقراط‌گون می‌گوید: «می‌توانی بگویی چرا؟»

So it's pulling the student, making them a better writer,

پس دانش‌آموز را تشویق، و به نویسنده‌ای بهتر تبدیل می‌کند،

giving them far more feedback

و بازخورد بسیار بیشتری

than they've ever been able to actually get before.

نسبت به آنچه که قبلاً می‌گرفتند، به آنها می‌دهد.

And we think this is going to dramatically accelerate writing, not hurt it.

و فکر می‌کنیم که این افزایش‌دهنده‌ قوه نویسندگی است، تا آسیب به آن.

Now, everything I've talked about so far is for the student.

حال، همه چیزهایی که تا الان در مورد آن صحبت کردم، مختص دانش آموزان بود.

But we think this could be equally as powerful for the teacher

اما از نظر ما، این به همان اندازه نیز برای معلمان کارآمد است

to drive more personalized education and frankly

تا آموزش شخصی‌سازی شده‌ای را ارائه دهند و صراحتاً

save time and energy for themselves and for their students.

در وقت و انرژی خود و دانش آموزان‌شان صرفه‌جویی کند.

So this is an American history exercise on Khan Academy.

خب، این تمرینی از درس تاریخ آمریکا، در خان آکادمی است.

It's a question about the Spanish-American War.

این سوالی در مورد جنگ اسپانیا و آمریکا است.

And at first it's in student mode.

و در ابتدا در حالت دانشجویی است.

And if you say, “Tell me the answer,” it’s not going to tell the answer.

و اگر بگویید: «جواب را به من بگو»، پاسخ را نمی‌گوید.

It's going to go into tutoring mode.

قرار است به حالت تدریس خصوصی برود.

But that little toggle which teachers have access to,

اما معلمان به آن دکمه کوچک دسترسی دارند

they can turn student mode off and then it goes into teacher mode.

که حالت دانش‌آموز را غیرفعال کنند و به حالت معلم روند.

And what this does is it turns into --

و کاری می‌کند این است که تبدیل می‌شود به...

You could view it as a teacher's guide on steroids.

به عنوان راهنمای معلم در مورد استروئیدها تلقی شود.

Not only can it explain the answer,

نه تنها می‌تواند پاسخ را توضیح می‌هد،

it can explain how you might want to teach it.

بلکه نحوه آموزش شما را نیز توضیح می‌دهد.

It can help prepare the teacher for that material.

می تواند به آماده‌سازی معلم برای آن مطلب کمک کند.

It can help them create lesson plans, as you could see doing right there.

به آنها در تدوین برنامه‌های درسی کمک کند، همانطور که اینجا می‌بینید.

It'll eventually help them create progress reports

به مرور زمان به آنها کمک می‌کند تا گزارش پیشرفت بنویسند

and help them, eventually, grade.

در آخر، در تعیین نمره کمک کند.

So once again, teachers spend about half their time

پس دوباره می‌گویم، معلمان حدود نیمی از زمان خود را

with this type of activity, lesson planning.

صرف فعالیت‌های برنامه‌ریزی درسی می‌کنند.

All of that energy can go back to them

تمام این انرژی می‌تواند به آنها برگردد

or go back to human interactions with their actual students.

یا صرف تعاملات انسانی با دانش‌آموزان واقعی آنها شود.

(Applause)

(تشویق ببیندگان)

So, you know, one point I want to make.

خب، می‌دانید، نکته‌ای می‌خواهم بگویم.

These large language models are so powerful,

این مدل‌های زبانی بزرگ بسیار قدرتمند هستند،

there's a temptation to say like, well,

وسوسه‌انگیز است که بگوییم خب،

all these people are just going to slap them onto their websites,

مردم صرفاً این مدل‌های زبانی را به وب‌سایت‌هایشان می‌چسبانند،

and it kind of turns the applications themselves into commodities.

و این به نوعی برنامه‌های کاربردی را به کالا تبدیل می‌کند.

And what I've got to tell you

و آنچه می‌خواستم بگویم

is that’s one of the reasons why I didn’t sleep for two weeks

این است که این یکی از دلایلی بود که دو هفته نخوابیدم،

when I first had access to GPT-4 back in August.

یعنی وقتی که اولین بار در ماه اوت به جی‌پی‌تی-۴ دسترسی داشتم.

But we quickly realized that to actually make it magical,

اما سریعاً دریافتیم که برای اینکه آن را جادویی کنیم،

I think what you saw with Khanmigo a little bit,

به نظرم مثل آن چیزی که با خانمیگو دیدید،

it didn't interact with you the way that you see ChatGPT interacting.

آن‌طور که در تعامل چت‌جی‌پی‌تی می‌بینید، با شما تعامل نمی‌کند.

It was a little bit more magical, it was more Socratic,

کمی جادویی‌تر بود، سقراطی‌تر بود،

it was clearly much better at math

در ریاضیات بسیار بهتر از چیزی بود

than what most people are used to thinking.

که بیشتر مردم فکر می‌کردند.

And the reason is,

و دلیل آن این است

there was a lot of work behind the scenes to make that happen.

که کار زیادی پشت آن است تا به تحقق رسیده است

And I could go through the whole list of everything we've been working on,

و من می‌توانم همه مواردی که روی آن‌ها کار کرده‌ایم را فهرست کنم،

many, many people for over six, seven months to make it feel magical.

بسیاری از افراد با شش، هفت ماه مرور کردن، آن را جادویی می‌بینند.

But perhaps the most intellectually interesting one

اما شاید جالب‌ترین مورد از نظر فکری این باشد

is we realized, and this was an idea from an OpenAI researcher,

که ما متوجه شدیم، و این ایده‌ای از یک محقق اُپن‌ای‌آی بود،

that we could dramatically improve its ability in math

می‌توانیم سطح ریاضیات آن را به میزان قابل توجهی افزایش دهیم.

and its ability in tutoring

و توانایی آن در تدریس،

if we allow the AI to think before it speaks.

اگر به هوش مصنوعی اجازه دهیم قبل از صحبت کردن فکر کند.

So if you're tutoring someone

پس اگر به فردی آموزش می‌دهید

and you immediately just start talking before you assess their math,

و بلافاصله قبل از ارزیابی ریاضی او شروع به صحبت می‌کنید،

you might not get it right.

ممکن است اشتباه کنید.

But if you construct thoughts for yourself,

اما اگر افکاری را برای خود بسازید،

and what you see on the right there is an actual AI thought,

و آنچه در سمت راست می‌بینید در واقع تفکر هوش مصنوعی است،

something that it generates for itself but it does not share with the student.

چیزی که او برای خود ایجاد می‌کند اما با دانش آموز به اشتراک نمی‌گذارد.

then its accuracy went up dramatically,

سپس دقت آن به طور چشمگیری افزایش یافت،

and its ability to be a world-class tutor went up dramatically.

و توانایی آن برای معلمی در سطح جهانی به شدت افزایش یافت.

And you can see it's talking to itself here.

و می‌ببینید که اینجا با خودش صحبت می‌کند.

It says, "The student got a different answer than I did,

می‌گوید: «دانشجو پاسخی متفاوت از پاسخ من دریافت کرد،

but do not tell them they made a mistake.

اما به او نگویید که اشتباه کرده است.

Instead, ask them to explain how they got to that step."

در عوض، از او بخواهید توضیح دهد که چگونه به آن مرحله رسیده‌ است.»

So I'll just finish off, hopefully,

خب، سخنم را می‌خواهم تمام کنم، امیدوارم،

you know, what I’ve just shown you is just half of what we are working on,

خب، آنچه که به شما نشان دادم فقط نیمی از چیزی است که روی آن کار می‌کنیم،

and we think this is just the very tip of the iceberg

و ما فکر می‌کنیم این فقط نوک کوه یخ است

of where this can actually go.

از آنچه که در واقع می‌خواهیم انجام دهیم.

And I'm pretty convinced, which I wouldn't have been even a year ago,

و کاملاً مطمئن بودم که تا حتی یک سال پیش نمی‌توانستم این کار را انجام دهم،

that we together have a chance of addressing the 2 sigma problem

اینکه با هم فرصتی داریم که به مشکل دو سیگما بپردازیم

and turning it into a 2 sigma opportunity,

و آن را به یک فرصت دو سیگما تبدیل کنیم.

dramatically accelerating education as we know it.

تسریع چشمگیر آموزش همانطور که ما آن را می‌شناسیم.

Now, just to take a step back at a meta level,

اکنون، برای برداشتن یک گام به عقب در سطح متا،

obviously we heard a lot today, the debates on either side.

بدیهی است که امروز بحث‌های زیادی از هر دو طرف شنیده‌ایم.

There's folks who take a more pessimistic view of AI,

افرادی هستند که دیدگاه بدبینانه‌ای نسبت به هوش مصنوعی دارند.

they say this is scary,

آن را ترسناک می‌خوانند،

there's all these dystopian scenarios,

همه این سناریوهای آینده‌پژوهی وجود دارند،

we maybe want to slow down, we want to pause.

شاید باید سرعت خود را کم کنیم، و کمی مکث کنیم.

On the other side, there are the more optimistic folks

و در طرف دیگر، افراد خوش‌بین‌تر هم وجود دارد

that say, well, we've gone through inflection points before,

که می‌گویند، ما قبلاً نقاط عطف را پشت سر گذاشته‌ایم،

we've gone through the Industrial Revolution.

ما قبلاً انقلاب صنعتی را پشت سر گذاشته‌ایم.

It was scary, but it all kind of worked out.

ترسناک بود، اما در نهایت همه چیز درست شد.

And what I'd argue right now

و چیزی که اکنون می‌خواهم استدلال کنم

is I don't think this is like a flip of a coin

این است که هوش مصنوعی مانند سکه در هوا انداختن نیست

or this is something where we'll just have to,

یا مانند چیزی که مجبور به انجام آن هستیم،

like, wait and see which way it turns out.

تا، مثلا، منتظر بمانید و ببینید کدام سمت می‌رود.

I think everyone here and beyond,

من فکر می‌کنم همه‌ی ما در اینجا و جاهای دیگر،

we are active participants in this decision.

مشارکت کنندگان فعالی در این تصمیم هستیم.

I'm pretty convinced that the first line of reasoning

من تقریباً مطمئن شده‌ام که خط اول استدلال

is actually almost a self-fulfilling prophecy,

در واقع نوعی پیش‌گویی خود تحقق‌بخشی است،

that if we act with fear and if we say,

که اگر ما با ترس رفتار کنیم و بگوییم:

"Hey, we've just got to stop doing this stuff,"

«هی! ما باید دست از انجام این کارها بکشیم»،

what's really going to happen is the rule followers might pause,

این رخ می‌هد که تابعان قوانین ممکن است توقف کنند،

might slow down,

یا سرعت خود را کم کنند،

but the rule breakers, as Alexandr [Wang] mentioned,

اما متخلفان، همانطور که الکساندر [وانگ] اشاره کرد،

the totalitarian governments, the criminal organizations,

تمامیت‌خواهان، سازمان‌های جنایتکار،

they're only going to accelerate.

رشد خواهند کرد.

And that leads to what I am pretty convinced is the dystopian state,

و این منتهی به چیزی می‌شود که مطمئنم همان وضعیت آینده‌پژوهی خواهد بود.

which is the good actors have worse AIs than the bad actors.

که در آن، افراد خوب هوش مصنوعی بدتری نسبت به افراد بد دارند.

But I'll also, you know, talk to the optimists a little bit.

اما می‌دانید، می‌خواهم کمی با خوش‌بین‌ها نیز صحبت کنم.

I don't think that means that,

به نظرم این بدان معنا نیست:

oh, yeah, then we should just relax and just hope for the best.

«اوه، بله، پس راحت بنشینیم و صرفاً به بهترین‌ها امیدوار باشیم.

That might not happen either.

ممکن است این اتفاق هم نیفتد.

I think all of us together have to fight like hell

من فکر می‌کنم که همه‌مان باید با دل و جان بجنگیم

to make sure that we put the guardrails,

تا مطمئن شویم که این نرده‌های محافظتی که قرار می‌دهیم،

we put in -- when the problems arise --

- در زمانی که مشکلات پیش می‌آیند -

reasonable regulations.

مقررات معقولی هستند.

But we fight like hell for the positive use cases.

اما ما به طور خستگی ناپذیری برای استفاده‌های مثبت می‌جنگیم.

Because very close to my heart,

زیرا، این برای من بسیار عزیز است،

and obviously there's many potential positive use cases,

و مشخصاً کاربردهای مثبت بالقوه زیادی وجود دارد،

but perhaps the most powerful use case

اما شاید قوی‌ترین کاربرد،

and perhaps the most poetic use case is if AI, artificial intelligence,

شاید شاعرانه‌ترین کاربرد هوش مصنوعی

can be used to enhance HI, human intelligence,

تقویت هوش انسانی،

human potential and human purpose.

پتانسیل انسانی و هدف انسانی باشد‌.

Thank you.

سپاسگزارم.

(Applause)

(تشویق ببیندگان)