AI (i) univerzitet

Vekovima je univerzitetsko obrazovanje u Evropi bilo na latinskom. Ne zato što se neko time razmetao, nego zato što je latinski bio jezik nauke, lingua franca koja je omogućavala da student iz Praga čita rad profesora iz Pariza, da italijanski matematičar diskutuje sa engleskim astronomom, bez prevodilaca i bez granica. Latinski nije bio ukras nego infrastruktura intelektualnog života.

A kada su u 18. i 19. veku nacionalni jezici počeli da preuzimaju njegovu ulogu, deo akademske zajednice se tome opirao argumentima koji su tada zvučali ubedljivo. Latinski održava intelektualnu disciplinu. Sprečava površnost. Čuva kontinuitet sa antičkom tradicijom. Sve je to bilo tačno, i ništa od toga nije bilo važno – dok se na univerzitetima vodila ova bitka, svet izvan zidina je već bio doneo odluku. Naučni radovi su počeli da se pišu na engleskom, nemačkom, francuskom. Inženjeri su projektovali na svom jeziku. Trgovinski ugovori su se sastavljali na jeziku koji su ugovorne strane razumele. Univerziteti koji su insistirali na latinskom postali su mesta gde se znanje čuva, ali ne i gde se ono rađa. Oni koji su prešli na žive jezike, iako je to tada delovalo kao kapitulacija, postali su dominantni.

Dva veka kasnije, na sličnom smo raskršću. Predmet spora, doduše, više nije jezik nego nešto suptilnije: kognitivna infrastruktura obrazovanja. Veštačka inteligencija je za nepune tri godine postala deo svakodnevnog rada inženjera, programera, lekara, advokata, novinara. A ipak u učionicama i amfiteatrima vodi se gotovo identična debata. Da li dozvoliti veštačku inteligenciju? Zabraniti je? Detektovati? Ograničiti na određene predmete? Da li su studenti koji koriste AI varalice ili žrtve loših profesora? Da li su profesori koji je koriste inovatori ili je u pitanju izdaja prosvetne misije?

Ova debata je već izgubljena, kao što je nekada izgubljena ona o latinskom jeziku. Ne zato što je AI dobar ili loš, nego zato što je svet izvan univerziteta odlučio.

Pitanje, dakle, više nije da li dozvoliti AI u obrazovanju. Pitanje je: ako je AI sada deo intelektualne infrastrukture, šta to konkretno menja u načinu na koji učimo i podučavamo?

MIT O ESEJU

Na početku vredi razrešiti pretpostavku koja iskrivljuje debatu. Slika da je univerzitet pre ChatGPT-a funkcionisao bez ozbiljnih izazova nije tačna. Pisani esej, koji je u poslednje dve godine postao centar mnogih rasprava, oslanja se na pretpostavku da student sam, satima, sedi za stolom i piše. Ta pretpostavka, ruku na srce, već dugo nije bila tačna. Servisi tipa Chegg, Course Hero, pa i jednostavno plaćanje starijih studenata da esej završe umesto studenta postojali su decenijama. Ono što se zaista promenilo nije, dakle, pojava varanja, već njegova demokratizacija. Studenti iz bogatijih porodica decenijama su imali pristup alatima koji su im olakšavali rad. AI je, jednim potezom, taj pristup učinio dostupnim svima. Pretpostavka o eseju kao izvornom samostalnom radu postala je neodrživa za sve, ne samo za neke.

Da li je onda moguć povratak na olovku i papir, na proktorisane ispite, uvođenje zabrane AI-a u učionicama? Oni koji to predlažu polaze od pretpostavke da univerzitet, ako AI ne pusti unutra, može da nastavi da radi po starom modelu dok se napolju odvija nešto sasvim drugo. Ova pretpostavka ne stoji. Univerzitet nije zatvorena institucija. On postoji da bi pripremao ljude za svet izvan svojih zidova. Mladi inženjeri, lekari, advokati, ekonomisti provedu četiri ili pet godina na fakultetu, a zatim izlaze u struku u kojoj se od njih očekuje da, već prvog radnog dana, koriste alate koje ta struka koristi. Diploma stečena u sredini gde se AI ne pominje nije diploma koja štiti tradiciju. Ona je diploma koja ne priprema za posao.

UČENJE KOJE SMO DO SADA POZNAVALI

Svako ko je studirao seća se sati provedenih nad jednom stranicom knjige, nad jednom formulom, lupajući glavom u pokušaju da razume šta je pisac, zapravo, hteo da kaže. Knjiga je pisana za prosečnog čitaoca, sa autorovim pretpostavkama o predznanju studenata i primerima iz ličnog miljea. Kada bi student udario u prepreku, postojale su tri opcije. Sačekati konsultacije, tražiti drugu knjigu ili, najčešće, odustati i preći preko problematičnog dela, sa nadom da će se kasnije sve nekako složiti.

AI taj problem rešava u realnom vremenu. Student koji ne razume jedan pasus može tražiti pet drugih objašnjenja, sa pet različitih analogija, sa primerima prilagođenim sopstvenom predznanju. Sati i dani bačeni nad istom stranicom više nisu neminovni, što suštinski menja kvalitet i brzinu samog učenja.

Drugi problem koji AI rešava je suptilniji. Reč je o onome što kognitivni psiholozi zovu unknown unknowns, rupama u znanju koje student ne ume sam da detektuje jer ne zna šta ne zna. Blumova studija iz 1984. dokumentovala je da individualno tutorstvo daje za dve standardne devijacije bolje rezultate od grupne nastave (prosečan tutorisan učenik ima bolje rezultate od oko 98% učenika koji pohađaju grupnu nastavu). Uz pomoć veštačke inteligencije, student može da pita svog digitalnog tutora: “Postavi mi pitanje na koje bih dao pogrešan odgovor”, ili: “Nabroj greške koje studenti najčešće prave u vezi sa ovim pojmom”. Rupa koja bi se vukla semestrima nestaje za dvadeset minuta.

Postoji i aspekt koji se retko priznaje: sram. Studenti se često stide da pitaju isto pitanje treći ili četvrti put, naročito u grupi. Uz AI, te prepreke više nema. Mnogo toga je tokom studija ostajalo nerazjašnjeno upravo zato što student nije imao hrabrosti da pita ponovo. Učenje od pojave AI-a više nije isto.

ALAT KOJI IZJEDNAČAVA

Vekovima je kvalitet visokog obrazovanja bio raspodeljen krajnje neravnomerno. Najbolji profesori su predavali na šačici institucija, a u te institucije se ulazilo kroz uska vrata, geografska, finansijska i klasna. Ostali su učili od onih koje im je sredina nudila.

Revolucija Masovnih otvorenih onlajn kurseva (MOOC) kroz platforme poput Coursere i edX-a, obećavala je da će ovo rešiti, ali nije uspela. Video predavanje sa Stanforda i dalje je bilo jednosmerno: mogli ste da gledate, ali kada biste zapeli u učenju, profesor vam nije bio dostupan.

AI je prvi alat u istoriji koji demokratizuje ne samo informaciju, već kognitivnu uslugu. Isti GPT je dostupan studentu u Novom Sadu i studentu u Kembridžu, sa istim strpljenjem, istim objašnjenjima i istom sposobnošću prilagođavanja nivou znanja studenta. Ali ne izjednačava se sve. Pristup laboratorijama, krugu izabranih vršnjaka, mreži profesionalnih veza, ugledu diplome na tržištu rada ostaje raslojeno. Ono što se diže globalno jeste plafon kompetentnosti.

Postoji još jedna dimenzija ovog izjednačavanja koja je možda i važnija od prostorne. Reč je o vremenu. Inženjer od četrdeset pet godina koji je propustio određeno polje, sada može da ga savlada za nekoliko meseci uz AI tutora. Donedavno bi to tražilo povratak u školu ili dugo odsustvo sa posla. Sposobnost ažuriranja kompetencija postaje važnija od inicijalnog obrazovanja.

foto: ap

ILUZIJA KOMPETENCIJE

Ali iz iste te demokratizacije izvire nešto što treba ozbiljno razmotriti. Naivno bi se reklo: ako AI sve zna, zašto bismo mi pamtili? Zašto bi učenik trošio godine na sticanje znanja ako asistenta koji zna više ima na klik? Ova logika, koliko god zvučala razumno, vodi u pogrešnom smeru. AI nije zamena za znanje. AI je multiplikator znanja koje već imamo. A množenje ima jedno svojstvo koje vredi razumeti: ako pomnožiš nulu sa hiljadu, dobićeš nulu. Razlika između onog ko poseduje temeljno znanje i onog ko ga ne poseduje, kada oboje koriste isti AI, nije marginalna nego suštinska.

Lekar koji poznaje internu medicinu ili advokat koji poznaje sudsku praksu mogu od AI-a tražiti analizu i odmah prepoznati kada alat halucinira, kada nudi argument koji u datoj jurisdikciji ne stoji, kada propušta nešto specifično za slučaj pred njima. Onaj bez te osnove čita isti odgovor i klima glavom, a što je još gore, ne zna koliko je propustio, jer mu odgovor i dalje deluje autoritativno.

Reč je o pojavi koju kognitivni psiholozi nazivaju iluzijom kompetencije. AI sistematski proizvodi osećaj poznatog bez stvarnog napora. Student čita objašnjenje, sve deluje jasno, prati se logika i subjektivni osećaj je: razumeo sam ovo. Ali ono što je student zapravo iskusio jeste prepoznavanje smislenosti a ne proizvodnja razumevanja. Kada student sam pokušava da nešto objasni, sukobljava se sa rupama, sa pitanjima na koja ne zna da odgovori. Taj sukob jeste učenje. AI ga eliminiše.

Empirijski dokazi se gomilaju. Studija Univerziteta u Pensilvaniji pokazala je da su učenici koji su koristili ChatGPT za vežbanje rešili 48 odsto više problema, ali im je rezultat na testu razumevanja bio 17 odsto niži. Studija Michaela Gerlicha iz 2025. ukazala je na negativnu korelaciju između upotrebe AI alata i kritičkog mišljenja, posebno kod mlađih korisnika.

A posledica je ozbiljnija nego što na prvi pogled deluje. Jaz između prosečnog i odličnog stručnjaka, sa AI-em, može da naraste za ceo red veličine. AI ne izjednačava kompetenciju nego izdvaja vrednost temeljnog znanja. Naivno se očekivalo da će alat svima podići nivo znanja i veština i tako približiti vrh i sredinu. Dogodilo se obrnuto. Za najbolje, AI je postao multiplikator, jedan čovek sada radi ono što je donedavno tražilo desetoricu, i tržište im to plaća dramatično više. Za one u sredini, isti taj alat briše ono što ih je izdvajalo, jer ono što rade sada može gotovo svako, pa im tržište plaća dramatično manje.

ŠTA DECA TREBA DA UČE

Šta sve ovo znači i šta treba da učimo mlade? Naivno mišljenje glasi – a deca često koriste ovaj argument – ako odgovor na svako pitanje imamo u džepu, zašto pamtiti datume, formule ili gramatička pravila?

Ovo je epistemološki ozbiljna greška i vraća nas onome što je još 1987. godine, u knjizi Cultural Literacy, formulisao američki obrazovni teoretičar E. D. Hirsch. Razumevanje teksta nije opšta veština čitanja, ono je funkcija pozadinskog znanja. Čitalac koji zna šta su kamatne stope i obveznice može da pročita finansijsku vest i razume njene posledice. Čitalac koji to ne zna pročitaće sve reči, ali neće razumeti zašto je vest važna. Bez memorisanih činjenica, kompleksno razmišljanje ne postaje samo neefikasno, ono postaje nemoguće, jer vreme potrebno da se nešto izgugla ili proveri kod AI-a deli misao na fragmente, a misao zahteva kontinuitet.

Ali nije samo reč o brzini mišljenja. Postoji još jedan razlog zbog kog znanje mora ostati u ljudskoj glavi, a ne samo u spoljašnjem alatu. Ljudi ne čitaju knjige tako što ih pretvaraju u neutralan sažetak. Deset čitalaca iste knjige ne pamti istu knjigu. Nije to samo Heraklitova reka, nego i prirodna činjenica o čitanju: ono što čovek ponese iz teksta zavisi od onoga sa čim je u tekst ušao. Svako ga razume kroz sopstveno predznanje, profesiju, temperament, generacijsko iskustvo, jezik i društveni položaj. Ta nesavršenost ljudskog pamćenja je izvor različitih tumačenja. Kultura, nauka i javna rasprava ne žive od toga što svi iz teksta izvuku istu suštinu, nego od toga što različiti ljudi u istom tekstu vide različite probleme.

AI, nasuprot tome, teži da tekst svede na glatku, prosečnu verziju značenja, izrečenu sa lažnom sigurnošću. To je korisno kada nam treba brz faktografski pregled ili razumevanje tehničke dokumentacije. Ali ako društvo počne da uči iz sažetaka, a zatim iz sažetaka tih sažetaka, znanje se ne produbljuje nego stanjuje. Problem nije samo u tome što AI može da pogreši. Problem je i u tome što može da izbriše dragocene razlike u ljudskim tumačenjima. Ono što kod čoveka izgleda kao ograničenje, nesavršeno pamćenje, selektivnost, čak i šum ličnog iskustva, u obrazovanju je često prednost. Upravo zato znanje mora zadržati ljudsko jezgro.

foto: ap

ŠTA UNIVERZITET ZAPRAVO PRODAJE

Iz svega ovoga sledi i pitanje šta se dešava sa institucijom univerziteta kao celinom. Puko prenošenje znanja postaje komodifikovano. Mentorstvo, stručni sud, profesionalno usmeravanje postaju retki i dragoceni. Univerzitet koji se drži samo pukog prenošenja informacija gubi svrhu. Onaj koji se odlučuje za dubinu, postaje skuplji, ali i vredniji.

Naši fakulteti danas rade po modelu četiri plus jedan ili tri plus dva, sa periodom akreditacije od sedam godina za ceo program. To znači da student elektrotehnike koji se upiše 2026. godine diplomira 2030. po programu formiranom 2020. ili 2021. U normalnim vremenima, to je podnošljivo. U eri AI-a, to je dovoljno da diploma izađe na tržište već zastarela.

Predlog je inženjerski. Uskladiti akreditacioni ciklus sa brzinom kojom se naučna oblast menja. Prve dve godine, temeljno znanje i fundamenti struke ostaju na sedmogodišnjem ciklusu, jer se to znanje ne menja. Treća godina, napredno bazno i početno produkciono znanje, menja se i akredituje na svake tri godine. Četvrta godina, napredno znanje koje industrija aktivno traži, na godinu dana. Master studije, najnaprednije znanje koje koriste vrhunske kompanije i istraživačke organizacije, takođe na godinu dana, uz kontinuiranu mogućnost kompletne revizije. Različiti slojevi sistema imaju različite frekvencije ažuriranja. Baza ostaje stabilna, vrh se konstantno ažurira.

Vraćamo se na latinski. Vekovima su univerziteti odbijali da ga napuste, a svet izvan zidina je odlučio mnogo pre njih. Institucije koje su to najsporije priznale platile su najvišu cenu. AI ne ukida potrebu za obrazovanjem, on je multiplikuje. Ali multiplikator radi samo tamo gde već ima šta da pomnoži. Nikada u istoriji obrazovanja nije bilo važnije sa fakulteta izaći sa znanjem koje je program zaista podrazumevao, ne sa diplomom kao papirom. Sa AI-em, razlika između to dvoje postaje vidljiva već prvog dana posla.

Srpski fakulteti ne mogu da pobede u globalnoj trci za AI infrastrukturom. Mogu, međutim, brzo da prepoznaju da je dubina mentorstva postala važnija od veličine amfiteatra, da je broj upisanih manje važan od mreže koja se gradi, i da odbrana “tradicionalne nastave” zapravo predstavlja odbranu modela koji svet napušta. Adaptacija ne traži novac koji nemamo. Traži da nastavu uskladimo sa svetom u koji studente puštamo, umesto sa svetom iz koga su došli njihovi
profesori.

Autor je profesor na Fakultetu tehničkih nauka u Novom Sadu