Post by Elham Heidari
Founder @ Kara | AI Researcher & Educator | Generative AI • LLMs • Machine Learning | Building Intelligent Learning Systems
هوش مصنوعی در آموزش، مسئله انتخاب مدل نیست؛ مسئله معماری دانش است. در ماههای گذشته، بخش عمدهای از ,زمانم را صرف توسعه کارا https://karastan.ir کردهام؛ پلتفرمی که با هدف بهرهگیری از هوش مصنوعی در آموزش آغاز شد، اما در ادامه ما را به یک سؤال بنیادی رساند: دانش در یک سامانه آموزشی واقعاً کجا قرار دارد؟ در بسیاری از سامانههای مبتنی بر LLM، دانش عمدتاً در قالب اسناد، فایلها و متنها دیده میشود. این رویکرد برای بسیاری از کاربردها کاملاً مؤثر است، اما در آموزشهای مهارتی با یک چالش مواجه شدیم. در آموزش مبتنی بر شایستگی، پاسخ بسیاری از پرسشها در یک سند یا یک PDF وجود ندارد؛ بلکه در رابطه میان مفاهیم نهفته است. رابطه میان استانداردهای آموزشی، شایستگیها، دانش، مهارتها، پیشنیازها، پروژههای عملی، معیارهای ارزیابی، منابع یادگیری و در نهایت مسیر رشد هر فراگیر. یک فایل PDF میتواند متن را نگه دارد، اما این روابط را بهصورت ساختاریافته نمایش نمیدهد. به همین دلیل، برای مسئلهای که در «کارا» با آن روبهرو بودیم، تکیه بر یک RAG مبتنی بر اسناد بهتنهایی کافی نبود. ابتدا باید دانش آموزشی را مدلسازی میکردیم. امروز، استانداردهای آموزشی در کارا فقط مجموعهای از فایلها نیستند؛ بلکه به موجودیتهای ساختاریافته تبدیل میشوند که میان آنها ارتباط برقرار است و همین ساختار، مبنای تولید هوشمند محتوا قرار میگیرد. بر پایه این معماری، کارا امروز میتواند فرآیندهایی مانند: • تولید طرح درس • طراحی آزمون • تولید محتوای آموزشی • ایجاد مسیر یادگیری • ساخت پروفایل مهارتی فراگیر را بر اساس استانداردهای آموزشی انجام دهد. اما این تنها آغاز مسیر است. اکنون در حال برنامه ریزی لایه بعدی معماری هستیم؛ جایی که شایستگی (Competency) به هسته دانش تبدیل میشود و هر شایستگی با دانش، مهارت، منابع آموزشی، پروژههای عملی، ابزارهای ارزیابی و در آینده، پروفایل مهارتی فراگیر ارتباط پیدا میکند. هدف ما حرکت به سمت معماری دانشی است که در آن، هوش مصنوعی فقط متنهای مشابه را بازیابی نکند، بلکه بتواند روابط میان مفاهیم آموزشی را نیز در تحلیل و استدلال خود وارد کند. در این مسیر، استفاده از ساختارهای دانشی و در ادامه رویکردهایی مانند Knowledge_Graph میتواند نقش مهمی ایفا کند. به مرور برایم روشن شده است که مزیت رقابتی یک سامانه هوشمند، بیش از آنکه در انتخاب یک مدل زبانی خاص باشد، در کیفیت معماری دانشی آن نهفته است. مدلهای زبانی هر چند ماه یکبار تغییر میکنند و قدرتمندتر میشوند؛ اما اگر معماری دانش بهدرستی طراحی شده باشد، میتوان از هر نسل جدید مدلها برای تولید خروجیهایی دقیقتر، قابل اعتمادتر و قابل توضیحتر استفاده کرد. من معتقدم نسل بعدی پلتفرمهای آموزشی، صرفاً با مدلهای بزرگتر ساخته نخواهد شد؛ بلکه با ترکیب دانش ساختاریافته، آموزش مبتنی بر شایستگی، هوش مصنوعی و معماریهای دانشی شکل خواهد گرفت. کارا، تلاشی است در همین مسیر. اگر امروز قرار بود یک سامانه آموزشی مبتنی بر هوش مصنوعی طراحی کنید، معماری آن را بر پایه اسناد میساختید یا بر پایه دانش ساختاریافته و روابط میان شایستگیها ؟ #هوش_مصنوعی #آموزش_هوشمند #آموزش_مبتنی_بر_شایستگی #معماری_دانش #ArtificialIntelligence #GenerativeAI #LLM #RAG #GraphRAG #KnowledgeGraph
