Az egyetem nem keresőmotor

Van egy pillanat, amit sok hallgató már nem is él meg különlegesnek: beír egy kérdést, kap egy magyarázatot, kér hozzá példát, majd egy egyszerűbb változatot, végül egy vázlatot a beadandóhoz. Ami néhány éve még technológiai mutatvány lett volna, ma gyakran csak egy gyors lépés a napi feladatok között.

A Világgazdaság A nagy AI-sztori című műsorának legújabb epizódja éppen ebből a helyzetből indult ki. A beszélgetésben Dr. Kovács Ákos, a Széchenyi István Egyetem tanszékvezetője és Aczél Petra kommunikációkutató, az egyetem professzora arról beszélt, hogyan alakítja át a mesterséges intelligencia az oktatás szerepét.

A kérdés elsőre provokatív: ha az AI összefoglal, magyaráz, kódot ír, nyelvhelyességet javít és tanulási segédletet készít, miért kellene bemenni egy egyetemre? De a valódi feszültség nem itt van. Az AI nem az egyetemet teszi feleslegessé, hanem azt az egyetemi működést kérdőjelezi meg, amely pusztán információátadásra épül.

A gyors válasz nem ugyanaz, mint a tudás

A fiatalabb generáció a műsorban elhangzottak szerint sokszor már nem külön technológiai csodaként kezeli az AI-t, hanem eszközként. Beadandóhoz, tájékozódáshoz, kódoláshoz, nyelvi javításhoz vagy döntések előkészítéséhez használja. A motiváció többnyire nem ideológiai, hanem praktikus: gyorsabban, egyszerűbben, kevesebb súrlódással eljutni valameddig.

Ez érthető. A gond ott kezdődik, amikor a hallgató nem tudja megítélni, meddig jutott el. Egy jól megírt AI-válasz könnyen keltheti azt az érzést, hogy a kérdés megoldódott, miközben csak egy szöveg keletkezett róla. A különbség aprónak tűnik, de az oktatásban ez az egyik legfontosabb határvonal.

Kovács Ákos álláspontja szerint az egyetem nem nyerhet abban a versenyben, hogy gyorsabban adjon információt, mint egy AI-rendszer. Ebben nincs is sok értelme versenyezni. A gép pillanatok alatt összegyűjt szempontokat, összefoglal anyagokat, és akár új kapcsolódásokat is felkínálhat. Csakhogy mindez akkor hasznos, ha a felhasználó tudja, mit kérdez, miért kérdezi, és hogyan ellenőrzi a választ.

A promptolás csak a belépő

A beszélgetés egyik kulcsszava a promptolás volt, vagyis az, hogyan adunk utasítást egy AI-rendszernek. Ez ma valóban alapvető készségnek látszik: aki pontosabban kérdez, jobb eséllyel kap használható választ.

De a promptolást könnyű túlértékelni. Nem elég ügyesen megfogalmazni egy kérést, ha nincs mögötte cél, háttértudás és ellenőrzési rutin. A jó kérdés nem technikai trükk, hanem gondolkodási munka. Tudni kell, milyen adatot osztunk meg a rendszerrel, mire használjuk fel a választ, és hol lehet benne hiba, torzítás vagy hiány.

Ez az a pont, ahol az egyetem szerepe újra értelmezhető. Nem feltétlenül abban erős, hogy minden választ ő ad meg először, hanem abban, hogy megtanítja: melyik válasz mit ér. Mi ellenőrizhető? Mi csak valószínű? Mi hangzik jól, de gyenge? Mi az, amit nem szabad átvenni saját megértés nélkül?

Nem mindegy, milyen nyelven kérdezünk

Aczél Petra a műsorban egy kevésbé látványos, de fontos problémát is kiemelt: a nyelv nem puszta csatorna. A nemzetközi AI-platformok magyarul gyengébben teljesíthetnek, és a válaszok hangsúlya is változhat attól függően, milyen nyelven, milyen kulturális közegből kérdezünk.

Ez különösen az oktatásban érzékeny. Ha egy hallgató az AI válaszát semleges tudásként kezeli, könnyen elsiklik afelett, hogy a rendszer nyelvi és kulturális előfeltevéseket is hordozhat. Nem biztos, hogy hamis választ ad, de az sem biztos, hogy azt a nézőpontot, fogalomhasználatot vagy hangsúlyt hozza, amely az adott tantárgyban, kutatási közegben vagy magyar nyelvi környezetben pontos lenne.

Itt az AI-használat már nem kényelmi kérdés, hanem értelmezési feladat. Aki csak átveszi a választ, kiszolgáltatott marad. Aki érti a közegét, képes vitatkozni vele.

Kinek segít, és kinek árt?

Az AI azoknak működik igazán jól, akiknek már van mibe beilleszteniük a választ. Egy tapasztalt programozó például gyorsabban írhat vele kódot, ellenőrizhet hibát vagy készíthet dokumentációt. Kovács Ákos szerint ebben az esetben az AI elsősorban hatékonyságnövelő eszköz lehet.

Más a helyzet, ha valaki olyan kódot generáltat, amelynek a működését maga sem érti. Ez rövid távon megoldásnak látszhat, hosszabb távon viszont éppen azt a tanulási folyamatot kerüli meg, amelyből szakmai tudás lenne. Ugyanez igaz a beadandókra, elemzésekre vagy kutatási vázlatokra is: az AI segíthet elindulni, de nem tudja helyettünk megszerezni a megértés tapasztalatát.

A munkaerőpiaci következmények sem feltétlenül egyenes vonalúak. A műsorban elhangzott, hogy a cégek egy része gondolhatja úgy: AI mellett kevesebb ember is elég. A programozói pályán azonban ez utánpótlási problémát is okozhat, ha közben nem vesznek fel juniorokat, akikből később tapasztalt szakemberek lennének.

Ez a minta az oktatásban is ismerős lehet: ha mindig kihagyjuk az első, lassú, hibákkal teli lépéseket, később nem biztos, hogy lesz mire építeni.

Mit lehet ezzel kezdeni?

A tiltás önmagában kevés, a lelkes ráhagyás pedig kockázatos. Életszerűbb megoldás, ha az AI használata láthatóvá válik a tanulási folyamatban. Egy hallgató például jelezheti, mire használta: vázlatra, ellenőrzésre, példák keresésére vagy nyelvi javításra. Az oktató pedig olyan feladatokat adhat, ahol nem a kész szöveg a lényeg, hanem az út: milyen kérdések vezettek oda, mit ellenőrzött a hallgató, mit vetett el, mit gondolt újra.

Ez nem teszi egyszerűbbé az oktatást, de őszintébbé teheti. Az AI jelenlétét ugyanis már nem lehet úgy kezelni, mintha csak szabályzat kérdése lenne. Inkább olyan alaphelyzet, amelyhez tanulási kultúrát kell építeni.

A legfontosabb elvi váltás talán ez: az egyetem nem attól marad fontos, hogy lassabban, de ünnepélyesebben mondja el ugyanazt, amit egy gép gyorsan összefoglal. Hanem attól, hogy megtanít különbséget tenni válasz, tudás és felelősség között.

Amit ebből érdemes hazavinni: az AI jó társ lehet a tanulásban, de rossz helyettes. Ha nem értjük, amit adott, akkor nem előrébb vagyunk, csak hamarabb jutottunk el a bizonytalansághoz.