जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति

MIT की AI पर बनी तदर्थ समिति जनरेटिव AI को ऐसी टूलिंग समस्या नहीं मानती जिसे किसी नीति से ठीक कर दिया जाए। उसकी रिपोर्ट इसे इस बात की कसौटी मानती है कि MIT की शिक्षा आख़िर किसलिए है, और कहती है कि अनिश्चितता निष्क्रियता का बहाना नहीं हो सकती।

एक समिति, एक ज़िम्मेदारी, एक समय-सीमा और कोई तय धारणा नहीं #

किसी नई तकनीक पर ज़्यादातर संस्थागत रिपोर्टें तब आती हैं जब लेखकों के मन में बहस पहले ही तय हो चुकी होती है। यह रिपोर्ट अपने बारे में कुछ और कहती है। शिक्षण, अधिगम और शोध प्रशिक्षण में AI के उपयोग पर बनी तदर्थ समिति इस काम में अनुभवों की व्यापक विविधता लेकर आई और कोई तय धारणा नहीं, और वह अपने काम को संक्षिप्त पर गहन बताती है। यह पद्धति के बारे में एक दावा है, और निष्कर्षों को कैसे पढ़ा जाए इसके लिए यह मायने रखता है: आगे के निष्कर्ष ऐसी बातों के रूप में रखे गए हैं जिन तक समिति पहुँची, न कि ऐसी बातें जिन्हें वह साबित करने निकली थी।

समय-सीमा छोटी है। जनवरी 2026 में चांसलर मेलिसा नोबल्स, प्रोवोस्ट अनंथा चंद्रकासन और फ़ैकल्टी चेयर रॉजर लेवी ने समिति को यह ज़िम्मेदारी सौंपी। इसके बाद उसने पाँच महीने तक MIT समुदाय में बैठकें, शोध और संवाद किए। घोषित उद्देश्य यह समझना था कि संस्थान के जीवन और शैक्षिक मिशन में जनरेटिव AI की क्या भूमिका है, और यह सुझाना था कि इससे आने वाली चुनौतियों और अवसरों, दोनों को कैसे संभाला जाए।

ज़िम्मेदारी के तीन हिस्से थे, और उन्हें एक साथ पढ़ना चाहिए क्योंकि वे अलग-अलग दिशाओं में खींचते हैं। समिति से MIT में AI के मौजूदा उपयोग का आकलन करने को कहा गया, जो एक वर्णनात्मक काम है। उससे शिक्षण और छात्र मूल्यांकन में नवाचारों की पहचान करने को कहा गया, जो एक खोजपरक काम है। और उससे AI उपयोग नीति प्रस्तावित करने को कहा गया, जो एक मानक तय करने वाला काम है। जो समूह पहला काम करे पर तीसरा नहीं, वह एक सर्वेक्षण बनाता है। जो समूह तीसरा करे पर पहला नहीं, वह ऐसी नियम-पुस्तिका बनाता है जिसे छात्र अनदेखा कर देते हैं। रिपोर्ट तीनों का प्रयास करती है, और यह लेख भी उसी क्रम में चलता है: क्या हो रहा है, क्या बदल रहा है, और समिति इसके बारे में क्या करने को कहती है।

संरचना भी मायने रखती है। समिति में स्नातक और स्नातकोत्तर छात्र, हर स्कूल से फ़ैकल्टी, और संबंधित इकाइयों से कर्मचारी थे, जिनमें MIT Libraries और Teaching and Learning Lab शामिल हैं। एरिक क्लॉपफ़र और सैम मैडेन सह-अध्यक्ष हैं। जिन संस्थापकों और तकनीकी पाठकों ने किसी एक वर्ग के दबदबे वाली समितियाँ झेली हैं, उनके लिए यह मिश्रण उल्लेखनीय है। छात्र उस निकाय में बैठे जो छात्रों के व्यवहार का आकलन कर रहा था। हर स्कूल की फ़ैकल्टी मौजूद थी, सिर्फ़ उन स्कूलों की नहीं जहाँ AI सबसे ज़ाहिर तौर पर प्रासंगिक है। पुस्तकालयों और टीचिंग लैब के कर्मचारी उन इकाइयों का नज़रिया लाए जो रोज़मर्रा के शिक्षण को सहारा देती हैं।

रिपोर्ट अपनी शब्दावली को लेकर भी सावधान है, जो छोटा पर अर्थपूर्ण संकेत है कि उसका इस्तेमाल कैसे होना है। “शिक्षक” में फ़ैकल्टी और MIT में पढ़ाने में लगे बाक़ी सभी लोग शामिल हैं। “छात्रों” के ज़्यादातर उल्लेख स्नातक और स्नातकोत्तर दोनों छात्रों पर लागू होते हैं, कुछ स्पष्ट जगहों को छोड़कर। ये परिभाषाएँ हैं, निष्कर्ष नहीं, पर ये पाठक-वर्ग को चौड़ा करती हैं। जो नीति सिर्फ़ स्थायी फ़ैकल्टी से बात करे, वह उन बहुत-से लोगों को छोड़ देगी जो असल में सेक्शन चलाते हैं और काम जाँचते हैं।

बार-बार, व्यापक और भावनात्मक रूप से मिला-जुला #

पहला निष्कर्ष वह है जो बाक़ी सब कुछ ज़रूरी बना देता है। MIT के छात्र AI का बार-बार और व्यापक उपयोग करते हैं। रिपोर्ट इसे न चिंता के रूप में पेश करती है, न जीत के रूप में। वह इसे बुनियादी तथ्य के रूप में रखती है जिसे ध्यान में रखकर कोई भी नीति लिखी जानी चाहिए, और इसके साथ यह भी बताती है कि छात्र इसके बारे में कैसा महसूस करते हैं, जो बहुत मिला-जुला है।

भावनाओं का दायरा चौड़ा है। एक तरफ़ रिपोर्ट जिज्ञासा, रचनात्मक प्रेरणा और कृतज्ञता गिनाती है। दूसरी तरफ़ वह हार मान लेना, चिंता और बेचैनी गिनाती है। इन्हें दो खेमों की तरह पढ़ना आसान होगा, उत्साही और चिंतित। शब्दों से कुछ कम सुथरी बात झलकती है: यह दायरा उस छात्र-समुदाय के भीतर की भावनाओं का वर्णन करता है जो तकनीक का व्यापक उपयोग करता है, इसलिए एक ही छात्र के मन में इनमें से एक से ज़्यादा भावनाएँ होना संभव है। रिपोर्ट यह सीधे नहीं कहती, और यहाँ सावधान रहना ठीक है। दावा जो स्थापित करता है वह फैलाव है, न कि यह कि व्यक्ति उसमें कैसे बँटे हैं।

शिक्षकों में भी ऐसी ही विविधता दिखती है, हालाँकि एक अलग धुरी पर। उनका रुख़ उत्साही प्रयोग और AI पर बढ़ती निर्भरता से लेकर संशय, शक और “AI से इनकार” तक फैला है। “बढ़ती निर्भरता” वाला वाक्यांश ध्यान देने लायक़ है। रिपोर्ट सिर्फ़ एक छोर पर प्रयोग करने वालों और दूसरे छोर पर दूर रहने वालों का वर्णन नहीं कर रही। कम से कम कुछ शिक्षक अपने काम में इन टूल पर निर्भर होते जा रहे हैं, जबकि दूसरों ने इनसे बिल्कुल न जुड़ने का फ़ैसला किया है।

दोनों समूहों को साथ रखें तो एक संरचनात्मक समस्या दिखती है। छात्र AI का व्यापक उपयोग करते हैं। शिक्षक निर्भरता से इनकार तक पूरे दायरे में फैले हैं। दो विषयों के बीच आने-जाने वाला छात्र उस दायरे के विपरीत छोरों पर खड़े दो शिक्षकों से मिल सकता है। रिपोर्ट इसका परिणाम सीधे दर्ज करती है: किसी एक विषय के भीतर और पूरे पाठ्यक्रम में AI के उपयोग को लेकर स्पष्टता, एकरूपता और औचित्य की कमी से छात्र उलझन और चिंता में हैं।

यह वाक्य ध्यान से पढ़ने लायक़ है, क्योंकि यह तीन अलग विफलताओं का नाम लेता है। स्पष्टता का मतलब है कि नियम समझ में आता है या नहीं। एकरूपता का मतलब है कि नियम एक जगह से दूसरी जगह एक जैसा है या नहीं। औचित्य का मतलब है कि किसी ने समझाया है या नहीं कि नियम क्यों है। कोई नीति इनमें से किसी एक में भी स्वतंत्र रूप से विफल हो सकती है। कोई नियम स्पष्ट पर मनमाना हो सकता है, या एकरूप पर बिना समझाए। रिपोर्ट के अनुसार छात्रों की शिकायत तीनों को समेटती है, और यह एक विषय के भीतर भी लागू होती है और पूरे पाठ्यक्रम में भी।

इसके ठीक बगल में एक ज़्यादा आशाजनक निष्कर्ष है। रिपोर्ट शिक्षकों के बीच अनुभव, विचार और तकनीकें साझा करने की व्यापक इच्छा का वर्णन करती है। जिस समुदाय में राय इतनी तीखी तरह से बँटी हो, वहाँ आपस में अनुभव मिलाने की यह भूख एक पूँजी है। यह संकेत देती है कि असहमति उस जड़ जमाई क़िस्म की नहीं है जहाँ हर पक्ष सुनना बंद कर चुका हो। क्या इस भूख को उस एकरूपता में बदला जा सकता है जो छात्र चाहते हैं, यह ऐसा सवाल है जिसे निष्कर्ष उठाते हैं, हल नहीं करते।

संकेत कि नींव खिसक रही है #

निष्कर्षों का सबसे चौंकाने वाला हिस्सा उन बातों की सूची है जो AI शायद MIT के शैक्षिक अनुभव के साथ कर रहा है। हर बात को एक संकेत के रूप में रखा गया है, और यह ढाँचा जानबूझकर है। समिति यह दावा नहीं कर रही कि उसने इन प्रभावों को मापा है। वह बता रही है कि उनके संकेत हैं, और सावधान पाठक को भी इसी रेखा पर टिके रहना चाहिए।

मुख्य संकेत यह है कि AI MIT के शैक्षिक अनुभव के बुनियादी तत्वों को उलट-पुलट रहा है, ख़ासकर स्नातक छात्रों के लिए। रिपोर्ट इन तत्वों के नाम लेती है: p-set, टेक-होम परीक्षा और UROP, फिर ऑफ़िस आवर्स और अध्ययन समूह। ये हाशिये की चीज़ें नहीं हैं। प्रॉब्लम सेट रोज़ के काम की इकाई है। टेक-होम परीक्षा भरोसे का एक रूप है। UROP वह रास्ता है जिससे स्नातक छात्र शोध में प्रवेश करते हैं। ऑफ़िस आवर्स और अध्ययन समूह वे जगहें हैं जहाँ सीखना सामाजिक बनता है। जब रिपोर्ट कहती है कि इन्हें उलट-पुलट किया जा रहा है, तो वह स्नातक अनुभव के भार उठाने वाले हिस्सों का नाम ले रही है।

इसके बाद कई और संकेत आते हैं, और हर एक को अलग से कहना ठीक है क्योंकि हर एक अलग तरह के नुक़सान की ओर इशारा करता है।

ऐसे संकेत हैं कि AI अलगाव बढ़ा रहा है। अध्ययन समूह और ऑफ़िस आवर्स इस पर टिके हैं कि लोग एक-दूसरे की ओर मुड़ें। अगर एक सक्षम सहायक हमेशा उपलब्ध हो, तो ऐसा करने की प्रेरणा कमज़ोर पड़ सकती है। रिपोर्ट इस क्रियाविधि को स्पष्ट नहीं करती, इसलिए इसे क्रियाविधि के रूप में नहीं कहा जाना चाहिए। संकेत अलगाव का है, और गिनाए गए तत्व बताते हैं कि यह कहाँ दिख सकता है।

ऐसे संकेत हैं कि AI छात्रों की दक्षता और आत्मविश्वास को कमज़ोर कर रहा है। ये दो अलग चीज़ें हैं। दक्षता इस बारे में है कि छात्र असल में क्या कर सकता है। आत्मविश्वास इस बारे में है कि छात्र मानता है कि वह क्या कर सकता है। रिपोर्ट दोनों को साथ रखती है, और यह जोड़ी याद दिलाती है कि नुक़सान दोनों दिशाओं में हो सकता है: जिस छात्र ने काम बाहर सौंप दिया, उसके पास शायद कौशल न हो, और जिसके पास कौशल है, वह उस पर शक कर सकता है।

ऐसे संकेत हैं कि AI शिक्षकों और छात्रों के बीच के “सामाजिक अनुबंध” को घिस रहा है। वाक्यांश के आसपास उद्धरण-चिह्न रिपोर्ट के अपने हैं। सीधे शब्दों में निहितार्थ यह है कि दोनों पक्ष इस बारे में धारणाएँ रखते हैं कि हर कोई क्या करेगा, और रिपोर्ट को संकेत मिलते हैं कि ये धारणाएँ कमज़ोर हो रही हैं। यह नियमों को लेकर छात्रों की उलझन से मेल खाता है: अगर कोई नहीं बता सकता कि क्या अपेक्षित है, तो अनुबंध के पास टिकने को कम ही ज़मीन बचती है।

ऐसे संकेत हैं कि AI छात्रों की प्रगति का आकलन बहुत कठिन बना रहा है। इसका व्यावहारिक पहलू साफ़ है। ग्रेड, फ़ीडबैक और यह फ़ैसला कि कोई आगे बढ़ने को तैयार है या नहीं, सब इस पर निर्भर हैं कि यह बताया जा सके कि छात्र क्या समझता है। अगर काम का परिणाम अब भरोसेमंद ढंग से छात्र को नहीं दर्शाता, तो यह उपकरण काम करना बंद कर देता है।

अंत में, ऐसे संकेत हैं कि AI कठोरता, सीखने के लिए ज़रूरी रचनात्मक घर्षण, मिलकर समस्या सुलझाने और व्यक्तिगत सत्यनिष्ठा को लेकर MIT समुदाय के दशकों पुराने विशिष्ट मानदंडों और मूल्यों को चुनौती दे रहा है। यह संकेतों में सबसे व्यापक है और शायद सबसे दूरगामी। “रचनात्मक घर्षण” ऐसा वाक्यांश है जिस पर ठहरना चाहिए: दावा यह है कि कुछ कठिनाई सीखने का ज़रूरी अंश है, और जो टूल कठिनाई हटा दे, वह शायद वह चीज़ भी हटा दे जिसकी रक्षा ये मानदंड कर रहे थे।

इसमें से कुछ भी तय बात के रूप में नहीं कहा गया। सब कुछ सावधानी से कहा गया है, और पाठक का सही रुख़ यह है कि संकेतों को गंभीरता से ले, पर उन्हें मापे गए प्रभावों में न बदले। यही वह भेद है जिसे अच्छी समिति बचाए रखती है और लापरवाह सारांश खो देता है।

छात्रों को क्या जानना चाहिए, यह ख़ुद बदल रहा है #

पिछला खंड पढ़कर कोई पाठक यह मान सकता है कि समस्या नक़ल है, और कड़ी मूल्यांकन व्यवस्था इसे हल कर देगी। रिपोर्ट दो तरह से इस ढाँचे का विरोध करती है।

पहला, वह साफ़ कहती है कि AI यह बदल रहा है कि छात्रों को क्या जानना चाहिए और क्या करना आना चाहिए। स्रोत में यह कोई सावधानी भरा दावा नहीं है। यह तथ्य के रूप में कहा गया परिणाम है। निहितार्थ यह है कि समस्या सिर्फ़ यह नहीं कि छात्र मौजूदा कामों को दरकिनार कर सकते हैं। अगर बुनियादी कौशल खिसक गए हैं, तो काम ख़ुद ग़लत लक्ष्य पर निशाना साध रहे हो सकते हैं।

दूसरा, वह पाठ्यक्रम के बारे में एक परिणाम निकालती है। MIT में पढ़ाए जाने वाले हर विषय की संभवतः फिर से जाँच करनी होगी और शायद उसे नए सिरे से गढ़ना होगा, ताकि शिक्षण, अधिगम और मूल्यांकन “AI-सजग” हों। सावधानी असली है: “संभवतः करनी होगी” और “शायद नए सिरे से गढ़ना” आदेश नहीं हैं। पर दायरा पूरा है। यह हर विषय कहता है। किसी संस्थागत दस्तावेज़ में यह असामान्य रूप से बड़ा दावा है, क्योंकि ज़्यादातर सुधार प्रस्ताव कुछ विभागों या कुछ पाठ्यक्रमों को चुनते हैं।

“AI-सजग” वाक्यांश रिपोर्ट का अपना है, और सोच-समझकर चुना गया है। यह AI-सक्षम नहीं कहता, जिससे अपनाने का अर्थ निकलता, न AI-रोधी, जिससे बचाव का अर्थ निकलता। सजगता दोनों प्रतिक्रियाओं की पूर्व-शर्त है। किसी विषय की फिर से जाँच हो सकती है और फिर वह अच्छे कारणों से AI को सीमित करने, अनिवार्य करने या अनदेखा करने का फ़ैसला कर सकता है, पर वह यह चुनाव अच्छी तरह तभी कर सकता है जब पहले समझ ले कि यह टूल पढ़ाई और आकलन की जा रही चीज़ पर कैसे असर डालता है। यह औचित्य को लेकर छात्रों की शिकायत से भी जुड़ता है। AI-सजग विषय वह है जिसके शिक्षक अपना रुख़ समझा सकें।

समिति पाठ्यक्रम से आगे जाती है। वह कहती है कि AI का आगमन आज की उच्च शिक्षा की प्रकृति, दायरे और उद्देश्य के एक व्यापक, समग्र पुनर्मूल्यांकन की माँग करता है। स्रोत में यह एक स्थापित दावा है, बिना किसी सावधानी के कहा गया, और यह रिपोर्ट को पाठ्यक्रम-रचना से संस्थागत उद्देश्य तक ले जाता है। समिति यह भी कहती है कि संस्थान समुदाय, ख़ासकर फ़ैकल्टी, को MIT शिक्षा की संरचना, अर्थ और मूल्य के बारे में गहरे सवालों से जूझना होगा, और AI संस्थान के मिशन को जटिल बनाने वाले कई कारकों में से एक है।

यह आख़िरी उपवाक्य आसानी से छूट जाता है, और ऐसा नहीं होना चाहिए। AI कई कारकों में से एक है। समिति यह दावा नहीं कर रही कि अकेले AI ने मिशन को सवालों के घेरे में डाल दिया है। वह कह रही है कि AI पहले से मौजूद जटिलताओं के बीच आ रहा है और उन्हें तीखा कर रहा है। शिक्षा तकनीक बनाने वाले किसी भी व्यक्ति के लिए यह उपयोगी सुधार है: ख़रीदार कोई ऐसा संस्थान नहीं जिसकी एक साफ़ समस्या हो जिसे कोई उत्पाद हल कर दे, बल्कि ऐसा संस्थान है जो इस बड़ी बातचीत के बीच में है कि वह किसलिए है।

व्यावहारिक चिंताएँ और कक्षा से आगे के सवाल #

रिपोर्ट ख़ुद को शिक्षाशास्त्र तक सीमित नहीं रखती। वह समुदाय के लिए व्यावहारिक चिंताएँ गिनाती है, और उन्हें व्यापक सामाजिक सवालों से अलग रखती है, जो एक समझदारी भरा विभाजन है।

व्यावहारिक पक्ष पर, AI डेटा गोपनीयता और गोपनीयता-बंधन से लेकर असमान पहुँच, पूर्वाग्रह, निष्पक्षता और जवाबदेही से जुड़े सवालों तक गंभीर चिंताएँ पैदा करता है। इन्हें जोड़ियों में देखें। गोपनीयता और गोपनीयता-बंधन इस बारे में हैं कि किसी टूल में जाने वाली जानकारी का क्या होता है: छात्रों का काम, शोध सामग्री, कुछ भी जो कोई शोधकर्ता इमारत से बाहर न जाने देना चाहे। असमान पहुँच, पूर्वाग्रह, निष्पक्षता और जवाबदेही इस बारे में हैं कि किसे फ़ायदा होता है और किसे नुक़सान, और कुछ ग़लत होने पर जवाब कौन देता है। शोध प्रशिक्षण के माहौल में दोनों समूह चुभते हैं। जो नीति सबको गोपनीयता-बंधन पर ध्यान दिए बिना कोई टूल इस्तेमाल करने को कहे, वह अधूरी होगी, और जो नीति असमान पहुँच को अनदेखा करे, वह इस जोखिम में होगी कि छात्र जो भी सदस्यता ख़रीद सके, वही उसका फ़ायदा बन जाए। दूसरा उदाहरण चिंता का एक दृष्टांत है, रिपोर्ट का निष्कर्ष नहीं, क्योंकि रिपोर्ट यह मुद्दा केवल ऊपर के सामान्य शब्दों में रखती है।

परिसर से आगे, रिपोर्ट नोट करती है कि AI का विस्तार सामाजिक सवाल उठाता है। इनमें AI डेटा सेंटरों का पर्यावरणीय असर, बौद्धिक संपदा और प्रशिक्षण डेटा का उपयोग, और तकनीक तथा उद्योग का समग्र मानवीय प्रभाव शामिल है। ये ऐसे सवाल हैं जिन्हें कोई विश्वविद्यालय अकेले हल नहीं कर सकता, पर ये फिर भी ऐसे सवाल हैं जो उसके सदस्यों से पूछे जाएँगे और जिन्हें छात्र उठाएँगे। इन्हें रिपोर्ट में शामिल करना इस बात की स्वीकृति है कि AI के बारे में और AI के साथ पढ़ाना एक ऐसे संदर्भ में होता है जिस पर लोगों की राय है।

यह देखना उपयोगी है कि रिपोर्ट इन चिंताओं के साथ संरचनात्मक रूप से क्या करती है: वह इन्हें स्थिति के बारे में तथ्यों के रूप में रखती है, किसी ख़ास रुख़ के पक्ष में तर्क के रूप में नहीं। समिति यह नहीं कहती कि डेटा सेंटरों के पर्यावरणीय असर की वजह से MIT को उपयोग सीमित करना चाहिए। वह कहती है कि ये सवाल मौजूद हैं। यह संयम उस दस्तावेज़ के अनुकूल है जो विविध रायों वाले समुदाय का मार्गदर्शन करने के लिए लिखा गया है, और यह सिफ़ारिशों को विचारधारा के बजाय निष्कर्षों से बाँधे रखता है।

रिपोर्ट अपनी विनम्रता को भी नज़र में रखती है। दूसरे शैक्षिक संस्थान भी AI को लेकर ऐसे ही सवालों से जूझ रहे हैं, और लगता है कि किसी के पास सारे जवाब नहीं हैं। यह वाक्य सावधानी से कहा गया है, और ठीक ही: “लगता है” ईमानदार काम कर रहा है। यह MIT को साथियों के आगे नहीं, उनके बीच रखता है, और किसी दूसरे संस्थान के तरीक़े को तैयार जवाब मान लेने के लालच को रोकता है।

एक तकनीक जो सिमटी हुई घड़ी पर आई #

उच्च शिक्षा से बाहर के पाठकों के लिए रिपोर्ट का विश्लेषण की दृष्टि से सबसे उपयोगी हिस्सा यह है कि वह बताती है कि यह तकनीक अलग क्यों लगती है। वह एक सरल मॉडल देती है कि नवाचार कैसे आते हैं।

कुछ तकनीकी नवाचार धीरे-धीरे उभरते हैं। जैसे-जैसे समाज और तकनीक साथ-साथ विकसित होते हैं, आपसी अनुकूलन असर को नरम कर देता है। स्रोत एक उदाहरण देता है: कंप्यूटर, जिसे AI का पूर्ववर्ती और मुख्य सक्षमकर्ता बताया गया है, इसी ढर्रे में आता है। समय के साथ संस्थानों ने कंप्यूटर के साथ पढ़ाना, उनसे बने काम का आकलन करना और उनके उपयोग के मानदंड तय करना सीखा। अनुकूलन इतना धीमा था कि वह आपसी हो सका।

दूसरे नवाचार ज़्यादा अचानक आते हैं, और व्यक्तियों तथा संस्थानों को अनुकूलन का समय मिलने से पहले ही सामाजिक रूप से अहम हो जाते हैं। रिपोर्ट का तर्क है कि जनरेटिव AI इस दूसरे समूह में आता है।

अपनी बात रखने के लिए वह एक तारीख़ तय करती है। समाज किसी नई तकनीक का “जन्म” उस क्षण को मानता है जब वह आसानी से इस्तेमाल लायक़ हो जाती है। इस पैमाने पर जनरेटिव आर्टिफ़िशियल इंटेलिजेंस का “जन्म” 2022 के अंत में ChatGPT के जारी होने के साथ हुआ। इसलिए जनरेटिव AI से जनता का जुड़ाव चार साल से भी कम पुराना है। स्रोत के अनुसार इतने समय में इसके एक अरब से ज़्यादा उपयोगकर्ता हो गए हैं।

इन दोनों संख्याओं को साथ रखें: चार साल से कम, और एक अरब से ज़्यादा उपयोगकर्ता। बात कहने के लिए रिपोर्ट को इससे ज़्यादा कुछ नहीं कहना पड़ता। जो तकनीक चार साल से कम में जारी होने से एक अरब उपयोगकर्ताओं तक पहुँच गई, उसने पाठ्यक्रम समितियों, मूल्यांकन रचने वालों या नीति कार्यालयों को वैसा कई साल लंबा रनवे नहीं दिया जैसा कंप्यूटर ने दिया था।

रिपोर्ट दो और अवलोकन जोड़ती है। AI तकनीक बेचने वाली कंपनियाँ सुर्ख़ियों, शेयर बाज़ार और सार्वजनिक चेतना पर हावी हो गई हैं। और AI लगभग हर क्षेत्र में ऐसी समय-सीमा पर आगे बढ़ रहा है जो इतनी सिमटी हुई है कि समाज उसके प्रभावों को ठीक से देख, उनका विश्लेषण कर और फिर धीरे-धीरे अनुकूलन न कर सके।

ध्यान से पढ़ें तो आख़िरी वाक्य उन चार चरणों को रखता है जिनकी धीमे अनुकूलन को आमतौर पर ज़रूरत होती है: प्रभावों को देखना, उनका विश्लेषण करना, फिर अनुकूलन करना, और यह सब धीरे-धीरे करना। दावा यह है कि समय-सीमा इस क्रम के लिए बहुत सिमटी हुई है। यह समस्या का सटीक बयान है। बात यह नहीं कि AI बुरा है, या अच्छा है। बात यह है कि जिस सामान्य तरीक़े से समाज किसी नए टूल को आत्मसात करता है, यानी कार्रवाई से पहले देखना और सीखना, वह इस रफ़्तार में फ़िट नहीं बैठता।

किसी संस्थापक के लिए यहाँ ग्राहक के बारे में एक सबक़ है। इस स्थिति में पड़ा संस्थान इसलिए धीमा नहीं कि वह ज़िद्दी है। वह इसलिए धीमा है कि उसकी सामान्य प्रक्रिया एक ऐसी घड़ी मानकर चलती है जो अब लागू नहीं होती। जो उत्पाद और सेवाएँ संस्थानों को सिमटे हुए समय में समझदारी से काम करने में मदद करें, न कि यह मानकर चलें कि उन्हें मामले का अध्ययन करने का समय मिला है, वे उसी वास्तविक स्थिति को संबोधित कर रहे हैं जिसका रिपोर्ट वर्णन करती है। यह रिपोर्ट के ढाँचे के पक्ष में एक तर्क है, बाज़ार के बारे में रिपोर्ट का कोई दावा नहीं।

आठ सिद्धांत, विनम्रता के साथ #

स्थिति का वर्णन करने के बाद रिपोर्ट इस ओर मुड़ती है कि वह इसके बारे में क्या करेगी। वह आठ सिद्धांत परिभाषित करके शुरू करती है जिन पर समिति ने भरोसा किया और जिनसे उसे उम्मीद है कि वे आगे के काम में संस्थान का मार्गदर्शन करेंगे। यहाँ स्रोत के दावे सीमित हैं: वह बताता है कि सिद्धांत आठ हैं, और पहला बताता है। बाक़ी उपलब्ध सामग्री में नहीं हैं, और यह लेख उनका अनुमान नहीं लगाएगा।

पहला सिद्धांत यह है कि समिति अपने प्रस्ताव विनम्रता की भावना से रखती है। शुरुआत के लिए यह असामान्य जगह है। जिस रिपोर्ट ने अभी-अभी स्थिति को ज़रूरी बताया हो, उससे उम्मीद हो सकती है कि वह अपने सिद्धांत दृढ़ संकल्प से शुरू करे। इसके बजाय वह सीमाओं के बयान से शुरू होती है, और तुरंत समझाती है कि व्यवहार में विनम्रता का क्या मतलब है: जैसे-जैसे तकनीक विकसित होती रहेगी और संस्थान प्रयोग करता और सीखता रहेगा, दिशा-सुधार, शायद बड़े भी, अपरिहार्य होंगे।

यह वाक्य सावधानी भरा है, और खरा भी। समिति यह वादा नहीं कर रही कि उसकी सिफ़ारिशें अगले कुछ सालों से टकराकर बच जाएँगी। वह पहले से कह रही है कि उनमें से कुछ में शायद संशोधन की ज़रूरत होगी, और संस्थान को करके सीखने की उम्मीद रखनी चाहिए। चार साल से कम पुरानी तकनीक पर पाँच महीने की समय-सीमा में बने दस्तावेज़ के लिए यह ठोस रुख़ है। इससे रिपोर्ट पर भरोसा करना भी आसान होता है। जो समिति अंतिम शब्द होने का दावा करती, उसे बदलाव की रफ़्तार के बारे में उसके अभी-अभी रखे सबूत ही झुठला देते।

फिर भी विनम्रता को जड़ता बनने की इजाज़त नहीं है। स्रोत साफ़ है: अनिश्चितता निष्क्रियता का बहाना नहीं हो सकती। और रणनीतिक रुख़ भी उतनी ही दृढ़ता से कहा गया है। शिक्षण और अधिगम में AI की चुनौतियाँ हर जगह, और ख़ासकर MIT में, एक साहसी रणनीतिक प्रतिक्रिया की माँग करती हैं।

इन दोनों बयानों को एक जोड़ी के रूप में पढ़ना सबसे अच्छा है। पहला किसी ख़ास जवाब पर भरोसे को सीमित करता है। दूसरा उस सीमा को इंतज़ार का कारण बनने से इनकार करता है। साथ मिलकर ये एक कार्य-पद्धति बताते हैं: कार्रवाई करो, देखो, सुधारो। यह वही पद्धति है जिसे धीमे तकनीकी अपनाव ने समाज को दशकों में अपनाने दिया, बस किसी संस्थान के योजना-चक्र में सिमटी हुई।

समिति संस्थान की भूमिका के बारे में एक विश्वास भी रखती है। वह कहती है कि MIT की नेतृत्व करने की ज़िम्मेदारी है। यह शब्द-चयन एक विश्वास है, निष्कर्ष नहीं, और इसे वैसे ही पढ़ा जाना चाहिए। सामग्री में कुछ भी नहीं बताता कि ठोस रूप में नेतृत्व कैसा दिखेगा, और इस स्रोत पर आधारित किसी लेख को इसे गढ़ना नहीं चाहिए। फिर भी यह विश्वास “साहसी रणनीतिक प्रतिक्रिया” में “साहसी” को समझाता है। जो संस्थान मानता है कि उसे नेतृत्व करना चाहिए, वह “रुको और देखो” वाले रुख़ को स्वीकार्य नहीं मान सकता।

सिफ़ारिशें और अभी खुला काम #

रिपोर्ट शिक्षकों और प्रशासन, दोनों के लिए तात्कालिक और दीर्घकालिक कार्रवाइयों की सिफ़ारिश करने का वादा करती है। यह विभाजन अपने आप में जानकारी देता है। शिक्षक वे लोग हैं जो तय करते हैं कि किसी ख़ास विषय में क्या होगा, और निष्कर्ष बताते हैं कि उन्हें AI-सजग चुनाव करने के लिए जगह और सहारे की ज़रूरत है। प्रशासन वह निकाय है जो उन मुद्दों को संबोधित कर सकता है जिन्हें कोई एक शिक्षक नहीं कर सकता: पूरे पाठ्यक्रम में एकरूपता, नीति, और गोपनीयता, पहुँच तथा जवाबदेही से जुड़ी व्यावहारिक चिंताएँ। तात्कालिक और दीर्घकालिक का बँटवारा मानता है कि कुछ चीज़ें इसी सत्र में की जा सकती हैं, जबकि दूसरी के लिए लगातार प्रयास चाहिए।

उपलब्ध दावों में उन सिफ़ारिशों की सामग्री शामिल नहीं है, और यह लेख उसे नहीं जोड़ेगा। जो कहा जा सकता है वह यह है कि निष्कर्ष उन्हें कैसे बाँधते हैं।

अगर छात्र असंगति से उलझन में हैं, तो शिक्षकों के लिए सिफ़ारिशों को यह संबोधित करना होगा कि चुनाव कैसे समझाए जाएँ और, जहाँ उचित हो, कैसे एक सीध में लाए जाएँ। अगर शिक्षक अनुभव, विचार और तकनीकें साझा करना चाहते हैं, तो सिफ़ारिशों को उस इच्छा को कोई ठिकाना देना होगा। अगर आकलन कठिन होता जा रहा है, तो दीर्घकालिक कार्रवाइयों में शायद इस पर फिर से सोचना शामिल होगा कि क्या आँका जाए और कैसे, जो विषयों की फिर से जाँच की रिपोर्ट की अपनी पुकार से मेल खाता है। ये निष्कर्षों से निकाले गए अनुमान हैं कि सिफ़ारिशों को क्या संबोधित करना होगा, न कि इस बारे में बयान कि रिपोर्ट क्या सिफ़ारिश करती है, और इन्हें हल्के ढंग से थामा जाना चाहिए।

कुछ खुले सवाल ख़ुद दावों से उठते हैं।

पहला यह है कि संकेत सबूत कैसे बनते हैं। रिपोर्ट कहती है कि बढ़ते अलगाव, कमज़ोर दक्षता और आत्मविश्वास, घिसे हुए सामाजिक अनुबंध और कठिन होते आकलन के संकेत हैं। किसी भी संस्थान के लिए स्वाभाविक अगला क़दम यह पता करना है कि ये प्रभाव कितने बड़े हैं और कहाँ केंद्रित हैं। रिपोर्ट की सावधानी भरी भाषा उस अंतर को चिह्नित करती है जो संदेह और माप के बीच है।

दूसरा यह है कि क्या शिक्षकों की साझा करने की इच्छा रायों के वास्तविक दायरे को चपटा किए बिना एकरूपता पैदा कर सकती है। रिपोर्ट उत्साही प्रयोग से लेकर AI से इनकार तक के रुख़ का वर्णन करती है। वह स्पष्टता, एकरूपता और औचित्य की छात्रों की माँग भी दर्ज करती है। इन दोनों तथ्यों का मेल बिठाना आसान न हो, और रिपोर्ट यह दावा नहीं करती कि आसान है।

तीसरा पाठ्यक्रम के काम का पैमाना है। “हर विषय” बहुत सारे विषय हैं, और रिपोर्ट की सावधानी (“संभवतः फिर से जाँच करनी होगी और शायद नए सिरे से गढ़ना होगा”) इस बात में भिन्नता की गुंजाइश छोड़ती है कि संशोधन कितना गहरा जाए। कोई संस्थान हज़ारों विषयों के बीच प्राथमिकताएँ कैसे तय करे, उस घड़ी पर जिसे रिपोर्ट ख़ुद सिमटी हुई बताती है, यही वह व्यावहारिक सवाल है जिसे निष्कर्ष खड़ा छोड़ देते हैं।

चौथा, और वह जिसे समिति सबसे सीधे रेखांकित करती है, MIT शिक्षा की संरचना, अर्थ और मूल्य के बारे में गहरे सवालों का समूह है। AI मिशन को जटिल बनाने वाले कई कारकों में से एक है, और ख़ासकर फ़ैकल्टी से इन सवालों से जूझने को कहा गया है। कोई नीति महीनों में लिखी जा सकती है। समिति जिस पुनर्मूल्यांकन की माँग करती है, आज की उच्च शिक्षा की प्रकृति, दायरे और उद्देश्य का, वह एक लंबी बातचीत है, और रिपोर्ट साफ़ है कि शुरू करने से पहले वह निश्चितता का इंतज़ार नहीं कर सकती।

रिपोर्ट अपने पाठकों को जहाँ छोड़ती है, उसे सबसे अच्छी तरह उसकी अपनी पंक्ति पकड़ती है: दिशा-सुधार अपरिहार्य होंगे, और अनिश्चितता निष्क्रियता का बहाना नहीं हो सकती। जो खुला रह जाता है वह यह है कि कौन-से सुधार पहले आते हैं, और MIT में कौन सबूत पूरे होने से पहले उन्हें करने को तैयार है।

क्षेत्र-वार इसका क्या अर्थ है #

शीर्ष विश्वविद्यालयों में जनरेटिव AI का तेज़ प्रसार कई शैक्षिक और पेशेवर क्षेत्रों में संस्थागत उथल-पुथल के शुरुआती संकेतक का काम करता है।

उच्च शिक्षा और शोध विश्वविद्यालय #

उच्च शिक्षा के नेतृत्व को यह मानना होगा कि पाठ्यक्रम-स्तर की “AI प्रतिबंध” नीतियाँ लागू नहीं की जा सकतीं और उलटा असर करती हैं। चुनौती संरचनात्मक है: सीखने के आकलन को आमने-सामने मौखिक बचाव, एक साथ समस्या-समाधान और क्रमिक परियोजना पोर्टफ़ोलियो की ओर जाना होगा, जहाँ सिर्फ़ अंतिम लिखित कृति को आँकने के बजाय तर्क की यात्रा की जाँच हो।

EdTech और AI ट्यूटरिंग प्रदाता #

व्यावसायिक टूल बनाने वाले एक शैक्षणिक दुविधा का सामना करते हैं। सिर्फ़ जवाब पैदा करने के लिए बने उत्पाद छात्रों की विरक्ति और संज्ञानात्मक अलगाव को तेज़ करते हैं। शीर्ष श्रेणी के अकादमिक माहौल में वही प्लेटफ़ॉर्म फलेंगे-फूलेंगे जो सुकराती पद्धति को उपकरण में ढालें, लक्षित सहारा देते हुए संज्ञानात्मक संघर्ष को बचाए रखें।

उद्यम शिक्षण और तकनीकी ऑनबोर्डिंग #

कॉरपोरेट प्रशिक्षण अकादमियाँ और तकनीकी नियोक्ता उसी दक्षता की कमी का सामना करते हैं: ऐसे जूनियर कर्मचारी जो बुनियादी विफलता-प्रकारों को समझे बिना जनरेटिव कोड टूल का इस्तेमाल करते हैं। इंजीनियरिंग संगठनों को अपने प्रशिक्षुता मॉडल को ढालना होगा ताकि बुनियादी डीबगिंग और आर्किटेक्चर संबंधी तर्क का आकलन हो सके।

निष्कर्ष #

MIT की तदर्थ समिति की रिपोर्ट इसलिए अलग दिखती है कि वह जनरेटिव AI को अकादमिक सत्यनिष्ठा की एक परेशानी तक सीमित करने से इनकार करती है। तकनीक को विश्वविद्यालय शिक्षा के मूल उद्देश्य की कसौटी के रूप में रखकर समिति एक संयत रूपरेखा देती है: संस्थागत विनम्रता की भावना से प्रयोग अपनाओ, पर अनिश्चितता को प्रशासनिक जड़ता का औचित्य न बनने दो। अगले शैक्षणिक चक्र की असली परीक्षा यह होगी कि क्या फ़ैकल्टी पाठ्यक्रमों को इस तरह फिर से गढ़ सकती है कि गहरी दक्षता बची रहे और स्नातक AI-आधारित दुनिया के लिए तैयार हों।

अक्सर पूछे जाने वाले प्रश्न #

क्या MIT छात्रों के कोर्सवर्क में जनरेटिव AI पर प्रतिबंध लगाता है?

नहीं। MIT कोई व्यापक प्रतिबंध लागू नहीं करता। अलग-अलग शिक्षक अपने विषयों के लिए नीति तय करते हैं, जो असाइनमेंट में AI के एकीकृत उपयोग से लेकर AI-रहित बुनियादी अभ्यासों तक होती है, और समिति ज़्यादा संस्थागत एकरूपता और पारदर्शी शैक्षणिक औचित्य की सिफ़ारिश करती है।

जनरेटिव AI पारंपरिक “p-set” (प्रॉब्लम सेट) पर कैसे असर डालता है?

प्रॉब्लम सेट ऐतिहासिक रूप से अकेले समस्या सुलझाने के ज़रिए संज्ञानात्मक दृढ़ता विकसित करने का मुख्य साधन रहे हैं। AI की व्यापक उपलब्धता के साथ छात्र तेज़ी से सही हल पैदा कर सकते हैं, जिससे यह जोखिम बनता है कि सतही ढंग से पूरा करना असली बौद्धिक दक्षता की जगह ले ले।

मूल्यांकन को लेकर समिति की सिफ़ारिश क्या है?

समिति रेखांकित करती है कि पारंपरिक मूल्यांकन साधनों (टेक-होम परीक्षाएँ, मानक लिखित प्रॉब्लम सेट) का फिर से आकलन होना चाहिए। दीर्घकालिक समाधान एक साथ होने वाले मूल्यांकन, परियोजना-आधारित प्रदर्शनों और ऐसे पाठ्यक्रम पुनर्गठन पर केंद्रित हैं जो यांत्रिक आउटपुट के बजाय आलोचनात्मक विश्लेषण को पुरस्कृत करे।

संदर्भ #

• MIT Ad Hoc Committee, (2026). शिक्षण, अधिगम और शोध प्रशिक्षण में AI के उपयोग पर अंतिम रिपोर्ट ⧉. Massachusetts Institute of Technology.
• MIT Office of the Chancellor and Provost, (2026). जनरेटिव AI पर तदर्थ समिति को सौंपी गई ज़िम्मेदारी ⧉. Massachusetts Institute of Technology.
• Eric Klopfer and Samuel Madden, (2026). जनरेटिव AI के युग में शिक्षण और अधिगम ⧉. MIT News.

अंतिम समीक्षा 2026-09-25.

अंतिम समीक्षा 2026-10-27.

# जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/](https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/)

MIT की AI समिति कहती है कि छात्र AI का व्यापक उपयोग करते हैं, शिक्षकों की राय बँटी हुई है और हर विषय की समीक्षा ज़रूरी है, पर अनिश्चितता निष्क्रियता का बहाना नहीं।

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/

जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau

MIT की AI समिति कहती है कि छात्र AI का व्यापक उपयोग करते हैं, शिक्षकों की राय बँटी हुई है और हर विषय की समीक्षा ज़रूरी है, पर अनिश्चितता निष्क्रियता का बहाना नहीं।

https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/

जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau

MIT की AI समिति कहती है कि छात्र AI का व्यापक उपयोग करते हैं, शिक्षकों की राय बँटी हुई है और हर विषय की समीक्षा ज़रूरी है, पर अनिश्चितता निष्क्रियता का बहाना नहीं।.

यहाँ मुख्य रणनीतिक निष्कर्ष हैं:

- एक समिति, एक ज़िम्मेदारी, एक समय-सीमा और कोई तय धारणा नहीं. किसी नई तकनीक पर ज़्यादातर संस्थागत रिपोर्टें तब आती हैं जब लेखकों के मन में बहस पहले ही तय हो चुकी होती है। यह रिपोर्ट अपने बारे में कुछ और कहती है। शिक्षण, अधिगम और शोध प्रशिक्षण में AI के उपयोग पर बनी तदर्थ समिति…
- बार-बार, व्यापक और भावनात्मक रूप से मिला-जुला. पहला निष्कर्ष वह है जो बाक़ी सब कुछ ज़रूरी बना देता है। MIT के छात्र AI का बार-बार और व्यापक उपयोग करते हैं। रिपोर्ट इसे न चिंता के रूप में पेश करती है, न जीत के रूप में। वह इसे बुनियादी तथ्य के रूप में रखती है जिसे…
- संकेत कि नींव खिसक रही है. निष्कर्षों का सबसे चौंकाने वाला हिस्सा उन बातों की सूची है जो AI शायद MIT के शैक्षिक अनुभव के साथ कर रहा है। हर बात को एक संकेत के रूप में रखा गया है, और यह ढाँचा जानबूझकर है। समिति यह दावा नहीं कर रही कि उसने इन…
- छात्रों को क्या जानना चाहिए, यह ख़ुद बदल रहा है. पिछला खंड पढ़कर कोई पाठक यह मान सकता है कि समस्या नक़ल है, और कड़ी मूल्यांकन व्यवस्था इसे हल कर देगी। रिपोर्ट दो तरह से इस ढाँचे का विरोध करती है।.

इस लेख में उल्लिखित चुनौतियों के प्रति आपके संगठन का दृष्टिकोण क्या है?

→ https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/

#Mit #जनरेटिवAi #उच्चशिक्षा #Aiनीति #शिक्षणऔरअधिगम

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026जब,
  author  = {Rousseau, Sebastien},
  title   = {{जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/
ER  -

Rousseau S. जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau. sebastienrousseau.com. 2026 Sep 25. Available from: https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/

Rousseau, Sebastien. "जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau." sebastienrousseau.com. September 25, 2026. https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/.

Rousseau, S. (2026, September 25). जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/

जब तकनीक संस्थानों से पहले पहुँचे: पढ़ाई और AI पर MIT समिति — Sebastien Rousseau

MIT की AI समिति कहती है कि छात्र AI का व्यापक उपयोग करते हैं, शिक्षकों की राय बँटी हुई है और हर विषय की समीक्षा ज़रूरी है, पर अनिश्चितता निष्क्रियता का बहाना नहीं।

Originally published at https://sebastienrousseau.com/hi/2026-09-25-jab-taknik-sansthanon-pahale-pahunche-padhai/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER