संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती

MIT ची AI विषयक तदर्थ समिती जनरेटिव AI ला एखाद्या धोरणाने दुरुस्त करता येईल अशी साधनांची समस्या मानत नाही. तिचा अहवाल याला MIT चे शिक्षण नेमके कशासाठी आहे याची कसोटी मानतो, आणि अनिश्चितता हे निष्क्रियतेचे निमित्त होऊ शकत नाही असे म्हणतो.

एक समिती, एक जबाबदारी, एक कालमर्यादा आणि कोणताही ठरलेला सिद्धांत नाही #

नव्या तंत्रज्ञानावरील बहुतेक संस्थात्मक अहवाल तेव्हा येतात जेव्हा लेखकांच्या मनात चर्चा आधीच ठरलेली असते. हा अहवाल स्वतःबद्दल वेगळे सांगतो. अध्यापन, अध्ययन आणि संशोधन प्रशिक्षणातील AI वापरावरील तदर्थ समितीने या कामात अनुभवांची व्यापक विविधता आणली आणि कोणताही ठरलेला सिद्धांत नाही, आणि ती आपल्या कामाचे वर्णन थोडक्यात पण तीव्र असे करते. हा पद्धतीबद्दलचा दावा आहे, आणि निष्कर्ष कसे वाचावेत यासाठी तो महत्त्वाचा आहे: पुढील निष्कर्ष समिती ज्या गोष्टींपर्यंत पोहोचली त्या म्हणून मांडले आहेत, ती सिद्ध करायला निघाली होती त्या म्हणून नाही.

कालमर्यादा लहान आहे. जानेवारी २०२६ मध्ये चान्सलर मेलिसा नोबल्स, प्रोव्होस्ट अनंथा चंद्रकासन आणि फॅकल्टी चेअर रॉजर लेव्ही यांनी समितीवर ही जबाबदारी सोपवली. त्यानंतर तिने पाच महिने MIT समुदायात बैठका, संशोधन आणि संवाद केला. जाहीर उद्देश होता संस्थेच्या जीवनात आणि शैक्षणिक ध्येयात जनरेटिव AI ची भूमिका समजून घेणे, आणि त्यातून येणारी आव्हाने आणि संधी या दोन्ही कशा हाताळाव्यात याची शिफारस करणे.

जबाबदारीचे तीन भाग होते, आणि ते एकत्र वाचणे योग्य आहे कारण ते वेगवेगळ्या दिशांना ओढतात. समितीला MIT मधील AI च्या सध्याच्या वापराचे मूल्यमापन करायला सांगितले होते, जे वर्णनात्मक काम आहे. अध्यापन आणि विद्यार्थी मूल्यमापनातील नवकल्पना ओळखायला सांगितले होते, जे शोधक काम आहे. आणि AI वापर धोरण प्रस्तावित करायला सांगितले होते, जे मानक ठरवणारे काम आहे. जो गट पहिले काम करतो पण तिसरे नाही, तो सर्वेक्षण तयार करतो. जो गट तिसरे करतो पण पहिले नाही, तो अशी नियमपुस्तिका तयार करतो जिच्याकडे विद्यार्थी दुर्लक्ष करतात. अहवाल तिन्ही करण्याचा प्रयत्न करतो, आणि हा लेखही त्याच क्रमाने जातो: काय घडत आहे, काय बदलत आहे, आणि समिती त्याबद्दल काय करायला सांगते.

रचनाही महत्त्वाची आहे. समितीत पदवीपूर्व आणि पदव्युत्तर विद्यार्थी, प्रत्येक स्कूलमधील फॅकल्टी, आणि संबंधित विभागांतील कर्मचारी होते, ज्यात MIT Libraries आणि Teaching and Learning Lab यांचा समावेश आहे. एरिक क्लॉपफर आणि सॅम मॅडेन सहअध्यक्ष आहेत. ज्या संस्थापकांनी आणि तांत्रिक वाचकांनी एकाच गटाचे वर्चस्व असलेल्या समित्या अनुभवल्या आहेत, त्यांच्यासाठी हे मिश्रण लक्षणीय आहे. विद्यार्थ्यांच्या वर्तनाचे मूल्यमापन करणाऱ्या मंडळात विद्यार्थी बसले होते. प्रत्येक स्कूलची फॅकल्टी उपस्थित होती, केवळ ज्या स्कूलमध्ये AI सर्वात उघडपणे संबंधित आहे त्यांचीच नाही. ग्रंथालये आणि टीचिंग लॅबचे कर्मचारी दैनंदिन अध्यापनाला आधार देणाऱ्या विभागांचा दृष्टिकोन घेऊन आले.

अहवाल आपल्या शब्दसंग्रहाबाबतही काळजी घेतो, जे त्याचा वापर कसा व्हावा याचे छोटे पण बोलके चिन्ह आहे. “शिक्षक” मध्ये फॅकल्टी आणि MIT मध्ये अध्यापनात गुंतलेले इतर सर्वजण येतात. “विद्यार्थी” चे बहुतेक उल्लेख पदवीपूर्व आणि पदव्युत्तर दोन्ही विद्यार्थ्यांना लागू होतात, काही उघड ठिकाणे वगळता. या व्याख्या आहेत, निष्कर्ष नाहीत, पण त्या वाचकवर्ग रुंदावतात. जे धोरण फक्त कायम फॅकल्टीशी बोलते, ते प्रत्यक्षात सेक्शन चालवणाऱ्या आणि काम तपासणाऱ्या अनेकांना चुकवेल.

वारंवार, व्यापक आणि भावनिकदृष्ट्या संमिश्र #

पहिला निष्कर्ष तो आहे जो बाकी सर्व काही तातडीचे बनवतो. MIT चे विद्यार्थी AI चा वारंवार आणि व्यापक वापर करतात. अहवाल हे काळजी म्हणून किंवा विजय म्हणून मांडत नाही. तो हे मूलभूत तथ्य म्हणून मांडतो ज्याच्या आधारे कोणतेही धोरण लिहावे लागेल, आणि त्यासोबत विद्यार्थ्यांना याबद्दल काय वाटते याचेही वर्णन करतो, जे अत्यंत संमिश्र आहे.

भावनांची व्याप्ती मोठी आहे. एका बाजूला अहवाल कुतूहल, सर्जनशील प्रेरणा आणि कृतज्ञता नोंदवतो. दुसऱ्या बाजूला तो हार पत्करणे, काळजी आणि अस्वस्थता नोंदवतो. हे दोन गट म्हणून वाचणे सोपे होईल, उत्साही आणि चिंतित. शब्दरचनेतून काहीसे कमी नीटनेटके चित्र दिसते: ही व्याप्ती तंत्रज्ञानाचा व्यापक वापर करणाऱ्या विद्यार्थी समुदायातील भावनांचे वर्णन करते, त्यामुळे एकाच विद्यार्थ्याच्या मनात यातील एकापेक्षा अधिक भावना असणे शक्य आहे. अहवाल हे थेट म्हणत नाही, आणि इथे सावध राहणे योग्य आहे. दावा जे प्रस्थापित करतो ते म्हणजे पसरण, व्यक्ती त्यात कशा विभागल्या आहेत हे नाही.

शिक्षकांमध्येही अशीच व्याप्ती दिसते, पण वेगळ्या अक्षावर. त्यांची भूमिका उत्साही प्रयोग आणि AI वरील वाढत्या अवलंबित्वापासून संशय, शंका आणि “AI नकारा”पर्यंत पसरलेली आहे. “वाढते अवलंबित्व” हा शब्दप्रयोग लक्षात घेण्यासारखा आहे. अहवाल केवळ एका टोकाला प्रयोग करणारे आणि दुसऱ्या टोकाला दूर राहणारे यांचे वर्णन करत नाही. किमान काही शिक्षक आपल्या कामात या साधनांवर अवलंबून होत आहेत, तर इतरांनी त्यांच्याशी अजिबात न जोडण्याचा निर्णय घेतला आहे.

दोन्ही गट शेजारी ठेवले की एक रचनात्मक समस्या दिसते. विद्यार्थी AI चा व्यापक वापर करतात. शिक्षक अवलंबित्वापासून नकारापर्यंत संपूर्ण व्याप्तीत पसरलेले आहेत. दोन विषयांमध्ये ये-जा करणारा विद्यार्थी त्या व्याप्तीच्या विरुद्ध टोकांवरील दोन शिक्षकांना भेटू शकतो. अहवाल याचा परिणाम थेट नोंदवतो: एखाद्या विषयात आणि संपूर्ण अभ्यासक्रमात AI च्या वापराबाबत स्पष्टता, सुसंगती आणि समर्थन यांच्या अभावामुळे विद्यार्थी गोंधळलेले आणि चिंतित आहेत.

हे वाक्य बारकाईने वाचण्याजोगे आहे, कारण ते तीन वेगळ्या अपयशांची नावे घेते. स्पष्टता म्हणजे नियम समजतो की नाही. सुसंगती म्हणजे नियम एका ठिकाणाहून दुसऱ्या ठिकाणी सारखा आहे की नाही. समर्थन म्हणजे नियम का आहे हे कोणी स्पष्ट केले आहे की नाही. एखादे धोरण यांपैकी कोणत्याही एकात स्वतंत्रपणे अपयशी ठरू शकते. नियम स्पष्ट पण मनमानी असू शकतो, किंवा सुसंगत पण अस्पष्टीकृत. अहवालानुसार विद्यार्थ्यांची तक्रार तिन्हींना व्यापते, आणि ती एका विषयात आणि संपूर्ण अभ्यासक्रमात दोन्हीकडे लागू होते.

याच्या अगदी शेजारी एक अधिक आशादायक निष्कर्ष आहे. अहवाल शिक्षकांमध्ये अनुभव, कल्पना आणि तंत्रे वाटून घेण्याच्या व्यापक इच्छेचे वर्णन करतो. ज्या समुदायात मते इतक्या तीव्रपणे विभागलेली आहेत, तिथे एकमेकांचे अनुभव पडताळण्याची ही भूक एक संपत्ती आहे. ती सूचित करते की मतभेद त्या खोलवर रुजलेल्या प्रकारचे नाहीत जिथे प्रत्येक बाजूने ऐकणे थांबवले आहे. ही भूक विद्यार्थ्यांना हवी असलेल्या सुसंगतीत बदलता येईल का, हा प्रश्न निष्कर्ष उपस्थित करतात, सोडवत नाहीत.

पाया हलत असल्याची चिन्हे #

निष्कर्षांमधील सर्वात धक्कादायक भाग म्हणजे AI कदाचित MIT च्या शैक्षणिक अनुभवाला काय करत आहे याची यादी. प्रत्येक बाब चिन्ह म्हणून मांडली आहे, आणि ही मांडणी जाणीवपूर्वक आहे. समिती या परिणामांचे मोजमाप केल्याचा दावा करत नाही. ती त्यांची चिन्हे असल्याचे नोंदवते, आणि सावध वाचकानेही हीच रेषा धरून ठेवावी.

मुख्य चिन्ह असे की AI MIT च्या शैक्षणिक अनुभवाच्या मूलभूत घटकांना उलटेपालटे करत आहे, विशेषतः पदवीपूर्व विद्यार्थ्यांसाठी. अहवाल या घटकांची नावे घेतो: p-set, घरी सोडवायची परीक्षा आणि UROP, त्यानंतर ऑफिस अवर्स आणि अभ्यास गट. ही दुय्यम वैशिष्ट्ये नाहीत. प्रॉब्लेम सेट हे रोजच्या कामाचे एकक आहे. घरी सोडवायची परीक्षा हा विश्वासाचा एक प्रकार आहे. UROP हा तो मार्ग आहे ज्याने पदवीपूर्व विद्यार्थी संशोधनात प्रवेश करतात. ऑफिस अवर्स आणि अभ्यास गट ही अशी ठिकाणे आहेत जिथे शिकणे सामाजिक बनते. जेव्हा अहवाल म्हणतो की हे उलटेपालटे होत आहेत, तेव्हा तो पदवीपूर्व अनुभवाचे भार वाहणारे भाग नावाने सांगत असतो.

त्यानंतर आणखी काही चिन्हे येतात, आणि प्रत्येक स्वतंत्रपणे सांगणे योग्य आहे कारण प्रत्येक वेगळ्या प्रकारच्या हानीकडे निर्देश करते.

AI एकाकीपणा वाढवत असल्याची चिन्हे आहेत. अभ्यास गट आणि ऑफिस अवर्स लोक एकमेकांकडे वळण्यावर अवलंबून असतात. जर सक्षम सहाय्यक नेहमी उपलब्ध असेल, तर तसे करण्याची प्रेरणा कमकुवत होऊ शकते. अहवाल ही यंत्रणा स्पष्ट करत नाही, म्हणून ती यंत्रणा म्हणून ठामपणे सांगू नये. चिन्ह एकाकीपणाचे आहे, आणि नावे घेतलेले घटक ते कुठे दिसू शकेल हे सूचित करतात.

AI विद्यार्थ्यांचे प्रावीण्य आणि आत्मविश्वास कमकुवत करत असल्याची चिन्हे आहेत. या दोन वेगळ्या गोष्टी आहेत. प्रावीण्य म्हणजे विद्यार्थी प्रत्यक्षात काय करू शकतो. आत्मविश्वास म्हणजे विद्यार्थ्याला आपण काय करू शकतो असे वाटते. अहवाल दोन्ही एकत्र ठेवतो, आणि ही जोडी आठवण करून देते की हानी दोन्ही दिशांनी होऊ शकते: ज्या विद्यार्थ्याने काम बाहेर सोपवले त्याच्याकडे कदाचित कौशल्य नसेल, आणि ज्याच्याकडे कौशल्य आहे तो त्याबद्दल शंका घेऊ शकतो.

AI शिक्षक आणि विद्यार्थ्यांमधील “सामाजिक करार” झिजवत असल्याची चिन्हे आहेत. शब्दप्रयोगाभोवतीची अवतरणचिन्हे अहवालाचीच आहेत. सोप्या शब्दांत याचा अर्थ असा की दोन्ही बाजू प्रत्येकजण काय करेल याबद्दल गृहीतके बाळगतात, आणि अहवालाला ही गृहीतके कमकुवत होत असल्याची चिन्हे दिसतात. हे नियमांबद्दलच्या विद्यार्थ्यांच्या गोंधळाशी जुळते: काय अपेक्षित आहे हे कोणीच सांगू शकत नसेल, तर कराराला उभे राहायला फारशी जमीन उरत नाही.

AI विद्यार्थ्यांच्या प्रगतीचे मूल्यमापन खूप कठीण करत असल्याची चिन्हे आहेत. याची व्यावहारिक धार उघड आहे. गुण, अभिप्राय आणि कोणी पुढे जाण्यास तयार आहे की नाही हा निर्णय, हे सर्व विद्यार्थ्याला काय समजते हे ओळखता येण्यावर अवलंबून आहे. जर कामाचे फलित आता विश्वासार्हपणे विद्यार्थ्याचे प्रतिबिंब दाखवत नसेल, तर हे साधन काम करणे थांबवते.

शेवटी, AI काटेकोरपणा, शिकण्यासाठी आवश्यक सर्जनशील घर्षण, सहयोगी समस्या सोडवणे आणि वैयक्तिक सचोटी याबद्दलच्या MIT समुदायाच्या दशकांपासूनच्या विशिष्ट मानदंडांना आणि मूल्यांना आव्हान देत असल्याची चिन्हे आहेत. हे चिन्हांपैकी सर्वात व्यापक आणि बहुधा सर्वात दूरगामी आहे. “सर्जनशील घर्षण” हा शब्दप्रयोग थांबून विचार करण्याजोगा आहे: दावा असा की काही अडचण शिकण्याचा आवश्यक घटक आहे, आणि अडचण काढून टाकणारे साधन कदाचित मानदंड ज्याचे रक्षण करत होते तेही काढून टाकते.

यातील काहीही निश्चित म्हणून सांगितलेले नाही. सर्व काही सावधपणे मांडले आहे, आणि वाचकाची योग्य भूमिका म्हणजे चिन्हे गांभीर्याने घेणे, पण त्यांना मोजलेल्या परिणामांत रूपांतरित न करणे. हाच तो फरक आहे जो चांगली समिती जपते आणि आळशी सारांश गमावतो.

विद्यार्थ्यांना काय माहीत असायला हवे, तेच बदलत आहे #

आधीचा विभाग वाचून एखादा वाचक समस्या म्हणजे कॉपी असे मानू शकतो, आणि कडक मूल्यमापन व्यवस्था ती सोडवेल असे. अहवाल दोन प्रकारे या मांडणीला विरोध करतो.

पहिले, तो स्पष्टपणे म्हणतो की AI विद्यार्थ्यांना काय माहीत असायला हवे आणि काय करता यायला हवे हे बदलत आहे. स्रोतात हा सावध दावा नाही. हा तथ्य म्हणून सांगितलेला परिणाम आहे. याचा अर्थ असा की समस्या केवळ विद्यार्थी विद्यमान कामे टाळू शकतात एवढीच नाही. मूलभूत कौशल्ये सरकली असतील, तर कामेच चुकीच्या लक्ष्यावर नेम धरत असू शकतात.

दुसरे, तो अभ्यासक्रमाबद्दल एक परिणाम काढतो. MIT मध्ये शिकवल्या जाणाऱ्या प्रत्येक विषयाचा बहुधा फेरविचार करावा लागेल आणि कदाचित त्याची नव्याने मांडणी करावी लागेल, जेणेकरून अध्यापन, अध्ययन आणि मूल्यमापन “AI-सजग” होतील. सावधगिरी खरी आहे: “बहुधा करावा लागेल” आणि “कदाचित नव्याने मांडणी” हे आदेश नाहीत. पण व्याप्ती संपूर्ण आहे. तो प्रत्येक विषय म्हणतो. संस्थात्मक दस्तऐवजात हा असामान्यपणे मोठा दावा आहे, कारण बहुतेक सुधारणा प्रस्ताव काही विभाग किंवा काही अभ्यासक्रम निवडतात.

“AI-सजग” हा शब्दप्रयोग अहवालाचाच आहे, आणि तो काळजीपूर्वक निवडलेला आहे. तो AI-सक्षम म्हणत नाही, ज्यातून स्वीकार सूचित होईल, किंवा AI-रोधक, ज्यातून बचाव सूचित होईल. सजगता ही दोन्ही प्रतिसादांची पूर्वअट आहे. एखाद्या विषयाचा फेरविचार होऊ शकतो आणि मग तो चांगल्या कारणांसाठी AI मर्यादित करणे, अनिवार्य करणे किंवा दुर्लक्षित करणे ठरवू शकतो, पण शिकवल्या आणि तपासल्या जाणाऱ्या गोष्टीवर हे साधन कसा परिणाम करते हे आधी समजून घेतल्याशिवाय तो हा निर्णय चांगल्या प्रकारे घेऊ शकत नाही. हे समर्थनाबद्दलच्या विद्यार्थ्यांच्या तक्रारीशीही जोडले जाते. AI-सजग विषय म्हणजे ज्याचे शिक्षक आपली भूमिका स्पष्ट करू शकतात.

समिती अभ्यासक्रमाच्या पलीकडे जाते. ती म्हणते की AI चे आगमन आजच्या उच्च शिक्षणाचे स्वरूप, व्याप्ती आणि उद्देश यांच्या व्यापक, समग्र फेरमूल्यमापनाची मागणी करते. स्रोतात हा प्रस्थापित दावा आहे, कोणत्याही सावधगिरीशिवाय सांगितलेला, आणि तो अहवालाला अभ्यासक्रम रचनेतून संस्थात्मक उद्देशाकडे नेतो. समिती असेही म्हणते की संस्थेच्या समुदायाने, विशेषतः फॅकल्टीने, MIT शिक्षणाची रचना, अर्थ आणि मूल्य यांबद्दलच्या सखोल प्रश्नांना भिडायला हवे, आणि संस्थेचे ध्येय गुंतागुंतीचे करणाऱ्या अनेक घटकांपैकी AI एक आहे.

हे शेवटचे उपवाक्य सहज दुर्लक्षित होते, आणि तसे होऊ नये. AI अनेक घटकांपैकी एक आहे. समिती असा दावा करत नाही की केवळ AI ने ध्येयाला प्रश्नचिन्ह लावले आहे. ती म्हणते की AI आधीपासून असलेल्या गुंतागुंतीत येत आहे आणि त्यांना धार देत आहे. शिक्षण तंत्रज्ञान बनवणाऱ्या कोणासाठीही ही उपयुक्त दुरुस्ती आहे: खरेदीदार अशी संस्था नाही जिची एक स्वच्छ समस्या आहे आणि उत्पादन ती सोडवू शकते, तर अशी संस्था आहे जी आपण कशासाठी आहोत या मोठ्या चर्चेच्या मध्यात आहे.

व्यावहारिक चिंता आणि वर्गाबाहेरचे प्रश्न #

अहवाल स्वतःला अध्यापनशास्त्रापुरता मर्यादित ठेवत नाही. तो समुदायासाठी व्यावहारिक चिंतांची यादी देतो, आणि त्यांना व्यापक सामाजिक प्रश्नांपासून वेगळे ठेवतो, जे शहाणपणाचे विभाजन आहे.

व्यावहारिक बाजूला, AI डेटा गोपनीयता आणि गुप्तता यांपासून असमान प्रवेश, पूर्वग्रह, निष्पक्षता आणि उत्तरदायित्व यांबद्दलच्या प्रश्नांपर्यंत मोठ्या चिंता निर्माण करते. त्या जोड्यांमध्ये पाहा. गोपनीयता आणि गुप्तता म्हणजे एखाद्या साधनात जाणाऱ्या माहितीचे काय होते: विद्यार्थ्यांचे काम, संशोधन साहित्य, संशोधकाला इमारतीबाहेर जाऊ द्यायचे नसेल असे काहीही. असमान प्रवेश, पूर्वग्रह, निष्पक्षता आणि उत्तरदायित्व म्हणजे कोणाला फायदा होतो आणि कोणाचे नुकसान, आणि काही चुकल्यास उत्तर कोण देते. संशोधन प्रशिक्षणाच्या वातावरणात दोन्ही गट टोचतात. जे धोरण सर्वांना गुप्ततेकडे लक्ष न देता एखादे साधन वापरायला सांगेल ते अपूर्ण ठरेल, आणि जे धोरण असमान प्रवेशाकडे दुर्लक्ष करेल ते विद्यार्थ्याला परवडणारी सदस्यता हाच त्याचा फायदा बनवण्याचा धोका पत्करेल. दुसरे उदाहरण चिंतेचे उदाहरण आहे, अहवालाचा निष्कर्ष नाही, कारण अहवाल हा मुद्दा फक्त वरील सामान्य शब्दांत मांडतो.

कॅम्पसच्या पलीकडे, अहवाल नोंदवतो की AI ची वाढ सामाजिक प्रश्न उपस्थित करते. त्यात AI डेटा सेंटरचा पर्यावरणीय परिणाम, बौद्धिक संपदा आणि प्रशिक्षण डेटाचा वापर, आणि तंत्रज्ञान आणि उद्योगाचा एकूण मानवी परिणाम यांचा समावेश आहे. हे असे प्रश्न आहेत जे विद्यापीठ एकटे सोडवू शकत नाही, पण तरीही ते त्याच्या सदस्यांना विचारले जातील आणि विद्यार्थी ते उपस्थित करतील. ते अहवालात समाविष्ट करणे ही कबुली आहे की AI बद्दल आणि AI सह अध्यापन अशा संदर्भात घडते ज्याबद्दल लोकांची मते आहेत.

अहवाल या चिंतांचे रचनात्मकदृष्ट्या काय करतो हे लक्षात घेण्याजोगे आहे: तो त्यांना परिस्थितीबद्दलची तथ्ये म्हणून मांडतो, एखाद्या विशिष्ट भूमिकेच्या बाजूने युक्तिवाद म्हणून नाही. समिती असे म्हणत नाही की डेटा सेंटरच्या पर्यावरणीय परिणामामुळे MIT ने वापर मर्यादित करावा. ती म्हणते की हे प्रश्न अस्तित्वात आहेत. हा संयम विविध मते असलेल्या समुदायाला मार्गदर्शन करण्यासाठी लिहिलेल्या दस्तऐवजाला शोभतो, आणि तो शिफारशी विचारसरणीऐवजी निष्कर्षांशी बांधून ठेवतो.

अहवाल आपली नम्रताही नजरेसमोर ठेवतो. इतर शैक्षणिक संस्थाही AI बद्दल अशाच प्रश्नांशी झुंजत आहेत, आणि कोणालाच सर्व काही उमगले आहे असे दिसत नाही. हे वाक्य सावधपणे मांडले आहे, आणि योग्यच: “दिसत” हा शब्द प्रामाणिक काम करतो. तो MIT ला समवयस्कांच्या पुढे नव्हे तर त्यांच्यामध्ये ठेवतो, आणि इतर कोणत्याही संस्थेच्या पद्धतीला तयार उत्तर मानण्याचा मोह रोखतो.

आकुंचित घड्याळावर आलेले तंत्रज्ञान #

उच्च शिक्षणाबाहेरच्या वाचकांसाठी अहवालाचा विश्लेषणदृष्ट्या सर्वात उपयुक्त भाग म्हणजे हे तंत्रज्ञान वेगळे का वाटते याचे त्याचे विवेचन. तो नवकल्पना कशा येतात याचे एक साधे प्रारूप देतो.

काही तांत्रिक नवकल्पना हळूहळू उदयास येतात. समाज आणि तंत्रज्ञान एकत्र विकसित होत असताना, परस्पर जुळवून घेणे परिणाम सौम्य करते. स्रोत एक उदाहरण देतो: संगणक, ज्याचे वर्णन AI चा पूर्वसूरी आणि मुख्य सक्षमकर्ता असे केले आहे, या साच्यात बसतो. कालांतराने संस्थांनी संगणकांसह शिकवणे, त्यांच्या साहाय्याने तयार झालेल्या कामाचे मूल्यमापन करणे आणि त्यांच्या वापराचे मानदंड ठरवणे शिकले. जुळवून घेणे इतके हळू होते की ते परस्पर होऊ शकले.

इतर नवकल्पना अधिक अचानक येतात, आणि व्यक्ती आणि संस्थांना जुळवून घ्यायला वेळ मिळण्यापूर्वीच सामाजिकदृष्ट्या महत्त्वाच्या होतात. अहवालाचा युक्तिवाद असा की जनरेटिव AI या दुसऱ्या गटात मोडते.

आपले म्हणणे मांडण्यासाठी तो एक तारीख ठरवतो. समाज नव्या तंत्रज्ञानाचा “जन्म” तो क्षण मानतो जेव्हा ते सहज वापरण्याजोगे होते. या मापाने जनरेटिव आर्टिफिशियल इंटेलिजन्सचा “जन्म” २०२२ च्या अखेरीस ChatGPT च्या प्रकाशनासोबत झाला. म्हणून जनरेटिव AI शी लोकांचा संबंध चार वर्षांपेक्षाही कमी जुना आहे. स्रोतानुसार इतक्या काळात त्याचे एक अब्जाहून अधिक वापरकर्ते झाले आहेत.

ही दोन संख्या एकत्र धरा: चार वर्षांपेक्षा कमी, आणि एक अब्जाहून अधिक वापरकर्ते. मुद्दा मांडण्यासाठी अहवालाला याहून अधिक काही सांगावे लागत नाही. जे तंत्रज्ञान चार वर्षांपेक्षा कमी काळात प्रकाशनापासून एक अब्ज वापरकर्त्यांपर्यंत पोहोचले, त्याने अभ्यासक्रम समित्या, मूल्यमापन रचनाकार किंवा धोरण कार्यालयांना संगणकाने दिली तशी अनेक वर्षांची धावपट्टी दिलेली नाही.

अहवाल आणखी दोन निरीक्षणे जोडतो. AI तंत्रज्ञान विकणाऱ्या कंपन्यांनी मथळे, शेअर बाजार आणि लोकांच्या जाणिवेवर वर्चस्व मिळवले आहे. आणि AI जवळजवळ प्रत्येक क्षेत्रात अशा कालमानावर प्रगती करत आहे जो समाजाला त्याचे परिणाम नीट पाहणे, त्यांचे विश्लेषण करणे आणि मग हळूहळू जुळवून घेणे यासाठी फार आकुंचित आहे.

बारकाईने वाचल्यास शेवटचे वाक्य हळूहळू जुळवून घेण्यासाठी सामान्यतः लागणाऱ्या चार पायऱ्या मांडते: परिणाम पाहणे, त्यांचे विश्लेषण करणे, मग जुळवून घेणे, आणि हे हळूहळू करणे. दावा असा की कालमान या क्रमासाठी फार आकुंचित आहे. हे समस्येचे नेमके विधान आहे. मुद्दा AI वाईट आहे किंवा चांगले आहे असा नाही. मुद्दा असा की समाज नव्या साधनाला ज्या नेहमीच्या पद्धतीने आत्मसात करतो, म्हणजे कृती करण्यापूर्वी पाहणे आणि शिकणे, ती या वेगाला बसत नाही.

संस्थापकासाठी इथे ग्राहकाबद्दल एक धडा आहे. या स्थितीतील संस्था हट्टी असल्यामुळे मंद नाही. ती मंद आहे कारण तिची नेहमीची प्रक्रिया आता लागू न होणारे घड्याळ गृहीत धरते. जी उत्पादने आणि सेवा संस्थांना आकुंचित वेळेत शहाणपणाने कृती करायला मदत करतात, विषयाचा अभ्यास करायला त्यांना वेळ मिळाला आहे असे गृहीत धरणारी नव्हेत, ती अहवाल वर्णन करत असलेल्या प्रत्यक्ष स्थितीला संबोधित करत आहेत. हा अहवालाच्या मांडणीच्या बाजूने युक्तिवाद आहे, बाजाराबद्दल अहवालाचा दावा नाही.

नम्रतेने मांडलेली आठ तत्त्वे #

परिस्थितीचे वर्णन केल्यानंतर अहवाल त्याबद्दल काय करणार याकडे वळतो. समितीने ज्यांवर विसंबून काम केले आणि पुढील कामात संस्थेला ज्यांचे मार्गदर्शन मिळेल अशी तिला आशा आहे, अशी आठ तत्त्वे परिभाषित करून तो सुरुवात करतो. इथे स्रोताचे दावे मर्यादित आहेत: तो सांगतो की तत्त्वे आठ आहेत, आणि पहिले सांगतो. उरलेली उपलब्ध साहित्यात नाहीत, आणि हा लेख त्यांचा अंदाज बांधणार नाही.

पहिले तत्त्व असे की समिती आपले प्रस्ताव नम्रतेच्या भावनेने मांडते. सुरुवातीसाठी ही असामान्य जागा आहे. ज्या अहवालाने नुकतीच परिस्थिती तातडीची असल्याचे वर्णन केले, तो आपली तत्त्वे निर्धाराने सुरू करेल अशी अपेक्षा असू शकते. त्याऐवजी तो मर्यादांच्या विधानाने सुरू होतो, आणि प्रत्यक्षात नम्रता म्हणजे काय हे लगेच स्पष्ट करतो: तंत्रज्ञान विकसित होत राहील आणि संस्था प्रयोग करत आणि शिकत राहील तसतसे दिशा बदल, कदाचित मोठेही, अटळ असतील.

हे वाक्य सावध आहे, आणि प्रांजळ आहे. समिती आपल्या शिफारशी पुढील काही वर्षांच्या कसोटीत टिकतील असे वचन देत नाही. ती आधीच सांगते की त्यांपैकी काहींमध्ये बहुधा सुधारणा करावी लागेल, आणि संस्थेने करून शिकण्याची अपेक्षा ठेवावी. चार वर्षांपेक्षा कमी जुन्या तंत्रज्ञानावर पाच महिन्यांच्या कालमर्यादेत तयार झालेल्या दस्तऐवजासाठी ही योग्य भूमिका आहे. यामुळे अहवालावर विश्वास ठेवणेही सोपे होते. अंतिम शब्द असल्याचा दावा करणारी समिती, बदलाच्या वेगाबद्दल तिने नुकत्याच मांडलेल्या पुराव्यानेच खोटी ठरली असती.

तरीही नम्रतेला जडत्व बनू दिले जात नाही. स्रोत स्पष्ट आहे: अनिश्चितता हे निष्क्रियतेचे निमित्त होऊ शकत नाही. आणि रणनीतिक भूमिकाही तितक्याच ठामपणे सांगितली आहे. अध्यापन आणि अध्ययनात AI ने उभी केलेली आव्हाने सर्वत्र, आणि विशेषतः MIT मध्ये, धाडसी रणनीतिक प्रतिसादाची मागणी करतात.

ही दोन विधाने एक जोडी म्हणून वाचणे सर्वोत्तम. पहिले कोणत्याही विशिष्ट उत्तरावरील विश्वास मर्यादित करते. दुसरे त्या मर्यादेला थांबण्याचे कारण बनू देण्यास नकार देते. एकत्रितपणे ती एक कार्यपद्धती सांगतात: कृती करा, निरीक्षण करा, दुरुस्त करा. ही तीच पद्धत आहे जी हळूहळू होणाऱ्या तांत्रिक स्वीकाराने समाजाला दशकांमध्ये अनुसरू दिली, फक्त संस्थेच्या नियोजन चक्रात आकुंचित झालेली.

समिती संस्थेच्या भूमिकेबद्दल एक विश्वासही मांडते. ती म्हणते की MIT ची नेतृत्व करण्याची जबाबदारी आहे. ही शब्दरचना विश्वास आहे, निष्कर्ष नाही, आणि ती तशीच वाचली पाहिजे. साहित्यातील काहीही ठोसपणे नेतृत्व कसे दिसेल हे सांगत नाही, आणि या स्रोतावर आधारलेल्या लेखाने ते रचू नये. तरीही हा विश्वास “धाडसी रणनीतिक प्रतिसाद” मधील “धाडसी” चे स्पष्टीकरण देतो. आपण नेतृत्व करावे असे मानणारी संस्था “थांबा आणि पाहा” ही भूमिका स्वीकारार्ह मानू शकत नाही.

शिफारशी आणि अजून खुले असलेले काम #

अहवाल शिक्षक आणि प्रशासन दोघांसाठी तात्काळ आणि दीर्घकालीन कृतींची शिफारस करण्याचे वचन देतो. ही विभागणी स्वतःच माहितीपूर्ण आहे. शिक्षक हे ते लोक आहेत जे एखाद्या विशिष्ट विषयात काय घडेल ते ठरवतात, आणि निष्कर्ष सूचित करतात की AI-सजग निवडी करण्यासाठी त्यांना जागा आणि आधार हवा. प्रशासन ही ती संस्था आहे जी कोणताही एक शिक्षक हाताळू शकत नाही असे मुद्दे हाताळू शकते: संपूर्ण अभ्यासक्रमातील सुसंगती, धोरण, आणि गोपनीयता, प्रवेश आणि उत्तरदायित्व यांबद्दलच्या व्यावहारिक चिंता. तात्काळ आणि दीर्घकालीन ही विभागणी मान्य करते की काही गोष्टी याच सत्रात करता येतात, तर इतरांसाठी सातत्यपूर्ण प्रयत्न लागतात.

उपलब्ध दाव्यांमध्ये त्या शिफारशींचा आशय नाही, आणि हा लेख तो पुरवणार नाही. जे सांगता येते ते म्हणजे निष्कर्ष त्यांना कसे बांधतात.

जर विद्यार्थी विसंगतीमुळे गोंधळले असतील, तर शिक्षकांसाठीच्या शिफारशींना निवडी कशा स्पष्ट केल्या जातात आणि योग्य तिथे कशा एकसूत्री केल्या जातात हे हाताळावे लागेल. जर शिक्षकांना अनुभव, कल्पना आणि तंत्रे वाटून घ्यायची असतील, तर शिफारशींनी त्या इच्छेला कुठेतरी वाट द्यावी लागेल. जर मूल्यमापन कठीण होत असेल, तर दीर्घकालीन कृतींमध्ये बहुधा काय आणि कसे मोजले जाते याचा फेरविचार असेल, जो विषयांच्या फेरविचाराच्या अहवालाच्याच आवाहनाशी जुळतो. हे शिफारशींना काय हाताळावे लागेल याबद्दल निष्कर्षांवरून काढलेले अनुमान आहेत, अहवाल काय शिफारस करतो याबद्दलची विधाने नाहीत, आणि ती हलक्या हाताने धरावीत.

काही खुले प्रश्न दाव्यांमधूनच उपस्थित होतात.

पहिला म्हणजे चिन्हे पुरावा कशी बनतात. अहवाल म्हणतो की वाढलेला एकाकीपणा, कमकुवत झालेले प्रावीण्य आणि आत्मविश्वास, झिजलेला सामाजिक करार आणि कठीण झालेले मूल्यमापन यांची चिन्हे आहेत. कोणत्याही संस्थेसाठी स्वाभाविक पुढील पाऊल म्हणजे हे परिणाम किती मोठे आहेत आणि कुठे केंद्रित आहेत हे शोधणे. अहवालाची सावध भाषा संशयित आणि मोजलेले यांच्यातील अंतर दर्शवते.

दुसरा म्हणजे शिक्षकांची वाटून घेण्याची इच्छा मतांची खरी व्याप्ती सपाट न करता सुसंगती निर्माण करू शकेल का. अहवाल उत्साही प्रयोगापासून AI नकारापर्यंतच्या भूमिकांचे वर्णन करतो. तो स्पष्टता, सुसंगती आणि समर्थन यांची विद्यार्थ्यांची मागणीही नोंदवतो. या दोन तथ्यांचा मेळ घालणे सोपे नसेल, आणि अहवाल ते सोपे असल्याचा दावा करत नाही.

तिसरा म्हणजे अभ्यासक्रमाच्या कामाचे प्रमाण. “प्रत्येक विषय” म्हणजे खूप विषय, आणि अहवालाची सावधगिरी (“बहुधा फेरविचार करावा लागेल आणि कदाचित नव्याने मांडणी करावी लागेल”) सुधारणा किती खोल जाईल यात फरकाला जागा ठेवते. अहवाल स्वतः ज्याला आकुंचित म्हणतो त्या घड्याळावर, हजारो विषयांमध्ये संस्था प्राधान्यक्रम कसे ठरवते, हा निष्कर्षांनी उभा ठेवलेला व्यावहारिक प्रश्न आहे.

चौथा, आणि समिती ज्याकडे सर्वात थेट लक्ष वेधते तो, म्हणजे MIT शिक्षणाची रचना, अर्थ आणि मूल्य यांबद्दलच्या सखोल प्रश्नांचा संच. AI ध्येय गुंतागुंतीचे करणाऱ्या अनेक घटकांपैकी एक आहे, आणि विशेषतः फॅकल्टीला या प्रश्नांना भिडायला सांगितले आहे. धोरण काही महिन्यांत लिहिता येते. समिती ज्या फेरमूल्यमापनाची मागणी करते, आजच्या उच्च शिक्षणाचे स्वरूप, व्याप्ती आणि उद्देश यांचे, ती दीर्घ चर्चा आहे, आणि अहवाल स्पष्ट आहे की सुरुवात करण्यापूर्वी ती निश्चिततेची वाट पाहू शकत नाही.

अहवाल आपल्या वाचकांना जिथे सोडतो ते सर्वोत्तमपणे त्याचीच ओळ पकडते: दिशा बदल अटळ असतील, आणि अनिश्चितता हे निष्क्रियतेचे निमित्त होऊ शकत नाही. जे खुले राहते ते म्हणजे कोणते बदल आधी येतात, आणि पुरावा पूर्ण होण्यापूर्वी ते करायला MIT मध्ये कोण तयार आहे.

क्षेत्रनिहाय याचा अर्थ #

आघाडीच्या विद्यापीठांमध्ये जनरेटिव AI चा वेगवान प्रसार अनेक शैक्षणिक आणि व्यावसायिक क्षेत्रांमधील संस्थात्मक उलथापालथीचा सुरुवातीचा निर्देशक ठरतो.

उच्च शिक्षण आणि संशोधन विद्यापीठे #

उच्च शिक्षणाच्या नेतृत्वाने हे ओळखले पाहिजे की अभ्यासक्रम पातळीवरील “AI बंदी” धोरणे अंमलात आणता येत नाहीत आणि उलट परिणाम करतात. आव्हान रचनात्मक आहे: शिकण्याच्या मूल्यमापनाला प्रत्यक्ष तोंडी बचाव, एकाच वेळी समस्या सोडवणे आणि टप्प्याटप्प्याने घडणाऱ्या प्रकल्प पोर्टफोलिओकडे वळावे लागेल, जिथे केवळ अंतिम लिखित कृतीचे मूल्यमापन करण्याऐवजी तर्काच्या प्रवासाचे परीक्षण होईल.

EdTech आणि AI शिकवणी पुरवठादार #

व्यावसायिक साधने बनवणाऱ्यांसमोर अध्यापनशास्त्रीय पेच आहे. केवळ उत्तरे निर्माण करण्यासाठी बनवलेली उत्पादने विद्यार्थ्यांची अलिप्तता आणि बौद्धिक एकाकीपणा वाढवतात. आघाडीच्या शैक्षणिक वातावरणात तीच प्लॅटफॉर्म यशस्वी होतील जी सॉक्रेटिक पद्धतीला साधनरूप देतात, लक्ष्यित आधार देताना बौद्धिक झगडा जपतात.

उद्योगांतील प्रशिक्षण आणि तांत्रिक ऑनबोर्डिंग #

कॉर्पोरेट प्रशिक्षण अकादम्या आणि तंत्रज्ञान नियोक्ते त्याच प्रावीण्य तुटीला सामोरे जातात: मूलभूत अपयश प्रकार न समजता जनरेटिव कोड साधने वापरणारे कनिष्ठ कर्मचारी. अभियांत्रिकी संस्थांनी मूलभूत डीबगिंग आणि स्थापत्यविषयक तर्काचे मूल्यमापन करण्यासाठी आपली उमेदवारी प्रारूपे जुळवून घ्यायला हवीत.

निष्कर्ष #

MIT च्या तदर्थ समितीचा अहवाल उठून दिसतो कारण तो जनरेटिव AI ला शैक्षणिक सचोटीच्या उपद्रवापुरते मर्यादित करण्यास नकार देतो. तंत्रज्ञानाला विद्यापीठ शिक्षणाच्या मूळ उद्देशाची कसोटी म्हणून मांडून समिती एक संयत आराखडा देते: संस्थात्मक नम्रतेच्या भावनेने प्रयोग स्वीकारा, पण अनिश्चिततेला प्रशासकीय जडत्वाचे समर्थन बनू देऊ नका. पुढील शैक्षणिक चक्राची खरी कसोटी ही असेल की फॅकल्टी सखोल प्रावीण्य जपत आणि पदवीधरांना AI-आधारित जगासाठी सज्ज करत अभ्यासक्रमांची पुनर्रचना करू शकते का.

वारंवार विचारले जाणारे प्रश्न #

MIT विद्यार्थ्यांच्या अभ्यासक्रमातील कामात जनरेटिव AI वर बंदी घालते का?

नाही. MIT सरसकट बंदी लागू करत नाही. वैयक्तिक शिक्षक आपल्या विषयांसाठी धोरण ठरवतात, जे असाइनमेंटमधील AI च्या एकात्मिक वापरापासून AI-रहित मूलभूत सरावांपर्यंत असते, आणि समिती अधिक संस्थात्मक सुसंगती आणि पारदर्शक अध्यापनशास्त्रीय समर्थनाची शिफारस करते.

जनरेटिव AI पारंपरिक “p-set” (प्रॉब्लेम सेट) वर कसा परिणाम करते?

प्रॉब्लेम सेट ऐतिहासिकदृष्ट्या एकट्याने समस्या सोडवण्यातून बौद्धिक चिवटपणा विकसित करण्याचे मुख्य साधन राहिले आहेत. AI च्या व्यापक उपलब्धतेमुळे विद्यार्थी वेगाने योग्य उत्तरे निर्माण करू शकतात, ज्यामुळे वरवर पूर्ण करणे खऱ्या बौद्धिक प्रावीण्याची जागा घेईल असा धोका निर्माण होतो.

मूल्यमापनाबाबत समितीची शिफारस काय आहे?

समिती अधोरेखित करते की पारंपरिक मूल्यमापन साधनांचे (घरी सोडवायच्या परीक्षा, प्रमाणित लेखी प्रॉब्लेम सेट) फेरमूल्यमापन व्हायला हवे. दीर्घकालीन उपाय एकाच वेळी होणारे मूल्यमापन, प्रकल्पाधारित प्रात्यक्षिके आणि यांत्रिक निर्मितीऐवजी चिकित्सक विश्लेषणाला पुरस्कृत करणाऱ्या अभ्यासक्रम पुनर्रचनेवर केंद्रित आहेत.

संदर्भ #

• MIT Ad Hoc Committee, (2026). अध्यापन, अध्ययन आणि संशोधन प्रशिक्षणातील AI वापरावरील अंतिम अहवाल ⧉. Massachusetts Institute of Technology.
• MIT Office of the Chancellor and Provost, (2026). जनरेटिव AI वरील तदर्थ समितीला सोपवलेली जबाबदारी ⧉. Massachusetts Institute of Technology.
• Eric Klopfer and Samuel Madden, (2026). जनरेटिव AI च्या युगात अध्यापन आणि अध्ययन ⧉. MIT News.

शेवटचे पुनरावलोकन 2026-09-25.

शेवटचे पुनरावलोकन 2026-10-27.

# संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/](https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/)

MIT ची AI समिती सांगते की विद्यार्थी AI चा व्यापक वापर करतात, शिक्षकांची मते विभागलेली आहेत आणि प्रत्येक विषयाचा फेरविचार हवा, पण अनिश्चितता निष्क्रियतेचे निमित्त नाही.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/

संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau

MIT ची AI समिती सांगते की विद्यार्थी AI चा व्यापक वापर करतात, शिक्षकांची मते विभागलेली आहेत आणि प्रत्येक विषयाचा फेरविचार हवा, पण अनिश्चितता निष्क्रियतेचे निमित्त नाही.

https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/

संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau

MIT ची AI समिती सांगते की विद्यार्थी AI चा व्यापक वापर करतात, शिक्षकांची मते विभागलेली आहेत आणि प्रत्येक विषयाचा फेरविचार हवा, पण अनिश्चितता निष्क्रियतेचे निमित्त नाही.

येथे मुख्य धोरणात्मक मुद्दे आहेत:

- एक समिती, एक जबाबदारी, एक कालमर्यादा आणि कोणताही ठरलेला सिद्धांत नाही. नव्या तंत्रज्ञानावरील बहुतेक संस्थात्मक अहवाल तेव्हा येतात जेव्हा लेखकांच्या मनात चर्चा आधीच ठरलेली असते.
- वारंवार, व्यापक आणि भावनिकदृष्ट्या संमिश्र. पहिला निष्कर्ष तो आहे जो बाकी सर्व काही तातडीचे बनवतो.
- पाया हलत असल्याची चिन्हे. निष्कर्षांमधील सर्वात धक्कादायक भाग म्हणजे AI कदाचित MIT च्या शैक्षणिक अनुभवाला काय करत आहे याची यादी.
- विद्यार्थ्यांना काय माहीत असायला हवे, तेच बदलत आहे. आधीचा विभाग वाचून एखादा वाचक समस्या म्हणजे कॉपी असे मानू शकतो, आणि कडक मूल्यमापन व्यवस्था ती सोडवेल असे.

या लेखात मांडलेल्या आव्हानांसाठी तुमच्या संस्थेचा दृष्टिकोन काय आहे?

→ https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/

#Mit #जनरेटिवAi #उच्चशिक्षण #Aiधोरण #अध्यापनआणिअध्ययन

Sebastien Rousseau | CC-BY-4.0

@online{rousseau2026स,
  author  = {Rousseau, Sebastien},
  title   = {{संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/},
  urldate = {2026}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/
ER  -

Rousseau S. संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau. sebastienrousseau.com. 2026 Sep 25. Available from: https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/

Rousseau, Sebastien. "संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau." sebastienrousseau.com. September 25, 2026. https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/.

Rousseau, S. (2026, September 25). संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/

संस्था जुळवून घेण्याआधी तंत्रज्ञान पोहोचते: शिक्षण आणि AI वर MIT समिती — Sebastien Rousseau

MIT ची AI समिती सांगते की विद्यार्थी AI चा व्यापक वापर करतात, शिक्षकांची मते विभागलेली आहेत आणि प्रत्येक विषयाचा फेरविचार हवा, पण अनिश्चितता निष्क्रियतेचे निमित्त नाही.

Originally published at https://sebastienrousseau.com/mr/2026-09-25-snstha-julavun-ghenyaadhi-tntrajnan-pohochate-shikshan/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER