ਜਿਵੇਂ-ਜਿਵੇਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਵਿਸ਼ਵਵਿਆਪੀ ਆਰਥਿਕਤਾ ਨੂੰ ਨਵਾਂ ਰੂਪ ਦੇ ਰਹੀ ਹੈ, ਅਮਰੀਕਾ ਦੇ ਸਭ ਤੋਂ ਅਮੀਰ ਪਰਿਵਾਰ ਰਵਾਇਤੀ ਸਕੂਲੀ ਸਿੱਖਿਆ ਤੋਂ ਦੂਰ ਹੋ ਰਹੇ ਹਨ। ਉਹ ਆਪਣੇ ਬੱਚਿਆਂ ਨੂੰ ਰਵਾਇਤੀ ਕਲਾਸਰੂਮਾਂ ਵਿੱਚੋਂ ਕੱਢ ਕੇ ਨਵੇਂ ਤਰ੍ਹਾਂ ਦੇ ਨਿੱਜੀ ਸੰਸਥਾਨਾਂ ਵਿੱਚ ਭੇਜ ਰਹੇ ਹਨ ਜਿੱਥੇ ਮਸ਼ੀਨੀ ਬੁੱਧੀ (machine intelligence) ਰੋਜ਼ਾਨਾ ਸਿੱਖਣ ਦਾ ਕੇਂਦਰ ਹੈ। ਇਹ ਦਾਅ ਸਧਾਰਨ ਹੈ: ਮਿਆਰੀ ਅਧਿਆਪਨ ਵਿਧੀਆਂ ਤੇਜ਼ ਤਕਨੀਕੀ ਤਬਦੀਲੀ ਵਾਲੇ ਭਵਿੱਖ ਲਈ ਨਹੀਂ ਬਣੀਆਂ ਹਨ, ਅਤੇ ਜੋ ਪਰਿਵਾਰ ਇਸ ਅਨੁਕੂਲ ਹੋਣ ਦਾ ਖਰਚਾ ਚੁੱਕ ਸਕਦੇ ਹਨ, ਉਹ ਹੁਣੇ ਅਜਿਹਾ ਕਰ ਰਹੇ ਹਨ।
ਇਹ ਲਹਿਰ ਸਿਰਫ਼ ਇੱਕ ਸਿਧਾਂਤ ਨਹੀਂ ਹੈ। ਇਹ ਪਹਿਲਾਂ ਹੀ ਸ਼ੀਸ਼ੇ ਦੀਆਂ ਕੰਧਾਂ ਵਾਲੇ ਕੈਂਪਸਾਂ ਅਤੇ ਨਵੇਂ ਬਣਾਏ ਗਏ ਦਫ਼ਤਰਾਂ ਵਿੱਚ ਦੇਖੀ ਜਾ ਰਹੀ ਹੈ, ਜਿੱਥੇ ਸਾਲਾਨਾ ਫੀਸ ਜ਼ਿਆਦਾਤਰ ਅਮਰੀਕੀ ਸ਼ਹਿਰਾਂ ਦੀ ਮੱਧਮ ਘਰੇਲੂ ਆਮਦਨ ਦੇ ਬਰਾਬਰ ਹੈ।
Alpha School ਨੇ ਇੱਕ ਰਾਸ਼ਟਰੀ ਮਾਡਲ ਕਿਵੇਂ ਤਿਆਰ ਕੀਤਾ
ਆਸਟਿਨ ਵਿੱਚ Alpha School ਇਸ ਤਬਦੀਲੀ ਦੇ ਸਭ ਤੋਂ ਸਪਸ਼ਟ ਰੂਪ ਵਜੋਂ ਉੱਭਰਿਆ ਹੈ। ਜੋ ਇੱਕ ਸਥਾਨਕ ਪ੍ਰਯੋਗ ਵਜੋਂ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ, ਉਹ ਹੁਣ ਇੱਕ ਰਾਸ਼ਟਰੀ ਨੈੱਟਵਰਕ ਬਣ ਰਿਹਾ ਹੈ। ਸਿਰਫ਼ 2025 ਵਿੱਚ ਹੀ, Alpha ਨੇ ਸੈਨ ਫਰਾਂਸਿਸਕੋ ਅਤੇ ਨਿਊਯਾਰਕ ਸਮੇਤ ਕਈ ਸ਼ਹਿਰਾਂ ਵਿੱਚ ਅੱਠ ਨਵੇਂ ਕੈਂਪਸ ਖੋਲ੍ਹੇ ਹਨ, ਅਤੇ ਪੈਲੋ ਅਲਟੋ ਅਤੇ ਮਾਲੀਬੂ ਵਰਗੀਆਂ ਥਾਵਾਂ ਲਈ ਦੋ ਦਰਜਨ ਦੇ ਕਰੀਬ ਹੋਰ ਸਥਾਨਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਗਈ ਹੈ। ਇਸ ਸਕੂਲ ਨੇ ਵਿੱਤ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੇ ਉੱਚ-ਪ੍ਰੋਫਾਈਲ ਹਸਤੀਆਂ ਦਾ ਧਿਆਨ ਖਿੱਚਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਅਰਬਪਤੀ ਬਿਲ ਐਕਮੈਨ ਵੀ ਸ਼ਾਮਲ ਹਨ, ਜੋ ਇਸਦੀ ਅਭਿਲਾਸ਼ ਦੀ ਗੰਭੀਰਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
Alpha ਵਿੱਚ ਅਕਾਦਮਿਕ ਦਿਨ ਦਾ ਸ਼ਡਿਊਲ ਉਸ ਤੋਂ ਬਿਲਕੁਲ ਵੱਖਰਾ ਹੈ ਜੋ ਜ਼ਿਆਦਾਤਰ ਬਾਲਗਾਂ ਨੂੰ ਯਾਦ ਹੈ। ਵਿਦਿਆਰਥੀ ਲਗਭਗ ਦੋ ਘੰਟੇ ਤੀਬਰ, AI-ਨਿਰਦੇਸ਼ਿਤ ਟਿਊਟਰਿੰਗ ਸੈਸ਼ਨਾਂ ਵਿੱਚ ਬਿਤਾਉਂਦੇ ਹਨ। ਇਹ ਪਲੇਟਫਾਰਮ ਸਿਰਫ਼ ਸਵਾਲ ਪੇਸ਼ ਨਹੀਂ ਕਰਦਾ ਅਤੇ ਜਵਾਬਾਂ ਨੂੰ ਗ੍ਰੇਡ ਨਹੀਂ ਕਰਦਾ। ਇਹ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਦੇਖਦਾ ਹੈ ਕਿ ਹਰ ਬੱਚਾ ਸਮੱਗਰੀ ਨਾਲ ਕਿਵੇਂ ਜੁੜਦਾ ਹੈ, ਅਤੇ ਉਸੇ ਸਮੇਂ ਮੁਸ਼ਕਲ ਦੇ ਪੱਧਰ ਅਤੇ ਅਧਿਆਪਨ ਸ਼ੈਲੀ ਦੋਵਾਂ ਨੂੰ ਐਡਜਸਟ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਵਿਦਿਆਰਥੀ ਜ਼ਬਾਨੀ ਵਿਆਖਿਆ ਦੀ ਬਜਾਏ ਵਿਜ਼ੂਅਲ ਪ੍ਰੋਬਲਮ ਸੈੱਟਾਂ ਰਾਹੀਂ ਗਣਿਤ ਦੀ ਕਿਸੇ ਧਾਰਨਾ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਸਮਝ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਸਿਸਟਮ ਉਸ ਅਨੁਸਾਰ ਬਦਲ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ AI ਸੈਸ਼ਨ ਖਤਮ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਵਿਦਿਆਰਥੀ ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਵਰਕਸ਼ਾਪਾਂ ਵਿੱਚ ਜਾਂਦੇ ਹਨ ਜਿੱਥੇ ਉਹ ਜੋ ਕੁਝ ਸਿੱਖਿਆ ਹੈ ਉਸਨੂੰ ਅਸਲ ਚੁਣੌਤੀਆਂ ਵਿੱਚ ਲਾਗੂ ਕਰਦੇ ਹਨ।
ਇਹ ਢਾਂਚਾ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ (knowledge acquisition) ਨੂੰ ਜਾਣਕਾਰੀ ਦੇ ਲਾਗੂਕਰਨ (knowledge application) ਤੋਂ ਜਾਣਬੁੱਝ ਕੇ ਵੱਖ ਕਰਦਾ ਹੈ। ਮਸ਼ੀਨ ਪਹਿਲੇ ਕੰਮ ਨੂੰ ਸੰਭਾਲਦੀ ਹੈ; ਮਨੁੱਖੀ ਮੈਂਟਰ ਦੂਜੇ ਕੰਮ ਦੀ ਅਗਵਾਈ ਕਰਦੇ ਹਨ। Alpha ਵਿੱਚ ਅਧਿਆਪਕ ਡੈਸਕਾਂ ਦੀਆਂ ਕਤਾਰਾਂ ਦੇ ਸਾਹਮਣੇ ਖੜ੍ਹੇ ਹੋ ਕੇ ਲੈਕਚਰ ਦੇਣ ਵਾਲੇ ਨਹੀਂ ਹਨ। ਉਹ ਕੋਚ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਗਾਈਡ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ, ਅਤੇ ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਬਣਾਉਣ, ਟੈਸਟ ਕਰਨ ਅਤੇ ਕਦੇ-ਕਦੇ ਅਸਫਲ ਹੋਣ ਵੇਲੇ ਉਨ੍ਹਾਂ ਦੇ ਨਾਲ ਰਹਿੰਦੇ ਹਨ। ਇਸਦਾ ਉਦੇਸ਼ ਸਿੱਖਿਆ ਨੂੰ ਪੱਕਾ ਕਰਨਾ ਹੈ, ਜਿਸ ਲਈ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਜਾਣਕਾਰੀ ਨੂੰ ਸਿਰਫ਼ ਟੈਸਟ ਲਈ ਯਾਦ ਰੱਖਣ ਦੀ ਬਜਾਏ ਉਸ ਨਾਲ ਕੁਝ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਹੋਮਵਰਕ ਦਾ ਜਾਲ ਅਤੇ ਸੋਚਣ ਦਾ ਪਾੜਾ (Thinking Gap)
AI-ਕੇਂਦ੍ਰਿਤ ਸਕੂਲੀ ਸਿੱਖਿਆ ਵੱਲ ਭੱਜਣਾ ਉਸ ਸਮੱਸਿਆ ਪ੍ਰਤੀ ਇੱਕ ਸਿੱਧੀ ਪ੍ਰਤੀਕਿਰਿਆ ਹੈ ਜਿਸ ਨੂੰ ਰਵਾਇਤੀ ਸੰਸਥਾਵਾਂ ਹੱਲ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹੀਆਂ ਹਨ। ਪਿਛਲੇ ਦੋ ਸਾਲਾਂ ਵਿੱਚ, generative AI ਨੇ ਪ੍ਰਾਇਮਰੀ ਅਤੇ ਸੈਕੰਡਰੀ ਸਿੱਖਿਆ ਵਿੱਚ ਭਰਮਾਰ ਕਰ ਦਿੱਤੀ ਹੈ, ਅਤੇ ਨਤੀਜੇ ਬਹੁਤ ਹੀ ਮਿਸ਼ਰਤ ਰਹੇ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਸਰਕਾਰੀ ਅਤੇ ਨਿੱਜੀ ਸਕੂਲਾਂ ਨੇ ਇਸ ਦਾ ਜਵਾਬ ਸਿੱਧੇ ਮਨ੍ਹਾ ਕਰਨ ਜਾਂ ਅਧੂਰੀਆਂ ਨੀਤੀਆਂ ਨਾਲ ਦਿੱਤਾ। ਦੋਵਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਵੀ ਤਰੀਕੇ ਨੇ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਇਹ ਨਹੀਂ ਸਿਖਾਇਆ ਕਿ ਇਸ ਤਕਨਾਲੋਜੀ ਨਾਲ ਅਰਥਪੂਰਨ ਤਰੀਕੇ ਨਾਲ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਹੈ।
ਹਾਲ ਹੀ ਦੇ ਖੋਜਾਂ ਨੇ ਇਸ ਗਲਤੀ ਦੇ ਜੋਖਮ ਨੂੰ ਮਾਪਿਆ ਹੈ। 26,000 ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ ਹਾਲਾਂਕਿ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਹੋਮਵਰਕ ਨੇ ਰੋਜ਼ਾਨਾ ਅਸਾਈਨਮੈਂਟਾਂ ਵਿੱਚ ਉੱਚੇ ਸਕੋਰ ਦਿੱਤੇ, ਪਰ ਪ੍ਰੀਖਿਆ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ 24 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਦੀ ਗਿਰਾਵਟ ਆਈ। ਵਧੇਰੇ ਚਿੰਤਾਜਨਕ ਗੱਲ ਇਹ ਹੈ ਕਿ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਵਰਤੋਂ ਕਰਨ ਵਾਲਿਆਂ ਵਿੱਚੋਂ 81 ਪ੍ਰਤੀਸ਼ਤ ਅਸਲ ਵਿੱਚ ਆਪਣੀ ਆਲੋਚਨਾਤਮਕ ਸੋਚ (critical thinking) ਮਸ਼ੀਨ ਨੂੰ ਸੌਂਪ ਰਹੇ ਸਨ। ਉਹ ਚੰਗੀ ਤਰ੍ਹਾਂ ਲਿਖੇ ਹੋਏ ਲੇਖ ਅਤੇ ਮੁਕੰਮਲ ਪ੍ਰੋਬਲਮ ਸੈੱਟ ਤਿਆਰ ਕਰ ਸਕਦੇ ਸਨ, ਪਰ ਉਹ ਅਸਲ ਵਿੱਚ ਮੂਲ ਧਾਰਨਾਵਾਂ ਨਹੀਂ ਸਿੱਖੇ ਸਨ। ਹੋਮਵਰਕ ਬਿਲਕੁਲ ਸਹੀ ਲੱਗ ਰਿਹਾ ਸੀ, ਪਰ ਇਸ ਦੇ ਪਿੱਛੇ ਵਾਲੇ ਦਿਮਾਗ ਨਹੀਂ।
ਇਹ ਉਹ "ਸੋਚਣ ਦਾ ਪਾੜਾ" (thinking gap) ਹੈ ਜੋ ਅਮੀਰ ਮਾਪਿਆਂ ਦੀ ਨੀਂਦ ਉਡਾਉਂਦਾ ਹੈ। ਅਜਿਹੀ ਆਰਥਿਕਤਾ ਵਿੱਚ ਜਿੱਥੇ ਮਸ਼ੀਨਾਂ ਸਕਿੰਟਾਂ ਵਿੱਚ ਕੋਡ ਤਿਆਰ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਇਕਰਾਰਨਾਮੇ ਡਰਾਫਟ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਉੱਥੇ ਮਨੁੱਖੀ ਮਿਹਨਤ ਦੀ ਕੀਮਤ ਫੈਸਲਾ ਲੈਣ ਦੀ ਸਮਰੱਥਾ, ਰਚਨਾਤਮਕਤਾ ਅਤੇ ਗੁੰਝਲਦਾਰ ਤਰਕ 'ਤੇ ਟਿਕੀ ਹੋਈ ਹੈ। ਜੇਕਰ ਕੋਈ ਵਿਦਿਆਰਥੀ AI ਨੂੰ ਇੱਕ ਸਾਧਨ ਦੀ ਬਜਾਏ ਇੱਕ ਸ਼ਾਰਟਕੱਟ ਵਜੋਂ ਵਰਤਣਾ ਸਿੱਖ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਇੱਕ ਖ਼ਤਰਨਾਕ ਕਮੀ ਨਾਲ ਬਾਲਗਤਾ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰਦਾ ਹੈ। ਉਹ ਐਲਗੋਰਿਦਮ ਤੋਂ ਕੰਮ ਕਰਵਾਉਣ ਵਿੱਚ ਤਾਂ ਮਾਹਰ ਹੋ ਜਾਂਦੇ ਹਨ ਪਰ ਉਸ ਕੰਮ ਨੂੰ ਨਿਰਦੇਸ਼ ਦੇਣ, ਸੁਧਾਰਨ ਜਾਂ ਉਸ 'ਤੇ ਸਵਾਲ ਉਠਾਉਣ ਵਿੱਚ ਅਸਮਰੱਥ ਰਹਿੰਦੇ ਹਨ।
Alpha ਵਰਗੇ ਸਕੂਲ AI ਨੂੰ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਕੇ ਇਸ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ, ਨਾ ਕਿ ਇਸਨੂੰ ਸਿੱਖਣ ਵਾਲੇ ਦੀ ਜਗ੍ਹਾ ਲੈਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਵਿਦਿਆਰਥੀ ਨਿਗਰਾਨੀ ਹੇਠ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਜਿਹੇ ਸੰਚਾਲਿਤ ਮਾਹੌਲ ਵਿੱਚ ਜਿੱਥੇ ਅੰਤਿਮ ਟੀਚਾ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਨਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਕੰਮ ਪੂਰਾ ਕਰਨਾ। AI ਇੱਕ 'ਕੋਗਨੀਟਿਵ ਮਲਟੀਪਲਾਈਅਰ' (cognitive multiplier) ਬਣ ਜਾਂਦਾ ਹੈ, ਜੋ ਅਜਿਹੇ ਪੱਧਰ 'ਤੇ ਵਿਆਖਿਆਵਾਂ ਨੂੰ ਨਿੱਜੀ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੁੰਦਾ ਹੈ ਜਿਸਦੀ ਕੋਈ ਮਨੁੱਖੀ ਅਧਿਆਪਕ ਬਰਾਬਰੀ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਜਦੋਂ ਕਿ ਕਮਰੇ ਵਿੱਚ ਮੌਜੂਦ ਬਾਲਗ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਵਿਦਿਆਰਥੀ ਅਸਲ ਵਿੱਚ ਸੋਚ ਰਿਹਾ ਹੈ। ਇਹ ਪੁਰਾਣੇ ਮਾਡਲ (ਪੈਸਿਵ ਲੈਕਚਰ) ਅਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਆਟੋਮੇਸ਼ਨ ਦੇ ਨਵੇਂ ਲਾਲਚ, ਦੋਵਾਂ ਦਾ ਜਾਣਬੁੱਝ ਕੇ ਅਸਵੀਕਾਰ ਹੈ।
ਤਿਆਰੀ ਦਾ ਇੱਕ ਨਵਾਂ ਪੱਧਰ
ਇੱਥੇ ਇੱਕ ਡੂੰਘਾ ਤਣਾਅ ਹੈ। ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ, AI ਨੂੰ ਸਭ ਨੂੰ ਬਰਾਬਰ ਕਰਨ ਵਾਲਾ ਇੱਕ ਵੱਡਾ ਸਾਧਨ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਜਿਸ ਕੋਲ ਫ਼ੋਨ ਅਤੇ ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਹੈ, ਉਸ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਸਬਰ ਵਾਲੇ ਅਤੇ ਗਿਆਨਵਾਨ ਟਿਊਟਰ ਤੱਕ ਪਹੁੰਚ ਹੈ ਜੋ ਕਿਸੇ ਵੀ ਸਮੇਂ ਉਪਲਬਧ ਹੋ ਸਕਦਾ ਹੈ। ਫਿਰ ਵੀ, ਮੌਜੂਦਾ ਹਕੀਕਤ ਉਲਟ ਦਿਸ਼ਾ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰ ਰਹੀ ਹੈ। Alpha ਵਰਗੇ ਸਕੂਲਾਂ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੀ ਗਈ ਉੱਚ-ਪੱਧਰੀ ਅਤੇ ਧਿਆਨ ਨਾਲ ਨਿਗਰਾਨੀ ਕੀਤੀ ਗਈ AI integration ਅਜੇ ਵੀ ਸਾਲਾਨਾ $75,000 ਤੱਕ ਦੀ ਟਿਊਸ਼ਨ ਦੀ ਕੰਧ ਦੇ ਪਿੱਛੇ ਕੈਦ ਹੈ।
ਇਸ ਵੰਡ ਦਾ ਸਮਾਂ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਤਕਨਾਲੋਜੀ ਕੇਂਦਰ ਅਸਾਧਾਰਨ ਦੌਲਤ ਪੈਦਾ ਕਰ ਰਹੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਰਿਪੋਰਟਾਂ ਅਨੁਸਾਰ OpenAI ਨੇ ਇੱਕੋ ਪਤਝੜ ਵਿੱਚ 75 ਮਲਟੀਮਿਲੀਅਨਏਅਰ ਬਣਾ ਦਿੱਤੇ ਹਨ, ਉਹ ਪਰਿਵਾਰ ਜੋ ਇਹ ਵੱਡੀ ਦੌਲਤ ਇਕੱਠੀ ਕਰ ਰਹੇ ਹਨ, ਉਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵੱਖਰੀ ਸ਼੍ਰੇਣੀ ਦੀ ਸਿੱਖਿਆ ਖਰੀਦ ਸਕਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਦੇ ਬੱਚੇ ਸਿਰਫ਼ ਵਿਆਕਰਣ ਦੀ ਜਾਂਚ ਕਰਨ ਜਾਂ ਲੇਖਾਂ ਦਾ ਸਾਰ ਕੱਢਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰ ਰਹੇ ਹਨ। ਉਹ ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਸੰਚਾਲਿਤ ਕਰਨਾ, ਆਉਟਪੁੱਟ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ, ਹੈਲੂਸੀਨੇਸ਼ਨਾਂ (hallucinations) ਨੂੰ ਸੰਭਾਲਣਾ, ਅਤੇ ਮਸ਼ੀਨੀ ਬੁੱਧੀ ਨੂੰ ਗੁੰਝਲਦਾਰ, ਅਸਲ-ਦੁਨੀਆ ਦੇ ਉਦੇਸ਼ਾਂ ਵੱਲ ਮੋੜਨਾ ਸਿੱਖ ਰਹੇ ਹਨ।
ਇਹ ਤਿਆਰੀ ਦੀ ਇੱਕ ਲੜੀਵਾਰ ਪ੍ਰਣਾਲੀ ਬਣਾਉਂਦਾ ਹੈ। ਇੱਕ ਸਮੂਹ ਬੁਨਿਆਦੀ ਸਹਾਇਤਾ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਦੂਜਾ ਇਸ ਨੂੰ ਕਮਾਂਡ ਕਰਨਾ ਸਿੱਖਦਾ ਹੈ। ਸਮੇਂ ਦੇ ਨਾਲ, ਉਹ ਅੰਤਰ ਤਕਨਾਲੋਜੀਕੀ ਲੀਡਰਸ਼ਿਪ ਅਤੇ ਤਕਨਾਲੋਜੀਕੀ ਗੁਲਾਮੀ ਵਿਚਕਾਰ ਪਾੜੇ ਨੂੰ ਵਧਾਉਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਉਹ ਵਿਦਿਆਰਥੀ ਜੋ ਕੋਚਡ, ਪ੍ਰੋਜੈਕਟ-ਅਧਾਰਤ ਮਾਹੌਲ ਵਿੱਚ AI ਸਹਿਯੋਗ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਦਾ ਹੈ, ਉਹ ਵਿਕਸਿਤ ਕਰਦਾ ਹੈ