تحقیقات جدید نشان می‌دهد افرادی که برای حل مسائل ساده به artificial intelligence (هوش مصنوعی) متکی هستند، در مقایسه با کسانی که از این فناوری برای پاسخ‌های سریع استفاده نمی‌کنند، در انجام وظایف مشابه پس از حذف این کمک، عملکرد ضعیف‌تری دارند و احتمال تسلیم شدن آن‌ها بیشتر است.
این مطالعه که اوایل ماه جاری در کنفرانس مدل‌سازی زبان ۲۰۲۶ در سانفرانسیسکو ارائه شد، تأثیرات انتقال کار ذهنی به یک chatbot هوش مصنوعی را در وظایف مربوط به محاسبات ریاضی و درک مطلب بررسی کرد. بدنه رو به رشدی از تحقیقات نشان می‌دهد که این فرآیند «برون‌سپاری شناختی» (cognitive offloading) به یادگیری طولانی‌مدت و توانایی‌های تفکر انتقادی آسیب می‌زند.
نویسنده اول این مطالعه، Grace Liu، دانشجوی دکترای یادگیری ماشین در دانشگاه کارنگی ملون، در ایمیلی به Live Science گفت: «نگرانی در مورد چیزی است که دانشمندان علوم شناختی آن را 'سختی‌های مطلوب' (desirable difficulties) می‌نامند؛ یعنی همان تلاش سازنده‌ای که در طول زمان مهارت ایجاد می‌کند. اگر هوش مصنوعی به‌طور مداوم این تلاش را حذف کند، ممکن است افراد در لحظه به پاسخ صحیح برسند، اما توانایی مستقل و مستحکم کمتری در خود پرورش دهند.»
ویدیو کامل را اینجا تماشا کنید: لیو و همکارانش ۱۲۲۲ شرکت‌کننده را برای این مطالعه جذب کردند که اوایل امسال به صورت پیش‌چاپ منتشر شد و اکنون تحت داوری همتا قرار گرفته است. محققان سه آزمایش کنترل‌شده تصادفی طراحی کردند، شامل دو مجموعه از مسائل مربوط به کسرهای ریاضی و یک سری سوالات درک مطلب. شرکت‌کنندگان به سه گروه تقسیم شدند تا هیچ تداخلی بین آزمایش‌ها وجود نداشته باشد. تکمیل هر آزمایش ۱۳ تا ۱۵ دقیقه طول کشید.
در آزمایش اول، تیم تحقیق ۳۵۴ شرکت‌کننده را به صورت تصادفی به دو گروه تقسیم کرد: گروهی که به یک chatbot هوش مصنوعی دسترسی داشتند و گروهی که نداشتند. محققان به هر دو گروه ۱۲ مسئله کسر یکسان دادند که گروه هوش مصنوعی می‌توانست بلافاصله پاسخ را دریافت کند یا با دادن دستور (prompt) به چت‌بات، سرنخ‌هایی به دست آورد. سپس، محققان بدون هشدار قبلی، دستیار هوش مصنوعی را برای مجموعه نهایی شامل سه کسر حذف کردند که به تمام شرکت‌کنندگان، صرف‌نظر از گروه‌شان، داده شد.
هر دو گروه این گزینه را داشتند که از مسائل عبور کنند (skip). محققان در مطالعه نوشتند که صراحتاً به شرکت‌کنندگان گفته شده بود هیچ جریمه‌ای برای پاسخ‌های اشتباه وجود ندارد، بنابراین نادیده گرفتن یک مسئله، تصمیمی آگاهانه برای درگیر نشدن با آن بود. همچنین به شرکت‌کنندگان در هر دو گروه در صورت اشتباه، پاسخ صحیح داده می‌شد تا بتوانند از اشتباهات خود درس بگیرند.
این آزمایش اول نشان داد که شرکت‌کنندگان در گروه هوش مصنوعی، زمانی که به چت‌بات دسترسی داشتند، نسبت به گروه دیگر احتمال بیشتری داشت که کسرها را حل کنند و کمتر احتمال داشت که تسلیم شوند. اما زمانی که هوش مصنوعی حذف شد، عملکرد آن‌ها کاهش یافت و مسائل بیشتری را نادیده گرفتند یا در حل آن‌ها شکست خوردند؛ این موضوع نشان می‌دهد که استفاده از هوش مصنوعی به عملکرد در وظایف بدون کمک، پشتکار و انگیزه آسیب رسانده است.
آزمایش دوم کپی آزمایش اول بود، اما با ۶۶۷ شرکت‌کننده و تغییرات کوچک در طراحی آزمایش، از جمله اضافه کردن مرحله پیش‌آزمون که به محققان کمک کرد شرکت‌کنندگانی را که قادر به حل ابتدایی‌ترین مسائل نبودند، حذف کنند. یافته‌ها مشابه آزمایش اول بود و نشان داد که استفاده از هوش مصنوعی برای کارهای ساده، به پشتکار و انگیزه برای تکمیل همان وظایف بدون هوش مصنوعی آسیب می‌زند، به‌ویژه زمانی که از هوش مصنوعی برای دریافت مستقیم راه‌حل‌ها استفاده شود.
لیو تایید کرد که ماشین‌حساب‌ها نیز به افراد اجازه می‌دهند محاسبات را برون‌سپاری کنند که می‌تواند باعث کاهش مشابه در عملکرد مستقل شود. اما او گفت: «دلیل اینکه ما به‌طور خاص هوش مصنوعی را مطالعه می‌کنیم این است که به افراد اجازه می‌دهد استدلال را در وظایف مختلف و در حوزه‌های بسیار متنوع برون‌سپاری کنند.»
ماشین‌حساب‌ها به افراد اجازه می‌دهند مسائل ریاضی را برون‌سپاری کنند، اما تأثیر آن‌ها بر استدلال به اندازه تأثیرات هوش مصنوعی گسترده نیست.
در آزمایش سوم، تیم تحقیق تأثیرات کمک هوش مصنوعی را بر درک مطلب بررسی کرد که بر مهارت‌های معناسازی و ساخت مدل ذهنی (فرآیند شناختی ساخت بازنمایی‌های درونی از واقعیت بیرونی) تکیه دارد. این آزمایش شامل ۲۰۱ شرکت‌کننده بود که به یک گروه با دسترسی به هوش مصنوعی و یک گروه کنترل تقسیم شدند. محققان به هر دو گروه پنج سوال درک مطلب دادند و سپس chatbot هوش مصنوعی را غیرفعال کرده و سه سوال دیگر به هر شرکت‌کننده دادند.
نتایج مشابه دو آزمایش اول بود و نشان داد که کاهش پشتکار، به‌ویژه، ناشی از ماهیت مسائل ریاضی نبود، بلکه یک نتیجه کلی از برون‌سپاری شناختی به هوش مصنوعی است.
لیو گفت: «مهم‌ترین یافته این است که افرادی که بیشتر برون‌سپاری می‌کنند، کاهش بیشتری در پشتکار (افزایش نرخ نادیده گرفتن سوالات) دارند که مهارتی مهم و فرابخشی است.»
محققان در این مطالعه نوشتند یکی از دلایل احتمالی اینکه افراد پس از تجربه کمک از هوش مصنوعی دست از تلاش می‌کشند، این است که به فوری بودن پاسخ‌ها عادت می‌کنند و هر روشی را که زمان بیشتری ببرد، ناکارآمد می‌پندارند. اما مطالعات نشان می‌دهد که پشتکار در برابر سختی برای اکتساب مهارت و یادگیری ضروری است، که این امر نگرانی‌هایی را در مورد تأثیرات طولانی‌مدت استفاده از هوش مصنوعی برای کارهای ساده ایجاد می‌کند.
دانشمندان هنوز تصویر کاملی از اینکه چگونه موارد کوچک برون‌سپاری شناختی بر شایستگی پایدار و توانایی مستقل تأثیر می‌گذارد، ندارند. لیو گفت برای فهمیدن این موضوع، محققان باید همان افراد را برای مدت طولانی تحت نظر بگیرند و به‌طور منظم نتایج یادگیری آن‌ها را در طیف وسیعی از وظایف اندازه‌گیری کنند. اما طبق این مطالعه، تحقیقات تاکنون نشان می‌دهد که تکیه بیش از حد بر هوش مصنوعی، آمادگی شناختی و تسلط ما بر موضوعات را از بین می‌برد.
محققان استدلال کردند که برای تشویق یادگیری طولانی‌مدت، توانمندی و خودمختاری در افراد، مدل‌های هوش مصنوعی و چت‌بات‌ها باید به گونه‌ای طراحی شوند که به جای ارائه خودِ راه‌حل، راهنمایی‌ها و دستورالعمل‌هایی برای رسیدن به راه‌حل ارائه دهند؛ یعنی بیشتر شبیه به یک مربی (tutor) عمل کنند.
نویسنده همکار مطالعه، Brian Christian، دانشمند کامپیوتر و محقق در مرکز هوش مصنوعی سازگار با انسان در دانشگاه کالیفرنیا، برکلی، در بیانیه‌ای گفت: «ما باید به سمت آینده‌ای حرکت کنیم که در آن توانایی‌های انسانی تا حد ممکن تقویت شوند، نه اینکه جایگزین شوند.»
دیدگاه‌ها و نقدها
دیدگاه خود را درباره این تحلیل با دیگر خوانندگان به اشتراک بگذارید.
ارسال دیدگاه جدید
هنوز دیدگاهی برای این مقاله ثبت نشده است.
نخستین نفری باشید که دیدگاه یا نقد خود را درباره این موضوع می‌نویسد.