لذتبخشترین بخش مسیر دوچرخهسواری من به محل کار، تپه شیبداری است که درست قبل از رسیدن به دفتر باید از آن بالا بروم. تنظیمات قدرت دوچرخه الکتریکی خود را روی حداکثر قرار میدهم و با غرور به سمت بالا حرکت میکنم، و در سکوت برای هر کسی که چنین فناوری شگفتانگیزی را اختراع کرده است، دعای خیر میکنم.
تا زمانی که پیر شوم، ممکن است به همین اندازه از مخترعان «اسکلتهای کمکی روزمره» سپاسگزار باشم: دستگاههایی مانند کفشهای ورزشی بیونیک و کمربندهای رباتیک لگن که برای کمک به افراد مسن با کاهش تحرک طراحی شدهاند تا فعالتر از آنچه در غیر این صورت میتوانستند، باقی بمانند.
آیا هوش مصنوعی فناوری مشابهی است – اما برای مغز، نه بدن؟ محققانی که آزمایشی درباره استفاده از هوش مصنوعی با مشاوران در گروه مشاوره بوستون انجام دادند، این مقایسه را مطرح کردند. آنها دریافتند که این فناوری «تواناییهای کارگران را در حین تلاش برای مهارتهای جدید تقویت میکند»، اما «هنگامی که 'اسکلت کمکی' حذف میشود، دانش کمی یا هیچ دانشی به طور مستقل حفظ نمیشود.»
این یک قیاس مفید است، تا حدودی. اسکلتهای کمکی میتوانند به افراد کمک کنند کارهایی را انجام دهند که در غیر این صورت نمیتوانستند، که عمدتاً قابل تحسین است. اما آنها همچنین میتوانند منجر به تحلیل رفتن ماهیچهها به دلیل عدم استفاده شوند. کدام گروه از افراد را کمتر میخواستید به طور منظم از اسکلتهای کمکی استفاده کنند؟ مطمئناً جوانان، که ماهیچههایشان هنوز به طور کامل توسعه نیافته است.
شواهدی از قبل وجود دارد که نشان میدهد وقتی جوانان از «اسکلتهای کمکی ذهن» استفاده میکنند، میتوانند واقعاً رشد ماهیچههای شناختی خود را مختل کنند. مطالعه جدیدی روی تقریباً ۲۷۰۰۰ دانشآموز چینی نشان داد که استفاده از هوش مصنوعی نمرات تکالیف را بالا برده اما نمرات امتحانات را به طور قابل توجهی کاهش داده است.
میتوان نتیجه گرفت که مشکل در امتحانات است، نه دانشآموزان. اگر هوش مصنوعی دانش را ارزان و فراوان کرده است، برنامه درسی باید تغییر کند تا بر مهارتهایی تمرکز کند که کارفرمایان اکنون به آنها نیاز دارند، مانند تفکر انتقادی و مهارتهای بین فردی.
اما این استدلال میتواند بیش از حد پیش برود. اولاً، من متقاعد نیستم که شما بتوانید درباره چیزی که هیچ اطلاعی از آن ندارید «انتقادی فکر کنید». ثانیاً، این ایده که دانش دیگر ضروری نیست با سیگنالهایی که از بازار کار دریافت میکنیم، همخوانی ندارد. به عنوان مثال، در حرفه برنامهنویسی، این واقعیت که تقاضا برای توسعهدهندگان ارشد رو به افزایش است، نشان میدهد که تخصص فنی همچنان بسیار ارزشمند است – هم برای مدیریت عوامل هوش مصنوعی و هم برای جلوگیری از بروز خطاها.
نتیجهگیری جایگزین این است که هوش مصنوعی باید به سادگی در محیطهای آموزشی ممنوع شود. من این را هم قبول ندارم. اگر از جوانان انتظار میرود که از این ابزارها در دنیای کار استفاده کنند، ممنوعیت در مدرسه و دانشگاه به سختی آمادگی خوبی خواهد بود. علاوه بر این، تحقیقات نشان میدهد که هوش مصنوعی در واقع میتواند به افراد در یادگیری کمک کند، زمانی که به عنوان یک معلم خصوصی شخصی استفاده میشود. اینجا است که قیاس اسکلت کمکی از بین میرود. مدلهای زبان بزرگ (LLM) میتوانند هم به توسعه ماهیچههای شما کمک کنند و هم شما را وسوسه کنند که اصلاً از آنها استفاده نکنید.
یک مطالعه روی دانشجویان در حال یادگیری کدنویسی در یک دانشگاه چینی نشان داد که بسیاری از آنها فکر میکردند که از مدل زبان بزرگ خود به عنوان یک معلم خصوصی استفاده میکنند، در حالی که در واقع برای یافتن پاسخها به آن تکیه کرده بودند. یکی از دانشجویان به محققان گفت: «احساس میکردم یک برنامهنویس ارشد درست کنار من نشسته است. وقتی گیر میکردم، مشکل را برایش توضیح میدادم و با هم روی مشکل کار میکردیم.» اما زمانی که محققان سوابق تعامل دانشجو با مدل زبان بزرگ را بررسی کردند، «دستورات یکباره اجباری و به دنبال آن پذیرش سریع، الگویی که بیشتر با واگذاری وظایف تراکنشی همخوانی داشت» را یافتند.
خبر خوب این است که این مشکل راهحل نسبتاً سادهای دارد. اگر مطمئن شوید که ارزیابیهای اصلی مدرسه و دانشگاه (چه کتبی و چه عملی) باید تحت شرایط امتحان و بدون هوش مصنوعی تکمیل شوند، انگیزههای درستی را به سیستم بازمیگرداند. ممکن است مسیر پرفراز و نشیبی باشد، اما با گذشت زمان، معلمان، دانشآموزان و مؤسسات احتمالاً راههای خلاقانهای برای استفاده از هوش مصنوعی برای افزایش یادگیری پیدا خواهند کرد، در حالی که انگیزه قوی برای اجتناب از روشهایی که میانبر ایجاد میکنند، خواهند داشت.
دیزی کریستودولو، مدیر آموزش در شرکت فناوری آموزشی No More Marking، قیاسی با بازیکنان شطرنج مطرح میکند. او به من گفت: «همه بهترین بازیکنان شطرنج برای آمادهسازی از موتورهای شطرنج استفاده میکنند، و شکی نیست که این کار آنها را بهتر میکند. اما آنها از آن به عنوان عصا استفاده نمیکنند زیرا همه به سمت یک هدف نهایی کار میکنند که در آن نمیتوان از فناوری استفاده کرد.»
یک مزیت دیگر ممنوعیت هوش مصنوعی در ارزیابیها وجود دارد: این کار اطمینان میدهد که آنها مستلزم تلاش باقی میمانند. همه ما غریزه داریم که از کارهای سخت دوری کنیم. میدانم که من هم همینطورم. به همین دلیل دوچرخه الکتریکیام را دوست دارم. اما اگر تحصیلات من مانند یک صعود بیدردسر از تپه بود، فکر نمیکنم من را برای زندگی به خوبی آماده میکرد.