دانشجویان دانشگاه به هوش مصنوعی روی آورده‌اند، درست همان‌طور که یک راننده مضطرب جدید با یک نقشه راه مچاله شده ممکن است به مسیریاب ماهواره‌ای روی بیاورد - یعنی با اشتیاق و به‌طور قابل درک.
یک نظرسنجی از دانشجویان کارشناسی بریتانیا توسط موسسه سیاست آموزش عالی نشان می‌دهد که ۹۲ درصد از آن‌ها در سال جاری از نوعی هوش مصنوعی مولد استفاده می‌کنند، در مقایسه با ۶۶ درصد در سال گذشته، در حالی که ۸۸ درصد از آن در ارزیابی‌ها استفاده کرده‌اند، در مقایسه با ۵۳ درصد در سال گذشته.
دانشگاه‌ها چه باید بکنند؟ غریزه من این است که به آن تکیه کنم. به دانشجویان خود بگویید که همان سوال مقاله را به ابزاری مانند ChatGPT خواهید داد. آن‌ها بر اساس این که نسخه آن‌ها چقدر بهتر از نسخه ماشین است، نمره خواهند گرفت: چقدر اصیل‌تر، خلاقانه‌تر، دقیق‌تر یا دقیق‌تر. یا نسخه هوش مصنوعی را به آن‌ها بدهید و به آن‌ها بگویید که آن را بهبود بخشند، و همچنین توهمات آن را شناسایی و اصلاح کنند.
به هر حال، چشم‌انداز دانشجویان شما در دنیای کار بستگی به این دارد که چقدر می‌توانند ارزش افزوده ایجاد کنند، فراتر از آنچه یک ماشین می‌تواند ارائه دهد. علاوه بر این، مطالعات استفاده از هوش مصنوعی در محل کار نشان می‌دهد که این وظایف ویرایش و نظارت به طور فزاینده‌ای رایج خواهند شد. یک مطالعه مایکروسافت که امسال در مورد استفاده کارگران دانش از هوش مصنوعی مولد منتشر شد، نشان داد که این ابزار "ماهیت تفکر انتقادی" را از "جمع‌آوری اطلاعات به تأیید اطلاعات"، از "حل مسئله به ادغام پاسخ هوش مصنوعی" و از "اجرای وظیفه به مباشرت وظیفه" تغییر داده است.
اما مانند بسیاری از راه‌حل‌های مرتب و دلپذیر برای مشکلات پیچیده، راه‌حل من یک ایده وحشتناک است. ماریا آبریو، استاد جغرافیای اقتصادی در دانشگاه کمبریج، به من گفت که بخش او در این راستا آزمایش کرده است. اما وقتی آن‌ها یک متن هوش مصنوعی را به دانشجویان کارشناسی دادند و از آن‌ها خواستند که آن را بهبود بخشند، نتایج ناامیدکننده بود. او گفت: "بهبودها بسیار سطحی بودند، آن‌ها ساختار استدلال‌ها را تغییر ندادند."
دانشجویان کارشناسی ارشد عملکرد بهتری داشتند، شاید به این دلیل که قبلاً توانایی تفکر انتقادی و ساختاردهی استدلال‌ها را تقویت کرده بودند. "نگرانی این است که اگر ما به آن‌ها آموزش ندهیم که خودشان فکر کنند، آیا آن‌ها آن توانایی را توسعه نخواهند داد؟" پس از این که همه‌گیری باعث تغییر در ارزیابی‌هایی شد که در آن دانشجویان به اینترنت دسترسی داشتند، بخش آبریو اکنون به شرایط امتحان بسته باز می‌گردد.
مایکل ویل، دانشیار دانشکده حقوق دانشگاه کالج لندن، به من گفت که بخش او نیز به استفاده از امتحانات سنتی‌تر بازگشته است. ویل، که یک متخصص در سیاست فناوری است، هوش مصنوعی را به عنوان یک "تهدید برای فرایند یادگیری" می‌بیند زیرا یک میان‌بر فریبنده برای دانشجویانی ارائه می‌دهد که تحت فشار زمان هستند و مشتاق کسب نمرات خوب هستند.
او می‌گوید: "ما نگران هستیم. نقش ما این است که به آن‌ها در مورد این میان‌برها هشدار دهیم - میان‌برهایی که پتانسیل آن‌ها را محدود می‌کند. ما می‌خواهیم که آن‌ها در زمان مناسب از بهترین ابزارها برای کار در محل کار استفاده کنند، اما زمانی برای آن وجود دارد، و آن زمان همیشه در ابتدا نیست."
این نگرانی فقط به موضوعات مبتنی بر مقاله محدود نمی‌شود. یک مطالعه از برنامه نویسان تازه کار توسط کتابخانه دیجیتال ACM نشان داد که دانشجویان با نمرات بهتر از ابزارهای هوش مصنوعی مولد به طور هوشمندانه‌ای برای "تسریع در رسیدن به یک راه‌حل" استفاده می‌کنند. دیگران عملکرد ضعیفی داشتند و احتمالاً تصورات غلطی به دست آوردند، اما به لطف هوش مصنوعی "توهم بی‌اساسی از شایستگی" را حفظ کردند.
ما ممکن است به زودی الگوهای مشابهی را در کار ببینیم. مطالعه کارگران دانش توسط مایکروسافت (که تلاش زیادی برای وارد کردن هوش مصنوعی به محل کار انجام می‌دهد) نشان داد که ابزارهای هوش مصنوعی مولد "تلاش درک شده تفکر انتقادی را کاهش می‌دهند و در عین حال وابستگی بیش از حد به هوش مصنوعی را تشویق می‌کنند".
البته، این چیز جدیدی نیست. در سال 1983، لیسان بینبریج انگشت خود را بر روی این مشکل در یک مقاله معروف به نام "تناقضات اتوماسیون" گذاشت. او استدلال کرد که انسان‌هایی که از آن‌ها خواسته می‌شود "اپراتورهای نگهبان ماشین" باشند، متوجه خواهند شد که مهارت‌ها و دانش آن‌ها به دلیل عدم استفاده منظم تحلیل می‌رود، و مداخله هنگامی که به آن نیاز دارند را برای آن‌ها دشوارتر می‌کند.
در بسیاری از موارد، این خوب بوده است. مردم مسیریاب ماهواره‌ای را پذیرفتند و فراموش کردند که چگونه به درستی مسیریابی کنند. دنیا به پایان نرسید. اما این برای همه خوب نخواهد بود که به طور غیرانتقادی خروجی هوش مصنوعی اغلب معیوب را در طیف وسیعی از وظایف کاری بپذیرند.
چگونه از این آینده اجتناب کنیم؟ مانند دانشجویان برنامه‌نویسی، به نظر می‌رسد پاسخ این است که چیزهای خود را بدانید: مطالعه مایکروسافت نشان داد که افرادی که اعتماد به نفس بالاتری دارند - که می‌دانستند اگر بخواهند می‌توانند وظیفه را بدون هوش مصنوعی انجام دهند - تفکر انتقادی بیشتری را اعمال کردند.
محققان نتیجه گرفتند که "تمرکز بر حفظ مهارت‌های اساسی در جمع‌آوری اطلاعات و حل مسئله به کارگران کمک می‌کند تا از وابستگی بیش از حد به هوش مصنوعی جلوگیری کنند". به عبارت دیگر، برای استفاده موثر از میان‌بر به جای بی‌فکر، باید بدانید که چگونه آن را بدون میان‌بر انجام دهید. دانشگاه‌ها - و دانشجویان - توجه داشته باشند.