هوش مصنوعی چه بلایی بر سر قدرت یادگیری ما می آورد؟

وبو: به گزارش وبو، یک روان شناس شناختی توضیح داده که وقتی کار دشوار می باشد، قدرت یادگیری تقویت می شود. به همین دلیل، هوش مصنوعی با ساده کردن کار، قدرت یادگیری را تضعیف می کند.

وقتی شرکت «اوپن ای آی» (OpenAI) در ژوئیه ۲۰۲۵ «حالت مطالعه» (study mode) را عرضه نمود، به تعریف و تمجید از مزایای آموزشی «چت جی پی تی» (ChatGPT) پرداخت. 
به نقل از کانورسیشن، معاون آموزشی اوپن ای آی در مراسم رونمایی از این محصول به خبرنگاران اظهار داشت: «وقتی چت جی پی تی برای تدریس یا آموزش خصوصی تشویق می شود، می تواند عملکرد تحصیلی را به صورت قابل توجهی بهبود ببخشد.»، اما هر معلم متعهدی حق دارد از خود بپرسد که آیا این فقط بازاریابی است یا تحقیقات علمی واقعا چنین ادعا هایی را تأیید می کنند؟
بااینکه فناوری های مبتنی بر هوش مصنوعی مولد با سرعت برق درحال ورود به کلاس های درس هستند، اما پژوهشها درباره ی سؤال مورد بحث به این سرعت پیشرفت نکرده اند. بعضی از پژوهش های اولیه، مزایایی را برای گروههای خاصی مانند دانشجویان برنامه نویسی و زبان آموزان انگلیسی نشان داده اند و برخی از پژوهش های خوش بینانه دیگر نیز پیرامون نقش هوش مصنوعی در آموزش انجام شده اند؛ همچون پژوهشی که در مه ۲۰۲۵ در مجله Nature به چاپ رسید و نشان داد که چت بات ها ممکنست به تقویت یادگیری و تفکر کمک کنند. با این وجود، محققان این حوزه به نقاط ضعف روش شناختی قابل توجهی در خیلی از این مقالات پژوهشی اشاره کرده اند.
پژوهش های دیگر، تصویر تیره تری را ترسیم می کنند و نشان می دهند که هوش مصنوعی ممکنست عملکرد یا توانایی های شناختی مانند مهارت های تفکر انتقادی را مختل کند. یک مقاله پژوهشی نشان داد که هرچه دانش آموز بیشتر هنگام یادگیری از چت جی پی تی استفاده نماید، بعداً برای انجام دادن وظایف مشابه در زمانی که چت جی پی تی در دسترس نیست، عملکرد بدتری خواهد داشت.
بعبارت دیگر، تحقیقات اولیه تازه آغاز به بررسی اجمالی این مورد کرده اند که هوش مصنوعی واقعا چه طور در بلند مدت بر یادگیری و شناخت تأثیر خواهد گذاشت. در کجا می توانیم به دنبال سرنخ های دیگری باشیم؟ «برایان استون» (Brian Stone)، دانشیار روانشناسی شناختی در «دانشگاه ایالتی بویزی» (Boise State University) با مطالعه نحوه ی استفاده دانشجویان دانشگاه از هوش مصنوعی دریافته است که حوزه کاری او راهنمایی های ارزشمندی را برای شناسایی زمانی که هوش مصنوعی می تواند تقویت کننده مغز باشد و زمانی که خطر تبدیل شدن به فرار مغز ها را دارد، ارائه می کند.
مهارت از تلاش حاصل می شود
استدلال روانشناسان شناختی اینست که افکار و تصمیم های ما نتیجه دو حالت پردازش هستند که معمولا با عنوان سیستم ۱ و سیستم ۲ شناخته می شوند.
سیستم ۱، سیستمی از تطبیق الگو، شهود و عادت است. این سیستم سریع و خودکار است و به توجه آگاهانه یا تلاش شناختی کمی نیاز دارد. خیلی از فعالیتهای روزمره ما – لباس پوشیدن، درست کردن قهوه و دوچرخه سواری تا محل کار یا مدرسه – در این گروه قرار می گیرند. از طرفی، سیستم ۲ عموماً کند و آگاهانه است و به توجه آگاهانه تر و گاهی تلاش شناختی دردناک نیاز دارد، اما اغلب با خروجی های قوی تری هم راه است.
ما به هر دوی این سیستم ها نیاز داریم، اما کسب دانش و تسلط بر مهارت های جدید بشدت به سیستم ۲ بستگی دارد. تقلا، اصطکاک و تلاش ذهنی برای کار شناختی، به خاطر سپردن و تقویت ارتباطات در مغز بسیار مهم هستند. هر بار که یک دوچرخه سوار با اعتماد به نفس سوار دوچرخه می شود، به تشخیص الگویی که با دشواری در سیستم ۱ خود به دست آورده و قبلاً آنرا از راه ساعت ها کار سخت سیستم ۲ برای یادگیری دوچرخه سواری بوجود آورده است، تکیه می کند. بدون تلاش و فشار شناختی اولیه، تسلط پیدا نمی کنید و نمی توانید اطلاعات را به صورت مؤثر برای پردازش سطح بالاتر تقسیم بندی کنید.
استون اظهار داشت: من به دانشجویانم می گویم که مغز خیلی شبیه به عضله است، برای اینکه برای دیدن پیشرفت آن، به کار سخت و واقعی نیاز داریم و بدون به چالش کشیدن، بزرگتر نخواهد شد.
چه می شود اگر یک ماشین این کار را برای شما انجام دهد؟
رباتی را تصور کنید که شما را تا باشگاه همراهی می کند و وزنه های سنگین را برای شما برمی دارد؛ بدون اینکه نیاز به تلاش از سوی شما باشد. با این کار، خیلی زود عضلات شما تحلیل می روند و حتی برای کار های ساده ای مانند جابه جایی یک جعبه سنگین در خانه به روبات متکی خواهید شد.
هوش مصنوعی نیز اگر به صورت نامناسب مورد استفاده قرار بگیرد – بطورمثال برای تکمیل یک آزمون یا نوشتن یک مقاله – موجب می شود دانش آموزان و دانشجویان از چیزی که برای توسعه دانش و مهارت به آن نیاز دارند، غافل شوند. این کار، تمرین ذهنی را از بین می برد.
استفاده از فناوری برای انجام دادن تمرین های شناختی می تواند تأثیر مخربی را بر یادگیری و حافظه داشته باشد و موجب شود که افراد درک یا توانایی های خودرا اشتباه تفسیر کنند و خطا های فراشناختی پیش بیایند. پژوهشها نشان داده اند که عادت کردن به مسیریابی خودرو با GPS ممکنست حافظه مکانی را مختل کند و استفاده از یک منبع بیرونی مانند گوگل برای پاسخ به پرسش ها، افراد را به دانش و حافظه شخصی خود بیش از اندازه مطمئن کند.
یکی از پژوهش های انجام شده در این عرصه نشان داد دانش آموزانی که به جای جست وجوی سنتی در وب، با کمک چت جی پی تی درباره ی موضوعی مطالعه می کنند، بار شناختی کمتری را دارند، برای اینکه آنها مجبور نیستند با دشواری فکر کنند. دانش آموزان این تحقیق، استدلال بدتری را درباره ی موضوع مطالعه ارائه دادند. استفاده سطحی از هوش مصنوعی ممکنست به معنای بار شناختی کمتر در لحظه باشد و شبیه به اینست که به یک روبات اجازه دهید تمرین های ورزشی شما را در باشگاه انجام دهد. این کار در نهایت به ایجاد مهارت های تفکر ضعیف تر منجر می شود.
در یک پژوهش دیگر، دانش آموزانی که از هوش مصنوعی برای اصلاح مقاله های خود استفاده می کردند، نسبت به دانش آموزانی که مقاله های خودرا اغلب با کپی کردن و چسباندن جملات چت جی پی تی اصلاح می کردند، نمرات بالاتری داشتند، اما این دانش آموزان در مقایسه با همسالان خود که بدون هوش مصنوعی کار می کردند، هیچ افزایشی را در دانش یا انتقال دانش نشان ندادند. محققان هشدار می دهند که این «تنبلی فراشناختی» ممکنست بهبود عملکرد را در کوتاه مدت بهمراه داشته باشد، اما به رکود مهارت ها در بلند مدت منجر می شود.
استفاده از هوش مصنوعی برای پشتیبانی از یادگیری
با بازگشت به مثال باشگاه ورزشی میتوان گفت شاید برای دانش آموزان بهتر باشد هوش مصنوعی را بعنوان یک مربی شخصی درنظر بگیرند که می تواند با ردیابی و چارچوب بندی یادگیری و تشویق به تلاش بیشتر، آنها را بر انجام دادن وظایف متمرکز کند. هوش مصنوعی پتانسیل بالایی را بعنوان یک ابزار یادگیری مقیاس پذیر و یک معلم خصوصی با پایگاه دانش گسترده دارد که هیچ گاه نمی خوابد.
شرکت های فناوری هوش مصنوعی نیز دقیقاً به دنبال طراحی همین هستند؛ یعنی یک معلم خصوصی غائی. علاوه بر ورود شرکت اوپن ای آی به آموزش، شرکت «آنتروپیک» (Anthropic) نیز در آوریل امسال، حالت یادگیری خودرا برای هوش مصنوعی «کلود» (Claude) ارائه کرد. مقرر است این مدلها در گفت وگوها، سؤال مطرح کنند و نکات را عرضه کنند، نه اینکه فقط پاسخ دهند.
بررسی های اولیه نشان داده است که مربیان هوش مصنوعی می توانند سودمند باشند، اما مشکلاتی را نیز ایجاد می کنند. به عنوان نمونه، یک پژوهش نشان داد دانش آموزان دبیرستانی که ریاضی را با چت جی پی تی مرور می کردند، عملکرد بدتری نسبت به دانش آموزانی که از هوش مصنوعی استفاده نمی کردند، داشتند. بعضی از دانش آموزان از نسخه پایه و برخی دیگر از یک نسخه مربی سفارشی سازی شده بهره برده بودند که بدون افشای پاسخ ها، نکات را ارائه می داد. وقتی دانش آموزان بعداً بدون دسترسی به هوش مصنوعی در امتحان شرکت کردند، آنهایی که از چت جی پی تی پایه بهره برده بودند، بسیار بدتر از گروهی که بدون هوش مصنوعی درس خوانده بودند، عمل کردند، اما متوجه نشدند که عملکردشان بدتر است. آنهایی که با چت بات مربی درس خوانده بودند، عملکرد بهتری نسبت به دانش آموزانی که بدون هوش مصنوعی درس خوانده بودند، نداشتند، اما به اشتباه فکر می کردند که بهتر عمل کرده اند. بنابراین، هوش مصنوعی هیچ کمکی نکرد و به خطا های فراشناختی منجر گردید.
حتی هرچند حالت های تدریس خصوصی اصلاح شده اند و بهبود یافته اند، دانش آموزان باید به صورت فعال آن حالت را انتخاب کنند، با آن همراه شوند، ماهرانه زمینه را فراهم نمایند و چت بات را از پرسش های بی ارزش، سطح پایین یا چاپلوسی دور نگه دارند.
مشکلات اخیر ممکنست با طراحی بهتر، اعلان های سیستم و رابط های کاربری سفارشی سازی شده برطرف شوند، اما وسوسه استفاده از هوش مصنوعی در حالت پیش فرض برای اجتناب از کار سخت، همچنان یک مشکل اساسی تر و کلاسیک تر در آموزش، طراحی دوره و ایجاد انگیزه در دانش آموزان برای اجتناب از میان بر هایی است که تمرین شناختی آنها را تضعیف می کنند.
همانطور که درباره ی سایر فناوری های پیچیده مانند تلفن های هوشمند، اینترنت یا حتی خود نوشتن صدق می کند، زمان بیشتری طول خواهد کشید تا محققان بتوانند دامنه واقعی تأثیرات هوش مصنوعی بر شناخت و یادگیری را به صورت کامل درک کنند. تصویر به دست آمده در نهایت احتمالا تصویری ظریف خواهد بود که بشدت به زمینه و مورد استفاده بستگی دارد، اما آن چه درباره ی یادگیری می دانیم به ما می گوید که دانش عمیق و تسلط بر یک مهارت همیشه به یک تمرین شناختی واقعی نیاز دارد؛ خواه با هوش مصنوعی صورت بگیرد و خواه بدون آن.
 منبع: ایسنا

منبع: weboo.ir