مطالعه جدید MIT با اسکن مغزی، هزینۀ ترسناک استفاده از ChatGPT را فاش می‌کند
پژوهش جدید MIT نشان می‌دهد استفاده مداوم از ابزارهایی مثل ChatGPT، با کاهش اتصال‌های عصبی و تضعیف حافظه، ما را به سوی «ورشکستگی شناختی» سوق می‌دهد.
تحریریه حرف مرد: همه ما دوستی داریم که وقتی ChatGPT را کشف کرد، شروع کرد به استفاده از آن برای همه چیز؛ از نوشتن ایمیل و گزارش گرفته تا خلق ایده‌های خلاقانه، و ناگهان به یک «نابغه بهره‌وری» تبدیل شد: کارهایش را در نصف زمان انجام می‌دهد. متن‌هایش صیقل‌خورده و حرفه‌ای به نظر می‌رسند. انگار در سطحی بالاتر کار می‌کند.
اما اگر به شما بگویم این سرعت، قیمتی ترسناک دارد چه؟ اگر بگویم همین ابزاری که او را باهوش‌تر نشان می‌دهد، در واقع باعث می‌شود فراموش کند چطور باید فکر کند چه؟
پژوهشگران آزمایشگاه رسانه MIT به‌تازگی نخستین مطالعه طولی درباره تأثیرات شناختی استفاده از دستیارهای هوش مصنوعی مثل ChatGPT را بر روی یک کار ساده رایج—نوشتن یک مقاله—به پایان رسانده‌اند.
آن‌ها به مدت چهار ماه شرکت‌کنندگان را به دستگاه EEG وصل کردند تا به‌طور مستقیم به مغزهایشان نگاه کنند و آنچه کشف کردند، برای هر کسی که به قدرت مغزش اهمیت می‌دهد، هشداردهنده است.
این فقط یک پیش‌بینی آخرالزمانی نیست؛ بلکه واقعیتی مستند است. عصر «بدهی شناختی» ناشی از هوش مصنوعی از راه رسیده و بیشتر ما، بدون آنکه بدانیم، در حال بدهکار شدن هستیم.
روزی که توهم فرو ریخت
مطالعه MIT به رهبری ناتالیا کُسمینا طراحی ساده‌ای داشت. ۵۴ شرکت‌کننده از دانشگاه‌های برتر مانند MIT، هاروارد و وِلِزلی به سه گروه تقسیم شدند:
گروه اول فقط مجاز بودند از ChatGPT برای نوشتن مقالاتشان استفاده کنند.
گروه دوم فقط اجازه داشتند از موتور جستجو مثل گوگل کمک بگیرند و حق استفاده از هوش مصنوعی نداشتند.
گروه سوم باید فقط با ذهن خودشان کار را انجام می‌دادند؛ بدون هیچ ابزاری.
پس از هر جلسه نوشتن ۲۰ دقیقه‌ای، پژوهشگران یک سؤال ساده از شرکت‌کنندگان می‌پرسیدند: «آیا می‌توانید یکی از جملاتی را که همین الان در مقاله خود نوشته‌اید، نقل قول کنید؟»
پاسخ‌ها باورکردنی نبودند.
در نخستین جلسه، ۸۳.۳ درصد از کاربران ChatGPT حتی نتوانستند یک جمله از مقاله خود را به‌درستی نقل کنند.
این موضوع را خوب درک کنید. آن‌ها همین ۲۰ دقیقه پیش مشغول نوشتن متن بودند، اما مغزشان چیزی از آن را نگه نداشت. انگار اطلاعات از چشم‌ها و انگشتانشان عبور کرده و به‌کلی مدارهای شناختی مسئول حافظه و درک را دور زده بود. آن‌ها اجازه داده بودند چیز دیگری به‌جای‌شان فکر کند؛ بنابراین مغزشان اصلاً درگیر موضوع نشده بود.
در مقابل، دو گروه دیگر—کسانی که فقط با مغز خود یا با موتور جستجو کار کرده بودند—تقریباً تمام کار خود را به‌درستی به یاد داشتند. آن‌ها کار فکری را انجام داده بودند و حافظه، پاداش این تلاش بود.
این فقط یک اتفاق اتفاقی نبود. عملکرد ضعیف گروه LLM در به‌خاطرآوردن و یادآوری، موضوعی ثابت در سراسر این مطالعه بود. آن‌ها به‌لحاظ شناختی از کاری که انجام می‌دادند، جدا شده بودند.
مقالات «بی‌روح»
پژوهشگران همچنین دو معلم حرفه‌ای زبان انگلیسی را برای نمره دادن به مقالات دعوت کردند. معلمان هیچ اطلاعاتی درباره گروه‌ها یا استفاده از هوش مصنوعی نداشتند و فقط بر اساس کیفیت مقاله‌ها قضاوت می‌کردند.
اما آن‌ها فوراً متوجه شدند چیزی در مقالات گروه LLM درست نیست.
نظرات آن‌ها تصویری نگران‌کننده ارائه می‌دهد:
برخی مقالات به‌دلیل استفاده تقریباً کامل از زبان و ساختار درست برجسته بودند، در حالی که همزمان فاقد بینش‌های شخصی یا جملات واضح بودند… ما به‌عنوان معلمان زبان انگلیسی این مقالات را “بی‌روح” درک کردیم، چرا که بسیاری از جملات از نظر محتوا خالی بودند و مقاله‌ها فاقد ظرایف شخصی بودند.
معلمان حس می‌کردند چیزی کم است. نوشته‌ها از بیرون خوب به‌نظر می‌رسیدند؛ گرامر صحیح بود، ساختار بی‌نقص بود؛ اما متن‌ها تهی بودند. مثل استدلالی بدون روح.
این همان چیزی است که «واگذاری شناختی» نام دارد. هوش مصنوعی کلمات، دستور زبان و جریان متن را به شما می‌دهد؛ اما فکر اصلی پشت آن را نه. و هم نویسنده و هم خواننده می‌توانند حس کنند وقتی جرقه واقعی تفکر در متن نیست.
نگاهی به درون مغز: فروپاشی فاجعه‌بار در اتصال‌های عصبی
نتایج رفتاری به‌اندازه کافی نگران‌کننده بود، اما اسکن‌های EEG آسیب واقعی عصبی را نشان دادند. پژوهشگران از روشی به‌نام dDTF برای اندازه‌گیری قدرت و جهت اتصال‌های عصبی استفاده کردند؛ به‌عبارتی اینکه بخش‌های مختلف مغز چقدر و چگونه با یکدیگر ارتباط برقرار می‌کنند.
نتایج، کاهش واضح و نظام‌مندی را در فعالیت مغزی بر اساس میزان کمک بیرونی نشان داد:
گروه «ذهنی» قوی‌ترین و گسترده‌ترین شبکه‌های مغزی را نشان دادند. مغزشان سرشار از فعالیت بود؛ شبکه غنی‌ای از ارتباطات که در تمام باندهای فرکانسی (آلفا، بتا، تتا و دلتا) شلیک می‌کرد.
گروه «موتور جستجو» مشارکت متوسطی را نشان دادند. مغزشان هنوز سخت کار می‌کرد، اما بخشی از بار شناختی را اطلاعات بیرونی مدیریت می‌کرد.
گروه LLM ضعیف‌ترین فعالیت مغزی را داشتند. شبکه‌های عصبی آن‌ها به‌شکلی حیرت‌آور آرام بودند.
اعداد، شوکه‌کننده‌اند. در مقایسه با گروه «ذهنی»، گروه LLM تا ۵۵ درصد کاهش اتصال در باندهای فرکانسی پایین داشتند؛ باندهایی که مسئول تفکر عمیق، پردازش معنایی و شکل‌گیری حافظه هستند.
تعداد ارتباطات معنادار در باند آلفا—که برای خلاقیت و ایده‌پردازی درونی حیاتی است—از ۷۹ در گروه ذهنی به ۴۲ در گروه LLM کاهش یافت. این یعنی ۴۷ درصد کاهش در اتصال مغزی.
اگر وای‌فای خانه شما نیمی از قدرت سیگنالش را از دست بدهد، آن را خراب می‌دانید. این دقیقاً همان اتفاقی است که برای موتور تفکر داخل جمجمه ما می‌افتد. مسیرهایی که از خلاقیت، تحلیل انتقادی و حافظه پشتیبانی می‌کنند، به‌دلیل کم‌کار شدن، ضعیف می‌شوند.
ترسناک‌ترین آزمایش: از دست دادن توانایی فکر کردن
شاید فکر کنید: «خب، استفاده از هوش مصنوعی فقط هنگام انجام کار مغزم را تنبل می‌کند. وقتی نیاز باشد، می‌توانم آن را خاموش کنم و خودم فکر کنم، درست است؟»
اشتباه می‌کنید. و این بخش از مطالعه واقعاً باید شما را بترساند.
در جلسه چهارم و پایانی، پژوهشگران گروه‌ها را عوض کردند. شرکت‌کنندگانی که ماه‌ها از ChatGPT استفاده کرده بودند (گروه LLM) مجبور شدند مقاله‌ای بنویسند بدون هیچ ابزار کمکی.
نتیجه؟ آن‌ها عملکردی به‌مراتب بدتر از گروه «ذهنی» داشتند. در واقع، فقط بد کار نکردند؛ بلکه بدتر از کسی عمل کردند که از صفر شروع کرده باشد. مغزشان فقط به تکیه به هوش مصنوعی عادت نکرده بود؛ بلکه واقعاً ضعیف‌تر شده بود.
تصور کنید یک خلبان همیشه روی سیستم خودکار پرواز کرده و وقتی سیستم از کار می‌افتد و از او می‌خواهند دستی پرواز کند، نمی‌تواند؛ چون مهارتش از فرط عدم استفاده، تحلیل رفته است.
اسکن‌های مغزی این جلسه، «آتروفی شناختی» را تأیید کرد. کاربران سابق LLM، حالا در وضعیت «LLM به ذهنی»، اتصال عصبی ضعیف‌تری داشتند و شبکه‌های آلفا و بتا که برای تفکر خلاق و انتقادی لازم‌اند، به‌خوبی درگیر نمی‌شدند. مغزشان دیگر بلد نبود از صفر ایده بسازد.
بدتر اینکه، تحلیل NLP از مقاله‌هایشان نشان داد آن‌ها همچنان جملات و ایده‌هایی را که ChatGPT در جلسات قبلی به آن‌ها داده بود، تکرار می‌کردند. انگار در یک حلقه بسته گرفتار شده بودند؛ دائماً افکار قدیمی AI را بازتولید می‌کردند چون نمی‌توانستند ایده جدیدی پیدا کنند.
آشنایی با غول مرحلۀ بعد: بدهی شناختی
پژوهشگران MIT این پدیده را نام‌گذاری کردند: بدهی شناختی.
مثل بدهی فنی در مهندسی نرم‌افزار که میانبرهای آسان امروز، مشکلات عظیم فردا را ایجاد می‌کنند، بدهی شناختی هم یعنی وقتی بیش از حد به میانبرهای فکری تکیه می‌کنید، توانایی‌تان برای تفکر شفاف در آینده آسیب می‌بیند.
هر بار که به ChatGPT اجازه می‌دهید «فقط شروع کند»، یا «یک پاراگراف را ویرایش کند» یا «چند مثال پیدا کند»، در حال گرفتن یک وام کوچک هستید. پرداخت فوری آن سرعت و راحتی است. اما بهره‌اش را با تحلیل رفتن تفکر انتقادی، ضعف حافظه و از بین رفتن شعله خلاقیت می‌پردازید.
و درست مثل بدهی مالی، این بهره انباشته می‌شود. هرچه بیشتر به عصا تکیه کنید، پاهایتان ضعیف‌تر می‌شود و بیشتر به عصا نیاز پیدا می‌کنید. این چرخه معیوب در نهایت به ورشکستگی شناختی منتهی می‌شود.
همچنین بخوانید: آیا هوش مصنوعی واقعاً بهره‌وری را افزایش می‌دهد؟
پارادوکس بهره‌وری که هیچ‌کس درباره‌اش صحبت نمی‌کند
اینجا همان تله‌ای است که همه ما در آن می‌افتیم. مطالعات (از جمله همان‌هایی که MIT به آن‌ها استناد می‌کند) نشان می‌دهند استفاده از هوش مصنوعی می‌تواند شما را تا ۶۰ درصد بهره‌ورتر کند. این احساس فوق‌العاده است؛ کارهای بیشتری را سریع‌تر انجام می‌دهید.
اما مقاله MIT به هزینه پنهان این موضوع اشاره می‌کند. استفاده از AI منجر به ۳۲ درصد کاهش در «بار شناختی مفید» می‌شود.
«بار شناختی مفید» همان نوع خوب تلاش ذهنی است. این همان چیزی است که به ما کمک می‌کند موضوعات را عمیقاً درک کنیم؛ با وصل کردن ایده‌های جدید به دانسته‌های قبلی. این فرآیند باعث می‌شود مدل‌های ذهنی قوی بسازیم و دانش را وارد حافظه بلندمدت کنیم. شبیه یک تمرین بدنسازی برای مغز است که ما را باهوش‌تر می‌کند.
اما وقتی ابزارهای AI تمام فکر سخت را برایمان انجام می‌دهند، این تمرین ذهنی را از ما می‌گیرند. مغزمان چالش لازم برای رشد را دریافت نمی‌کند. ما سرعت کوتاه‌مدت را با ضعف ذهنی بلندمدت معامله می‌کنیم.
هنوز امید هست؛ اما نیاز به انقلابی در نگرش ما به هوش مصنوعی دارد
همه خبرهای این مطالعه منفی نبود. پژوهش همچنین مسیری برای آینده را نشان داد؛ راهی برای استفاده از این ابزارهای قدرتمند بدون قربانی کردن یکپارچگی شناختی‌مان.
کلید راه‌حل از نیمه دیگر جلسه چهارم به دست آمد: شرکت‌کنندگانی که کار را با گروه «ذهنی» شروع کرده بودند و سپس برای اولین بار به آن‌ها LLM داده شد.
چه اتفاقی برای مغزشان افتاد؟
اتصال عصبی آن‌ها افزایش یافت.
وقتی ابزار جدیدی به آن‌ها داده شد، مغزشان با تمام قوا کار کرد. آن‌ها فقط چیزی را که AI ارائه می‌داد، قبول نکردند؛ بلکه آن را به چالش کشیدند، روی آن ساختند و با ایده‌های خودشان مقایسه کردند. این فرآیند فعال تفکر، ذهنشان را بیشتر از نوشتن بدون ابزار یا استفاده کورکورانه از هوش مصنوعی از همان ابتدا به کار گرفت.
نکته کلیدی این است: ترتیب استفاده اهمیت دارد.
AI نباید نقطه شروع باشد. باید برای بهبود و گسترش تفکر خودمان استفاده شود
بهترین و سالم‌ترین روش برای استفاده از هوش مصنوعی این است که ابتدا خودتان فکر کنید و روی مسئله کار کنید. سعی کنید موضوع را بفهمید، ایده بدهید و یک طرح بریزید. بعد از آن، از AI به‌عنوان کمک استفاده کنید؛ مثل یک شریک که می‌تواند فکر شما را به چالش بکشد، اطلاعات مفید پیدا کند یا نوشته‌تان را بهبود دهد.
اگر با AI شروع کنید، دارید روی شنی سست بنا می‌کنید. اگر با مغزتان شروع کنید، دارید روی سنگ بنا می‌گذارید.
آینده کار، انتخاب میان هوش انسانی و هوش مصنوعی نیست؛ بلکه طراحی یک جریان کاری است که به قوت هر دو احترام بگذارد.
مطالعه MIT یک زنگ هشدار است. ما در یک نقطه عطف قرار داریم و انتخابی که می‌کنیم، چشم‌انداز شناختی نسل‌های آینده را شکل خواهد داد. آیا اجازه می‌دهیم هوش مصنوعی جای ما را بگیرد و ذهنمان را به تحلیل ببرد؟ یا کنترل را به دست می‌گیریم و از هوش مصنوعی برای تقویت هوش خود استفاده می‌کنیم، نه جایگزینی آن؟
فعلاً انتخاب با ماست.
اما زمان در حال گذر است.
منبع: Medium، کاربر Rohit Kumar Thakur
