وقتی هوش مصنوعی به‌جای ما فکر می‌کند، چه چیزی از دست می‌دهیم؟ | پشت‌پرده تصمیم دانشگاه شیکاگو

آخرین باری که یک ایمیل حساس، کُدی پیچیده یا یک گزارش کاری را بدون بازکردن ChatGPT یا کلاد نوشتید، چه زمانی بود؟ ما به نقطه‌ای رسیده‌ایم که تپق‌های ذهنی، ابهامات و گره‌های کاری‌مان را با سرعت برق‌آسای الگوریتم‌ها پُر می‌کنیم.

شاید یک دهه پیش تصور نمی‌کردیم روزی برای انجام وظایف روزمره سراغ چند چت‌بات برویم؛ ولی آیا رفاه دیجیتالی که هوش مصنوعی به ما هدیه می‌دهد، باعث می‌شود مهارت کلنجاررفتن با مشکلات را از دست بدهیم؟

دانشکده‌ی حقوق دانشگاه شیکاگو که همیشه به‌عنوان مهد نوآوری شناخته می‌شود، اخیراً اعلام کرد دانشجویان سال اول این مؤسسه حق ندارند از لپ‌تاپ، تبلت، گوشی هوشمند و هوش مصنوعی در کلاش‌هایشان استفاده کنند؛ تصمیمی که به‌گفته‌ی مسئولین صرفاً برای جلوگیری از تقلب آکادمیک نیست و با هدف حفظ استقلال و مهارت‌های شناختی دانشجویان اجرا می‌شود.

دانشکده‌ی حقوق شیکاگو در بیانیه‌ی خود می‌گوید تأثیر هوش مصنوعی بر آموزش عالی و حرفه‌ی وکالت را مثبت ارزیابی نمی‌کند. آدام چیلتون رئیس دانشکده‌ی حقوق با انتقاد از رویه‌ی فعلی آموزش عالی که هیچ واکنش تأثیرگذاری به ابزارهای مبتنی‌بر مدل‌های زبانی بزرگ نشان نمی‌دهد، به هدف اصلی استراتژی جدید دانشکده اشاره می‌کند:

ما باید اطمینان حاصل کنیم که دانشجویان واقعاً یاد می‌گیرند چگونه بدون تکیه بر هوش مصنوعی، به‌طور مستقل، استراتژیک و عمیق فکر کنند؛ اما باید با این واقعیت نیز روبه‌رو شویم که ابزارهای هوش مصنوعی پیشاپیش در دسترس دانشجویان قرار دارند و از فارغ‌التحصیلان هم انتظار می‌رود که برای استفاده از آن‌ها در عمل حقوقی آماده باشند.

- آدام چیلتون، رئیس دانشکده‌ی حقوق دانشگاه شیکاگو

ولی بازی با قوانین ساده‌ی «این کار مجاز است و آن کار غیرمجاز» دیگر در دنیای امروز جواب نمی‌دهد. پروفسور ویلیام هابارد، رئیس کمیته‌ی هوش مصنوعی دانشکده به‌خوبی می‌داند که AI چنان در تاروپود نرم‌افزارها نفوذ کرده است که نمی‌توان مرزهایش را تفکیک کرد؛ از همین‌رو، دانشگاه، استراتژی ساختاری‌اش را با محوریت «آموزش مقاوم در برابر هوش مصنوعی» معرفی می‌کند و می‌گوید دانشجویان سال اول موظف‌اند پیش‌نویس‌های اولیه و ساختار استدلالی پرونده‌ها را کاملاً با اتکا به سلول‌های خاکستری خودشان و بدون هیچ دستیار هوشمندی به‌نگارش درآورند.

احتمالاً یک وکیل در میانه‌ی یک دادرسی پرالتهاب یا حین مذاکره‌ای حساس با رقبا، زمان و حتی امکان مشورت با چت‌بات‌ها را نخواهد داشت و پیروزی‌اش در چنین لحظاتی به قدرت پردازش شناختی بالا، قضاوت اخلاقی و استدلال آنی بستگی دارد؛ مهارت‌هایی که از کوره‌ی داغ تمرین‌های فشرده و مستقل ذهنی در سال‌های اولیه‌ی یادگیری بیرون می‌آیند.

دانشگاه شیکاگو خطر اصلی هوش مصنوعی مولد را سرقت نامحسوس و تدریجی فرآیندی می‌داند که در علوم‌شناختی با نام «کلنجار سازنده» (Productive Struggle) شناخته می‌شود؛ همان اصطکاک و تقلایی که پیش‌نیاز یادگیری عمیق و شکل‌گیری خلاقیت اصیل محسوب می‌شود.

آیا نگرانی دانشگاهیان در زمینه‌ی استفاده‌ی روزافزون دانشجویان از هوش مصنوعی واقعاً پشتوانه‌ی علمی دارد یا صرفاً به مقاومت سنتی در برابر تکنولوژی‌های جدید برمی‌گردد؟

برای بررسی ریشه‌های علمی نگرانی مدیران شیکاگو، باید از راهروهای دانشکده‌ی حقوق خارج شویم و به درون آزمایشگاه‌های علوم‌شناختی و عصب‌شناسی قدم بگذاریم؛ جایی‌که محققان تغییرات فیزیکی و رفتاری مغز ما در لحظه‌ی تعامل با مدل‌های زبانی را به‌دقت بررسی می‌کنند.

عموم کاربران وسوسه‌کننده‌ترین ویژگی هوش مصنوعی را سرعت تکمیل کار می‌دانند. وقتی مسئله‌ای پیچیده یا چالشی منطقی را به چت‌بات می‌دهیم و در کسری از ثانیه پاسخی ساختاریافته تحویل می‌گیریم، احساس می‌کنیم باهوش‌تر شده‌ایم؛ اما تحلیل طولی محققان دانشگاه کالیفرنیا (ارواین) روی ۳٫۲میلیون تعامل آموزشی، از واقعیت متفاوتی حکایت دارد.

داده‌های پژوهش دانشگاه کالیفرنیا (ارواین) نشان می‌داد که از زمان انتشار عمومی ChatGPT، دانشجویان برای پاسخ‌دادن به سؤال‌هایی که هوش مصنوعی می‌توانست در حل آن‌ها کمک کند، به‌طور میانگین ۲۶ تا ۳۱درصد زمان کمتری صرف کردند. تکالیف سریع‌تر به‌پایان می‌رسند؛ اما این سرعت هم‌ارز یادگیری نیست.

وقتی همین دانشجویان در آزمون‌هایی کنترل‌شده و بدون دسترسی به اینترنت یا ابزارهای هوش مصنوعی، با سؤال‌های مشابه روبه‌رو شدند، توانایی‌شان برای پاسخ‌گویی صحیح تا ۲۵درصد کاهش یافت؛ وضعیتی که توهم شایستگی را منعکس می‌کند.

مطالعه‌ی فرآیندکاوی دانشگاه موناش روی رفتار دانشجویان هنگام مقاله‌نویسی نشان داد که هوش مصنوعی دقیقاً همین لایه‌ی حیاتی را از کار می‌اندازد. محققان متوجه شدند کاربرانی که از هوش مصنوعی استفاده می‌کنند، در دام تنبلی فراشناختی می‌افتند.

درواقع به‌جای اینکه دانشجو با ایده‌ها درگیر شود، جمله‌ها را چندبار بازنویسی کند، ضعف‌های استدلالش را بیابد و برای رسیدن به پاسخ بهتر تلاش کند، وارد چرخه‌ای سریع از کپی‌کردن خروجی هوش مصنوعی و بازخورد سریع می‌شود. شاید مقاله‌ی نهایی منسجم و حرفه‌ای به‌نظر برسد؛ اما دانشی به زمینه‌های ذهنی دانشجو اضافه نمی‌کند.

ردپای تنبلی فراشناختی در تحقیقات لابراتوار رسانه‌ی MIT نیز به‌چشم می‌خورد. در یک آزمایش، گروهی از افراد بزرگسال با کلاه‌های مجهز به ۳۲ الکترود (EEG) مشغول نوشتن مقاله‌ای تحلیلی شدند. نتایج ثبت امواج مغزی این افراد هنگام استفاده از ChatGPT قابل‌تأمل بود.

کاهش فعالیت شبکه‌های مغزی باعث شد افراد بلافاصله پس‌از اتمام کار، مفاهیمی را که با کمک ماشین نوشته بودند به‌سختی به‌یاد بیاورند؛ پدیده‌ای که با نام «انباشت بدهی شناختی» شناخته می‌شود. درواقع مغز باید برای رمزگذاری اطلاعات در حافظه‌ی بلندمدت تلاش کند و هوش مصنوعی میزان این تلاش را به‌شدت کاهش می‌دهد.

اگر فکر می‌کنید طبق نتایج تحقیقات، باید انگشت اتهام را به‌سمت ماهیت هوش مصنوعی بگیریم، کمی صبر کنید؛ زیرا پژوهشگران نحوه‌ی تعامل ما با آن را عامل اصلی تنبلی فراشناختی می‌دانند. محققان دانشگاه پنسیلوانیا برای بررسی این تناقض دو نسخه‌ی متفاوت از AI را طراحی کردند. نسخه‌ی اول همان چت‌بات استانداردی بود که جواب نهایی را می‌داد و نسخه‌ی دوم مثل یک مربی سقراطی، با استفاده از محافظ‌های نرم‌افزاری تنها راهنمایی می‌کرد و سرنخ ارائه می‌داد.

اما کسانی که با هوش مصنوعی مربی (نسخه‌ی محدودشده) کار می‌کردند، نه‌تنها عملکردشان در تمرینات ۱۲۷درصد بهبود یافت؛ بلکه در امتحان نهایی نیز دچار مشکل نشدند. این‌بار هوش مصنوعی دانشجویان را راهنمایی می‌کرد؛ اما بار اصلی استدلال و کلنجار ذهنی همچنان بر دوش خودشان بود.

 هنرمندان، طراحان و نویسندگان همیشه یکی‌از مهم‌ترین چالش‌هایشان را مواجهه با صفحه‌ی سفید عنوان می‌کنند. تا همین چند وقت پیش برای شکستن سد نویسندگی یا پیداکردن ایده‌ای بکر، باید زمان می‌گذاشتید، آزمون‌وخطا می‌کردید و ذهنتان را به‌چالش می‌کشیدید.

ولی امروز با تایپ چند کلمه در ابزارهایی مانند میدجرنی یا چت‌جی‌پی‌تی، در کمتر از ۱۰ثانیه ده‌ها کانسپت بصری و متنی تولید می‌شود. با این حساب آیا ماشین‌ها ظرفیت خلاقیت ما را گسترش می‌دهند یا صرفاً توهمی از اصالت را بازتولید می‌کنند؟

نمی‌توان انکار کرد که هوش مصنوعی در نقش یک کاتالیزور قدرتمند، توانایی انسان را در پیداکردن ایده‌های جدید، غیرمنتظره و دورازذهن بهبود می‌دهد.

پژوهشگران دانشگاه تورنتو با استفاده از ابزارهای سنجش خلاقیت ثابت کردند که مدل‌های زبانی بزرگ می‌توانند میان قلمروهایی که معمولاً از هم جدا دیده می‌شوند، پل بزنند و ترکیب‌هایی را پیشنهاد دهند که خارج از مسیرهای معمول فکر انسان قرار دارند.

هنگامی‌که دوربین را از روی دستاوردهای فردی برمی‌داریم و به تصویر کلان نگاه می‌کنیم، تأثیر نهایی هوش مصنوعی را چندان روشن نمی‌بینیم. طبق پژوهش جامع دانشگاه تیلبورگ، اگرچه استفاده از AI کیفیت کارهای خلاقانه را در سطح فردی بالا می‌برد، در سطح «جمعی»، تنوع اندیشه‌ها را نابود می‌کند.

مدل‌های هوش مصنوعی حکم جذب‌کننده‌های معنایی را دارند. وقتی میلیون‌ها کاربر برای حل یک مسئله‌ی مشابه، به سیستم رجوع می‌کنند؛ الگوریتمی که براساس احتمالات آماری اینترنت آموزش دیده است، همه را به‌سمت پاسخ‌های محتمل، ایمن و آشنا سوق می‌دهد.

ازسوی‌دیگر ذهن فرد نیز در دام زیبایی خیره‌کننده‌ی محتوای ماشینی گرفتار می‌شود. مطالعه‌ای کنترل‌شده در دانشگاه ملبورن نشان می‌داد که وقتی طراحان کار خود را با الهام از خروجی‌های هوش مصنوعی تصویرساز آغاز کردند، عملاً در چهارچوب‌های پیشنهادی ماشین فلج شدند.

طراحان دیگر قادر نبودند از الگوهای اولیه فاصله بگیرند و در نتیجه، طرح‌های نهایی‌شان نسبت به گروهی که فرایند ایده‌پردازی را فقط با ذهن خودشان پیش می‌بردند، اصالت و تنوع بسیار پایین‌تری داشت.

خلاقیت واقعی و ساختارشکنانه، با عبور از دره‌ی ابهام و تحمل سردرگمی ظهور می‌کند؛ وقتی چت‌بات‌ها بلافاصله و بدون هیچ زحمتی، پاسخی عالی به ما می‌دهند، فرصت تقلا برای کشف را از دست می‌دهیم. در این مسیر، انسان‌ها به‌مرور از خالقان خط‌شکن، به ویراستاران خسته‌ی خروجی‌های الگوریتمی تبدیل می‌شوند.

بیایید نتایج تحقیقات علمی را در ذهن نگه داریم و به‌سراغ شرکت‌هایی برویم که فناوری‌های هوش مصنوعی را توسعه می‌دهند.

در بهار ۲۰۲۶، هم‌زمان با بالاگرفتن بحث‌ها پیرامون جایگزینی مشاغل، برد اسمیت، رئیس مایکروسافت، مقاومت در برابر هوش مصنوعی را به ترس نقاشان قرن نوزدهم از اختراع دوربین عکاسی تشبیه کرد، با این استدلال که عکاسی نقاشی را از بین نبرد؛ بلکه آن را به‌سمت سبک‌های نوینی مثل امپرسیونیسم سوق داد.

اسمیت تأکید کرد که ماشین‌ها جایگزین انسان نمی‌شوند؛ بلکه ما را مجبور می‌کنند روی پنج ویژگی عمیقاً انسانی یعنی «کنجکاوی، خلاقیت، شفقت، ارتباطات و شجاعت» متمرکز شویم؛ ولی داده‌های خروجی بخش تحقیقاتی همین شرکت آگاهی‌بخش‌تر به‌نظر می‌رسد.

محققان مایکروسافت هشدار دادند که ماهیت کار فکری در حال تغییر است و جایگاه انسان‌ها از خالقان اندیشه و محتوا به ناظران و تأییدکنندگان اطلاعات تنزل پیدا می‌کند. وقتی هوش مصنوعی کاری را انجام می‌دهد، افراد تمایل شدیدی به پذیرش کورکورانه‌ی خروجی‌ها دارند و استدلال انتقادی‌شان را از دست می‌دهند.

در آن سوی دیوار شرکت‌های فناوری هم منتقدان و نظریه‌پردازان زیادی در تلاش‌اند ابعاد دیگری از تغییرات ناشی از هوش مصنوعی را بررسی کنند.

ایتان مولیک از مدرسه‌ی وارتون دانشگاه پنسیلوانیا که به‌عنوان یکی از مدافعان عمل‌گرای ادغام هوش مصنوعی در آموزش شناخته می‌شود، می‌گوید ما با یک مرز دندانه‌دار و غیرقابل‌پیش‌بینی در توانایی‌های این ماشین‌ها روبه‌رو هستیم. او تأکید می‌کند که انسان باید همواره نقش عنصر کنترل‌کننده‌ی درون حلقه (Human in the loop) را حفظ کند.

شری ترکل، استاد روان‌شناسی بالینی MIT، هوش مصنوعی را از منظر روان‌شناختی زیر سؤال می‌برد و در مطالعات خود پیرامون مفهوم صمیمیت مصنوعی؛ استدلال می‌کند که تعامل مستمر با سیستم‌هایی که هرگز ما را قضاوت نمی‌کنند و اصطکاکی ندارند، انسان را از تجربه‌ی گفت‌وگوهای دشوار و تعارض‌های سازنده دور می‌کند.

ما به‌راحتی می‌توانیم استفاده از هوش‌مصنوعی در کلاس‌های دانشگاه را به روزهایی تشبیه کنیم که معلمان تصور می‌کردند با ورود ماشین‌حساب به کلاس، توانایی محاسباتی دانش‌آموزان نابود می‌شود. در دوران مدرن هم مطالعات پیشگامانه‌ای در خصوص رواج جست‌وجوی گوگل انجام شد که نشان می‌داد اینترنت چگونه مکانیزم حافظه‌ی ما را تغییر می‌دهد.

منتقدان می‌گویند ماشین‌حساب و موتور جست‌وجو، عملیات تکراری و ذخیره‌ی اطلاعات خام را برون‌سپاری می‌کردند؛ اما هوش مصنوعی مولد برای اولین‌بار در تاریخ، مستقیماً به حریم ایده‌پردازی، ترکیب اطلاعات متناقض و قضاوت ارزشی نفوذ می‌کند.

در مقابل، مدافعان هوش مصنوعی به ظهور وایب‌کدینگ (Vibe Coding) اشاره می‌کنند؛ مفهومی که توسط چهره‌هایی ماننده آندره کارپاتی بسط یافت. در این روش برای برنامه‌نویسی نیازی به دستورات پیچیده ندارید و با زبان طبیعی، خواسته‌ی خود را به ابزارهای هوش مصنوعی می‌گویید.

به‌عقیده‌ی مدافعان هوش مصنوعی، وایب‌کدینگ، ذهن را تنبل نمی‌کند. کاربران می‌توانند انرژی آزادشده‌ی خود را به طراحی معماری سیستم و حل مسئله در سطوح بالاتر اختصاص دهند. در نهایت بشر به‌سمت هوش ترکیبی حرکت می‌کند و مهارت‌های جدیدی چون مهندسی استراتژیک پرامپت و کشف سوگیری‌های الگوریتم ارزشمند می‌شوند.

با تقابل رویکرد انضباطی نهادهایی چون دانشگاه شیکاگو و خوش‌بینی‌های سیلیکون‌ولی، جامعه فردای ما به کدام سو می‌رود؟ مایکل گرلیچ، پژوهشگر تعامل انسان و ماشین، در مطالعات مفهوم دوپارگی اجتماعی را شرح می‌دهد و می‌گوید جوامع مدرن با سرعت به دو طبقه‌ی مجزا و نابرابر تقسیم می‌شوند.

در یک سو، اکثریت وابسته قرار دارند؛ توده‌های وسیعی از کارمندان، دانشجویان، هنرمندان و شهروندانی که با تسلیم‌شدن در برابر وسوسه‌ی راحتی و سرعت الگوریتم‌ها، استقلال فکری و خودمختاری تحلیلی‌شان را از دست می‌دهند و در برابر نابرابری‌های اقتصادی و تصمیمات کلان آسیب‌پذیر می‌شوند.

حالا اگر با لنز جدید به استراتژی دانشکده‌ی حقوق شیکاگو نگاه کنیم، تصمیم ظاهراً عجیب مسئولین دانشگاه را در راستای پرورش مغز دانشجویان می‌بینیم. آدام چیلتون رئیس دانشکده تصدیق می‌کند که حالا AI نقش مهمی در فعالیت‌های حقوقی ایفا می‌کند و شرکت‌های حقوقی به‌طور فزاینده‌ای از نیروهای تازه‌استخدام انتظار دارند که از فناوری به‌شکلی کارآمد و مسئولانه استفاده کنند؛ بنابراین ممنوعیت کامل رویکردی واقع‌بینانه نیست.

دانشگاه شیکاگو تلاش می‌کند فضایی برای هر دو شیوه‌ی یادگیری باز کند؛ یعنی ابتدا به دانشجویان آموزش دهد که بدون استفاده از هوش مصنوعی فکر کنند و مهارت‌های پایه‌ای خود را بسازند، سپس به آن‌ها بیاموزد که چگونه به‌صورت اخلاقی از این فناوری استفاده کنند.

شما چه دیدگاهی درباره‌ی تأثیر کلان هوش مصنوعی دارید؟ آیا آن را در مسیر تکامل فردی و اجتماعی سازنده می‌دانید یا مخرب؟ به‌نظر شما شیوه‌ی صحیح مواجهه با نفوذ اجتناب‌ناپذیر هوش مصنوعی چیست؟