
تحقیقات انجامشده در موسسه فناوری ماساچوست (MIT) نشان میدهد که استفاده از مدلهای زبانی بزرگ (LLM) نه تنها باعث کاهش فعالیت مغز انسان میشود، بلکه این تأثیرات منفی میتواند در فعالیتهای آینده نیز ادامه یابد. این موضوع به ویژه در دنیای امروز که فناوریهای هوش مصنوعی بهطور فزایندهای در زندگی روزمره ما گنجانده میشوند، اهمیت دوچندانی پیدا میکند.
روششناسی تحقیق
در این مطالعه، محققان با استفاده از گروهی محدود از شرکتکنندگان، آزمایشات خود را انجام دادند. این شرکتکنندگان موظف به نوشتن مقالاتی در موضوعات مختلف بودند. سه گروه از شرکتکنندگان مشخص شدند:
گروهی که اجازه داشتند از AI (مدل ChatGPT انتخاب شد، زیرا محققان بر این باور بودند که تفاوت چندانی با رقبای خود ندارد)، گروهی که فقط از جستجوی گوگل استفاده کردند، و گروهی که بهطور کامل از فناوری دور بودند و تنها با تواناییهای خود کار کردند.
برای اندازهگیری فعالیت مغز و ارزیابی درگیری شناختی، از الکتروانسفالوگرافی (EEG) استفاده شد. نتایج نشان داد که گروههای مختلف از نظر اتصالات عصبی متفاوت بودند، که این موضوع نشاندهنده استراتژیهای مختلفی بود که مغز برای نوشتن مقالات به کار میبرد. به وضوح مشخص شد که هرچه میزان پشتیبانی از شرکتکنندگان بیشتر باشد، مغز آنها کمتر فعالیت میکند. تحلیل EEG نشان داد که بیشترین فعالیت خاکستری مغز مربوط به گروه بدون کمک فناوری بود، در حالی که گروه جستجوی گوگل و سپس کاربران AI به ترتیب فعالیت کمتری داشتند.
مالکیت و یادآوری اطلاعات
این تحقیق همچنین به بررسی مفهوم «مالکیت» پرداخت که به توانایی نویسندگان در نقل قول و خلاصهسازی آنچه نوشتهاند، اشاره دارد. نتایج نشان داد که با افزایش کمکهای فناورانه، سطح مالکیت بهطرز قابل توجهی کاهش مییابد. بهطوریکه تعداد کمی از دانشجویان استفادهکننده از LLM توانستند بهطور قابلاعتمادی آنچه را که نوشته بودند، نقل کنند. علاوه بر این، گروه استفادهکننده از LLM «مقالات همگنتری در هر موضوع تولید کردند که نسبت به سایر گروهها تفاوتهای کمتری نشان میدادند.
بدیهی است که قشر بینایی افرادی که از جستجوگرها یا ChatGPT استفاده میکردند، فعالتر بود، زیرا این گروهها «بیشتر تمایل داشتند بر خروجی ابزارهایی که استفاده میکردند، تمرکز کنند.
تأثیرات بلندمدت
پس از چندین دور نوشتن مقاله، دو گروه دیگر از شرکتکنندگان تشکیل شد: «Brain-to-LLM» و «LLM-to-Brain» که به ترتیب به معنای شرکتکنندگانی بودند که قبلاً از هیچگونه کمک فناوری استفاده نکرده بودند و حالا قادر به استفاده از LLM بودند و بالعکس.
محققان دریافتند که «شرکتکنندگان گروه LLM-to-Brain از اتصالات عصبی ضعیفتری برخوردار بودند و درگیر شدن آنها در شبکههای آلفا و بتا کاهش یافته بود؛ در حالی که شرکتکنندگان گروه Brain-to-LLM یادآوری بهتری از حافظه نشان دادند و دوباره به نودهای گستردهتری از مغز فعال شدند. این موضوع نشان میدهد که استفاده از فناوری AI میتواند به یکپارچگی شناختی بالا و بازیابی حافظه و کنترل از بالا منجر شود.»

نتیجهگیری
در نهایت، این مطالعه تأکید میکند که انسانها در صورتی که ابتدا از تواناییهای خود برای تفکر و بررسی موضوعات استفاده کنند، میتوانند از استفاده از AI بهرهمند شوند. اما افرادی که از ابتدا به سراغ AI میروند، در طول زمان فعالیت مغز کمتری نشان میدهند و در مواجهه با وظایف شناختی، توانایی کمتری دارند.
این تحقیق همچنین به این نکته اشاره میکند که با توجه به استفاده روزافزون از AI در مدارس و دانشگاهها، باید به کاهش مهارتهای یادگیری ناشی از جایگزینی تفکر انسانی با فناوری توجه ویژهای شود. برای مثال، در محیطهای کاری، جایی که هوش مصنوعی در کسبوکارها نقش کلیدی ایفا میکند، این اثرات میتواند بهرهوری بلندمدت را تحت تأثیر قرار دهد.
نیاز به تحقیقات بیشتر
با توجه به محدودیتهای این مطالعه، که تنها شامل چند ده شرکتکننده بود، محققان اذعان دارند که برای دستیابی به نتایج آماری قابلاعتمادتر، نیاز به استفاده از داوطلبان بیشتری با زمینههای مختلف وجود دارد. همچنین، با توجه به روند رو به رشد استفاده از AI، این تحقیق نشاندهنده یک «مسئله فوری» در کاهش مهارتهای یادگیری است که ممکن است بهدلیل استفاده از هوش مصنوعی بهعنوان جایگزینی برای تفکر انسانی به وجود آید.
در نهایت، اگر استفاده از ChatGPT بهجای فعالیتهای انسانی همچون تفکر و خلاصهسازی ادامه یابد، بهنظر میرسد که توانایی تفکر مؤثر در بلندمدت کاهش خواهد یافت. برای یادگیری عملی و بهرهبرداری ایمن از این فناوری، پیشنهاد میشود با آموزش هوش مصنوعی مولد شروع کنید. برای مقالات بیشتر در مورد هوش مصنوعی و کاربردهایش، به بخش مربوطه در سایت مراجعه کنید.

دیدگاهتان را بنویسید