یک پژوهش جدید نشان میدهد که استفاده از ابزارهای هوش مصنوعی مانند ChatGPT برای یافتن اطلاعات میتواند باعث کاهش عمق یادگیری و سطحی شدن دانش کاربران شود.
به گزارش سرویس هوش مصنوعی جهانی مگ، این پژوهش نشان میدهد افرادی که برای یادگیری به هوش مصنوعی متکی میشوند، در مقایسه با افرادی که از جستوجوی سنتی گوگل استفاده میکنند، دانش سطحیتر و کمجزئیاتتری از موضوعات گوناگون کسب میکنند. نتایج این تحقیق بر پایه هفت مطالعه انجام شده است و بیش از ده هزار شرکتکننده در آن حضور داشتهاند.
پژوهشگران اعلام کردند که مدلهای زبانی مانند ChatGPT با وجود فراهم کردن امکان دسترسی سریع به پاسخها، کاربران را از درگیری فعال با منابع اطلاعاتی دور میکنند. این روند باعث میشود که فرایند یادگیری به تجربهای منفعل تبدیل شود و افراد در پایان مسیر، درک عمیق و ساختاریافتهای از موضوع مورد مطالعه پیدا نکنند. این هشدار در زمینه کاهش عمق یادگیری در زمانی مطرح میشود که استفاده از ابزارهای هوش مصنوعی در زندگی روزمره افراد در حال گسترش است و بسیاری از کاربران آن را جایگزینی سریع برای جستوجوهای سنتی میدانند.
در طراحی این پژوهش، شرکتکنندگان مأمور شدند درباره موضوعی مشخص مانند روش ایجاد یک باغچه سبزیجات یاد بگیرند. آنها به صورت تصادفی در دو گروه قرار گرفتند. گروه نخست موظف شد اطلاعات را از طریق ChatGPT یا یک LLM (مدل زبانی بزرگ) دیگر به دست آورد و گروه دوم با استفاده از جستوجوی سنتی گوگل کار را انجام دهد. محدودیتی برای زمان جستوجو وجود نداشت. شرکتکنندگان آزاد بودند که هرچه میخواهند در گوگل جستوجو کنند یا برای دریافت اطلاعات بیشتر به ChatGPT پیام بدهند.
پس از پایان مرحله یادگیری، از شرکتکنندگان درخواست شد بر اساس آموختههای خود برای یک دوست فرضی توصیهای بنویسند. تحلیل نتایج نشان داد افرادی که از مدلهای زبانی برای یادگیری استفاده کرده بودند، هم احساس کردند کمتر یاد گرفتهاند و هم هنگام نوشتن توصیه تلاش کمتری انجام دادند. متن نهایی آنها کوتاهتر، کمجزئیاتتر و از نظر محتوای واقعی و مستند ضعیفتر بود. در مقابل، افرادی که فرایند جستوجوی سنتی را طی کرده بودند، متنهای دقیقتر و جامعتری ارائه دادند.
پژوهشگران برای بررسی کیفیت واقعی این متنها، آنها را بدون ذکر منبع یادگیری در اختیار گروهی مستقل از خوانندگان قرار دادند. ارزیابی این خوانندگان نیز یک الگوی ثابت را نشان داد. آنها متنهایی را که بر اساس اطلاعات LLM نوشته شده بود کمفایدهتر، کماطلاعاتتر و کمتر قابلاعتماد توصیف کردند. همچنین خوانندگان اظهار کردند که تمایل کمتری دارند از این توصیهها در عمل استفاده کنند.
پژوهشگران برای جلوگیری از اثر تنوع منابع، آزمایشی طراحی کردند که در آن شرکتکنندگان گوگل و ChatGPT دقیقاً به مجموعهای یکسان از دادهها دسترسی داشتند. هدف این بود که مشخص شود آیا محدودیت اطلاعات باعث تفاوت میشود یا نوع یادگیری تاثیر دارد. نتیجه نشان داد که حتی با برابر بودن اطلاعات، افرادی که نسخه خلاصهشده LLM را دریافت کردند باز هم دانش سطحیتری نسبت به کاربران گوگل کسب کردند.
در آزمایش دیگری، پژوهشگران پلتفرم جستوجو را ثابت نگه داشتند و از شرکتکنندگان خواستند از گوگل استفاده کنند. تنها تفاوت این بود که بخشی از آنها نتایج استاندارد را مشاهده کردند و بخش دیگر از قابلیت AI Overview بهره گرفتند. بررسی دادهها نشان داد که یادگیری از محتوای خلاصهشده در AI Overview نیز همان الگوی کاهش عمق دانش را ایجاد کرد و کاربران را از ساخت محتوای تحلیلی و اصیل دور کرد.
همچنین پژوهشگران یک راهکار آزمایشی بررسی کردند تا ببینند که میتوان یادگیری از LLM را فعالتر کرد. برای این کار، از یک نسخه تخصصی GPT استفاده شد که همراه با خلاصه خود، لینکهای زنده وب ارائه میداد. با وجود این قابلیت، شرکتکنندگان پس از دریافت خلاصه LLM انگیزهای برای بررسی منابع اصلی نداشتند. نتیجه این بود که آنها همچنان دانش سطحیتری نسبت به کاربران جستوجوی سنتی کسب کردند.
پژوهشگران در تحلیل نهایی تأکید کردند که یادگیری زمانی بهینه است که کاربر با اطلاعات درگیر شود. زمانی که افراد با استفاده از گوگل جستوجو میکنند، لازم است لینکهای مختلف را مورد بررسی قرار دهند. آنها باید متنها را بخوانند، محتوای متفاوت را مقایسه کنند و تصویر ذهنی خود را از یک موضوع شکل دهند. این فرایند ممکن است زمانبر باشد اما نتیجه آن، ساخت یک درک عمیق و پایدار است. در مقابل، مدلهای زبانی نتیجه نهایی را به صورت آماده ارائه میکنند و یادگیری را به فعالیتی منفعل تبدیل میکنند.
با وجود این یافتهها، نویسندگان مقاله معتقد نیستند که کاربران باید استفاده از مدلهای زبانی را کنار بگذارند. آنها میگویند که این ابزارها در بسیاری از موقعیتها سودمند هستند. برای مثال، زمانی که کاربر به پاسخ فوری و دقیق نیاز دارد، استفاده از ابزارهای هوش مصنوعی منطقی است. اما اگر هدف توسعه دانش عمیق و قابلتعمیم باشد، اتکای صرف به خلاصههای LLM توصیه نمیشود.
این یافتهها بحث تازهای درباره نقش ابزارهای هوش مصنوعی در آموزش ایجاد کرده است. پژوهشگران پیشنهاد میکنند که نسل جدیدی از ابزارهای آموزشی بر پایه ایجاد «اصطکاک سالم» طراحی شوند. این اصطکاک میتواند دانشآموزان و کاربران را وادار کند که خود درگیر جستوجو و تحلیل شوند و از اتکای افراطی به پاسخهای آماده فاصله بگیرند. اهمیت این موضوع در آموزش متوسطه دوچندان است؛ جایی که معلمان باید دانشآموزان را برای مهارتهایی اساسی مانند خواندن، نوشتن و ریاضی تربیت کنند و در عین حال آنها را برای دنیایی آماده سازند که مدلهای زبانی بخشی طبیعی از آن خواهد بود.
