بزرگنمايي:

سیاست و بازاریابی - ایسنا / یک روانشناس شناختی توضیح داده که وقتی کار سخت است، قدرت یادگیری تقویت می‌شود. به همین دلیل، هوش مصنوعی با ساده کردن کار، قدرت یادگیری را تضعیف می‌کند.
وقتی شرکت «اوپن‌ای‌آی» (OpenAI) در ژوئیه 2025 «حالت مطالعه»(study mode) را عرضه کرد، به تعریف و تمجید از مزایای آموزشی «چت‌جی‌پی‌تی»(ChatGPT) پرداخت. 
بازار
به نقل از کانورسیشن، معاون آموزشی اوپن‌ای‌آی در مراسم رونمایی از این محصول به خبرنگاران گفت: «وقتی چت‌جی‌پی‌تی برای تدریس یا آموزش خصوصی ترغیب می‌شود، می‌تواند عملکرد تحصیلی را به طور قابل توجهی بهبود ببخشد.» اما هر معلم متعهدی حق دارد از خود بپرسد که آیا این فقط بازاریابی است یا تحقیقات علمی واقعاً چنین ادعاهایی را تأیید می‌کنند؟
اگرچه فناوری‌های مبتنی بر هوش مصنوعی مولد با سرعت برق در حال ورود به کلاس‌های درس هستند، اما پژوهش‌ها درباره سؤال مورد بحث به این سرعت پیشرفت نکرده‌اند. برخی از پژوهش‌های اولیه، مزایایی را برای گروه‌های خاصی مانند دانشجویان برنامه‌نویسی و زبان‌آموزان انگلیسی نشان داده‌اند و تعدادی از پژوهش‌های خوش‌بینانه دیگر نیز پیرامون نقش هوش مصنوعی در آموزش انجام شده‌اند؛ از جمله پژوهشی که در مه 2025 در مجله Nature به چاپ رسید و نشان داد که چت‌بات‌ها ممکن است به تقویت یادگیری و تفکر کمک کنند. با وجود این، پژوهشگران این حوزه به نقاط ضعف روش‌شناختی قابل توجهی در بسیاری از این مقالات پژوهشی اشاره کرده‌اند.
پژوهش‌های دیگر، تصویر تیره‌تری را ترسیم می‌کنند و نشان می‌دهند که هوش مصنوعی ممکن است عملکرد یا توانایی‌های شناختی مانند مهارت‌های تفکر انتقادی را مختل کند. یک مقاله پژوهشی نشان داد که هرچه دانش‌آموز بیشتر هنگام یادگیری از چت‌جی‌پی‌تی استفاده کند، بعداً برای انجام دادن وظایف مشابه در زمانی که چت‌جی‌پی‌تی در دسترس نیست، عملکرد بدتری خواهد داشت.
به عبارت دیگر، تحقیقات اولیه تازه شروع به بررسی اجمالی این موضوع کرده‌اند که هوش مصنوعی واقعاً چگونه در بلندمدت بر یادگیری و شناخت تأثیر خواهد گذاشت. در کجا می‌توانیم به دنبال سرنخ‌های دیگری باشیم؟ «برایان استون»(Brian Stone)، دانشیار روانشناسی شناختی در «دانشگاه ایالتی بویزی»(Boise State University) با مطالعه نحوه استفاده دانشجویان دانشگاه از هوش مصنوعی دریافته‌ است که حوزه کاری او راهنمایی‌های ارزشمندی را برای شناسایی زمانی که هوش مصنوعی می‌تواند تقویت‌کننده مغز باشد و زمانی که خطر تبدیل شدن به فرار مغزها را دارد، ارائه می‌دهد.
مهارت از تلاش حاصل می‌شود
استدلال روانشناسان شناختی این است که افکار و تصمیم‌های ما نتیجه دو حالت پردازش هستند که معمولاً با عنوان سیستم 1 و سیستم 2 شناخته می‌شوند.
سیستم 1، سیستمی از تطبیق الگو، شهود و عادت است. این سیستم سریع و خودکار است و به توجه آگاهانه یا تلاش شناختی کمی نیاز دارد. بسیاری از فعالیت‌های روزمره ما - لباس پوشیدن، درست کردن قهوه و دوچرخه‌سواری تا محل کار یا مدرسه - در این گروه قرار می‌گیرند. از سوی دیگر، سیستم 2 عموماً کند و آگاهانه است و به توجه آگاهانه‌تر و گاهی تلاش شناختی دردناک نیاز دارد، اما اغلب با خروجی‌های قوی‌تری همراه است.
ما به هر دوی این سیستم‌ها نیاز داریم، اما کسب دانش و تسلط بر مهارت‌های جدید به شدت به سیستم 2 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 دوچرخه‌سوار با اعتماد به نفس سوار دوچرخه می‌شود، به تشخیص الگویی که به سختی در سیستم 1 خود به دست آورده و قبلاً آن را از طریق ساعت‌ها کار سخت سیستم 2 برای یادگیری دوچرخه‌سواری ایجاد کرده است، تکیه می‌کند. بدون تلاش و فشار شناختی اولیه، تسلط پیدا نمی‌کنید و نمی‌توانید اطلاعات را به طور مؤثر برای پردازش سطح بالاتر تقسیم‌بندی کنید.
استون گفت: من به دانشجویانم می‌گویم که مغز خیلی شبیه به عضله است، زیرا برای دیدن پیشرفت آن، به کار سخت و واقعی نیاز داریم و بدون به چالش کشیدن، بزرگتر نخواهد شد.
چه می‌شود اگر یک ماشین این کار را برای شما انجام دهد ؟
رباتی را تصور کنید که شما را تا باشگاه همراهی می‌کند و وزنه‌های سنگین را برای شما برمی‌دارد؛ بدون این که نیازی به تلاش از طرف شما باشد. با این کار، خیلی زود عضلات شما تحلیل می‌روند و حتی برای کارهای ساده‌ای مانند جابه‌جایی یک جعبه سنگین در خانه به ربات متکی خواهید شد.
هوش مصنوعی نیز اگر به طور نامناسب مورد استفاده قرار بگیرد - مثلاً برای تکمیل یک آزمون یا نوشتن یک مقاله - باعث می‌شود دانش‌آموزان و دانشجویان از چیزی که برای توسعه دانش و مهارت به آن نیاز دارند، غافل شوند. این کار، تمرین ذهنی را از بین می‌برد.
استفاده از فناوری برای انجام دادن تمرین‌های شناختی می‌تواند تأثیر مخربی را بر یادگیری و حافظه داشته باشد و باعث شود که افراد درک یا توانایی‌های خود را اشتباه تفسیر کنند و خطاهای فراشناختی پیش بیایند. پژوهش‌ها نشان داده‌اند که عادت کردن به مسیریابی خودرو با GPS ممکن است حافظه مکانی را مختل کند و استفاده از یک منبع بیرونی مانند گوگل برای پاسخ به پرسش‌ها، افراد را به دانش و حافظه شخصی خود بیش از حد مطمئن کند.
یکی از پژوهش‌های انجام‌شده در این حوزه نشان داد دانش‌آموزانی که به جای جست‌وجوی سنتی در وب، با کمک چت‌جی‌پی‌تی درباره موضوعی تحقیق می‌کنند، بار شناختی کمتری را دارند، زیرا آنها مجبور نیستند به سختی فکر کنند. دانش‌آموزان این پژوهش، استدلال بدتری را درباره موضوع تحقیق ارائه دادند. استفاده سطحی از هوش مصنوعی ممکن است به معنای بار شناختی کمتر در لحظه باشد و شبیه به این است که به یک ربات اجازه دهید تمرین‌های ورزشی شما را در باشگاه انجام دهد. این کار در نهایت به شکل‌گیری مهارت‌های تفکر ضعیف‌تر منجر می‌شود.
در یک پژوهش دیگر، دانش‌آموزانی که از هوش مصنوعی برای اصلاح مقاله‌های خود استفاده می‌کردند، نسبت به دانش‌آموزانی که مقاله‌های خود را اغلب با کپی کردن و چسباندن جملات چت‌جی‌پی‌تی اصلاح می‌کردند، نمرات بالاتری داشتند اما این دانش‌آموزان در مقایسه با همسالان خود که بدون هوش مصنوعی کار می‌کردند، هیچ افزایشی را در دانش یا انتقال دانش نشان ندادند. پژوهشگران هشدار می‌دهند که این «تنبلی فراشناختی» ممکن است بهبود عملکرد را در کوتاه‌مدت به همراه داشته باشد اما به رکود مهارت‌ها در بلندمدت منجر می‌شود.
استفاده از هوش مصنوعی برای پشتیبانی از یادگیری
با بازگشت به مثال باشگاه ورزشی می‌توان گفت شاید برای دانش‌آموزان بهتر باشد هوش مصنوعی را به عنوان یک مربی شخصی در نظر بگیرند که می‌تواند با ردیابی و چارچوب‌بندی یادگیری و ترغیب به تلاش بیشتر، آنها را بر انجام دادن وظایف متمرکز کند. هوش مصنوعی پتانسیل بالایی را به عنوان یک ابزار یادگیری مقیاس‌پذیر و یک معلم خصوصی با پایگاه دانش گسترده دارد که هرگز نمی‌خوابد.
شرکت‌های فناوری هوش مصنوعی نیز دقیقاً به دنبال طراحی همین هستند؛ یعنی یک معلم خصوصی نهایی. علاوه بر ورود شرکت اوپن‌ای‌آی به آموزش، شرکت «آنتروپیک» (Anthropic) نیز در آوریل سال جاری، حالت یادگیری خود را برای هوش مصنوعی «کلود»(Claude) عرضه کرد. قرار است این مدل‌ها در گفت‌وگوها، سؤال مطرح کنند و نکات را ارائه دهند، نه این که فقط پاسخ دهند.
بررسی‌های اولیه نشان می‌دهد که مربیان هوش مصنوعی می‌توانند سودمند باشند، اما مشکلاتی را نیز ایجاد می‌کنند. برای مثال، یک پژوهش نشان داد دانش‌آموزان دبیرستانی که ریاضی را با چت‌جی‌پی‌تی مرور می‌کردند، عملکرد بدتری نسبت به دانش‌آموزانی که از هوش مصنوعی استفاده نمی‌کردند، داشتند. برخی از دانش‌آموزان از نسخه پایه و برخی دیگر از یک نسخه مربی سفارشی‌سازی‌شده استفاده کرده بودند که بدون افشای پاسخ‌ها، نکات را ارائه می‌داد. وقتی دانش‌آموزان بعداً بدون دسترسی به هوش مصنوعی در امتحان شرکت کردند، کسانی که از چت‌جی‌پی‌تی پایه استفاده کرده بودند، بسیار بدتر از گروهی که بدون هوش مصنوعی درس خوانده بودند، عمل کردند اما متوجه نشدند که عملکردشان بدتر است. کسانی که با چت‌بات مربی درس خوانده بودند، عملکرد بهتری نسبت به دانش‌آموزانی که بدون هوش مصنوعی درس خوانده بودند، نداشتند، اما به اشتباه فکر می‌کردند که بهتر عمل کرده‌اند. بنابراین، هوش مصنوعی هیچ کمکی نکرد و به خطاهای فراشناختی منجر شد.
حتی با این که حالت‌های تدریس خصوصی اصلاح شده‌اند و بهبود یافته‌اند، دانش‌آموزان باید به‌طور فعال آن حالت را انتخاب کنند، با آن همراه شوند، ماهرانه زمینه را فراهم کنند و چت‌بات را از پرسش‌های بی‌ارزش، سطح پایین یا چاپلوسی دور نگه دارند.
مشکلات اخیر ممکن است با طراحی بهتر، اعلان‌های سیستم و رابط‌های کاربری سفارشی‌سازی‌شده برطرف شوند، اما وسوسه استفاده از هوش مصنوعی در حالت پیش‌فرض برای اجتناب از کار سخت، همچنان یک مشکل اساسی‌تر و کلاسیک‌تر در آموزش، طراحی دوره و ایجاد انگیزه در دانش‌آموزان برای اجتناب از میان‌برهایی است که تمرین شناختی آنها را تضعیف می‌کنند.
همان طور که درباره سایر فناوری‌های پیچیده مانند تلفن‌های هوشمند، اینترنت یا حتی خود نوشتن صدق می‌کند، زمان بیشتری طول خواهد کشید تا پژوهشگران بتوانند دامنه واقعی تأثیرات هوش مصنوعی بر شناخت و یادگیری را به طور کامل درک کنند. تصویر به‌دست‌آمده در نهایت احتمالاً تصویری ظریف خواهد بود که به شدت به زمینه و مورد استفاده بستگی دارد، اما آنچه درباره یادگیری می‌دانیم به ما می‌گوید 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.