Ερευνητές ανέθεσαν σε άτομα την επίλυση διαφόρων προβλημάτων, συμπεριλαμβανομένων απλών κλασματικών πράξεων και ασκήσεων κατανόησης κειμένου, μέσω μιας διαδικτυακής πλατφόρμας που τους αποζημίωνε για την εργασία τους. Διεξήχθησαν τρία πειράματα, με τη συμμετοχή αρκετών εκατοντάδων ατόμων σε κάθε ένα. Ορισμένοι συμμετέχοντες είχαν πρόσβαση σε έναν βοηθό Τεχνητής Νοημοσύνης (ΤΝ) ο οποίος ήταν ικανός να επιλύει το πρόβλημα αυτόνομα. Όταν ο βοηθός ΤΝ αφαιρέθηκε απροσδόκητα, αυτά τα άτομα ήταν σημαντικά πιο πιθανό να εγκαταλείψουν το πρόβλημα ή να δώσουν λανθασμένες απαντήσεις. Η μελέτη υποδεικνύει ότι η ευρεία χρήση της ΤΝ ενδέχεται να ενισχύσει την παραγωγικότητα, αλλά με κόστος την ανάπτυξη θεμελιωδών δεξιοτήτων επίλυσης προβλημάτων.
Ο Μίχιελ Μπάκερ (Michiel Bakker), επίκουρος καθηγητής στο Τεχνολογικό Ινστιτούτο Μασαχουσέτης (MIT) και συμμετέχων στην εν λόγω μελέτη, δήλωσε: “The takeaway is not that we should ban AI in education or workplaces. AI can clearly help people perform better in the moment, and that can be valuable. But we should be more careful about what kind of help AI provides, and when.”
Προβληματισμοί για τη Μακροπρόθεσμη Επίδραση της ΤΝ στις Ανθρώπινες Ικανότητες
Πρόσφατα, πραγματοποιήθηκε συνάντηση με τον κ. Μπάκερ στην πανεπιστημιούπολη του MIT. Ο κ. Μπάκερ, ο οποίος κατάγεται από την Ολλανδία, είχε προηγουμένως εργαστεί στην Google DeepMind στο Λονδίνο. Ανέφερε ότι ένα γνωστό δοκίμιο σχετικά με τον τρόπο που η ΤΝ μπορεί να αποδυναμώσει τους ανθρώπους με την πάροδο του χρόνου τον ενέπνευσε να προβληματιστεί για το πώς η τεχνολογία ενδέχεται ήδη να διαβρώνει τις ανθρώπινες ικανότητες. Το δοκίμιο αυτό προσφέρει μια κάπως απαισιόδοξη ανάγνωση, καθώς υποδηλώνει ότι η αποδυνάμωση είναι αναπόφευκτη. Ωστόσο, ίσως η αναζήτηση τρόπων με τους οποίους η ΤΝ μπορεί να βοηθήσει τους ανθρώπους να αναπτύξουν τις δικές τους νοητικές ικανότητες θα πρέπει να αποτελεί μέρος του τρόπου ευθυγράμμισης των μοντέλων με τις ανθρώπινες αξίες.
Ο κ. Μπάκερ επεσήμανε: “It is fundamentally a cognitive question—about persistence, learning, and how people respond to difficulty. We wanted to take these broader concerns about long-term human-AI interaction and study them in a controlled experimental setting.”
Η προκύπτουσα μελέτη, σύμφωνα με τον κ. Μπάκερ, κρίνεται ιδιαίτερα ανησυχητική, καθώς η προθυμία ενός ατόμου να επιμείνει στην επίλυση προβλημάτων είναι ζωτικής σημασίας για την απόκτηση νέων δεξιοτήτων και προβλέπει επίσης την ικανότητά του να μαθαίνει με την πάροδο του χρόνου.
Ανάγκη Επανεξέτασης της Λειτουργίας των Εργαλείων ΤΝ για Προώθηση της Μάθησης
Ο κ. Μπάκερ υποστηρίζει ότι ενδέχεται να είναι αναγκαίο να επανεξεταστεί ο τρόπος λειτουργίας των εργαλείων ΤΝ, ώστε – όπως ένας καλός ανθρώπινος δάσκαλος – τα μοντέλα να δίνουν μερικές φορές προτεραιότητα στη μάθηση του ατόμου έναντι της επίλυσης ενός προβλήματος για λογαριασμό του. “Systems that give direct answers may have very different long-term effects from systems that scaffold, coach, or challenge the user,” δήλωσε ο κ. Μπάκερ. Παραδέχεται, ωστόσο, ότι η εξισορρόπηση αυτής της «πατερναλιστικής» προσέγγισης θα μπορούσε να είναι δύσκολη.
Επιπτώσεις της Συγκατάβασης και της Απρόβλεπτης Συμπεριφοράς των Μοντέλων ΤΝ
Οι εταιρείες ΤΝ ήδη εξετάζουν τις πιο λεπτές επιπτώσεις που μπορούν να έχουν τα μοντέλα τους στους χρήστες. Η κολακεία ορισμένων μοντέλων – ή η πιθανότητα να συμφωνούν και να συμπεριφέρονται με συγκατάβαση προς τους χρήστες – είναι ένα ζήτημα που η OpenAI έχει επιδιώξει να μετριάσει με τις νεότερες εκδόσεις του GPT.
Η υπερβολική εμπιστοσύνη στην ΤΝ θα φαινόταν ιδιαίτερα προβληματική όταν τα εργαλεία ενδέχεται να μην λειτουργούν όπως αναμένεται. Τα αυτόνομα συστήματα ΤΝ είναι ιδιαίτερα απρόβλεπτα, καθώς εκτελούν σύνθετες εργασίες ανεξάρτητα και μπορούν να εισάγουν περίεργα σφάλματα. Αυτό εγείρει ερωτήματα σχετικά με το τι επίδραση έχουν τα Claude Code και Codex στις δεξιότητες των προγραμματιστών, οι οποίοι ενδέχεται να χρειάζεται μερικές φορές να διορθώνουν τα σφάλματα που αυτά εισάγουν.
Προσωπική Εμπειρία και ο Κίνδυνος της Ανάθεσης Κριτικής Σκέψης στην ΤΝ
Πρόσφατα, ο συντάκτης του άρθρου έλαβε ο ίδιος ένα μάθημα σχετικά με τον κίνδυνο της ανάθεσης της κριτικής σκέψης στην ΤΝ. Χρησιμοποιούσε το OpenClaw (με ενσωματωμένο το Codex) ως καθημερινό βοηθό και το είχε βρει εξαιρετικά αποτελεσματικό στην επίλυση προβλημάτων διαμόρφωσης σε Linux. Πρόσφατα, ωστόσο, μετά από συνεχή διακοπή της σύνδεσης Wi-Fi, ο βοηθός ΤΝ πρότεινε την εκτέλεση μιας σειράς εντολών για την τροποποίηση του προγράμματος οδήγησης που επικοινωνούσε με την κάρτα Wi-Fi. Το αποτέλεσμα ήταν ένας υπολογιστής που αρνούνταν να εκκινήσει, ανεξάρτητα από τις ενέργειες που έγιναν.
Ίσως, αντί να προσπαθεί απλώς να επιλύσει το πρόβλημα, το OpenClaw θα έπρεπε να είχε διακόψει τη διαδικασία για να διδάξει στον χρήστη πώς να διορθώσει το ζήτημα μόνος του. Ως αποτέλεσμα, ο χρήστης θα μπορούσε να είχε έναν πιο ικανό υπολογιστή – και εγκέφαλο.
Το παρόν αποτελεί έκδοση του ενημερωτικού δελτίου AI Lab του Γουίλ Νάιτ (Will Knight). Προηγούμενα ενημερωτικά δελτία είναι διαθέσιμα εδώ.
