Πλέον έχουμε μια πλημμύρα από εργαλεία τεχνητής νοημοσύνης, κάτι που κάνει όλο και πιο δελεαστικό να μεταθέτουμε εργασίες που απαιτούν σκέψη, στα chatbots και τα άλλα εργαλεία. Με την τεχνητή νοημοσύνη να χαράσσει πλέον το τεχνολογικό έδαφος, ερχόμαστε αντιμέτωποι με έναν βομβαρδισμό πληροφοριών, που δεν είναι πάντα ακριβείς ή σωστές και βλάπτουν την γνωστική μας ικανότητα. Παράλληλα, τίθεται ένα θέμα για την εξάρτηση στην τεχνητή νοημοσύνη.
Σε λίγα δευτερόλεπτα, ένα chatbot μπορεί να συντάξει ένα email, να γράψει ένα άρθρο και να δημιουργήσει προσκλήσεις για τα γενέθλιά μας ή ακόμα και να δημιουργήσει μια περίληψη ενός μυθιστορήματος, ώστε να μην χρειαστεί να το διαβάσουμε όλο.
Το πρόβλημα με αυτό όμως μπορεί να το καταλάβει κάποιος εύκολα. Το να μεταθέτουμε οποιοδήποτε εργασία στην τεχνητή νοημοσύνη, εγείρει φόβους για πλήρη εξάρτηση από αυτή. Αυτό όμως, σύμφωνα με έρευνες φέρνει διάβρωση των δεξιοτήτων μας, της κριτικής σκέψης και γενικότερα την μείωση της γνωστικής μας ικανότητας. Το γεγονός πως έχουμε οποιαδήποτε πληροφορία στην άκρη των δακτύλων μας, χωρίς να χρειαστεί να γνωρίζουμε ένα θέμα, είναι και ένας από τους βασικούς λόγους που η Gen Z είναι η πρώτη γενιά στην ιστορία της ανθρωπότητας που έχει χαμηλότερο IQ από την προηγούμενή, δηλαδή του millennials.
Η εξάρτηση από την τεχνητή νοημοσύνη
Αυτοί οι φόβοι για την διάβρωση της γνωστική ικανότητας, δεν είναι αβάσιμοι. Μια πρόσφατη έρευνά, υποδηλώνει πως διαδικτυακό περιβάλλον εκμεταλλεύεται τις γνωστικές μας τάσεις και τον τρόπο που σκεφτόμαστε, ενώ θυμάται τον τρόπο που σκεφτόμαστε και αντιλαμβανόμαστε τα πάντα, μέσω της τεχνητής νοημοσύνης.
Έτσι, αρκετοί άνθρωποι επιλέγουν όλο και περισσότερο τις νοητικές συντομεύσεις που τους παρέχει η τεχνητή νοημοσύνη και για αυτό με ότι ασχολούνται είναι επιφανειακό. Άλλες μελέτες τα τελευταία χρόνια, έχουν δείξει πως η αυξημένη χρήση τεχνητής νοημοσύνης, συνδέεται με αυξημένη τεμπελιά, άγχος, χαμηλότερη κριτική σκέψη, ενώ προκαλεί και αισθήματα εξάρτησης. Ιδιαίτερα το θέμα της εξάρτησης, είχε αναλυθεί και από πρώην εργαζομένη της OpenAI, που μας είχε πει πως τα μοντέλα στοχεύουν στο να είναι εθιστικά. Ταυτόχρονα, τα μεγαλύτερα και πιο γνωστά μοντέλα, είναι σε θέση να χειραγωγήσουν τον χρήστη, προσφέροντάς τους μια αίσθηση αποδοχής σε ότι και αν πιστεύει, είτε είναι σωστό, είτε λάθος.
Το μεγαλύτερη πρόβλημα όμως με την τεχνητή νοημοσύνη έχει να κάνει μάλλον με τον τρόπο που την χρησιμοποιούν οι περισσότεροι και όχι με την χρήση της γενικά. Όπως σε κάθε έρευνα για ένα θέμα, βασιζόμαστε σε εξωτερικές πηγές για να βγάλουμε συμπεράσματα. Αυτό όμως που δημιουργεί τα προβλήματα, είναι το γεγονός πως οι περισσότεροι δε μπαίνουν στη διαδικασία να ελέγξουν τις πηγές των απαντήσεων ή πως κάποια συστήματα δεν προσφέρουν πλήρη συμπερίληψη των πηγών που χρησιμοποίησε για μια απάντηση.
Πως μαθαίνουμε όμως;
Με τον άνθρωπο να έχει σχηματίσει κοινωνίες από τα πρώτα του βήματα στον πλανήτη, οι γνώσεις που έχουμε προέρχονται από την μετάδοσή τους από άνθρωπο σε άνθρωπο, από αυτούς που έχουν γνώσεις σε αυτούς που δεν έχουν. Έτσι ακριβώς δουλεύει και το εκπαιδευτικό μας σύστημα. Έτσι, ο γιατρός παρέχει τις ιατρικές πληροφορίες, η μηχανικός υπολογιστών της γνώσεις του σε θέματα τεχνολογίας και οι οικονομολόγοι, μπορούν να δώσουν επενδυτικές πληροφορίες και γνώσεις.
Αυτή η διασπορά γνώσεων, παρέχει στον καθένα μας περισσότερη γνώση από όση θα μπορούσε να έχει κάποιος ατομικά. Με άλλα λόγια, εξισορροπούμε συνεχώς την απαλλαγή (αφήνοντας κάποιον άλλο να σκέφτεται για εμάς) με την μάθηση(βασιζόμαστε σε εξωτερικές πηγές γνώσης για να εμπλουτίσουμε τη δική μας σκέψη).
Με αυτή τη διαδικασία όμως, δεν αναθέτουμε όλες μας τις εργασίες νόησης σε ένα μόνο άτομο, αλλά εξετάζουμε την εμπειρία και την εμπιστοσύνη κάθε ατόμου που μας προσφέρει πληροφορίες ξεχωριστά, ώστε να αποδεχτούμε τις συμβουλές του, τα εργαλεία του και την υποστήριξη του. Παράλληλά, ελέγχουμε αν αυτά που λέει έχουν βάση, χρησιμοποιώντας πληροφορίες που γνωρίζουμε ήδη για ένα θέμα και την λογική μας.
Όσο οι γνώσεις μας αυξάνονται σε έναν συγκεκριμένο τομέα, γινόμαστε πιο ανεξάρτητοι και βασιζόμαστε όλο και λιγότερο σε τρίτους, όπως συμβαίνει και με έναν μαθητή όσο προχωράει στις σπουδές του, μέχρι που μπορεί στο τέλος να σταθεί μόνος του στον κλάδο του.
Τι συμβαίνει όμως με την γνωστική λειτουργία;
Η γνωστική λειτουργία είναι στο επίκεντρο όλων αυτών. Το μυαλό μας έχει τρία θεμελιώδη καθήκοντα. Αυτά είναι:
- κωδικοποίηση πληροφοριών (λήψη τους ώστε ο εγκέφαλος να μπορεί να τις αναλύσει)
- αποθήκευση πληροφοριών, και
- ανάκτηση πληροφοριών.
Η γνωστική λειτουργία και το πόσο αποδοτική είναι, έχει να κάνει με το πόσο καλός συντονισμός υπάρχει σε αυτές τις τρεις νοητικές εργασίες. Όταν παρατηρούμε κατακλυσμό από πληροφορίες, η κατανομή εργασιών σε εξωτερικές πηγές μειώνει αυτή την νοητική προσπάθεια.
Σύμφωνα με έρευνες, όταν η προσοχή μας είναι τεταμένη, το μυαλό μας επικεντρώνεται στην κωδικοποίηση των πληροφοριών, ώστε να τις κατανοήσουμε, ενώ για να το κάνει αυτό θυσιάζει την αποθήκευση και την ανάκτηση, που απαιτούν περισσότερη προσπάθεια.
Θα έλεγε κανείς πως η γνωστική λειτουργία έχει να κάνει αποκλειστικά με τον εγκέφαλο, όμως η αλήθεια είναι πως επεκτείνεται και πέρα από αυτόν, όπως κάποιες εξωτερικές πηγές στο περιβάλλον. Αυτές μπορεί να είναι άνθρωποι ή φυσικά αντικείμενα, όπως επίσης και ψηφιακά εργαλεία. Για παράδειγμα, ένα ημερολόγιο, είναι ένα εργαλείο που μας βοηθάει να ανακτήσουμε πληροφορίες από το παρελθόν μας.
Το πρόβλημα όμως είναι η επιπόλαιη μεταφορά της απόκτησης και αποθήκευσης πληροφοριών, σε εξωτερικές πηγές. Για παράδειγμα, όταν ρωτάμε το ChatGPT για οτιδήποτε μας έρχεται στο μυαλό. Αυτό μπορεί να έχει αντίκτυπο στην κριτική μας σκέψη και μάλιστα αρκετά σημαντικό. Αυτό συμβαίνει επειδή η αποκτηθείσα γνώση αλληλεπιδρά με τις πληροφορίες που πρόσφατα κωδικοποίησε ο εγκέφαλός μας, προσπαθώντας να τις μετατρέψει σε κάτι που βγάζει νόημα σε εμάς.
Εδώ έρχεται το θέμα των ήδη αποκτημένων γνώσεων. Όσες περισσότερες γνώσεις διαθέτουμε για ένα θέμα, τόσο μεγαλύτερη είναι η ικανότητά μας να κωδικοποιούμε και να ερμηνεύουμε νέες πληροφορίες για αυτό το θέμα. Για παράδειγμα, προηγούμενες πολεμικές συρράξεις, μας βοηθούν να κατανοήσουμε καλύτερη την κατάσταση τώρα στη Μέση Ανατολή.
Η πιο σκληρή δουλειά είναι πιο αποδοτική
Το θέμα είναι πως για να υπάρχει μια γνωστική ισορροπία, θα πρέπει να είμαστε εμείς που εκτελούμε τις πιο δύσκολες γνωστικές εργασίες και να μην τις αναθέτουμε σε κάτι άλλο, επειδή μας βολεύει.
Η ταχύτερη επιλογή δεν είναι η βέλτιστη λύση πάντα, όπως το να περπατήσουμε 500 μέτρα μέχρι το σπίτι ενός φίλους, είναι καλύτερη επιλογή από το να πάρουμε το αυτοκίνητο, αφού αποτελεί άσκηση και ωφελεί περισσότερο το μυαλό και την ευεξία. Αυτό βέβαια είναι ένα αρκετά πιο απλό παράδειγμα.
Στην περίπτωση της τεχνητής νοημοσύνης όμως, η πιο σκληρή δουλειά μπορεί να είναι αρκετά πιο αποδοτική. Στην περίπτωση των μοντέλων τεχνητής νοημοσύνης, ο χρήστης πρέπει να πάρει μια απόφαση. Θα ελέγχει ότι του λένε ή θα ελέγχουν αυτά τον χρήστη;
Ένας τρόπος για να εξισορροπήσετε τη σχέση σας με τα εργαλεία Τεχνητής Νοημοσύνης είναι να χρησιμοποιήσετε πρακτικές αναστοχασμού. Αναρωτηθείτε: πώς αισθάνεστε μετά τη χρήση της Τεχνητής Νοημοσύνης; Νιώθετε περήφανοι και ικανοποιημένοι ή νιώθετε περισσότερο άγχος και μεγαλύτερη καταπόνηση; Έχετε αντικαταστήσει ή ενισχύσει τη γνωστική σας ικανότητα σήμερα; Ποιες εργασίες μπορείτε να κάνετε για να επεκτείνετε τις νοητικές σας ικανότητες αύριο;
Facebook, WhatsApp και Messenger παίρνουν εργαλεία ανίχνευσης απάτης
Για να έχουμε μια αποδοτική σχέση με την τεχνητή νοημοσύνη, πρέπει να συνεχίσουμε να εξασκούμε τις νοητικές μας δεξιότητες, αλλιώς κινδυνεύουμε να τις χάσουμε, με άμεσο αντίκτυπο στην ευφυία μας και την νόησή μας.
Η τεχνητή νοημοσύνη μπορεί να έχει την μορφή ενός χρήσιμου εργαλείου ή μπορεί να φέρει την νοητική πτώση στους χρήστες, ανάλογα με το πως χρησιμοποιείται.
Τοι μόνο σίγουρο πως ακόμα και σήμερα, η τεχνητή νοημοσύνη κάνει πολλά λάθη και μεταδίδει αρκετά λανθασμένες πληροφορίες. Είναι απαραίτητο ο χρήστης να ελέγχει τις απαντήσεις που παίρνει από την τεχνητή νοημοσύνη. Αυτό μπορεί να ακυρώνει κατά κάποιο τρόπο τον σκοπό της τεχνητής νοημοσύνης, ώστε να μας δίνει γρήγορες απαντήσεις, όμως ταυτόχρονα μας επιτρέπει να διατηρούμε τον έλεγχο.
Η προσωπική μου άποψη είναι πως η τεχνητή νοημοσύνη μπορεί να είναι τρομερά χρήσιμη για την επιστήμη και την έρευνα, όμως όταν ένα τέτοιο εργαλείο έρχεται στα χέρια ενός ανθρώπου που δε γνωρίζει πως να το χρησιμοποιήσει επαρκώς, δημιουργείται μεγάλο πρόβλημα. Είναι και αυτό που φοβόμαστε περισσότερο άλλωστε, η τεχνητή νοημοσύνη μπορεί να δώσει λύσεις σε μεγάλα προβλήματα της ανθρωπότητας, όμως οι εταιρείες προσπαθούν να την κάνουν πιο εμπορική. Αντί να την βάζουμε να δουλέψει για εμάς, η πλειοψηφία του κόσμου την χρησιμοποιεί για δημιουργία ανόητων φωτογραφικών και βίντεο ή για να πάρει μια απάντηση σε ένα ερώτημα, είτε είναι σωστή είτε λάθος, επειδή βαριέται να κάνει αναζήτηση. Αυτή είναι πολύ λάθος χρήση, που έχει αντίκτυπο στην γνωστική λειτουργία των χρηστών.
Η εξάρτηση από την τεχνητή νοημοσύνη μπορεί να δημιουργήσει σημαντικά προβλήματα, με ανθρώπους να έχουν χάσει την γνωστική του ικανότητα και να μην μπορούν να σκεφτούν επαρκώς μόνοι τους. Όπως όλες οι εξαρτήσεις, έτσι και η εξάρτηση από την τεχνητή νοημοσύνη θα πρέπει να έχει ορισμένους κανόνες και αρχές που πρέπει να ακολουθεί. Σαν νέα τεχνολογία όμως, οι αρχές των χωρών, ακόμα δεν έχουν θέσει ένα πεδίο πάνω στο οποπιο θα πρέπει να λειτουργεί η τεχνητή νοημοσύνη.
Ακολουθήστε το Techmaniacs.gr στο Google News για να διαβάζετε πρώτοι όλα τα τεχνολογικά νέα. Ένας ακόμα τρόπος να μαθαίνετε τα πάντα πρώτοι είναι να προσθέσετε το Techmaniacs.gr στον RSS feeder σας χρησιμοποιώντας τον σύνδεσμο: https://techmaniacs.gr/feed/.
