Передайте свое мышление ИИ, и оно заменит вас

Глава отдела ИИ в Microsoft, Мустафа Сулейман, недавно поделился страшным прогнозом: в течение следующих 12-18 месяцев, большинство, или даже все, белых воротничков будет полностью автоматизировано искусственным интеллектом. Г-н Сулейман не первый, кто поделился таким предположением (да, я говорю о Дарио Амодеи и его 5-летнем приговоре ИИ миру), и определенно не последний. Но я хочу поделиться противоречивым мнением: ИИ, будь то через 18 месяцев или пять лет, не сможет заменить белых воротничков. Но если мы перестанем думать, он сможет.

И я не говорю, что он не будет интегрирован в большинство процессов или что он не сможет помочь людям с их рабочей нагрузкой. Это уже происходит. Но замена человеческого мышления, устранение человеческого вклада, – это одна задача, которую ИИ просто не может выполнить (если мы, как люди, не заменим наш двигатель принятия решений на ИИ).

Почему человеческое мышление не может и не должно быть передано на аутсорсинг

Есть три конкретные причины, которые я постоянно повторяю, когда кто-то говорит мне, что ИИ вот-вот заменит всех. Каждая из них – это то, что человеческий мозг делает как должное, и каждая из них – это то, чего ИИ, независимо от того, насколько он продвинут, не может воспроизвести.

ИИ не может иметь контекст, который имеет человеческий мозг

Когда человек принимает решение, он не предсказывает, как языковая модель, следующее слово на основе общей вероятности. Он опирается на полное тело жизненного опыта, закодированного в нескольких системах одновременно: наши личные воспоминания, наши выученные привычки и эмоциональные ставки этих моментов. Этот коллективный прошлое позволяет мозгу постоянно угадывать, что произойдет дальше, обновляя свое представление только тогда, когда реальность доказывает его неправильным. Контекст, в других словах, – это субстрат, на котором строится каждое восприятие.

Большая языковая модель работает по-другому. Ее веса исходят из конечного корпуса текста, на котором она была обучена один раз и больше не имеет доступа. У нее нет цикла восприятия, нет ошибки прогнозирования от мира, в котором она должна жить. “Контекст”, доступный ей, – это все, что находится в окне подсказки. Она никогда не входила в комнату раньше. Итак, когда мы принимаем решение, которое зависит от знания того, что нормально здесь, что было раньше и что на кону, мы запускаем прогнозы против всей жизни связанного опыта – личного и поколений, которые были до нас. Модель сопоставляет шаблоны по базам данных текста. Две очень разные операции, и никакое масштабирование контекстных окон не закрывает разрыв.

Знание имени не то же самое, что знание чего-то

Эта мудрость исходит от лауреата Нобелевской премии по физике Ричарда Фейнмана (или, чтобы быть более точным, от его отца). Он считал, что простое запоминание меток или определений не означает знание темы. Настоящее понимание исходит из опыта и понимания.

Чарли Мангер, американский бизнесмен и инвестор, предложил термин для такого поверхностного обучения – “Знания шофера”. Анекдот за этим заключается в том, что шофер физика Макса Планка слышал его лекцию о квантовой механике так часто, что выучил ее наизусть. Затем он предложил прочитать ее вместо Планка в Мюнхене, что он успешно сделал. Но когда пришло время вопросов от аудитории, он, не удивительно, не смог ответить. И это разница между поверхностными “знаниями шофера” и всесторонними, заработанными годами работы и борьбы, знаниями Планка.

Сегодняшние большие языковые модели – это наиболее совершенные шоферы, которых мы когда-либо построили. Они могут декламировать квантовую механику, суммировать философию, составить контракт и рифмовать некоторые слова. Но что-то, что требует опыта, а не распознавания шаблонов, например, знание того, почему позиция бренда, которая сработала на одном рынке, обязательно потерпит неудачу на другом, уникально для людей и является тем, что на самом деле стимулирует решения.

Но понимание того, почему позиция бренда, которая сработала на одном рынке, обязательно потерпит неудачу на другом, не может быть получено простым распознаванием шаблонов. Опыт уникален для людей и является тем, что на самом деле стимулирует решения.

Все еще, главное различие между нами и ИИ – это не обработка данных, а владение

Способность людей (или, по крайней мере, некоторых из нас) брать на себя ответственность за действия, владеть последствиями, стыдом, учиться на них и делать все возможное, чтобы ситуация не повторилась, и, следовательно, чтобы мы не чувствовали агонии еще одной неудачи, – это то, что делает наше мышление и наше принятие решений так уникально по сравнению с искусственным интеллектом.

ИИ не чувствует стыда. Или вины. Он не теряет сон из-за решения, которое оказалось плохим. Он не несет память о сделке, которую он потерял, о найме, который он пропустил, о стратегии, которую он защитил на заседании совета директоров, которая постепенно уничтожила ценность два года спустя. Модель дает ответ, ответ оказывается неправильным, и модель переходит к следующей подсказке, как будто ничего не произошло (потому что для них ничего не произошло). Нет внутренней стоимости быть неправильным, и поэтому нет давления быть правильным в следующий раз – что-то, что на самом деле стимулирует людей к эволюции и улучшению.

Десять лет назад я работал в венчурной компании, анализируя стартапы на ранней стадии, и мы смотрели на сделки с автономным вождением. Даже тогда прототипы робо-такси были статистически безопаснее, чем человеческие водители. Технология работала. Она все еще работает в 2026 году. Итак, почему наши города все еще не наводнены самоходными автомобилями? Потому что ответственность за автономный автомобиль еще не достаточно ясна. Когда происходит авария, юридическая система действительно не знает, кого винить – человека, который переключил выключатель, производителя или разработчика программного обеспечения. Пока этот вопрос не будет иметь ответа, мы застряли. Технология обогнала рамку ответственности, которая должна быть там, чтобы ее поглотить.

Как не потерять свой разум (и работу) в эпоху ИИ

Хотя я действительно верю, что ИИ не может заменить человеческое мышление, я также вижу закономерность людей, которые поддаются искушению получить捷径 к результатам. Впервые в истории вам не нужно мозг, чтобы получить ответ. Вам просто нужно набрать вопрос. Трение, которое заставляло нас думать, было удалено, что звучит хорошо, пока вы не понимаете, что трение было целым смыслом. Это было то, как мозг был построен в первую очередь.

И вот где вопрос работы также возвращается. ИИ не заменит белых воротничков как категорию. Но он заменит конкретных людей, которые передали все свое мышление ему. Если вы обмениваете суждение, контекст и владение на быстрые ответы из окна чата, вы перестаете быть человеком, который приносит что-то на стол. В этот момент ваш работодатель действительно не нуждается в вас. Он может поговорить с моделью напрямую.

Итак, сохранение вашей работы в эпоху ИИ и сохранение вашего разума в эпоху ИИ сводятся к одному и тому же вопросу. И ниже приведены четыре привычки, которые вам нужно устранить.

ИИ должен увеличить любопытство

Эффект ИИ на ваш мозг зависит полностью от того, как вы его используете. Если вы любопытны и готовы копать, ИИ становится лучшим компаньоном для обучения, которого кто-либо когда-либо имел. Лучше, чем Википедия, лучше, чем любая книга, потому что он может объяснить одну и ту же идею пятью разными способами, пока одна из них не сработает, и последовать за вами по любой кроличьей норе, которую вы хотите. Или вы можете попросить его помочь вам лучше запомнить информацию – например, практиковать интервальную повторение, пока вы действительно не поймете концепцию.

Для человека, который не любопытен, ИИ делает противоположное. Он берет на себя мышление, которое они должны были делать сами. Они получают вывод без работы, и работа была целым смыслом. Со временем эта мышца атрофируется. После промышленной революции, когда машины сделали физический труд менее распространенным, мы построили спортзалы, чтобы дать нашим телам то, что им нужно, чтобы бросить им вызов и поддерживать себя. И это то, что нам понадобится: умственные спортзалы, чтобы поддерживать наш мозг в тонусе.

В 2025 году MIT Media Lab провел исследование, в котором 54 участника написали эссе в течение четырех месяцев, разделенные на три группы: ChatGPT, поисковая система и мозг только. Пока они писали, электроэнцефалограмма отслеживала их мозговую активность. В конце группа ChatGPT последовательно показала самую низкую нейронную связность и произвела эссе, которые учителя описали как “бесдушные”. Группа “мозг только” имела самую сильную мозговую активность на протяжении всего.

Но наиболее показательная часть пришла в последней сессии, когда исследователи поменяли группы. Люди из группы “мозг только”, которым затем была дана ChatGPT, превзошли всех. Они построили мышцу мышления сначала и затем использовали ИИ поверх нее. Другая группа не смогла догнать, потому что они пропустили часть, где мышца была построена.

Учить – это глагол, поэтому он не может быть пассивным

Чтобы обучение оставалось, теория должна быть объединена с практикой. Чтение об идее – это один вид ввода; делать что-то с этой идеей – это другой. Постукивание, ответ, применение, получение чего-то неправильного и попытка снова – эти действия вовлекают разные части вашего мозга, чем пассивное потребление, и они держат вас сосредоточенным на материале.

Сократ уже был на этом тысячелетия назад: он никогда не просто давал своим студентам ответ, а заставлял их произвести его (часто неправильный) сначала, и только затем исправлял его. И я сам испытал на себе пользу этой философии как студент-математик: мы получали только половину кредита за запоминание теории, в то время как другая половина требовала доказательства ее. Этот фокус на фундаментальном понимании – это то, что позволило нам лучше запомнить и применить концепции.

Обучение предмету поднимает ваши знания на новый уровень, делает его труднее попасть в психологическую ловушку, называемую иллюзией компетентности, и обеспечивает лучшее понимание темы. Когда вам нужно объяснить идею четко и сделать это несколько раз в нескольких разных способах, нет способа, чтобы вы не поняли и не запомнили ее сами. Ричард Фейнман когда-то отметил с хорошим основанием: “Если вы не можете объяснить это просто, вы не понимаете это.”

Цифры подтверждают все это. В исследованиях по безопасности обучения активные учащиеся сохранили 93,5% информации по сравнению с 79% для пассивных учащихся (Engageli, 2025). Более широкая Пирамида обучения из Национальных тренинговых лабораторий в Бетеле, Мэне, показывает тот же шаблон на каждом уровне:

Данные без надежных источников – это сплетни

Да, люди должны сомневаться в ответах, которые они получают от ИИ. Они должны спросить об источниках, и когда источников нет, они должны быть скептичными.

Но есть большая проблема за всем этим, и это тот факт, что проверка вывода ИИ становится все труднее и труднее. Модели цитируют источники, которые не существуют, они парафразируют реальные источники так, что искажают смысл, они смешивают точную информацию с выдуманной информацией внутри одного и того же абзаца, и нет четкого способа определить, какое из них.

Кроме того, все больше и больше интернета само по себе генерируется ИИ, что означает, что модели теперь учатся на выводах других моделей. Оригинальные источники, написанные людьми, погребены под всем, что было автоматически сгенерировано поверх них.

Поэтому я думаю, что надежные знания все еще должны исходить от людей. Если мы не можем полностью доверять модели, и мы не можем полностью доверять источникам за моделью, то человеческий опыт – это то, на что можно положиться.

Как сказал Тони Роббинс: “Если вы хотите быть успешным, найдите человека, который достиг результатов, которых вы хотите, и скопируйте, что он делает, и вы достигнете тех же результатов.” Человек, который действительно сделал то, чему он учит, прошел через годы работы, заплатил за свои ошибки и построил свои знания с реальными последствиями – это тот источник, который имеет значение.

Без контекста детали отсутствуют

Еще одна привычка, которая помогает при обучении с ИИ, – это сопротивляться искушению сразу же прыгнуть к вашему конкретному вопросу. Большинство людей, когда они хотят знать что-то, набирают точный узкий вопрос в чат-бот и принимают ответ как данность. Проблема в том, что они пропускают весь фон, в котором ответ сидит. Конкретный кусок информации, оторванный от контекста, очень легко неправильно истолковать.

Я исторический гик, поэтому позвольте мне дать исторический пример. Геттисбергская речь – это короткая речь, которую Линкольн произнес в 1863 году, на месте одной из самых кровопролитных битв американской гражданской войны. Представьте, что вам нужно написать эссе на эту тему. Вы просите ИИ проанализировать ее и получаете чистый разбор слов, структуры и риторических приемов.

Но можете ли вы действительно написать это эссе, не зная ничего о гражданской войне самой по себе? Вряд ли. Вы не понимаете, почему эта конкретная битва имела значение, или почему речь, произнесенная на этой земле, несла так много веса. Вы не поймете, что война сместилась от сохранения Союза к прекращению рабства, и что речь была способом Линкольна переопределить, за что страна борется. Вы не увидите политическое напряжение за почти каждой строкой, потому что для вас строки будут просто красивыми фразами о печальном событии.

Без контекста гражданской войны речь читается как короткая надгробная речь. С контекстом вы читаете поворотный момент в том, как нация понимала себя. И это тот нюанс, который ИИ даст вам только если вы уже знаете достаточно, чтобы спросить об этом.

Тот же принцип применяется почти к чему угодно, для чего вы можете использовать ИИ. Начните с широкого круга. Получите общую картину. Затем погрузитесь в детали. Они будут иметь смысл, когда они будут иметь контекст, в который можно их поместить.

В заключение: ИИ – это инструмент, и инструментам нужны руки

Каждый крупный технологический скачок в истории человечества вызвал один и тот же панику. Калькуляторы будут делать нас забыть математику. Интернет будет делать нас забыть, как думать. Поисковые системы будут убивать нашу память. И все же мы здесь, все еще вычисляем, все еще думаем, все еще помним, просто с лучшими инструментами в руках.

ИИ – это следующий в этой линии, и, вероятно, самый мощный, который мы когда-либо построили. Он может писать, суммировать, анализировать, составлять, переводить, кодировать и делать все это быстрее, чем любой из нас. Но он не хочет ничего. Он не может заботиться о результате. Он не может жить с последствиями быть неправильным. Эти части работы все еще принадлежат нам, и они являются теми частями, которые определяют, является ли работа хорошей в конце дня.

Люди, которые процветают в следующем десятилетии, будут теми, кто останется любопытным, кто продолжит задавать лучшие вопросы и кто будет использовать ИИ, чтобы учиться быстрее и думать глубже, вместо того, чтобы использовать его, чтобы пропустить мышление совсем. Они будут теми, кто принесет что-то на стол, чего ни одна модель не может повторить: суждение, контекст и готовность владеть решением.

Итак, нет, ИИ не заменит вас или не заставит вас потерять работу. Но та версия вас, которая перестала думать, может.