ChatGPT อาจทำให้คุณสูญเสียสมอง: หนี้ทาง认知ในยุค AI

ในยุคที่ ChatGPT กลายเป็นเครื่องมือที่ใช้กันอย่างแพร่หลาย เช่นเดียวกับการตรวจสอบการสะกดคำ การศึกษาของ MIT ที่เป็นหนึ่งในสิ่งที่น่าตื่นเต้นที่สุด การวิจัยของ MIT ส่งสารที่ทำให้เราต้องตื่นตัว: การพึ่งพา LLMs ที่เพิ่มขึ้นอาจทำให้ความสามารถในการคิดอย่างมีวิจารณญาณและเรียนรู้อย่างลึกซึ้งลดลง การวิจัยนี้ดำเนินการโดยนักวิทยาศาสตร์จาก MIT Media Lab ในช่วงสี่เดือน โดยนำเสนอแนวคิดใหม่ที่น่าสนใจ – “หนี้ทาง认知” – ซึ่งควรทำให้ผู้ศึกษา ผู้เรียน และผู้ที่ชื่นชอบเทคโนโลยีต้องตื่นตัว

ผลกระทบของมันลึกซึ้ง เมื่อนักเรียนหลายล้านคนในโลกใช้เครื่องมือ AI เพื่อช่วยเหลือในการเรียน เราอาจกำลังเห็นเกิดรุ่นที่เขียนได้อย่างมีประสิทธิภาพ แต่คิดอย่างลึกซึ้งน้อยลง สิ่งนี้ไม่ใช่แค่เรื่องราวที่เตือนถึงเทคโนโลยี แต่เป็นการวิเคราะห์ทางวิทยาศาสตร์ที่เข้มงวดเกี่ยวกับวิธีที่สมองของเราทำงานเมื่อเราออกแบบการทำงานทาง认知ให้กับ AI

วิทยาศาสตร์ของการโอนหนี้ทาง认知

การศึกษาของ MIT ได้ศึกษานักเรียน 54 คนจากมหาวิทยาลัย 5 แห่งในพื้นที่บอสตัน โดยแบ่งออกเป็นสามกลุ่ม: หนึ่งใช้ OpenAI’s GPT-4o, อีกกลุ่มใช้เครื่องมือค้นหาทางอินเทอร์เน็ตแบบดั้งเดิม และกลุ่มที่สามเขียนเรียงความโดยไม่มีการช่วยเหลือจากภายนอก สิ่งที่นักวิจัยพบจากการตรวจสอบสมองด้วย EEG นั้นน่าสนใจ: ผู้ที่เขียนโดยไม่มีการช่วยเหลือจาก AI มีการเชื่อมต่อทางสมองระหว่างพื้นที่ต่างๆ ที่แข็งแกร่งกว่า

ความแตกต่างนั้นเห็นได้ชัดเจนในคลื่นสมองประเภททีต้าและอัลฟา ซึ่งเกี่ยวข้องกับการทำงานของหน่วยความจำและควบคุมการทำงาน การเขียนโดยไม่มีการช่วยเหลือจาก AI แสดงให้เห็นถึงการเชื่อมต่อระหว่างสมองส่วนหน้าและสมองส่วนหลังที่ดีขึ้น ซึ่งสะท้อนถึงการมุ่งเน้นภายในและความจำทางวากยสัมพันธ์ที่จำเป็นสำหรับการสร้างความคิดโดยไม่มีการช่วยเหลือจากภายนอก ในทางกลับกัน กลุ่มที่ใช้ LLMs มีการเชื่อมต่อทางสมองส่วนหน้าที่อ่อนลง ซึ่งบ่งชี้ว่าการทำงานของหน่วยความจำและควบคุมการทำงานของพวกเขาอ่อนลง

ลองนึกภาพดูว่าเมื่อคุณใช้ AI ในการเขียน สมองของคุณจะเข้าสู่โหมดประหยัดพลังงาน แม้ว่าสิ่งนี้อาจดูเหมือนเป็นเรื่องของความมีประสิทธิภาพ แต่จริงๆ แล้วเป็นการหลีกเลี่ยงการทำงานทาง认知 การเดินผ่านเส้นทางทางสมองที่รับผิดชอบในการสร้างความคิด การวิเคราะห์อย่างมีวิจารณญาณ และการสร้างสรรค์จะไม่ถูกใช้งานอย่างเต็มที่ มากกว่าการใช้งานที่ลดลง เช่นเดียวกับกล้ามเนื้อที่เสื่อมลงจากการไม่ได้ใช้งาน

ปัญหาเรื่องความจำ: เมื่อ AI เขียน เราลืม

อาจเป็นผลการวิจัยที่น่าตกใจที่สุดเกี่ยวกับการก่อตัวของความจำ หลังจากเซสชั่นแรก ผู้ใช้ LLMs มากกว่า 80% ไม่สามารถระลึกถึงคำพูดจากเรียงความที่พวกเขาเพิ่งเขียนได้อย่างแม่นยำ – ไม่มีใครทำได้อย่างสมบูรณ์แบบ สิ่งนี้ไม่ใช่แค่ปัญหาเล็กๆ น้อยๆ

การวิจัยพบว่าเรียงความที่สร้างด้วย LLMs ไม่ได้ถูกสร้างขึ้นอย่างลึกซึ้งในสมอง เมื่อเราสร้างประโยคของเราเอง โดยต่อสู้กับการเลือกคำและโครงสร้างการให้เหตุผล เราจะสร้างรอยความจำที่แข็งแกร่ง แต่เมื่อ AI สร้างเนื้อหานั้น แม้ว่าเราจะแก้ไขและอนุมัติแล้ว สมองของเราก็จะรับข้อมูลนั้นเป็นข้อมูลภายนอก – ถูกประมวลผลแต่ไม่ได้รับการดูดซับอย่างแท้จริง

ปรากฏการณ์นี้ขยายไปไกลกว่าการระลึกถึงเพียงอย่างเดียว กลุ่มที่ใช้ LLMs ยังตกอยู่เบื้องหลังในการอ้างถึงเรียงความที่พวกเขาเขียนเพียงไม่กี่นาทีที่ผ่านมา ซึ่งบ่งชี้ว่าการเป็นเจ้าของทาง认知ของงานที่ได้รับการช่วยเหลือจาก AI ยังคงถูกบุกรุกอย่างรุนแรง หากนักเรียนไม่สามารถระลึกถึงสิ่งที่พวกเขา “เขียน” ได้ พวกเขาจริงๆ แล้วได้เรียนรู้อะไรบ้าง?

ผลกระทบของการทำให้เหมือนกัน: เมื่อทุกคนมีเสียงเหมือนกัน

ผู้ให้คะแนนงานเขียนของมนุษย์บรรยายเรียงความหลายเรียงของ LLMs ว่าเป็นเรียงความที่ “ไม่มีวิญญาณ” โดยมีแนวคิดมาตรฐานและภาษาที่ซ้ำกัน การวิเคราะห์ การประมวลผลภาษาธรรมชาติ (NLP) ของการศึกษานี้ยืนยันการประเมินเชิง主观นี้: กลุ่มที่ใช้ LLMs สร้างเรียงความที่มีเอกลักษณ์น้อยกว่า มีการเปลี่ยนแปลงน้อยและแนวโน้มที่จะใช้ภาษาเฉพาะ (เช่น การใช้บุคคลที่สาม)

การมาตรฐานนี้ของความคิดเป็นตัวอย่างของการยอมจำนนทางปัญญาในระดับที่ไม่เห็นแก่เหตุผล เมื่อนักเรียนหลายพันคนใช้แบบจำลอง AI เหมือนกันเพื่อทำการบ้าน เราอาจกำลังสร้างห้องที่มีเสียงเดียวกันของความคิดที่ไม่มีความคิดสร้างสรรค์ ความหลากหลายของความคิดของมนุษย์ – พร้อมด้วยความแปลกประหลาด ความเข้าใจ และความฉลาดที่ไม่คาดคิด – จะถูกทำให้เรียบง่ายลงเป็นค่าเฉลี่ยของอัลกอริทึม

ผลกระทบในระยะยาว: การสร้างหนี้ทาง认知

แนวคิดของ “หนี้ทาง认知” สะท้อนถึงหนี้ทางเทคนิคในการพัฒนาซอฟต์แวร์ – ผลประโยชน์ในระยะสั้นที่สร้างปัญหาในระยะยาว ในระยะสั้น หนี้ทาง认知ทำให้การเขียนง่ายขึ้น แต่ในระยะยาว อาจลดการคิดอย่างมีวิจารณญาณ เพิ่มความเสี่ยงต่อการหลอกลวง และจำกัดความคิดสร้างสรรค์

เซสชั่นที่สี่ของการศึกษานี้ให้ข้อมูลที่เปิดเผยมากที่สุด นักเรียนที่เปลี่ยนจาก LLMs ไปใช้การเขียนโดยไม่มีการช่วยเหลือแสดงให้เห็นถึงการเชื่อมต่อทางสมองที่อ่อนลงและความตื่นตัวของเครือข่ายอัลฟาและเบตาที่ต่ำกว่าเมื่อเทียบกับกลุ่มที่เขียนโดยไม่มีการช่วยเหลือ การพึ่งพา AI ในช่วงก่อนหน้านี้ทำให้พวกเขาล้าหลังในการทำงานทาง认知

เรากำลังสร้างรุ่นที่ต่อสู้กับ:

• การแก้ปัญหาโดยไม่มีการช่วยเหลือ
• การประเมินข้อมูลอย่างมีวิจารณญาณ
• การสร้างความคิดใหม่
• การคิดอย่างลึกซึ้งและยั่งยืน
• การเป็นเจ้าของทางปัญญาของงานของตนเอง

จุดกึ่งกลางของเครื่องมือค้นหาทางอินเทอร์เน็ต

น่าสนใจที่จะเห็นว่าการศึกษาพบว่าผู้ใช้เครื่องมือค้นหาทางอินเทอร์เน็ตแบบดั้งเดิมอยู่ในจุดกึ่งกลาง ในขณะที่พวกเขามีการเชื่อมต่อทางสมองที่ลดลงเมื่อเทียบกับกลุ่มที่เขียนโดยไม่มีการช่วยเหลือ แต่พวกเขายังคงมีการมีส่วนร่วมทาง认知ที่ดีกว่าผู้ใช้ LLMs

สิ่งนี้ชี้ให้เห็นว่าเครื่องมือดิจิทัลไม่ใช่ปัญหาเท่ากัน ตัวแยกแยะที่สำคัญดูเหมือนจะเป็นระดับการทำงานทาง认知ที่จำเป็น เครื่องมือค้นหาทางอินเทอร์เน็ตนำเสนอทางเลือก ผู้ใช้ต้องคิด

ผลกระทบต่อการศึกษาและนอกเหนือจากนั้น

ผลการวิจัยนี้มาถึงจุดสำคัญในประวัติศาสตร์การศึกษา เมื่อสถาบันต่างๆ ทั่วโลกกำลังดิ้นรนเพื่อสร้างนโยบายการบูรณาการ AI การศึกษาของ MIT ให้หลักฐานเชิงประจักษ์สำหรับการระมัดระวัง นักวิจัยเน้นย้ำว่าการใช้ LLMs อย่างไม่ระมัดระวังอาจเปลี่ยนแปลงวิธีที่สมองของเราทำงาน ซึ่งอาจนำไปสู่ผลลัพธ์ที่ไม่ได้ตั้งใจ

สำหรับผู้ศึกษา สิ่งนี้มีข้อความที่ชัดเจนแต่ซับซ้อน เครื่องมือ AI ไม่ควรถูกห้ามโดยสมบูรณ์ – พวกมันอยู่ทั่วไปและให้ประโยชน์จริงสำหรับงานบางอย่าง แต่ผลลัพธ์แนะนำว่าการทำงานโดยไม่มีการช่วยเหลือเป็นสิ่งสำคัญสำหรับการสร้างทักษะทาง认知ที่แข็งแกร่ง ความท้าทายอยู่ในการออกแบบหลักสูตรที่ใช้ประโยชน์ของ AI ในขณะเดียวกันก็รักษาความสามารถในการคิดอย่างลึกซึ้งโดยไม่มีการช่วยเหลือ

พิจารณาใช้:

• พื้นที่ที่ไม่มี AI สำหรับการออกกำลังกายการคิดอย่างมีวิจารณญาณ
• วิธีการที่มีระดับ โดยที่นักเรียนเรียนรู้แนวคิดก่อนที่จะใช้การช่วยเหลือจาก AI
• การสอนอย่างชัดเจนเกี่ยวกับเมื่อ AI ช่วยและเมื่อ AI ขัดขวางการเรียนรู้
• วิธีการประเมินที่ให้คุณค่ากับกระบวนการมากกว่าผลิตภัณฑ์
• การออกกำลังกาย “สมอง” โดยไม่มีการช่วยเหลือจากดิจิทัลเป็นประจำ

การศึกษาของ MIT ไม่ได้สนับสนุนลัทธิ Luddite แต่เรียกร้องให้ใช้เครื่องมือ AI อย่างมีจุดมุ่งหมายและยุทธวิธี

ข้อสรุปหลักคือการใช้ LLMs อย่างไม่ระมัดระวังอาจเปลี่ยนแปลงวิธีที่สมองของเราทำงาน การเปลี่ยนแปลงนี้ไม่ใช่สิ่งที่ไม่ดีโดยธรรมชาติ แต่ต้องการการบริหารจัดการอย่างตระหนัก เราต้องสร้าง “ความฟิตทาง认知” – การฝึกฝนการคิดโดยไม่มีการช่วยเหลือเพื่อรักษาความสามารถทางปัญญาของเรา

การวิจัยในอนาคตควรสำรวจยุทธวิธีการบูรณาการที่เหมาะสมที่สุด สามารถออกแบบเครื่องมือ AI ที่เพิ่มการทำงานทาง认知แทนที่จะแทนที่ได้หรือไม่? เราจะใช้ AI เพื่อเพิ่มความคิดสร้างสรรค์ของมนุษย์แทนที่จะทำให้มาตรฐานหรือไม่? คำถามเหล่านี้จะกำหนดรูปแบบของเทคโนโลยีการศึกษาในอนาคต

สรุป: ใช้สมองของคุณ

สรุปแล้ว ยังคงเป็นความคิดที่ดีที่จะใช้สมองของคุณเอง มากน้อยแค่ไหนยังคงเป็นคำถามที่เปิดกว้าง สิ่งนี้ไม่ใช่ความหลงใหลในยุคก่อนดิจิทัล แต่เป็นการยอมรับว่าความสามารถทาง认知บางอย่างต้องการการฝึกฝนอย่างแข็งขัน

เมื่อเรายืนอยู่ที่จุดแยกทางเทคโนโลยีนี้ การศึกษาของ MIT มอบทั้งคำเตือนและโอกาส คำเตือน: การใช้เครื่องมือเขียน AI โดยไม่มีการวิจารณ์อาจบ่อนทำลายความสามารถทาง认知ที่ทำให้เราเป็นมนุษย์ โอกาส: โดยการเข้าใจผลกระทบเหล่านี้ เราสามารถออกแบบระบบ นโยบาย และแนวปฏิบัติที่ดีกว่า ซึ่งใช้พลังของ AI ในขณะเดียวกันก็รักษาการพัฒนาทางปัญญาของมนุษย์

แนวคิดของหนี้ทาง认知เตือนเราให้ระลึกว่าความสะดวกสบายมีค่าใช้จ่ายเสมอ ในความเร่งรีบของเราในการยอมรับประสิทธิภาพของ AI เราไม่ควรเสียสละการคิดอย่างลึกซึ้ง ความคิดสร้างสรรค์ และการเป็นเจ้าของทางปัญญาของการเรียนรู้ที่มีความหมาย อนาคตไม่屬กับผู้ที่สามารถกระตุ้น AI ได้ดีที่สุด แต่屬กับผู้ที่สามารถคิดอย่างมีวิจารณญาณเกี่ยวกับเมื่อใช้ AI – และเมื่อใช้ความสามารถที่น่าประทับใจของสมองของตนเอง

ในฐานะผู้ศึกษา ผู้เรียน และผู้เรียนรู้ตลอดชีวิต เราต้องเผชิญกับตัวเลือก เราสามารถลอยเข้าสู่อนาคตของการพึ่งพาหรือเราสามารถสร้างโลกที่ AI เพิ่มความสามารถของมนุษย์แทนการแทนที่ความคิดของมนุษย์ การศึกษาของ MIT ได้แสดงให้เห็นถึงความเสี่ยงแล้ว การเคลื่อนไหวต่อไปเป็นของเรา