Віддайте своє мислення штучному інтелектові, і воно вас замініть

Голова штучного інтелекту в Microsoft, Мустафа Сулейман, недавно поділився страшним прогнозом: протягом наступних 12-18 місяців, більшість, або навіть всі, офісні роботи будуть повністю автоматизовані штучним інтелектом. Пан Сулейман не перший, хто поділився таким припущенням (так, я говорю про Даріо Амодеї та його 5-річний термін штучного інтелекту для світу), і точно не останній. Але дозвольте мені поділитися суперечливим поглядом: штучний інтелект, незалежно від того, чи через 18 місяців, чи через 5 років, не зможе замінити працівників офісу. Але якщо ми припинимо думати, воно зможе.

І я не кажу, що воно не буде інтегровано в більшість процесів, або що воно не може допомогти людям з їхнім робочим навантаженням. Це вже відбувається. Але заміна людського мислення, ліквідація людського внеску, це те завдання, яке штучний інтелект просто не здатний виконати (окрім випадків, коли ми як люди заміняємо свій механізм прийняття рішень штучним інтелектом).

Чому людське мислення не можна і не слід аутсорсити

Є три конкретні причини, які я завжди згадую, коли хтось каже мені, що штучний інтелект замінить всіх. Кожна з них є чимось, що людський мозок робить як звичайну справу, і кожна з них є чимось, чого штучний інтелект, незалежно від того, наскільки він розвинений, не може відтворити.

Штучний інтелект не може мати контексту, який має людський мозок

Коли людина приймає рішення, вона не просто передбачає наступне слово на основі загальної ймовірності, як мова модель. Вона використовує весь свій життєвий досвід, закодований в декілька систем одночасно: особисті спогади, вивчені звички та емоційні ставки тих моментів. Цей колективний досвід дозволяє мозку постійно здогадуватися, що буде далі, оновлюючи свій погляд тільки тоді, коли реальність доводить його неправильним. Контекст, іншими словами, є субстратом, на якому будується кожне сприйняття.

Велика мова модель працює інакше. Її ваги походять від кінцевого корпусу тексту, на якому вона була навчена один раз і більше не має доступу. В неї немає перцептивного циклу, немає передбачувальної помилки від світу, в якому вона повинна жити. “Контекст”, доступний їй, це все, що відбувається в вікні запиту. Вона ніколи не заходила в кімнату раніше. Тому, коли ми приймаємо рішення, яке залежить від знання того, що є нормальним тут, що було раніше, і що на кону, ми проводимо передбачення проти всього життя досвіду – особистого та поколінь, які прийшли раніше нас. Модель проводить узгодження зразків по текстовим базам даних. Два зовсім різних операції, і жодне масштабування контексту не закриває цю прогалину.

Знання імені не те саме, що знання чогось

Ця мудрість походить від лауреата Нобелівської премії з фізики Річарда Фейнмана (або від його батька, щоб бути більш точним). Він вважав, що просто запам’ятовування ярликів або визначення не означає знання теми. Справжнє розуміння приходить з досвіду та розуміння.

Чарлі Манґер, американський бізнесмен та інвестор, запропонував термін для такого поверхневого навчання – “Знання шофера”. Анекдот за цим є про справжнього шофера фізика Макса Планка, який так часто слухав його лекцію про квантову механіку, що вивчив її напам’ять. Потім він запропонував прочитати її замість Планка в Мюнхені, що він успішно зробив. Але коли справа дійшла до питань від аудиторії, він, не дивно, не міг відповісти. І це є різниця між поверхневим “знаанням шофера” та повним, здобутим через роки праці та боротьби, знанням Планка.

Сучасні великі мови моделі є найбільшими шоферами, яких ми коли-небудь побудували. Вони можуть повторювати квантову механіку, підсумовувати філософію, складати контракт і римувати деякі слова. Але щось, що вимагає досвіду, а не розпізнавання зразків, наприклад, знання того, чому позиція бренду, яка спрацювала на одному ринку, невідворотно провалиться на іншому, є унікальним для людей і є тим, що фактично керує рішеннями.

Але розуміння того, чому позиція бренду, яка спрацювала на одному ринку, невідворотно провалиться на іншому, не можна здобути простим розпізнаванням зразків. Досвід є унікальним для людей і є тим, що фактично керує рішеннями.

Все ж таки, головна різниця між нами та штучним інтелектом не полягає в обробці даних – це володіння

Спроможність людей (або хоча б деяких з нас) брати на себе відповідальність за дії, володіти наслідками, соромом, навчатися на них та робити все можливе, щоб ситуація не повторювалася, і тому щоб ми не відчували агонії ще однієї поразки – це те, що робить наше мислення та прийняття рішень так унікально різними від штучного інтелекту.

Штучний інтелект не відчуває сорому. Ані провини. Він не втрачає сон через рішення, яке вийшло погано. Він не носить пам’ять про угоду, яку програв, про стратегію, яку захищав на засіданні ради директорів, яка поступово знищила вартість два роки по тому. Модель дає відповідь, відповідь виявляється неправильною, і модель переходить до наступного запиту, як ніби нічого не сталося (бо для неї нічого не сталося). Не існує внутрішньої ціни за те, що бути неправильним, і тому немає тиску на те, щоб бути правильним наступного разу – щось, що фактично спонукає людей еволюціонувати та покращуватися.

Десять років тому я працював у сфері风险ового капіталу, аналізуючи стартапи на ранній стадії, і ми розглядали угоди з автономним водінням. Навіть тоді прототипи роботизованих таксі були статистично безпечнішими за людських водіїв. Технологія працювала. Вона все ще працює в 2026 році. Тому чому наші міста все ще не заповнені самоходними автомобілями? Бо відповідальність за автономний транспорт не достатньо чітка. Коли відбувається аварія, юридична система справді не знає, кого звинуватити – людину, яка перемкнула перемикач, виробника чи розробника програмного забезпечення. До тих пір, поки на це питання не буде відповіді, ми застряли. Технологія випередила rámec відповідальності, який повинен бути там, щоб її поглинути.

Як не втрачати свій розум (і роботу) у віці штучного інтелекту

Хоча я справді вірю, що штучний інтелект не може замінити людське мислення, я також бачу закономірність людей, які піддаються спокусі отримати швидкий шлях до результатів. Вперше в історії вам не потрібно мозок, щоб отримати відповідь. Вам просто потрібно набрати питання. Тертя, яке раніше змушувало нас думати, було видалено, що звучить добре, поки ви не зрозумієте, що тертя було цією самою точкою. Воно було тим, як мозок був побудований з самого початку.

І ось тут питання роботи також повертається. Штучний інтелект не замінить працівників офісу як категорію. Але він замінить конкретних людей, які аутсорсували все своє мислення йому. Якщо ви торгуете судженням, контекстом та володінням на швидкі відповіді з вікна чату, ви припиняєте бути людиною, яка приносить щось до столу. На цьому етапі ваш роботодавець вам не потрібен. Він може говорити з моделлю безпосередньо.

Отже, збереження вашої роботи у віці штучного інтелекту та збереження вашого розуму у віці штучного інтелекту зводяться до одного й того самого питання. І нижче наведені чотири звички, які вам потрібно звернути увагу, щоб звернутися до цього питання.

Штучний інтелект повинен збільшувати цікавість

Ефект штучного інтелекту на ваш мозок залежить цілком від того, як ви ним користуєтеся. Якщо ви цікаві та готові копати, штучний інтелект стає найкращим компаньйоном для навчання, яким хто-небудь коли-небудь мав. Кращим за Вікіпедію, кращим за будь-яку книгу, бо він може пояснити одну й ту ж ідею п’ятьма різними способами, поки одна з них не клікне, і слідувати за вами по будь-якій кролячій нірці, яку ви хочете. Або ви можете попросити його допомогти вам краще запам’ятати інформацію – наприклад, практикувати розтягнуту репетицію, поки ви справді не зрозумієте концепцію.

Для людини, яка не цікавиться, штучний інтелект робить протилежне. Він бере на себе мислення, яке людина мала б робити сама. Він отримує вивід без роботи, а робота була цією самою точкою. З часом ця м’язова тканина атрофується. Після промислової революції, коли машини зробили фізичну працю менш поширеною, ми побудували спортзали, щоб дати нашим тілам те, що їм потрібно, щоб викликати та підтримувати себе. І це те, чого нам зрештою потрібно: розумові спортзали, щоб підтримувати наш мозок у формі.

У 2025 році MIT Media Lab провів дослідження, у якому 54 учасники писали есе протягом чотирьох місяців, розділених на три групи: ChatGPT, пошукова система та мозок тільки. Під час написання електроенцефалограма відстежувала активність їхнього мозку. У кінці групи ChatGPT постійно показували найнижчу нейронну зв’язність та виробляли есе, які вчителі описували як “бездуховні”. Група, яка працювала тільки мозком, мала найсильнішу активність мозку протягом всього часу.

Але найважливіша частина відбулася під час останньої сесії, коли дослідники поміняли групи. Люди, які працювали тільки мозком, як тільки отримали ChatGPT, показали кращі результати, ніж усі інші. Вони побудували мышечну тканину мислення спочатку, а потім використали штучний інтелект зверху неї. Інша група не могла наздогнати, бо вони пропустили частину, де будується м’яз.

Вчитися – це дієслово, тому воно не може бути пасивним

Для того, щоб навчання приносило плоди, теорію потрібно поєднувати з практикою. Читання про ідею – це один вид вхідних даних; робити щось з цією ідеєю – це інший. Натискання, відповідь, застосування, помилка та повторна спроба – ці дії залучають різні частини вашого мозку, ніж пасивне споживання, і вони тримають вас зосередженими на матеріалі.

Сократ уже був на це thousands років тому: він ніколи не просто давав своїм учням відповідь, а змушував їх спочатку її виробити (часто неправильну), а потім вже виправляв її. І я сам відчув вигоди цієї філософії як студент-математик: нам давали тільки половину кредиту за запам’ятовування теорії, а іншу половину потрібно було довести.

Вчитель, який пояснює предмет, піднімає свій рівень знань на наступний рівень, робить його менш схильним до психологічної пастки, званої ілюзією компетентності, і забезпечує краще розуміння теми. Коли вам потрібно пояснити ідею чітко і зробити це кілька разів по-різному, немає способу, щоб ви не зрозуміли та не запам’ятали її самі. Річард Фейнман колись сказав з добрим důvodом: “Якщо ви не можете пояснити це просто, ви не розумієте цього.”

Цифри підтверджують все це. У дослідженнях з безпеки активні учні зберегли 93,5% інформації порівняно з 79% для пасивних учнів (Engageli, 2025). Більш широкий Піраміда навчання від Національної лабораторії навчання в Бетелі, Мен, показує той самий шаблон на кожному рівні:

Дані без надійних джерел – це плітки

Так, люди повинні сумніватися у відповідях, які вони отримують від штучного інтелекту. Вони повинні запитувати джерела, а коли джерел немає, вони повинні бути скептичними.

Але існує більша проблема за всім цим, і це те, що перевірка виводу штучного інтелекту стає все складніше. Моделі цитують джерела, які не існують, вони парафразують справжні джерела таким чином, що спотворюють сенс, вони змішують точну інформацію з вигаданою інформацією в одному й тому ж абзаці, і немає чіткого способу розрізнити, яке з яких.

До того ж, все більше інтернету генерується штучним інтелектом, що означає, що моделі тепер вчаться на виводах інших моделей. Оригінальні джерела, написані людьми, заглиблюються під все, що було авто-генеровано поверх них.

Це чому я думаю, що надійне знання все ще повинно приходити від людей. Якщо ми не можемо повністю довіряти моделі, і ми не можемо повністю довіряти джерелам за моделлю, то людський досвід є тим, на що залишається спертися.

Як сказав колись Тоні Роббінс: “Якщо ви хочете бути успішними, знайдіть людину, яка досягла результатів, яких ви хочете, і скопіюйте те, що вони роблять, і ви досягнете тих самих результатів.” Людина, яка насправді зробила те, чого вона вчить, пройшла через роки праці, заплатила за свої помилки та побудувала своє знання з реальними наслідками – це той вид джерела, який тримається.

Без контексту деталі відсутні

Інша звичка, яка допомагає при навчанні з штучним інтелектом, полягає в тому, щоб опиратися спокусі стрибнути прямо до конкретного питання. Більшість людей, коли хочуть знати щось, набирають точне вузьке питання в чат-боті та приймають відповідь як є. Проблема в тому, що вони пропускають весь фон, в якому сидить відповідь. Конкретний шматок інформації, відокремлений від контексту, дуже легко спотворити.

Я історик, тому дозвольте мені привести приклад з історії. Геттісберзька промова – це коротка промова, яку Лінкольн виголосив у 1863 році на місці однієї з найкровопролитніших битв Громадянської війни в США. Припустимо, вам потрібно написати есе про неї. Ви запитуєте штучний інтелект про аналіз і отримуєте чистий розбір слів, структури та риторичних пристроїв.

Але можете ви справді написати це есе, не знаючи нічого про Громадянську війну саму по собі? Навряд чи. Ви не зрозумієте, чому ця конкретна битва мала значення, або чому промова, виголошена на цьому місці, мала таку велику вагу. Ви не спіймаєте того, що війна змінила свій напрям від збереження Союзу до припинення рабства, і що промова була способом Лінкольна переозначити, за що країна бореться. Ви не побачите політичної напруженості за майже кожним рядком, бо для вас ці рядки будуть просто красивими фразами про сумну подію.

Без контексту Громадянської війни промова звучить як короткий панегірик. З ним ви читаєте поворотний момент у тому, як нація розуміла себе. І це той вид нюансів, який штучний інтелект надасть вам тільки якщо ви вже знаєте достатньо, щоб запитати про нього.

Той самий принцип застосовується майже до всього, для чого ви можете використовувати штучний інтелект. Почніть з широкого огляду. Отримайте загальну картину. Потім зануріться в деталі. Вони матимуть сенс тільки тоді, коли матимуть контекст, в який вони можуть увійти.

Основна думка: штучний інтелект – це інструмент, і інструментам потрібні руки

Кожен великий технологічний стрибок в історії людства викликав той самий панічний страх. Калькулятори мали зробити нас забувати математику. Інтернет мав зробити нас забувати, як думати. Пошукові системи мали вбити нашу пам’ять. І все ж таки ми тут, все ще рахуючи, все ще думаючи, все ще пам’ятаючи, просто з кращими інструментами в руках.

Штучний інтелект – наступний у цьому ряду, і, ймовірно, найпотужніший, який ми коли-небудь побудували. Він може писати, підсумовувати, аналізувати, складати, перекладати, програмувати та робити все це швидше, ніж будь-хто з нас. Але він нічого не хоче. Він не може турбуватися про результат. Він не може жити з наслідками бути неправильним. Ці частини роботи все ще належать нам, і вони визначають, чи є робота хорошою в кінцевому підсумку.

Люди, які процвітають у наступному десятилітті, будуть тими, хто залишається цікавим, хто продовжує ставити кращі питання, і хто використовує штучний інтелект, щоб вчитися швидше та думати глибше, замість того, щоб використовувати його, щоб пропустити мислення зовсім. Вони будуть тими, хто приносить щось до столу, чого жодна модель не може повторити: судження, контекст та готовність володіти рішенням.

Так, штучний інтелект не замінить вас або не позбавить вас роботи. Але версія вас, яка припинила думати, може.