ChatGPT کار را آسان می‌کند، اما آیا فکر کردن را هم از ما می‌گیرد؟

نگار علی- هوش مصنوعی قرار بود انجام کارهای فکری را سریع‌تر و آسان‌تر کند، اما مجموعه‌ای از پژوهش‌های جدید درباره یک پیامد کمتر دیده‌شده هشدار می‌دهند: اتکای بیش از حد به ابزارهای هوش مصنوعی می‌تواند با کاهش تلاش شناختی، تضعیف حافظه بلندمدت، افت تمرین مهارت‌ها و کاهش درگیری با تفکر انتقادی همراه شود. یک آزمایش تصادفی روی ۱۲۰ دانشجو نشان داده است افرادی که برای یادگیری از ChatGPT استفاده کردند، ۴۵ روز بعد اطلاعات کمتری را نسبت به گروهی که بدون هوش مصنوعی مطالعه کرده بودند به یاد می‌آوردند؛ در عین حال پژوهش‌های دیگری از کاهش تلاش برای تفکر انتقادی در هنگام استفاده از هوش مصنوعی خبر می‌دهند. با این حال، شواهد موجود نمی‌گویند هر نوع استفاده از AI الزاماً به تضعیف ذهن منجر می‌شود؛ نحوه استفاده از هوش مصنوعی تعیین می‌کند این فناوری نقش دستیار فکری را داشته باشد یا جایگزین بخشی از فرایند فکرکردن انسان شود.

هوش مصنوعی به جای انسان فکر می‌کند یا فقط کار او را سریع‌تر می‌کند؟

مسئله اصلی در بحث درباره تأثیر هوش مصنوعی بر توانایی‌های شناختی، خود فناوری نیست؛ بلکه میزان واگذاری فرایندهای ذهنی به AI است.

در علوم شناختی اصطلاحی به نام «برون‌سپاری شناختی» یا Cognitive Offloading وجود دارد. این مفهوم به زمانی اشاره می‌کند که فرد بخشی از فرایندهای ذهنی خود را به یک ابزار بیرونی می‌سپارد؛ برای مثال، استفاده از ماشین‌حساب برای محاسبه، GPS برای مسیریابی یا موتور جست‌وجو برای پیدا کردن اطلاعات.

پژوهشگران از سال‌ها قبل می‌دانستند که چنین ابزارهایی می‌توانند فشار شناختی را کاهش دهند. اما هوش مصنوعی مولد تفاوت مهمی با بسیاری از ابزارهای قبلی دارد: ChatGPT و ابزارهای مشابه فقط اطلاعات را پیدا نمی‌کنند، بلکه می‌توانند اطلاعات را خلاصه کنند، توضیح بدهند، استدلال کنند، متن تولید کنند، مسئله را حل کنند و حتی گزینه‌های تصمیم‌گیری پیشنهاد دهند.

به همین دلیل، برخی پژوهشگران معتقدند AI می‌تواند شکل گسترده‌تری از برون‌سپاری شناختی را ایجاد کند؛ یعنی به جای آنکه فقط «اطلاعات» را به بیرون از ذهن منتقل کنیم، بخشی از فرایند فکرکردن نیز به سیستم واگذار شود. پژوهش مایکل گرلیچ در سال ۲۰۲۵ نیز رابطه میان استفاده از ابزارهای AI، برون‌سپاری شناختی و تفکر انتقادی را بررسی کرده است. این مطالعه روی ۶۶۶ نفر انجام شد و میان استفاده بیشتر از ابزارهای AI و امتیازهای پایین‌تر تفکر انتقادی، با نقش واسطه‌ای برون‌سپاری شناختی، رابطه‌ای منفی گزارش کرد.

مطالعه مایکل گرلیچ درباره برون‌سپاری شناختی و تفکر انتقادی

یک آزمایش تصادفی: ChatGPT حافظه بلندمدت را ضعیف می‌کند؟

یکی از مهم‌ترین شواهد تجربی در این زمینه از مطالعه‌ای در سال ۲۰۲۵ به دست آمده است. آندره بارکائوی در مقاله‌ای با عنوان «ChatGPT as a cognitive crutch»، تأثیر استفاده از ChatGPT بر ماندگاری دانش را در یک آزمایش تصادفی کنترل‌شده بررسی کرد.

در این پژوهش ۱۲۰ دانشجوی کارشناسی به دو گروه تقسیم شدند. گروه اول برای مطالعه از ChatGPT کمک گرفت و گروه دوم از روش‌های سنتی مانند جزوه، کتاب، مقاله و جست‌وجوی معمول وب استفاده کرد.

دانشجویان موضوعاتی مرتبط با هوش مصنوعی و یادگیری ماشین را مطالعه کردند و حدود ۴۵ روز بعد، بدون اطلاع قبلی از هدف اصلی آزمون، در یک آزمون سنجش یادگیری شرکت کردند.

نتیجه قابل توجه بود: میانگین پاسخ‌های درست گروه سنتی ۶۸.۵ درصد و گروه استفاده‌کننده از ChatGPT نزدیک به ۵۷.۵ درصد بود. تفاوت دو گروه از نظر آماری معنادار گزارش شد و اندازه اثر نیز ۰.۶۸ بود.

مقاله کامل «ChatGPT as a cognitive crutch» در ScienceDirect

نکته مهم این است که پژوهشگر نمی‌گوید ChatGPT در هر شرایطی باعث افت یادگیری می‌شود. مسئله‌ای که آزمایش مستقیماً بررسی کرده، استفاده آزاد و نسبتاً بدون محدودیت از ChatGPT به‌عنوان ابزار مطالعه بوده است.

چرا پاسخ آماده می‌تواند به حافظه آسیب بزند؟

برای توضیح این نتیجه، پژوهش به دو مفهوم در علم یادگیری تکیه می‌کند: برون‌سپاری شناختی و «دشواری‌های مطلوب» یا Desirable Difficulties.

در یادگیری، همیشه آسان‌تر بودن به معنای بهتر بودن نیست. گاهی تلاش برای به یاد آوردن یک مفهوم، تلاش برای توضیح آن با زبان خودمان، حل کردن یک مسئله پیش از دیدن پاسخ و حتی اشتباه کردن و اصلاح آن، باعث می‌شود اطلاعات عمیق‌تر در حافظه ثبت شود.

بارکائوی استدلال می‌کند وقتی دانشجو به جای تلاش برای استخراج پاسخ از حافظه، پاسخ آماده را از ChatGPT دریافت می‌کند، بخشی از این فرایندهای ذهنی حذف می‌شود. در نتیجه ممکن است فرد در لحظه احساس کند مطلب را بهتر فهمیده است، اما الزاماً همان میزان اطلاعات را در بلندمدت به خاطر نسپارد.

این ایده با ادبیات قدیمی‌تر علوم شناختی نیز همخوان است. پژوهش‌های مربوط به «دشواری‌های مطلوب» نشان داده‌اند که برخی فعالیت‌هایی که یادگیری را در کوتاه‌مدت سخت‌تر می‌کنند، می‌توانند در بلندمدت به ماندگاری بهتر اطلاعات منجر شوند.

دانشجویان با ChatGPT کمتر درس خواندند؛ اما ماجرا فقط کم‌کاری نبود

یکی از یافته‌های جالب آزمایش بارکائوی این بود که گروه استفاده‌کننده از AI زمان کمتری را صرف مطالعه کرد.

دانشجویان گروه سنتی به‌طور میانگین حدود ۵.۸ ساعت برای فعالیت یادگیری زمان گذاشتند، در حالی که این رقم در گروه AI حدود ۳.۲ ساعت بود.

بنابراین بخشی از تفاوت حافظه را می‌توان به زمان کمتر اختصاص‌یافته به مطالعه نسبت داد. اما پژوهش یک نکته مهم دیگر هم داشت: وقتی زمان مطالعه در تحلیل آماری کنترل شد، تفاوت میان دو گروه همچنان معنادار باقی ماند. میانگین تعدیل‌شده نیز برای گروه سنتی حدود ۶.۵۰ و برای گروه AI حدود ۵.۸۵ گزارش شد.

به بیان ساده، مسئله فقط این نبود که دانشجویان با AI کمتر وقت گذاشتند؛ بلکه احتمالاً نوع درگیری ذهنی آنها با محتوا نیز متفاوت بود.

البته پژوهش مستقیماً همه این راهبردهای مطالعه را اندازه‌گیری نکرده است؛ بنابراین این بخش باید به‌عنوان یک توضیح احتمالی، نه اثبات قطعی، در نظر گرفته شود.

«توهم تسلط»؛ وقتی پاسخ خوب را با یادگیری اشتباه می‌گیریم

یکی از نگرانی‌های مهم درباره هوش مصنوعی این است که کیفیت پاسخ تولیدشده توسط AI می‌تواند با میزان یادگیری کاربر اشتباه گرفته شود.

ChatGPT می‌تواند یک موضوع پیچیده را در چند ثانیه با زبانی روان توضیح دهد. کاربر نیز ممکن است هنگام خواندن این توضیح احساس کند موضوع را «بلد شده است». اما توانایی تشخیص یک توضیح خوب الزاماً با توانایی تولید همان استدلال بدون کمک یکسان نیست.

بارکائوی برای توضیح این احتمال از اصطلاح «borrowed competence» یا «شایستگی قرض‌گرفته‌شده» استفاده می‌کند؛ مفهومی که خود پژوهشگر آن را یک تفسیر قابل آزمون می‌داند، نه یک نتیجه قطعی. بر اساس این ایده، AI می‌تواند ساختار، واژگان و مسیر استدلال را فراهم کند و در نتیجه احساس تسلط ایجاد شود، بدون اینکه الزاماً همان میزان از حافظه و مهارت در ذهن کاربر ساخته شده باشد.

فقط حافظه نیست؛ تفکر انتقادی هم زیر ذره‌بین AI قرار گرفته است

مسئله به کلاس درس محدود نمی‌شود. در محیط کار نیز پژوهشگران درباره کاهش تلاش شناختی هنگام استفاده از هوش مصنوعی هشدار داده‌اند.

پژوهشی که با همکاری Microsoft Research انجام شد، ۳۱۹ نیروی دانش‌محور را بررسی کرد و ۹۳۶ نمونه واقعی از استفاده آنها از هوش مصنوعی در وظایف کاری را جمع‌آوری کرد.

نتیجه نشان داد اعتماد بیشتر کاربر به توانایی AI با کاهش گزارش‌شده در میزان به‌کارگیری تفکر انتقادی همراه بود. در مقابل، اعتماد بیشتر فرد به توانایی‌های خودش با استفاده بیشتر از تفکر انتقادی ارتباط داشت.

با این حال، پژوهش یک نکته مهم دیگر نیز مطرح کرد: استفاده از AI الزاماً تفکر انتقادی را حذف نمی‌کند، بلکه می‌تواند ماهیت آن را تغییر دهد. در برخی وظایف، کاربر به جای تولید مستقیم پاسخ، بیشتر درگیر بررسی اطلاعات، تلفیق پاسخ AI و نظارت بر فرایند می‌شود.

پژوهش Microsoft Research درباره تأثیر GenAI بر تفکر انتقادی

پژوهش‌های جدیدتر از «مهارت‌زدایی» حرف می‌زنند

بحث درباره تضعیف توانایی‌های انسانی حتی از حافظه و تفکر انتقادی فراتر رفته و به مفهوم AI deskilling یا مهارت‌زدایی ناشی از هوش مصنوعی رسیده است.

آویگیل فردمن در مقاله‌ای که نسخه نهایی آن در سال ۲۰۲۵ منتشر و در جلد ۲۰۲۶ مجله AI & Society قرار گرفت، استدلال می‌کند که وقتی سیستم‌های AI فعالیت‌های ارزشمند انسانی را جایگزین می‌کنند، ممکن است فرصت تمرین و پرورش برخی ظرفیت‌های انسانی نیز کاهش پیدا کند. او این مسئله را صرفاً مشکل «استفاده نادرست فرد» نمی‌داند و بر نقش ساختار و محیط فناوری تأکید می‌کند.

این دیدگاه دامنه بحث را تغییر می‌دهد: سؤال دیگر فقط این نیست که «آیا کاربر بیش از حد به AI وابسته شده است؟» بلکه این است که اگر محیط کار و آموزش به‌گونه‌ای طراحی شود که انسان دائماً کارهای دشوار را به AI بسپارد، آیا فرصت کافی برای تمرین مهارت‌های انسانی باقی می‌ماند؟

مقاله «AI deskilling is a structural problem» در Springer Nature

آیا هوش مصنوعی واقعاً انسان را «احمق» می‌کند؟

پاسخ علمی به این سؤال بسیار پیچیده‌تر از یک «بله» یا «خیر» است.

یک مقاله منتشرشده در Trends in Cognitive Sciences در سال ۲۰۲۶ دقیقاً با همین عنوان، «Is AI making us stupid?»، شواهد مربوط به برون‌سپاری شناختی را بررسی می‌کند. نویسندگان می‌گویند شواهدی وجود دارد که واگذاری فعالیت‌های شناختی به AI می‌تواند به اختلال در یادگیری مهارت و زوال برخی مهارت‌ها منجر شود، اما خطرات به نحوه استفاده از AI وابسته‌اند.

مقاله «Is AI making us stupid?» در Trends in Cognitive Sciences

بنابراین عبارت «AI انسان را احمق می‌کند» از نظر علمی بیش از حد کلی است. آنچه شواهد فعلی بهتر پشتیبانی می‌کنند، مفاهیمی مانند کاهش تلاش شناختی، برون‌سپاری ذهنی، کاهش تمرین، افت ماندگاری برخی آموخته‌ها و احتمال مهارت‌زدایی در شرایط اتکای زیاد است.

شواهد واقعی از افت مهارت در محیط کار هم در حال ظهور است

این نگرانی دیگر صرفاً به دانش‌آموزان و دانشجویان محدود نیست.

مجله Nature در گزارشی در ژوئن ۲۰۲۶ به مجموعه‌ای از پژوهش‌ها درباره اثر استفاده از AI بر مهارت‌های حرفه‌ای پرداخت و از شواهد اولیه درباره احتمال تضعیف برخی توانایی‌های پزشکان و مهندسان نرم‌افزار در اثر اتکای زیاد به ابزارهای هوش مصنوعی خبر داد.

گزارش Nature درباره احتمال مهارت‌زدایی ناشی از AI

این شواهد هنوز به معنای آن نیست که AI در همه مشاغل و برای همه کاربران باعث از بین رفتن مهارت می‌شود. اما یک سؤال جدی را مطرح می‌کند: اگر یک مهارت برای مدت طولانی توسط ماشین انجام شود، انسان چگونه آن مهارت را حفظ خواهد کرد؟

مشکل اصلی شاید «راحتی بیش از حد» باشد

یکی از ویژگی‌های جذاب مدل‌های زبانی این است که اصطکاک را از مسیر انجام کار حذف می‌کنند.

اگر دانشجو نمی‌داند پاسخ چیست، AI پاسخ می‌دهد.
اگر نویسنده نمی‌داند چگونه متن را شروع کند، AI پیش‌نویس می‌نویسد.
اگر برنامه‌نویس در یک مسئله گیر کرده، AI کد پیشنهاد می‌دهد.
اگر کاربر نمی‌تواند اطلاعات پیچیده را جمع‌بندی کند، AI آن را در چند ثانیه خلاصه می‌کند.

این قابلیت‌ها می‌توانند بهره‌وری را بالا ببرند؛ اما در فعالیت‌هایی که خود فرایند تلاش بخشی از هدف است، همین مزیت می‌تواند به نقطه ضعف تبدیل شود.

دو پژوهشگر در مقاله‌ای در Philosophy & Technology در سال ۲۰۲۶ استدلال کرده‌اند که رابط‌های بیش از حد آسان و بدون محدودیت AI ممکن است بخشی از «مقاومت» لازم برای یادگیری را از بین ببرند. آنها در مقابل از ایده AI محدودشده یا هدایت‌شده دفاع می‌کنند؛ یعنی سیستمی که به جای ارائه فوری پاسخ نهایی، کاربر را مجبور به فکر کردن، تلاش و قضاوت مستقل کند.

مقاله «Why the User-Friendliness of AI Undermines Education»

اما همه پژوهش‌ها از «ضرر AI» خبر نمی‌دهند

برای فهم دقیق این موضوع باید از یک دوگانه ساده «AI خوب است یا بد» فاصله گرفت.

برخی پژوهش‌ها نشان داده‌اند استفاده هدایت‌شده از ChatGPT می‌تواند به یادگیری، مشارکت و دریافت بازخورد کمک کند. در ادبیات آموزشی نیز تفاوت مهمی میان AI به‌عنوان جایگزین تلاش ذهنی و AI به‌عنوان ابزار بازخورد، پرسش‌گری و تمرین وجود دارد.

حتی در پژوهش‌های انتقادی نیز این تفاوت دیده می‌شود. در مقاله بارکائوی، مسئله اصلی استفاده بدون محدودیت از ChatGPT برای مطالعه بود، نه هر نوع استفاده از هوش مصنوعی. خود نویسنده نیز در پایان بر استفاده‌ای تأکید می‌کند که AI را مکمل فرایند یادگیری قرار دهد، نه جایگزین آن.

مطالعه بزرگ روی دانش‌آموزان دبیرستانی که در PNAS منتشر شد نیز نشان داد تفاوت مهمی میان ابزارهای AI با طراحی‌های متفاوت وجود دارد: در این پژوهش، نسخه‌ای از GPT-4 که برای حفاظت از فرایند یادگیری و ارائه راهنمایی به جای پاسخ مستقیم طراحی شده بود، با نسخه‌ای شبیه ChatGPT معمولی مقایسه شد.

پژوهش PNAS درباره اثر GenAI بر یادگیری ریاضی

راه‌حل شاید حذف AI نباشد؛ «AI بعد از تلاش» باشد

از مجموعه این پژوهش‌ها می‌توان یک اصل مشترک استخراج کرد: اولین تلاش ذهنی انسان نباید همیشه با پاسخ آماده AI جایگزین شود.

برای مثال، در یادگیری می‌توان ابتدا از دانشجو خواست مسئله را خودش حل کند، پاسخ احتمالی را بنویسد یا موضوع را با زبان خودش توضیح دهد و بعد از AI برای بررسی پاسخ، پیدا کردن خطاها و دریافت توضیح استفاده کند.

در این الگو، AI به جای اینکه «مغز دوم» باشد که کل کار را انجام می‌دهد، به یک مربی یا ابزار بازخورد تبدیل می‌شود.

چنین رویکردی با ایده «دشواری‌های مطلوب» سازگارتر است؛ زیرا بخش اصلی تلاش شناختی همچنان توسط خود یادگیرنده انجام می‌شود و AI پس از آن برای اصلاح، توضیح و گسترش یادگیری وارد می‌شود.

آیا نسل AI واقعاً در حال ضعیف‌تر شدن است؟

در حال حاضر، چنین نتیجه‌ای را نمی‌توان به‌صورت قطعی بیان کرد.

شواهد موجود بیشتر درباره شرایط خاص استفاده صحبت می‌کنند. یک آزمایش تصادفی روی ۱۲۰ دانشجو کاهش معنادار یادآوری پس از ۴۵ روز را در گروه استفاده‌کننده از ChatGPT نشان داده است؛ یک مطالعه ۶۶۶ نفره رابطه میان استفاده بیشتر از AI و تفکر انتقادی پایین‌تر را گزارش کرده؛ و پژوهش دیگری روی ۳۱۹ نیروی دانش‌محور نشان داده است اعتماد بیشتر به AI با تلاش کمتر برای تفکر انتقادی همراه است. در مقابل، پژوهش‌های دیگری نشان داده‌اند AI در صورت طراحی و استفاده مناسب می‌تواند نقش آموزشی مفیدی داشته باشد.

بنابراین مسئله اصلی احتمالاً خودکار شدن کارهای ذهنی نیست؛ بلکه از دست رفتن فرصت انجام آن کارهای ذهنی توسط انسان است.

هوش مصنوعی می‌تواند انسان را سریع‌تر، کارآمدتر و حتی در برخی فعالیت‌ها توانمندتر کند. اما پژوهش‌های جدید نشان می‌دهند که کارآمدی همیشه معادل یادگیری نیست.

وقتی AI پاسخ را پیش از تلاش انسان ارائه می‌کند، ممکن است بخشی از همان فرایندی حذف شود که برای شکل‌گیری حافظه و مهارت ضروری است. آزمایش بارکائوی این موضوع را در یادگیری بلندمدت نشان داده است؛ پژوهش‌های دیگر نیز از ارتباط میان اتکای بیشتر به AI، برون‌سپاری شناختی و کاهش تلاش برای تفکر انتقادی خبر داده‌اند.

در نتیجه، پرسش آینده شاید این نباشد که «آیا AI جای انسان را می‌گیرد؟» بلکه این باشد که: کدام بخش‌های کار را باید به AI بسپاریم و کدام بخش‌ها را باید عمداً برای انسان نگه داریم تا توانایی فکر کردن، یاد گرفتن، قضاوت کردن و حل مسئله همچنان تمرین شود؟

پاسخ به این سؤال می‌تواند تعیین کند که هوش مصنوعی در نهایت به ابزاری برای تقویت توانایی‌های انسان تبدیل شود یا فناوری‌ای که بخشی از این توانایی‌ها را به‌تدریج از فرایند زندگی روزمره حذف می‌کند.

۲۲۷۲۲۷