Η ραγδαία ενσωμάτωση της Τεχνητής Νοημοσύνης (AI) στους τομείς STEM (Επιστήμη, Τεχνολογία, Μηχανική και Μαθηματικά) προβάλλεται συχνά ως η απόλυτη λύση για την αύξηση της παραγωγικότητας. Ωστόσο, μια νέα, ανησυχητική μελέτη από το Πολιτειακό Πανεπιστήμιο του Όρεγκον (OSU) αποκαλύπτει μια σκοτεινή πλευρά: τη σταδιακή διάβρωση των γνωστικών ικανοτήτων των φοιτητών και των επαγγελματιών που βασίζονται υπερβολικά σε αυτά τα εργαλεία. Η έρευνα υπογραμμίζει ότι η «γνωστική αποφόρτιση» —η ανάθεση πνευματικών εργασιών σε αλγορίθμους— μπορεί να οδηγεί σε μια γενιά επιστημόνων που στερούνται τη βαθιά κατανόηση και τη διαισθητική επίλυση προβλημάτων.
Το Φαινόμενο της Γνωστικής Αποφόρτισης
Η μελέτη του OSU εστιάζει στον τρόπο με τον οποίο η χρήση εργαλείων όπως το ChatGPT και οι εξειδικευμένοι αλγόριθμοι κώδικα επηρεάζουν τη νευροπλαστικότητα και τη μνήμη εργασίας. Σύμφωνα με τους ερευνητές, όταν ένας φοιτητής μηχανικής χρησιμοποιεί την AI για να λύσει μια περίπλοκη εξίσωση ή να γράψει κώδικα χωρίς να κατανοεί τη βασική λογική, παρακάμπτει τη διαδικασία της «παραγωγικής δυσκολίας». Αυτή η δυσκολία είναι απαραίτητη για τη σφυρηλάτηση ισχυρών νευρωνικών συνδέσεων.
Όπως δήλωσε ένας από τους κύριους ερευνητές της μελέτης, «Ο εγκέφαλος λειτουργεί σαν μυς. Αν σταματήσεις να τον προπονείς στις βασικές αρχές της λογικής και της ανάλυσης επειδή έχεις ένα ψηφιακό δεκαπίκι, τότε η ικανότητά σου να καινοτομείς σε περιβάλλοντα όπου η AI δεν έχει απαντήσεις, θα ατονήσει». Το πρόβλημα δεν είναι η ίδια η τεχνολογία, αλλά η αντικατάσταση της ενεργητικής μάθησης από την παθητική κατανάλωση αποτελεσμάτων.
Η Απειλή για την Καινοτομία και την Ασφάλεια
Στους τομείς STEM, η ακρίβεια και η κριτική αξιολόγηση είναι ζητήματα ζωτικής σημασίας. Η μελέτη προειδοποιεί ότι η υπερβολική εμπιστοσύνη στην AI δημιουργεί ένα «ψευδές αίσθημα επάρκειας». Οι χρήστες τείνουν να δέχονται τις απαντήσεις της AI ως θέσφατα, αποτυγχάνοντας να εντοπίσουν τις «παραισθήσεις» (hallucinations) των μοντέλων ή τα λογικά κενά. Σε κρίσιμους τομείς όπως η στατική μηχανική ή η βιοϊατρική έρευνα, η απώλεια της ικανότητας για ανεξάρτητο έλεγχο των δεδομένων μπορεί να έχει καταστροφικές συνέπειες.
- Μείωση της ικανότητας σύνθεσης πληροφοριών από διαφορετικές πηγές.
- Αδυναμία εντοπισμού σφαλμάτων σε πολύπλοκα συστήματα που έχουν παραχθεί από AI.
- Συρρίκνωση της δημιουργικότητας στην επίλυση προβλημάτων εκτός του «εκπαιδευμένου» πλαισίου της AI.
«Η AI είναι ένας εξαιρετικός βοηθός, αλλά ένας επικίνδυνος δάσκαλος αν χρησιμοποιηθεί ως υποκατάστατο της σκέψης», αναφέρει η έκθεση.
Επαναπροσδιορίζοντας την Εκπαίδευση STEM
Η απάντηση σε αυτή την πρόκληση δεν είναι η απαγόρευση της τεχνολογίας, αλλά η ριζική αναθεώρηση του εκπαιδευτικού μοντέλου. Το OSU προτείνει τη μετάβαση σε μεθόδους αξιολόγησης που επικεντρώνονται στη διαδικασία και όχι μόνο στο τελικό αποτέλεσμα. Οι εξετάσεις με «ανοιχτό βιβλίο AI» μπορεί να γίνουν ο κανόνας, αλλά με την προϋπόθεση ότι ο εξεταζόμενος πρέπει να αιτιολογήσει κάθε βήμα της λογικής που παρήγαγε η μηχανή.
Επιπλέον, η καλλιέργεια της «μεταγνώσης» —της ικανότητας δηλαδή να κατανοεί κανείς πώς σκέφτεται— καθίσταται πλέον απαραίτητο μάθημα. Οι μελλοντικοί επιστήμονες πρέπει να εκπαιδευτούν ώστε να είναι επόπτες της AI και όχι απλοί χειριστές της. Η μελέτη καταλήγει στο συμπέρασμα ότι αν δεν υπάρξει ισορροπία, κινδυνεύουμε να δημιουργήσουμε μια τεχνολογική κοινωνία που θα μπορεί να συντηρεί τα υπάρχοντα συστήματα, αλλά θα αδυνατεί να οραματιστεί και να κατασκευάσει τα επόμενα μεγάλα άλματα της ανθρωπότητας.
