ChatGPT زندگی را آسان‌تر می‌سازد، اما آیا موجب کاهش تفکر در ما خواهد شد؟

نگار علی- هوش مصنوعی قرار بود کارهای فکری را به طرز قابل توجهی سریعتر و آسان‌تر انجام دهد، اما تعدادی از تحقیقات جدید به یک پیامد نگران کننده پرداخته‌اند: وابستگی بیش از حد به ابزارهای هوش مصنوعی می‌تواند به کاهش تلاش‌های شناختی، تضعیف حافظه بلندمدت، افت تمرین مهارت‌ها و کاهش تعامل با تفکر انتقادی منجر شود. نتایج یک آزمایش تصادفی که بر روی ۱۲۰ دانشجو انجام شد، نشان می‌دهد که افرادی که برای یادگیری به ChatGPT تکیه کردند، پس از ۴۵ روز اطلاعات کمتری نسبت به گروهی که بدون کمک هوش مصنوعی مطالعه کرده بودند، به یاد آورده‌اند. همچنین، تحقیقاتی دیگر نشان‌دهنده کاهش تلاش در تفکر انتقادی هنگام استفاده از هوش مصنوعی هستند. با این حال، شواهد موجود نشان نمی‌دهند که هر نوع استفاده از AI لزوماً به تضعیف ذهن کاربر ختم می‌شود؛ بلکه شیوه‌ی بهره‌برداری از هوش مصنوعی تعیین‌کننده این است که آیا این تکنولوژی نقش یک یاریگر شناختی را ایفا می‌کند یا بخشی از فرآیند تفکر انسانی را جایگزین می‌شود.

هوش مصنوعی فکر می‌کند یا فقط سرعت عمل را افزایش می‌دهد؟

مسئله کلیدی در بررسی تأثیر هوش مصنوعی بر قوا و توانایی‌های شناختی، نه فناوری به خودی خود، بلکه میزان واگذاری فرآیندهای ذهنی به AI است.

در علم شناخت، عبارت «برون‌سپاری شناختی» یا Cognitive Offloading به معنای این است که فرد بخشی از فرآیندهای ذهنی خود را به ابزارهای بیرونی می‌سپارد؛ به عنوان مثال، استفاده از ماشین‌حساب برای انجام محاسبات، GPS برای مسیریابی یا موتورهای جستجو برای دستیابی به اطلاعات.

پژوهشگران از مدت‌ها پیش به این امر پی برده‌اند که چنین ابزارهایی می‌توانند فشارهای شناختی را کاهش دهند. اما هوش مصنوعی مولد، در مقایسه با ابزارهای قبلی، تفاوت قابل‌توجهی دارد: ChatGPT و ابزارهای مشابه تنها اطلاعات را جمع‌آوری نمی‌کنند، بلکه می‌توانند اطلاعات را خلاصه کنند، تفسیر دهند، استدلال کنند، متن تولید کنند، مسائل را حل نمایند و حتی گزینه‌های تصمیم‌گیری را نیز پیشنهاد دهند.

بدین سبب، عده‌ای از پژوهشگران بر این باورند که AI می‌تواند نوع پیشرفته‌تری از برون‌سپاری شناختی را به وجود آورد؛ یعنی به جای اینکه تنها «اطلاعات» از ذهن خارج شود، بخشی از فرآیند تفکر نیز به این سیستم سپرده می‌شود. تحقیق مایکل گرلیچ در سال ۲۰۲۵ نیز ارتباط میان استفاده از ابزارهای AI، برون‌سپاری شناختی و تفکر انتقادی را مورد بررسی قرار داده است. این مطالعه بر روی ۶۶۶ نفر انجام شد و نشان داد که افزایش استفاده از ابزارهای AI و امتیازهای پایین‌تر در تفکر انتقادی، با نقش واسطه‌ای برون‌سپاری شناختی، رابطه منفی دارد.

مطالعه مایکل گرلیچ درباره برون‌سپاری شناختی و تفکر انتقادی

آزمایشی تصادفی: ChatGPT به حافظه بلندمدت آسیب می‌زند؟

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

در این مطالعه ۱۲۰ دانشجوی مقطع کارشناسی به دو گروه تقسیم شدند. گروه اول با کمک ChatGPT به مطالعه پرداختند و گروه دوم از روش‌های سنتی نظیر جزوه، کتاب، مقاله و جست‌وجوی معمولی وب بهره بردند.

دانشجویان بر موضوعات مرتبط با هوش مصنوعی و یادگیری ماشین تحصیل کردند و حدود ۴۵ روز بعد، بدون اطلاع قبلی از هدف اصلی آزمایش، در یک آزمون سنجش یادگیری شرکت کردند.

نتایج به‌دست‌آمده قابل توجه بودند: میانگین پاسخ‌های صحیح در گروه سنتی ۶۸.۵ درصد و در گروه استفاده‌کننده از ChatGPT نزدیک به ۵۷.۵ درصد بود. این تفاوت از نظر آماری معنادار گزارش شده و اندازه اثر نیز ۰.۶۸ بوده است.

مقاله کامل «ChatGPT as a cognitive crutch» در ScienceDirect

نکته قابل توجه این است که پژوهشگر به صراحت بیان نمی‌کند که ChatGPT در هر شرایطی باعث کاهش یادگیری می‌شود. موضوع مورد بررسی در این آزمایش، استفاده باز و نسبتاً نامحدود از ChatGPT به‌عنوان ابزاری برای مطالعه است.

چرا پاسخ‌های آماده می‌تواند آسیب به حافظه برساند؟

برای تبیین این نتایج، پژوهش به دو مفهومی در علم یادگیری تکیه دارد: برون‌سپاری شناختی و «دشواری‌های مطلوب» یا Desirable Difficulties.

در فرایند یادگیری، همیشه آسان بودن به معنای بهتر بودن نیست. گاهی تلاش برای به یاد آوردن یک مفهوم، تلاش برای بیان آن با زبان خود، حل یک مسئله پیش از مشاهده پاسخ و حتی اشتباه کردن و بعد از آن تصحیح آن می‌تواند منجر به ثبت اطلاعات عمیق‌تر در حافظه شود.

بارکائوی بیان می‌کند زمانی که دانشجو به جای تلاش برای استخراج پاسخ از حافظه خود، پاسخی آماده از ChatGPT دریافت می‌کند، بخشی از این فرآیندهای ذهنی حذف می‌شود. این امر ممکن است در لحظه باعث شود فرد احساس کند که مطلب را بهتر فهمیده، اما الزاماً مانع از آن نخواهد شد که همان میزان اطلاعات را در درازمدت به خاطر بسپارد.

این ایده با ادبیات قدیمی‌تر علوم شناختی نیز سازگاری دارد. پژوهش‌های مربوط به «دشواری‌های مطلوب» نشان می‌دهد که برخی فعالیت‌هایی که یادگیری را در کوتاه‌مدت دشوارتر می‌سازند، می‌توانند در بلندمدت به ماندگاری بهتر اطلاعات منجر شوند.

دانشجویان با ChatGPT کمتر مطالعه کردند؛ اما ماجرا صرفاً کم‌کاری نبود

یکی از نکات جالب آزمایش بارکائوی این بود که گروه استفاده‌کننده از AI زمان کمتری را به یادگیری اختصاص دادند.

دانشجویان گروه سنتی به‌طور میانگین حدود ۵.۸ ساعت برای فعالیت یادگیری وقت صرف کردند، در حالی که این رقم برای گروه AI به طور میانگین ۳.۲ ساعت بود.

بنابراین، بخشی از تفاوت حافظه را می‌توان به زمان کوتاه‌تری که برای مطالعه صرف شده نسبت داد. اما پژوهش همچنین یک نکته مهم دیگر را مشخص کرد: حتی با کنترل زمان مطالعه در تحلیل‌های آماری، تفاوت میان دو گروه همچنان معنادار باقی ماند. میانگین تعدیل‌شده برای گروه سنتی حدود ۶.۵۰ و برای گروه AI حدود ۵.۸۵ گزارش شد.

به بیان ساده‌تر، موضوع تنها این نبود که دانشجویان با AI زمان کمتری صرف کردند؛ بلکه به احتمال زیاد نوع درگیری ذهنی آن‌ها با محتوا نیز متفاوت بود.

البته تحقیق به طور مستقیم تمام این روش‌های مطالعه را اندازه‌گیری نکرده است؛ بنابراین این بخش باید به‌عنوان یک توضیح احتمالی، و نه اثبات قطعی، در نظر گرفته شود.

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

یکی از نگرانی‌های جدی در رابطه با هوش مصنوعی این است که کیفیت پاسخ تولیدشده توسط AI ممکن است با سطح یادگیری کاربر اشتباه گرفته شود.

ChatGPT می‌تواند یک موضوع پیچیده را به‌راحتی در چند ثانیه با زبانی سلیس توضیح دهد. کاربر نیز ممکن است هنگام خواندن این توضیح احساس کند که موضوع را «مسلط» شده است. اما توانایی تشخیص یک توضیح صحیح الزاماً برابر است با توانایی تولید همان استدلال بدون کمک.

بارکائوی به این احتمال با اصطلاح «borrowed competence» یا «شایستگی قرض‌گرفته‌شده» اشاره می‌کند که خود پژوهشگر آن را به عنوان یک تفسیر قابل‌بررسی می‌داند، نه یک نتیجه قطعی. بر اساس این مفهوم، AI می‌تواند ساختار، واژگان و مسیر استدلال را فراهم کند و در نتیجه احساس تسلط ایجاد کند، بدون اینکه الزماً همان میزان از حافظه و مهارت در ذهن کاربر شکل گیرد.

فقط حافظه نیست؛ تفکر انتقادی نیز زیر ذره‌بین AI قرار دارد

مسئله محدود به محیط‌های آموزشی نمی‌شود. در محیط‌های کار نیز پژوهشگران در مورد کاهش تلاش شناختی در هنگام استفاده از هوش مصنوعی هشدار داده‌اند.

تحقیقی که به‌همراه مایکروسافت انجام شده، ۳۱۹ نیروی کاردان را مورد بررسی قرار داده و ۹۳۶ نمونه واقعی از استفاده آن‌ها از هوش مصنوعی در وظایف کاری را جمع‌آوری کرده است.

نتایج نشان داد که اعتماد بالاتر کاربر به توانایی AI با کاهش گزارش‌شده در میزان استفاده از تفکر انتقادی همراه بود. در مقابل، اعتماد بیشتر فرد به توانایی‌های خود با استفاده بیشتر از تفکر انتقادی ارتباط داشت.

با این حال، تحقیق یک نکته مهم دیگر نیز مطرح کرد: استفاده از AI لزوماً تفکر انتقادی را حذف نمی‌کند، بلکه می‌تواند به تغییر ماهیت آن منجر شود. در برخی وظایف، کاربر به‌جای تولید مستقیم پاسخ، بیشتر درگیر بررسی اطلاعات، ترکیب پاسخ‌های AI و نظارت بر فرآیند می‌شود.

تحقیق مایکروسافت درباره تأثیر GenAI بر تفکر انتقادی

پژوهش‌های جدیدتر به موضوع «مهارت‌زدایی» اشاره دارند

بحث درباره تضعیف توانایی‌های انسانی حتی فراتر از حافظه و تفکر انتقادی 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 خواهد گرفت، استدلال می‌کند که وقتی سیستم‌های AI فعالیت‌های ارزشمند انسانی را جایگزین می‌کنند، ممکن است فرصتی برای تمرین و پرورش برخی ظرفیت‌های انسانی کاهش یابد. او این موضوع را صرفاً به عنوان مشکل «استفاده نادرست فرد» در نظر نمی‌گیرد و بر نقش ساختاری و محیطی فناوری تأکید می‌کند.

این دیدگاه دامنه بحث را بسیار وسیع‌تر می‌کند: پرسش دیگر فقط این نیست که «آیا کاربر بیش از حد به AI وابسته شده است؟» بلکه اینکه اگر محیط کار و آموزشی به‌صورتی طراحی شود که انسان دائماً کارهای دشوار را به AI بسپارد، آیا چیزی برای تمرین مهارت‌های انسانی باقی خواهد ماند؟

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

آیا واقعاً هوش مصنوعی انسان را «احمق» می‌کند؟

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

مقاله‌ای که در Trends in Cognitive Sciences در سال ۲۰۲۶ منتشر شده، دقیقاً به همین عنوان، «Is AI making us stupid?»، شواهد مرتبط به برون‌سپاری شناختی را بررسی می‌کند. نویسندگان اعلام می‌کنند که شواهدی مبنی بر اینکه واگذاری فعالیت‌های شناختی به AI می‌تواند به اختلال در یادگیری مهارت‌ها و تضعیف برخی از آن‌ها منجر شود وجود دارد، اما خطرات ناشی از نحوه استفاده از AI متفاوت هستند.

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

بنابراین، عبارت «AI انسان را احمق می‌کند» در نگاه علمی بسیار کلی است. آنچه که شواهد فعلی به‌وضوح پشتیبانی می‌کنند، شامل مفاهیمی نظیر کاهش تلاش‌های شناختی، برون‌سپاری ذهنی، ناکامی در تمرین مهارت‌ها و احتمال وقوع مهارت‌زدایی در شرایط وابستگی بی‌حد به AI است.

شواهد واقعی از کاهش مهارت در محیط کار نیز در حال ظهور است

این نگرانی دیگر محدود به دانش‌آموزان و دانشجویان نیست.

مجله Nature در گزارشی که در ژوئن ۲۰۲۶ منتشر شده، به تعدادی پژوهش درباره تأثیر استفاده از AI بر مهارت‌های حرفه‌ای پرداخته و به شواهد اولیه در مورد احتمال تضعیف برخی توانایی‌ها در میان پزشکان و مهندسان نرم‌افزار به علت وابستگی زیاد به ابزارهای هوش مصنوعی اشاره کرده است.

گزارش Nature درباره احتمال مهارت‌زدایی ناشی از AI

این شواهد هنوز به معنای آن نیست که AI در تمام مشاغل و برای تمامی کاربران باعث نبود مهارت می‌شود. اما این موضوع یک سؤال جدی را مطرح می‌کند: اگر یک مهارت برای مدت‌زمان طولانی توسط ماشین انجام شود، انسان چگونه می‌تواند آن مهارت را حفظ کند؟

مشکل اصلی شاید به «راحتی بیش از حد» برگردد

یکی از ویژگی‌های جذاب مدل‌های زبانی این است که اصطکاک را در فرایند انجام کار کاهش می‌دهند.

اگر دانشجو پاسخ را نمی‌داند، AI پاسخ را ارائه می‌دهد.
اگر نویسنده نمی‌داند چطور نوشته‌اش را شروع کند، AI پیش‌نویس می‌سازد.
اگر برنامه‌نویس با مسئله‌ای مواجه شود، AI کد را پیشنهاد می‌دهد.
اگر کاربر نتواند اطلاعات پیچیده را جمع‌بندی کند، AI آن را در چند ثانیه خلاصه می‌کند.

این توانایی‌ها ممکن است بهره‌وری را افزایش دهند؛ اما در فعالیت‌هایی که خود فرایند تلاش بخشی از هدف است، همین مزیت می‌تواند به نقطه ضعف بدل شود.

دو پژوهشگر در مقاله‌ای در Philosophy & Technology در سال ۲۰۲۶ بر این تصور تأکید می‌کنند که رابط‌های آسان بیش از حد و بدون محدودیت در AI ممکن است باعث حذف بخشی از «مقاومت» لازم برای یادگیری شوند. آن‌ها در مقابل از ایده AI محدود شده یا هدایت‌شده دفاع می‌کنند؛ سیستمی که به‌جای ارائه فوری پاسخ نهایی، کاربر را ملزم به فکر کردن، تلاش و قضاوت مستقل می‌سازد.

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

اما تمامی پژوهش‌ها از «ضرر AI» حکایت نمی‌کنند

برای درک دقیق این موضوع باید از دوگانگی ساده «AI خوب است یا بد» فاصله گرفت.

برخی تحقیقات نشان داده‌اند که استفاده هدایت شده از ChatGPT می‌تواند به یادگیری، مشارکت و دریافت بازخورد کمک کند. در ادبیات آموزشی نیز تفاوت مهمی میان AI به‌عنوان جانشینی برای تلاش ذهنی و AI به‌عنوان ابزاری برای ارائه بازخورد، پرسش‌گری و تمرین وجود دارد.

حتی در مقاله‌های انتقادی نیز این تمایز دیده می‌شود. در پژوهش بارکائوی، مسئله اصلی استفاده نامحدود از ChatGPT برای یادگیری بود، نه هر استفاده‌ای از هوش مصنوعی. خود نویسنده نیز در نهایت بر تأکید استفاده از AI به‌عنوان مکملی در فرایند یادگیری، نه جایگزینی برای آن، تأکید می‌کند.

تحقیقی بزرگ بر روی دانش‌آموزان دبیرستانی که در PNAS منتشر شد نیز نشان داد که اختلافات قابل‌توجهی میان ابزارهای AI با طراحی‌های متفاوت وجود دارد: در این مطالعه، نسخه‌ای از GPT-4 که به‌منظور حفاظت از فرآیند یادگیری و ارائه راهنمایی به‌جای پاسخ‌دهی مستقیم طراحی شده بود، با نسخه‌ای شبیه ChatGPT معمولی مقایسه شد.

تحقیق PNAS درباره اثر GenAI بر یادگیری ریاضی

راه‌حل احتمالاً حذف AI نیست؛ بلکه «AI بعد از تلاش» باشد

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

به‌عنوان مثال، در یادگیری می‌توان ابتدا از دانشجو خواسته شود که مسئله را به تنهایی حل کند، پاسخ احتمالی خود را بنویسد، یا موضوع را با زبان خود توضیح دهد و سپس از AI برای بررسی پاسخ‌ها، شناسایی خطاها و دریافت توضیحات استفاده کند.

در این الگو، AI به‌جای اینکه «مغز دوم» باشد که کل کار را انجام دهد، به یک مربی یا ابزاری برای بازخورد تبدیل می‌شود.

این رویکرد با ایده «دشواری‌های مطلوب» همخوان‌تر است، زیرا تلاش‌های شناختی اصلی همچنان توسط یادگیرنده انجام می‌شود و AI بعداً برای اصلاح، توضیحات و توسعه یادگیری می‌آید.

آیا نسل AI واقعاً در حال ضعیف‌تر شدن است؟

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

شواهد موجود بیشتر به شرایط خاص استفاده اشاره دارند. یک آزمایش تصادفی بر روی ۱۲۰ دانشجو کاهش معنادار یادآوری بعد از ۴۵ روز را در گروه استفاده‌کننده از ChatGPT اثبات کرده است؛ در یک مطالعه بر روی ۶۶۶ فرد، رابطه بین استفاده بیشتر از AI و کاهش تفکر انتقادی مشخص شد؛ و تحقیقی دیگر نشان داد که در گروهی شامل ۳۱۹ نیروی دانش‌محور، اعتماد بیشتر به AI با تلاش کمتر برای تفکر انتقادی همراه است. در عین حال، تحقیقاتی دیگر نشان می‌دهد که اگر AI به درستی طراحی و مورد استفاده قرار گیرد، می‌تواند نقش آموزشی مثبتی ایفا کند.

بنابراین احتمالاً مسئله اصلی اتوماتیک شدن فعالیت‌های ذهنی نیست؛ بلکه از دست دادن فرصت انجام آن فعالیت‌ها به‌دست انسان است.

هوش مصنوعی می‌تواند انسان را سریع‌تر، کارآمدتر و حتی در برخی فعالیت‌ها توانمدتر کند. اما تحقیقات جدید حاکی از آن است که کارآمدی همواره به معنای یادگیری نیست.

زمانی که AI پاسخ را قبل از تلاش انسان ارائه می‌کند، ممکن است بخشی از فرایندی که برای شکل‌گیری حافظه و مهارت ضروری است، حذف شود. آزمایش بارکائوی به‌خوبی این موضوع را در یادگیری بلندمدت نشان داده است؛ دیگر پژوهش‌ها نیز از ارتباط بین وابستگی بیشتر به AI، برون‌سپاری شناختی و کاهش تلاش برای تفکر انتقادی خبر می‌دهند.

نتیجه‌گیری آینده ممکن است این نباشد که «آیا AI جای انسان را می‌گیرد؟» بلکه این باشد که چه بخش‌هایی از کار باید به AI سپرده شود و چه بخش‌هایی باید به عمد برای انسان باقی بماند تا توانایی تفکر، یادگیری، قضاوت و حل مسائل همچنان تقویت گردد؟

پاسخ به این سوال می‌تواند تعیین کند که آیا هوش مصنوعی در نهایت به ابزاری برای تقویت توانایی‌های انسان تبدیل می‌شود یا اینکه فناوری‌ای است که بخش‌هایی از این توانایی‌ها را به تدریج از فرآیند زندگی روزمره محو می‌کند.

۲۲۷۲۲۷