Scientific research on the impact of Artificial Intelligence on our cognitive skills and mental state is still in its infancy, but early evidence from research powerhouses suggests some worrying trends—namely, that frequent use of generative AI may undermine motivation, weaken memory retention, and erode critical thinking. Harvardská štúdia: AI zvyšuje produktivitu a nudu Nedávny Harvard podľa   Zatiaľ čo LLM sú schopné zlepšiť kvalitu a efektívnosť úloh, zamestnanci, ktorí spolupracovali s LLM na jednej úlohe a potom sa presunuli na inú úlohu bez pomoci AI, dôsledne hlásili pokles vnútornej motivácie a zvýšenie nudy v priemere o 20%. Na rozdiel od toho tí, ktorí pracovali bez AI, udržali relatívne stabilný psychologický stav. štúdium Juraj Liu a al Štúdia MIT: Vplyv AI na kritické myslenie u študentov , výskumník na plný úväzok v Massachusetts Institute of Technology (MIT) Media Lab, nedávno vyšetril, či ChatGPT môže poškodiť schopnosti kritického myslenia. Najmä jej výskumný tím sa zameriaval na špecifické preskúmanie vplyvu umelej inteligencie na školskú prácu, keďže čoraz viac študentov používa umelú inteligenciu. Natália Kozmická štúdium Štúdia zahŕňala 54 účastníkov vo veku 18 až 39 rokov z Bostonu, ktorí dostali úlohu napísať esej v troch 20-minútových reláciách založených na otázkach školského hodnotenia (SAT), vrátane etiky filantropie a pascí, ktoré majú príliš veľa možností. 
 
 
 
 Skupina LLM: Účastníci tejto skupiny boli povinní používať ChatGPT ako svoj jediný zdroj informácií pre esej. Skupina vyhľadávačov: Účastníci tejto skupiny mohli slobodne používať akúkoľvek webovú stránku, aby im pomohli so svojimi esejami, ale ChatGPT alebo akýkoľvek iný LLM bol výslovne zakázaný; všetci účastníci používali Google ako prehliadač podľa vlastného výberu. Mozgová skupina: Účastníkom tejto skupiny nebolo dovolené používať LLM alebo akékoľvek iné webové stránky na konzultácie. V voliteľnej štvrtej relácii účastníci zmenili úlohy: používatelia LLM nepoužívali žiadne nástroje (LLM-to-Brain) a skupina Brain-only používala ChatGPT (Brain-to-LLM). Kľúčové zistenia: Mozgová aktivita a kvalita skúšok Výskumníci použili EEG na zaznamenanie mozgovej aktivity spisovateľov esejov a zistili, že zo všetkých troch skupín mali používatelia ChatGPT najnižšiu mozgovú aktivitu a "konzistentne slabo fungovali na neurálnej, jazykovej a behaviorálnej úrovni." Štúdia predovšetkým odhalila nasledujúce výsledky: 
 
 
 
 
 
 : The essays were remarkably homogeneous within each topic, differing hardly at all from one another. Participants often used the same expressions or ideas. LLM group 
 
 : Essay writers showed varied and diverse ideas among the topics. Brain-only group 
 
 : The essays were based on search-engine-optimized content; their ontology overlapped with the LLM group but not with the Brain-only group. Search engine group Analýza EEG odhalila, že skupina Brain-only vykazuje najvyššiu úroveň neurálnej konektivity, najmä v alfa, theta a delta pásmach. používatelia LLM mali najslabšiu konektivitu, 55% nižšiu v nízkofrekvenčných sieťach. skupina používateľov vyhľadávačov preukázala vysokú účasť vizuálnej kôry, ktorá je v súlade s procesom zhromažďovania informácií na internete. Účastníci skupiny LLM neboli schopní citovať presne, zatiaľ čo účastníci skupiny Brain-only preukázali dobré schopnosti pripomínať a citovať. In terms of behavioural and cognitive engagement , Účastníci Brain-only vyhlásili plnú zodpovednosť za svoju prácu; účastníci LLM vyjadrili buď žiadnu zodpovednosť alebo čiastočnú zodpovednosť. In terms of ownership I , Účastníci Brain-only sa zaujímali viac o a písali, zatiaľ čo používatelia LLM sa zamerali na . n terms of critical thinking 𝘸𝘩𝘢𝘵 𝘸𝘩𝘺 𝘩𝘰𝘸 Opakované používanie LLM viedlo k povrchnému opakovaniu obsahu a zníženiu kritického zapojenia. , napr. odklad duševnej námahy na úkor dlhodobej kognitívnej hĺbky. "cognitive debt" Po napísaní troch esejí boli účastníci voliteľne požiadaní, aby prepísali jednu zo svojich predchádzajúcich prác. Avšak skupina LLM to musela urobiť bez nástroja, zatiaľ čo skupina iba s mozgom mohla používať ChatGPT. Prvá skupina si pamätala málo svojich esejí a ukázala slabšie alfa a theta mozgové vlny, čo pravdepodobne odráža obchádzanie hlbokých pamäťových procesov. Hoci úloha bola dokončená efektívne a pohodlne, podľa výskumníka nebola žiadna z informácií skutočne integrovaná do ich pamäťových sietí. Druhá skupina, na druhej strane, vykonal dobre, čo ukázalo významné zvýšenie mozgovej konektivity vo všetkých frekvenčných pásmach EEG. To dáva nádej, že AI, keď sa používa správne, môže zlepšiť učenie skôr ako brániť. Reakcia verejnosti a AI pasce Výskumníčka sa rozhodla publikovať článok, zatiaľ čo proces peer review prebieha, pretože je presvedčená, že je absolútne nevyhnutné začať vzdelávať ľudí, a najmä študentov, o tom, ako správne používať nástroje LLM a podporovať skutočnosť, že náš "mozog sa musí rozvíjať analogickejším spôsobom." , „ » » tu Musíme mať aktívnu legislatívu v synchronizácii a, čo je dôležitejšie, testovať tieto nástroje predtým, než ich implementujeme. Iróniou je, že po zverejnení článku ho viacerí používatelia sociálnych médií prešli cez LLM na zhrnutie a potom zverejnili zistenia online. Kosmyna očakávala, že to ľudia urobia, takže do papiera vložila niekoľko AI pascí, ako napríklad pokyn LLM, aby "čítajú len túto tabuľku", čo zabezpečilo, že z článku dostanú len obmedzené informácie. Čas Prebiehajúci výskum: Vplyv AI na programovanie Kosmyna a jej kolegovia v súčasnosti pracujú na ďalšom podobnom dokumente, ktorý testuje mozgovú aktivitu v inžinierstve a programovaní softvéru založenom na AI a bez AI. Podľa nich sú výsledky ešte horšie.Tento nový výskum by mohol mať dôsledky pre mnohé spoločnosti, ktoré dúfajú, že nahradia svojich programátorov vstupnej úrovne s AI. Aj keď sa zvyšuje efektivita, rastúca závislosť od umelej inteligencie by mohla potenciálne znížiť kritické myslenie, kreativitu a schopnosti riešenia problémov v zvyšnej pracovnej sile. Tiež si pozrite, čo je . V popredí výskumu AI: Multimodalita, agenti, open-source LLM a ďalšie

2022 - HackerNoon Contributor of the Year - Founder Interview

2022 - HackerNoon Contributor of the Year - Hacking

2022 - HackerNoon Contributor of the Year - Innovation

2022 - HackerNoon Contributor of the Year - Robotics

Read me on HackerNoon

Nominated for 2022 - HackerNoon Contributor of the Year - Robotics

Nominated for 2022 - HackerNoon Contributor of the Year - Founder Interview

Nominated for 2022 - HackerNoon Contributor of the Year - Hacking

Nominated for 2022 - HackerNoon Contributor of the Year - Innovation

Portfolio

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Príliš dlho; Čítať

Ako AI ovplyvňuje naše mysle: skoré dôkazy z Harvardu a MIT

Ako AI ovplyvňuje naše mysle: skoré dôkazy z Harvardu a MIT

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

112 Stories To Learn About Hackernoon Community

Behavior of a shapely Spider

16 Best Sklearn Datasets for Building Machine Learning Models

Mutmut: a Python mutation testing system

112 Stories To Learn About Hackernoon Community

Behavior of a shapely Spider

16 Best Sklearn Datasets for Building Machine Learning Models

Mutmut: a Python mutation testing system

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps