Η ταχεία ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στη ζωή μας φαίνεται να χωρίζει τους ανθρώπους σε δύο κατηγορίες: μια μικρή μειοψηφία που την αξιοποιεί για να βελτιώσει τις γνωστικές της ικανότητες και μια πολύ μεγαλύτερη πλειοψηφία που την αφήνει να σκέφτεται γι’ αυτήν. Αυτή η “υπερβολική τάση για υποκατάσταση”, όπως την περιγράφει η Vivienne Ming, επικεφαλής επιστήμονας στο Possibility Institute και ιδρύτρια της Socos Labs, σηματοδοτεί μια αυξανόμενη “γνωστική διαίρεση”.
Αντί να εμβαθύνουν τη συλλογιστική τους, οι περισσότεροι άνθρωποι “αναθέτουν” τη σκέψη τους στην ΤΝ, σύμφωνα με πρόσφατη συνέντευξη της Ming στο Business Insider στο Λονδίνο. Καθώς τα εργαλεία ΤΝ ενσωματώνονται σε διάφορους επαγγελματικούς τομείς, από τον προγραμματισμό μέχρι τη συγγραφή και την ανάλυση, πολλοί ερευνητές της ΤΝ προειδοποιούν ότι η υπερβολική εξάρτηση από την τεχνολογία μπορεί να μειώσει τις δεξιότητες της κριτικής και ανεξάρτητης σκέψης.
Οι κίνδυνοι είναι ήδη εμφανείς. Όταν το Anthropic’s Claude τέθηκε εκτός λειτουργίας νωρίτερα αυτόν τον μήνα, ορισμένοι προγραμματιστές ανέφεραν ότι δυσκολεύτηκαν να συνεχίσουν την εργασία τους, καθώς καθήκοντα που θεωρούσαν ρουτίνας φάνηκαν ξαφνικά πιο δύσκολα χωρίς τη βοήθεια της ΤΝ.
Η Ming πραγματοποίησε ένα πείραμα από τα τέλη του καλοκαιριού έως το φθινόπωρο του 2025, με τη συμμετοχή 39 φοιτητών από το UC Berkeley και 33 ατόμων από την περιοχή του San Francisco Bay Area. Στόχος ήταν η πρόβλεψη πραγματικών γεγονότων, είτε ατομικά είτε με τη βοήθεια συστημάτων ΤΝ. Τα αποτελέσματα έδειξαν ότι περίπου το 90% έως 95% των συμμετεχόντων ανήκαν είτε σε αυτούς που χρησιμοποιούσαν την ΤΝ για να παράγουν απαντήσεις, είτε σε αυτούς που την χρησιμοποιούσαν για να επικυρώσουν τις δικές τους παραδοχές.
Μια μικρή μειοψηφία, περίπου 5% έως 10%, υιοθέτησε μια διαφορετική προσέγγιση, την οποία η Ming αποκαλεί “cyborgs”. Αυτοί δεν βασίζονταν στην ΤΝ για έτοιμες απαντήσεις, αλλά τη χρησιμοποιούσαν ως συνεργάτη, εξερευνώντας ιδέες, αμφισβητώντας παραδοχές και προωθώντας το πρόβλημα, ενώ η ΤΝ παρείχε δεδομένα και αντεπιχειρήματα. Αυτή η διαδικασία δημιούργησε αυτό που η Ming περιγράφει ως “παραγωγική τριβή”, όπου οι χρήστες προκαλούσαν την ΤΝ, ζητώντας της να τους πει γιατί κάνουν λάθος, αντί να τους επιβεβαιώνει.
Αυτή η δυναμική, γνωστή ως “υβριδική νοημοσύνη”, δεν είναι απλώς η πρόσθεση ανθρώπων και μηχανών, αλλά μια ξεχωριστή μορφή νοημοσύνης που προκύπτει από την αλληλεπίδραση των δύο. Η Ming διαπίστωσε ότι η καλύτερη συνεργασία ανθρώπου-ΤΝ δεν καθοδηγείται από προηγμένα μοντέλα γλώσσας, αλλά από ανθρώπινα χαρακτηριστικά όπως η περιέργεια, η πνευματική ταπεινότητα, η ενσυναίσθηση και η ικανότητα να συλλογίζονται υπό αβεβαιότητα.
Ωστόσο, οι τρέχουσες χρήσεις της ΤΝ τείνουν να ωθούν τους ανθρώπους προς την αντίθετη κατεύθυνση. Η Ming παρομοιάζει την κατάσταση με το GPS: ένα εργαλείο που διευκολύνει τη ζωή βραχυπρόθεσμα, αλλά μπορεί να υποβαθμίσει τις γνωστικές ικανότητες μακροπρόθεσμα αν χρησιμοποιείται υπερβολικά. “Αν τη χρησιμοποιείς για να σκέφτεται για εσένα”, δήλωσε η Ming για τα μοντέλα ΤΝ, “αυτό είναι η μακροπρόθεσμη γνωστική σου υγεία. Έτσι, ναι, 100% διαγραφή δεξιοτήτων.”
Οι επιπτώσεις επεκτείνονται πέρα από τα άτομα. Οι χώροι εργασίας επιβραβεύουν όλο και περισσότερο την ταχύτητα και την αποτελεσματικότητα, συνθήκες που ενθαρρύνουν τους εργαζομένους να αποδέχονται τα αποτελέσματα που παράγει η ΤΝ αντί να τα ελέγχουν. Αυτό, προειδοποίησε η Ming, θα μπορούσε να οδηγήσει σε έναν κόσμο ικανών αλλά μη διακριτών έργων, ή σε αυτό που αποκάλεσε “AI slop”. “Η απάντηση που παίρνεις από το τηλέφωνό σου είναι η ίδια ακριβώς απάντηση που παίρνουν όλοι οι άλλοι,” είπε. “Ακόμα κι αν είναι σωστή, δεν σου προσφέρει καμία αξία.”
