[ad_1] تصور کنید که بعد از چند هفته تکیه بر یک مدل بزرگ زبان برای فکر ساختار یافته ، یک ایمیل برای نوشتن ایمیل بنشینید. کلمات به راحتی جریان نمی یابند. به نظر می رسد انسجام شما یک بار برای تحقق آهسته تر به نظر می رسد. یا راننده ای را در ن...
[ad_1]
تصور کنید که بعد از چند هفته تکیه بر یک مدل بزرگ زبان برای فکر ساختار یافته ، یک ایمیل برای نوشتن ایمیل بنشینید. کلمات به راحتی جریان نمی یابند. به نظر می رسد انسجام شما یک بار برای تحقق آهسته تر به نظر می رسد. یا راننده ای را در نظر بگیرید که ماهها با استفاده از حالت کامل خودران (FSD) تسلا صرف کرده است و ناگهان نیاز به حرکت در یک وضعیت رانندگی دشوار و پر سر و صدا و بدون کمک هوش مصنوعی دارد. لکنت های مغز ، دوباره به مهارت های یک بار ماهیت دوم می پردازند.
این تله نوسان هوش مصنوعی است-تغییر مکرر بین تعامل با کمک AI و دستی که ممکن است تأثیر بی ثبات کننده ای بر شناخت ، عملکرد و حتی ایمنی ایجاد کند. بر خلاف آتروفی مهارت ، جایی که ما به سادگی فراموش می کنیم که چگونه با گذشت زمان کاری انجام دهیم ، تله نوسان یک الگوی نامطلوب تر از سازگاری و سازگاری مجدد است-یک چرخه مداوم از اعتماد و تجدید نظر. این ناراحتی ، ناکارآمدی و حتی خطر بالقوه تندرست بین حالتهای تقویت شده و سنتی شناختی است. این ممکن است “مدل جدید” زمان ما باشد ، حداقل برای آینده قابل پیش بینی.
ما تمایل داریم که از فناوری به عنوان یک نیروی افزودنی فکر کنیم – به اندازه توانایی های خود ، ما را بهتر ، باهوش تر ، سریعتر می کنیم. اما در واقعیت ، تقویت یک شکنندگی ذاتی ایجاد می کند. این ما را به یک روش جدید برای تفکر ، پیمایش و کار کردن تبدیل می کند. هنگامی که ما به حالت های غیر همگام برمی گردیم ، ما به سادگی به حالت قبلی خود باز نمی گردیم-ما یک ناپیوستگی شناختی را تجربه می کنیم.
در هر حالت ، مسئله صرفاً از دست دادن مهارت نیست – این اصطکاک تغییر به جلو و عقب است. مغز ، شرط تقویت ، در برابر تغییر مقاومت می کند.
به خوبی مشخص شده است که مغز ما با کارآیی سازگار است ، اما این سازگاری می تواند منجر به دو نتیجه واگرا شود – یا رشد مثبت در هنگام استفاده از هوش مصنوعی یا فرسایش مهارت هنگام اتکا به هوش مصنوعی بررسی نشده است. هنگامی که یک ابزار جدید به بخشی از گردش کار ما تبدیل می شود ، ما بارهای شناختی خاصی را برون سپاری می کنیم-چه حافظه (موتورهای جستجو) ، تصمیم گیری (AI بالینی) یا آگاهی موقعیتی (رانندگی خودمختار). این برون سپاری مفید است – تا زمانی که مجبور شویم دوباره کنترل ها را بگیریم.
این مسئله منحصر به لحظه فن آوری فعلی ما به عنوان تغییر از طریق آزمایش ، موفقیت و عدم موفقیت است – امری عادی است. ما در مرحله انتقال قرار داریم که هوش مصنوعی و اتوماسیون قدرتمند هستند اما هنوز همه گیر و یکپارچه نیستند و افراد را به سمت نوسانات بین تعامل با تکنولوژی بالا و تجربیات سنتی و دستی سوق می دهد. اگر تقویت کاملاً پایدار و فراگیر شود ، آیا نوسان ناپدید می شود یا این یک چالش مداوم باقی خواهد ماند؟ در حالی که برخی ممکن است سازگار و تثبیت شوند ، برخی دیگر بسته به توانایی آنها در مدیریت تکیه هوش مصنوعی می توانند مبارزه و کاهش دهند.
نسل های آینده ممکن است هرگز این اصطکاک را تجربه نکنند اگر دیگر نیازی به بازگشت به مهارت های دستی نداشته باشند ، اما آیا همیشه نیاز به حالت بازگشت به حالت بازگشت برای حفظ صلاحیت های اصلی برای لحظاتی وجود دارد که اتوماسیون شکست می خورد یا فقط از یک رویکرد انسانی بیشتر لذت می برند؟ یا شاید راه حل در یک مدل شناختی جدید باشد – در جایی که انسان و هوش مصنوعی به روشی سیال تر و همزیستی درگیر می شوند و اختلال در نوسان را به حداقل می رساند و باعث ایجاد هوش سازگارتر و مقاوم تر می شوند.
تله نوسان هوش مصنوعی فقط یک ناراحتی نیست ، بلکه یک واگرایی اساسی در نحوه سازگاری افراد با سیستم های AII است-برخی از آنها به دلیل اتکا به فرسایش مهارت می بینند ، در حالی که برخی دیگر از طریق تعامل استراتژیک بهبود می یابند. این چالش شکل می دهد که چگونه ما طراحی ، استفاده و تنظیم هوش مصنوعی را برای اطمینان از افزایش توانایی انسان ، تقویت می کنیم. اگر این اثر را بشناسیم ، می توانیم راهکارهایی را برای به حداقل رساندن خطرات آن شروع کنیم-از طریق پروتکل های آموزشی ، گردش کار ترکیبی یا حتی تجدید نظر در نحوه ادغام اتوماسیون در تصمیم گیری انسان.
همانطور که در عصر شناختی نوسان می کنیم ، سوال اصلی این نیست که تا چه حد می توانیم به تقویت فشار بیاوریم بلکه چگونه اطمینان حاصل می کنیم که قدم به عقب رانده نمی شود.
[ad_2]
