Zespół Trenta N. Casha i Evana F. Risko z University of Waterloo opublikował w „Trends in Cognitive Sciences” przegląd, który porządkuje cały spór o wpływ sztucznej inteligencji na ludzki umysł. Wniosek jest mniej sensacyjny i znacznie bardziej niewygodny niż nagłówki o ogłupianiu: AI prawdopodobnie nie obniża naszych podstawowych zdolności poznawczych, za to potrafi rozmontować konkretne umiejętności, których przestajemy ćwiczyć.
Kluczowe fakty:
- Przegląd opublikowany w „Trends in Cognitive Sciences" przez badaczy z University of Waterloo, University of Toronto i Purdue University wskazuje, że AI prawdopodobnie nie obniża podstawowych zdolności poznawczych, takich jak pamięć robocza czy uwaga.
- Autorzy rozróżniają podstawowe zdolności poznawcze od konkretnych umiejętności wyuczonych przez praktykę – te drugie mogą zanikać, gdy przestają być ćwiczone z powodu korzystania z AI.
- Mechanizm zanikania nieużywanych umiejętności był dokumentowany naukowo jeszcze przed powstaniem ChatGPT, m.in. w badaniach nad wpływem nawigacji satelitarnej na poczucie orientacji w terenie.
Praca nosi tytuł „Is AI making us stupid?” i ukazała się w lipcu tego roku. Cell Press zapowiedział ją krótkim wpisem, który można znaleźć tutaj. Współautorkami i współautorami są jeszcze Megan O. Kelly z University of Toronto oraz Brooke N. Macnamara z Purdue University, badaczka od lat zajmująca się tym, jak umiejętności powstają i jak się rozpadają.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Dwie rzeczy, które w tej dyskusji ciągle się myli
Autorzy zaczynają od rozdzielenia pojęć, które w publicystyce lądują w jednym worku. Z jednej strony mamy podstawowe zdolności poznawcze: pamięć roboczą, uwagę, kontrolę wykonawczą. To sprzęt. Z drugiej strony są umiejętności, czyli wyuczone zachowania szlifowane praktyką: rozwiązywanie równań, pisanie kodu, prowadzenie samolotu, wychwytywanie zmiany na zdjęciu rentgenowskim. To oprogramowanie.
I właśnie tu przebiega linia podziału. Dowodów na to, że korzystanie z czatbotów trwale zmniejsza pojemność pamięci roboczej, po prostu nie ma. Dowodów na to, że umiejętność nieużywana zanika, a umiejętność od początku oddana maszynie nigdy porządnie się nie rozwija, jest bardzo dużo i zbierano je długo przed premierą ChatGPT. Badania nad nawigacją satelitarną i poczuciem orientacji w terenie pokazały ten mechanizm lata temu.
Macnamara ujmuje to prosto. „Jest jasny dowód na to, że przy pomocy AI ludzie wykonują wiele zadań lepiej. Pytanie brzmi: co stanie się z naszymi umiejętnościami, jeśli zaczniemy na niej polegać regularnie?” / „What happens to our skills if we start relying on it regularly?”
Turcja, tysiąc uczniów i rachunek płatny miesiąc później
Najmocniejszym dowodem w całym przeglądzie jest eksperyment terenowy opisany w „Proceedings of the National Academy of Sciences” przez zespół Hamsy Bastani, Osberta Bastaniego i Alpa Sungu z University of Pennsylvania. Badanie objęło blisko tysiąc uczniów dużego liceum w Turcji, przeprowadzono je w semestrze jesiennym roku szkolnego 2023/2024, a uczestnicy zostali losowo przypisani do trzech grup.
- Grupa kontrolna rozwiązywała zadania matematyczne bez żadnego wsparcia AI
- Grupa „GPT Base” dostała czatbota działającego jak zwykły interfejs ChatGPT, opartego na GPT-4
- Grupa „GPT Tutor” korzystała z tego samego modelu, ale opakowanego w polecenia systemowe: model znał rozwiązanie zadania, miał zakaz podania go w całości i dysponował listą typowych błędów uczniowskich wraz z podpowiedziami
Podczas ćwiczeń wyglądało to jak sukces technologii. GPT Base poprawił wyniki o 48 proc. względem grupy kontrolnej, GPT Tutor aż o 127 proc. Potem badacze odebrali dostęp do narzędzi i przeprowadzili samodzielny sprawdzian. Uczniowie z GPT Base wypadli o 17 proc. gorzej niż ci, którzy nigdy nie mieli AI. Grupa z tutorem nie zanotowała spadku, ale nie zyskała też wyraźnej przewagi.
Sungu opisał to zwięźle: „Efekty są niebagatelne i idą w przeciwnych kierunkach, w zależności od tego, co mierzysz.” / „The effects are non-trivial and move in opposite directions depending on what you measure.” Bez zabezpieczeń uczniowie traktowali GPT-4 jak kulę, o którą można się oprzeć podczas ćwiczeń, i tracili to, po co w ogóle się ćwiczy.
Wyszukiwarka każe pracować, czatbot podaje gotowe
Drugi wątek dotyczy zdobywania wiedzy, a nie umiejętności. Shiri Melumad i Jin Ho Yun z Wharton porównali w serii eksperymentów, opublikowanej w „PNAS Nexus”, osoby uczące się z odpowiedzi modeli językowych oraz użytkowników zwykłej wyszukiwarki. Badacze zadbali o to, by obie grupy dostały dokładnie te same fakty. Różnił się wyłącznie sposób podania.
Wyszukiwarka wymuszała otwieranie źródeł, odsiewanie śmieci, porównywanie wersji i sklejanie całości we własnej głowie. Czatbot robił to wszystko za człowieka i podawał uporządkowaną syntezę. Efekt? Uczestnicy korzystający z modeli deklarowali mniejsze poczucie własności nad zdobytą wiedzą, wkładali mniej wysiłku, a rady, które później pisali dla innych, były krótsze, uboższe w fakty i mniej oryginalne. Odbiorcy tych porad oceniali je jako mniej przydatne i mniej wiarygodne.
Wysiłek nie jest przeszkodą postawioną przed wiedzą. Bardzo często jest mechanizmem, dzięki któremu wiedza w ogóle w głowie zostaje. Psychologia poznawcza nazywa to pożądanymi trudnościami i nie jest to nowa koncepcja, tylko klasyka literatury o uczeniu się.
Piszę o AI codziennie i sam korzystam z modeli językowych w pracy redakcyjnej, więc nie będę udawał, że mam tu wygodną pozycję obserwatora. Ten przegląd uderza dokładnie w miejsce, o którym branża mówi najmniej chętnie. Cały przemysł optymalizuje narzędzia pod natychmiastową wygodę użytkownika, bo to ona sprzedaje subskrypcje, a nikt nie płaci za produkt, który każe się męczyć. Eksperyment z Turcji pokazuje jednak, że różnica między czatbotem szkodliwym a nieszkodliwym leżała wyłącznie w kilku zdaniach polecenia systemowego. To znaczy, że mówimy o decyzji projektowej, a nie o prawie natury.
Widzę tu też realne ryzyko przesady w drugą stronę. Z badania Bastaniego nie wynika, że AI ogłupia. Wynika, że model podający gotowe rozwiązanie zabiera proces uczenia się, a model zadający pytania go nie zabiera. To zupełnie inna teza i zasługuje na to, żeby nie zostać zredukowaną do memu o cyfrowej demencji.
Pytanie, które sobie stawiam, brzmi: kto w polskiej szkole i w polskiej firmie ma kompetencje i mandat, żeby zdecydować, które czynności wolno oddać maszynie, a które są ćwiczeniem? Bo dziś tę decyzję podejmuje pojedynczy pracownik i pojedynczy uczeń, o północy, pod presją terminu. I podejmuje ją zawsze tak samo.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Poddanie poznawcze i złudzenie, że się rozumie
Trzeci wątek jest najbardziej niepokojący, bo dotyczy nie umiejętności, lecz relacji zaufania. Michael Gerlich opisał w czasopiśmie „Societies” wyniki badania ankietowego uzupełnionego wywiadami pogłębionymi. Osoby często korzystające z narzędzi AI wypadały gorzej w testach myślenia krytycznego, a mediatorem tej zależności było właśnie przenoszenie pracy poznawczej na zewnątrz. Gerlich mówi o „silnej ujemnej korelacji między częstym korzystaniem z narzędzi AI a zdolnościami myślenia krytycznego” / „a strong negative correlation between frequent AI tool usage and critical thinking abilities”. Efekt był wyraźniejszy wśród młodszych użytkowników. Osoby z wyższym wykształceniem częściej broniły się nawykiem sprawdzania informacji w kilku źródłach.
Steven D. Shaw i Gideon Nave nazwali skrajną wersję tego zjawiska poddaniem poznawczym. W ich eksperymentach uczestnicy oddawali błędne odpowiedzi, bo czatbot podał je pewnym tonem. Część robiła to nawet wtedy, gdy za poprawną odpowiedź czekała premia finansowa. Shaw zwraca uwagę, że ludzie „pozwalają jej często porządkować swoje myśli, wyjaśnienia i decyzje” / „they are often letting it structure their thoughts, explanations, and decisions”, i robią to, nie zauważając momentu, w którym oddali kontrolę.
Ochronę dawały dwie cechy: wysoka inteligencja płynna oraz zwyczajna przyjemność z intensywnego myślenia. Presja czasu i konwersacyjna forma narzędzia działały w przeciwną stronę.
Czego badacze wciąż nie wiedzą
Cash i współautorzy są ostrożni tam, gdzie publicystyka bywa stanowcza. Nie ma dziś dowodów na to, że dorastanie z czatbotem trwale obniża pamięć roboczą. Podstawowe zdolności poznawcze wydają się odporne, bo generalnie nie rosną i nie kurczą się pod wpływem treningu konkretnego zadania. Można stracić biegłość w dzieleniu pisemnym i w ortografii, ale sprzęt pod spodem zostaje.
Otwartych pytań jest sporo:
- Jak długotrwałe korzystanie z modeli wpływa na metapoznanie, czyli na zdolność oceny własnej wiedzy
- Czy pojawiają się błędy monitorowania źródła, w których użytkownik uznaje cudzy pomysł za własny
- Czy ekspozycja na AI we wczesnym dzieciństwie, w okresie krytycznym dla rozwoju, niesie osobne ryzyko
Wnioski autorzy podsumowali zdaniem, że AI „może nas ogłupić, osłabiając nasze umiejętności” / „AI can make us 'stupid’ by compromising our skills”, jeśli oddamy je jej w całości, ale prawdopodobnie nie naruszy fundamentów, na których w ogóle stoi nasza zdolność do bycia mądrym.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm i szkół?
Tu robi się konkretnie, bo polskie dane układają się w niepokojący wzór. Z raportu NASK „Nastolatki 3.0″ wynika, że 70 proc. nastolatków korzystało ze sztucznej inteligencji, a co dziesiąty używa jej codziennie. ChatGPT wskazało 53 proc. uczniów. Do nauki AI wykorzystuje 48 proc. młodych, a 40 proc. odrabia z nią prace domowe. Równolegle Wikipedia jako narzędzie nauki spadła z 76 proc. w 2018 roku do 23 proc., a wyszukiwarka Google z 63 proc. do 45 proc. Dokładnie ten ruch, który Melumad i Yun mierzyli w laboratorium, dokonał się już w polskich domach.
Po stronie pracodawców obraz jest podobny. Z raportu „Cyberportret polskiego biznesu 2026″, przygotowanego przez ESET i DAGMA Bezpieczeństwo IT na próbie 1026 osób pracujących przy komputerze, wynika, że 62 proc. pracowników używa narzędzi AI w obowiązkach służbowych, a niemal co piąty korzysta z agentów. Zasady korzystania spisało 27 proc. firm. Badanie SD Worx pokazuje z kolei, że 38,4 proc. polskich pracowników sięga po AI regularnie, przy średniej europejskiej 29,3 proc. Jesteśmy więc szybsi od Europy we wdrażaniu i wolniejsi w ustalaniu reguł.
Konsekwencja praktyczna jest taka, że polska firma, która kupuje licencje i nie ustala niczego więcej, kupuje sobie natychmiastowy wzrost wydajności i odroczony spadek kompetencji zespołu. Junior, który przez dwa lata nie napisał samodzielnie żadnego zapytania SQL, nie zostanie seniorem. Analityk, który nie sprawdzał źródeł, nie wyłapie błędu w raporcie. Rachunek przychodzi wtedy, gdy trzeba zweryfikować to, co model wypluł, a nikt już nie umie.
Z badań wynika kilka rzeczy, które da się wdrożyć bez wielkich programów transformacyjnych:
- Poproś model o jedną podpowiedź zamiast o rozwiązanie, bo różnica między GPT Base a GPT Tutor sprowadzała się właśnie do tego
- Każ modelowi przedstawić kontrargument dla własnej odpowiedzi, a potem sprawdź źródła samodzielnie
- Wydziel zadania, które w zespole zostają ćwiczeniem, i te, które można oddać maszynie bez straty
- Przy zadaniach rozwojowych oceniaj proces, nie tylko efekt, bo efekt z AI zawsze wygląda dobrze
- Zapisz zasady korzystania z narzędzi, skoro trzy czwarte polskich firm tego nie zrobiło
Nie chodzi o wyrzucanie czatbotów ze szkół i biur. Równie dobrze można by zakazać kalkulatorów. Chodzi o to, że decyzja, co oddajemy maszynie, przestała być decyzją techniczną i stała się decyzją o tym, co będziemy jeszcze umieli za pięć lat.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym przeglądu „Is AI making us stupid?” w Trends in Cognitive Sciences autorstwa Trenta N. Casha, Megan O. Kelly, Brooke N. Macnamary i Evana F. Risko, badania Bastani i in. w PNAS z 25 czerwca 2025 roku oraz omówienia PsyPost z 15 lipca 2026 roku. Wykorzystano również prace Shiri Melumad i Jin Ho Yuna w PNAS Nexus, Michaela Gerlicha w Societies, Stevena D. Shawa i Gideona Nave, a także materiał American Psychological Association z cyklu Monitor on Psychology. Dane o polskim rynku pochodzą z raportu NASK „Nastolatki 3.0″ (omówienie w serwisie Nauka w Polsce), raportu „Cyberportret polskiego biznesu 2026″ ESET i DAGMA Bezpieczeństwo IT oraz badania SD Worx „2026 HR & Payroll Pulse” cytowanego przez serwis Prawo.pl. Cytaty Alpa Sungu, Brooke N. Macnamary, Michaela Gerlicha i Stevena D. Shawa zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych badań nad wpływem sztucznej inteligencji na uczenie się i utratę umiejętności.
