MIT Medya Laboratuvarı'nın yakın tarihli bir araştırması, "yapay zekâ destekli çözümlere aşırı bağımlılığın" "bilişsel körelmeye" ve eleştirel düşünme yeteneklerinin azalmasına katkıda bulunabileceğini bildirdi. Çalışma küçük ölçekli ve hakem değerlendirmesinden geçmemiş olsa da, yapay zekâ asistanlarının bile kabul etmeye hazır olduğu bir uyarı içeriyor. ChatGPT'ye yapay zekânın bizi daha aptal mı yoksa daha zeki mi yapacağını sorduğumuzda, "Onunla nasıl etkileşim kurduğumuza bağlı: bir destek aracı olarak mı yoksa bir gelişim aracı olarak mı?" diye yanıtladı.

Gazete, yapay zekâ çağında eleştirel düşünmeyi tartışmak üzere, eğitim alanında araştırma yapan bir bilim insanı, bir filozof ve Derek Bok Öğretim ve Öğrenme Merkezi direktörü de dahil olmak üzere çeşitli disiplinlerden öğretim üyeleriyle görüştü. Onlara yapay zekânın eleştirel düşünmeyi nasıl teşvik edebileceği veya engelleyebileceği ve teknolojiye aşırı bağımlılığın zihnimizi köreltebileceği yolları hakkında sorular sorduk. Röportajlar uzunluk ve netlik açısından düzenlenmiştir.

Birçok öğrenci, yapay zekanın hesaplama/Bayesçi anlamda nasıl çalıştığını iyi anlamadan kullanıyor ve bu da çıktısına aşırı güvenmelerine yol açıyor. Bu nedenle, yapay zekayı nasıl kullandıkları ve ne sunduğu konusunda eleştirel ve ayırt edici olmayı öğretmek önemlidir. Ancak daha da önemlisi, bedenlenmiş insan zihinlerinin nasıl çalıştığını ve iyi kullanıldığında ne kadar güçlü olabileceğini anlamalarına yardımcı olmaktır.

Sinirbilim alanındaki çalışmalar, insan zihninin hesaplama yeteneğine sahip olduğunu ve Bayesçi süreçleri kullandığını, ancak birçok açıdan "Bayesçi yaklaşımdan daha iyi" olduğunu ikna edici bir şekilde ortaya koymaktadır. Örneğin, Antonio Damasio ve diğerlerinin çalışmaları, somatik işaretlerimizin hızlı ve sezgisel sıçramalar yapmamızı nasıl sağladığını vurgulamaktadır. Laboratuvarımızdaki araştırmalar, anaokulu çocuklarının bir oyunda stratejik bilgileri kullanarak, tamamen Bayesçi bir yaklaşımdan daha hızlı ve bilinçli hamleler yapabildiklerini ortaya koymuştur. Dahası, insan zihnimiz, kavramsal değişimi ve model revizyonlarını yönlendiren kritik farklılıkları veya eş varyasyon kalıplarındaki istisnaları tespit edebilir; oysa tamamen Bayesçi bir yaklaşım bunları genelleştirir. Bu, insan zihninin yapay zekâdan daha güçlü olmasının sadece buzdağının görünen kısmıdır. Daha birçok örnek vardır (örneğin, yapay zekâ analojiler sunabilirken, bildiğim kadarıyla analojik olarak akıl yürütemez).

“Uzman Bir Öğrenci Olmak” adlı dersimde, öğrencilerin insan zihninin nasıl çalıştığına dair zengin araştırmaları göz önünde bulundurmalarına ve böylece kendi zihinlerini (normatif ve normatif olmayan özellikleriyle) en iyi şekilde kullanmalarına yardımcı olmayı amaçlıyorum. Ardından, her birini ne zaman ve nasıl kullanacaklarına dikkatlice karar vermeleri için yapay zekâ ile karşılaştırmalarını istiyorum. Umarım bu, onların inanılmaz zihinlerine ve yeteneklerine daha derin bir takdir duymalarına yol açar!

Ángela Pérez Albertos ile birlikte yazdığımız kitapta, “Yapay zeka öğrenme için iyidir” veya “Yapay zeka öğrenme için kötüdür” diye bir şeyin olmadığını vurguluyoruz. Bence yapay zeka, öğrenme için iyi şekillerde de kullanılabilir, öğrenmeyi engelleyecek şekillerde de.

Eğer bir öğrenci, işi onunla birlikte yapmak yerine yapay zekaya yaptırırsa, pek bir şey öğrenemez. Beyin, öğrenmeye çalıştığınız şeyin anlamını ve mantığını aktif olarak kavrama sürecine girmedikçe öğrenme gerçekleşmez ve bu da ChatGPT'ye sadece "Öğretmenin sorduğu sorunun cevabını ver" diye sormakla olmaz.

Sonuç olarak, eğer okula çıktı üretmek için gittiğinizi düşünüyorsanız, yapay zekanın bu çıktıları üretmenize yardımcı olması sizin için sorun olmayabilir. Ancak okula öğrenmek için gidiyorsanız, çıktının sadece öğrenmenin gerçekleşeceği bir araç olduğunu unutmayın. Çıktı genellikle nihai hedef değildir. Bu iki şeyi karıştırırsanız, yapay zekayı öğrenmeye elverişli olmayan şekillerde kullanabilirsiniz. Yapay zeka ayrıca, öğrenciler aşırı meşgul olduklarında, aşırı çalıştıklarında ve yapay zekayı yalnızca zaman kazandıran bir araç olarak gördüklerinde öğrenmeyi engelleyebilir. Ancak yapay zeka, angarya işleri yaparak size zaman kazandırabiliyorsa ve bu zamanı daha ciddi öğrenmeye ayırmanıza olanak tanıyorsa, bence bu bir artıdır.

Yapay zekâ konusunda iyimser olmak için de, endişelenmek için de nedenler var, ancak yapay zekâ kalıcı, bu yüzden "Tamam, yapay zekâyı unutalım" diyemeyiz. Eğitimciler, öğrenciler ve insanlar olarak hedeflerimizi ilerletecek şekilde onunla iş birliği yapmanın ve ondan faydalanmanın yollarını bulmalıyız.

Yunan bilgelik tanrıçası Athena, her zaman omzunda bir baykuşla tasvir edilir. Şimdi kendimize şu soruyu sormalıyız: "Yapay zeka, bizi daha bilge olmaya yardımcı olan bir baykuş gibi olabilir mi?"

Bence baykuşun olumsuz bir güç yerine olumlu bir güç olmasının anahtarı, onun sizin yerinize düşünmesine izin vermemektir. Üretken yapay zekanın insan bağlamını anlamadığını biliyoruz, bu nedenle sosyal, duygusal ve bağlamsal olaylar hakkında bilgelik sağlamayacak, çünkü bunlar onun repertuarının bir parçası değil. Bununla birlikte, GenAI büyük miktarda veriyi emmede ve düşünmenizi destekleyebilecek şekillerde hesaplamalı tahminler yapmada çok iyidir.

Benim için buradaki zıtlık, işleri daha iyi yapmak ile daha iyi işler yapmak arasında. Eğitimde yapay zekâ hakkında okuduklarımın %95'i, yapay zekânın işleri daha iyi yapmamıza yardımcı olabileceği yönünde, ancak biz de daha iyi işler yapmalıyız. Yapay zekânın tuzaklarından biri, iyi kullanıldığında bile, aynı eski şeyleri daha iyi ve daha hızlı yapmak için kullanılıyorsa, yanlış şeyi daha hızlı yapmanın bir yolunu bulmuş olmanızdır.

Yapay zekâ sizin yerinize düşünüyorsa, ister otomatik tamamlama yoluyla olsun ister "İlk taslağı yapay zekâ yazsın, sonra ben düzenlerim" gibi daha karmaşık yöntemlerle olsun, bu eleştirel düşünme ve yaratıcılığınızı baltalıyor demektir. Sonuç olarak, herkesin yazdığına benzer bir iş başvuru mektubu yazabilirsiniz çünkü onlar da yapay zekâ kullanıyor ve bu yüzden işi kaybedebilirsiniz. Her zaman şunu hatırlamanız gerekir: Baykuş sizin omzunuzda oturur, tersi değil.

Verdiğim "Yapay Zeka ve İnsan Bilişi" dersi, yapay zekayı anlaşılır kılmayı, insan ve makine zekası arasındaki farkı ortaya koymayı ve yapay zekanın temellerini ve etkili kullanımını keşfetmeyi amaçlamaktadır.

Yapay zekâ veri işleme ve istatistik alanlarında üstün olsa da, gerçekten yenilikçi ve yaratıcı çözümler üretme yeteneğinden yoksundur; makineler hesaplama yapar ve insan deneyimlerine sahip değildirler. Yapay zekâ makinelerinin karmaşık istatistikler, ileri matematik üzerinde çalıştığını ve akıl almaz hesaplama hızlarında çalışan çok hızlı elektronik çipler kullandığını hatırlamamız gerekir; ancak bu makineler insan tarafından oluşturulan verilere dayanır ve bu veriler farklı yapay zekâ platformlarında az çok aynıdır. Farklı yapay zekâ platformlarına bir soru sorduğunuzda, çoğu zaman cevapları çok benzerdir çünkü veritabanı aynıdır. Yapay zekâ size şeyleri nasıl bir araya getireceğinizi söyleyebilir, ancak insan bağlamıyla ilgili bir cihaz oluşturmanıza yardımcı olamaz. Makine öğrenimi istatistiksel ayarlamalara bağlıdır, oysa insanlar yaşamı anlamla ilişkilendirerek kendi kendilerine organize ederler.

Yapay zekâ, veri analizi, problem çözme ve modelleme gibi eleştirel düşünmeye benzeyen süreçlerde yer alabilir, ancak sınırlamaları vardır. Eleştirel düşünme, insan deneyimini, insan içgörüsünü, etik ve ahlaki muhakemeyi gerektirir. Günümüz makinelerinde bunların hiçbiri yok ve süreçleri yalnızca tekrarlayıcıdır.

Öğrencilerin yapay zekaya çok fazla güvenmesinden endişe duyuyorum. Öğrencilere, onları toplumun gelecekteki liderleri olmaya hazırlamaya çalıştığımızı ve liderlik geliştirmenin bir parçası olarak topluma yeni değer katmanın gerektiğini, bunun da insan işi olduğunu hatırlatmalıyız. Yapay zekanın gerçekten iyi bir sistem analizi ve derin eleştirel düşünme yaptığını görmedim. En azından bugün, yapay zekanın yansıtıcı düşünme yeteneğine sahip olabileceğini hayal etmek çok zor geliyor bana. Yapay zekanın sorunlarımızı çözeceğini düşünmemeye dikkat etmeliyiz. İnsanlığın karşılaştığı zorluklar karmaşıktır ve yalnızca insanlar tarafından çözülebilir.

Yapay zekâ, eleştirel düşünmenin çeşitli bileşenleri hakkında farklı düşünmemizi sağlıyor. Örneğin, yapay zekâ analiz ve çıkarım yapmada, ayrıca belirli problem çözme türlerinde yardımcı bir ortak olabilir, ancak değerlendirmede her zaman o kadar başarılı değildir ve yansıtma (henüz) yapay zekâya devredilemez.

Yapay zekanın, hafıza ve olgusal bilgi gibi alt düzey yeteneklerimizin yanı sıra eleştirel düşünme gibi üst düzey yeteneklerimizi de azaltacak şekilde kullanılması kesinlikle mümkündür. Tıpkı adım adım navigasyon sistemlerinin, akıllı telefonlar ve araç tabanlı GPS sistemleri yaygınlaşmadan önce öğrendiğimiz şehirlerin sokaklarına kıyasla, şu anda yaşadığımız şehrin sokaklarını çok daha az ayrıntılı bir şekilde bilmemize yol açması gibi, öğrenme tabanlı öğrenme araçlarının kullanım kolaylığı da bazı zorlu zihinsel becerilerden kaçınmamızı sağlayacak ve öğrencileri bu becerileri geliştirmeye ikna etmek zor olacaktır.

Buradaki kilit nokta, yapay zekayı öğrenmemize ve eleştirel düşünmemize yardımcı olmak için kullanmak ve Amerikan Tarih Derneği'nin yakın tarihli " Tarih Eğitiminde Yapay Zeka İçin Yol Gösterici İlkeler "inde belirtildiği gibi, "bilinçli ve bilinçli yapay zeka okuryazarlığının geliştirilmesini desteklemektir." Bazı eleştirel düşünme becerileri, henüz yapay zekaya devredilemediği için daha değerli hale gelecektir. "Ucuz zekanın" (her zamankinden daha fazla kod, metin ve görüntü) yaygınlaşması, ayırt etme, değerlendirme, yargılama, düşünceli planlama ve yansıtma becerilerinin şimdi her zamankinden daha önemli olduğu anlamına gelir.

Genel kullanıma yönelik dilbilgisi tabanlı öğrenme araçlarının (LLM) eleştirel düşünme becerileri üzerindeki etkileri konusunda çok endişeliyim. Bilişsel çalışma sırasında kullandığımız araçların, bu çalışmayı yapma biçimlerimizi değiştirebileceğini zaten biliyoruz. Örneğin, elle not almanın, klavyeyle not almaya kıyasla daha iyi hatırlama sağladığını ve kelime işlemciler ile e-posta arayüzlerine entegre edilmiş tahminli metin özelliklerinin kelime seçimlerimizi değiştirdiğini biliyoruz. Bu tür eğilimler göz önüne alındığında, LLM'lerin sık ve çok bağlamlı kullanımının, kullanıcıların akıl yürütme görevlerine yaklaşım biçimlerinde gerçek değişikliklere yol açmaması beni şaşırtırdı.

MIT Medya Laboratuvarı'ndan yakın zamanda yapılan çalışma, bunun için en azından bazı ilk kanıtlar sunuyor. Örneğin, bir doktorun alışılmadık bir hastalığı gözden kaçırmadığından emin olmak için teşhiste yapay zekayı kullanması gibi, yapay zekanın belirli alanlarda uzman düzeyinde akıl yürütmeye yardımcı olması konusunda daha az endişeliyim. Ancak sorun şu ki, LLM'lerin herhangi bir konu hakkında düşünmemizi (en azından kısmen) devredebileceğimiz genel akıl yürütücüler olarak etrafında çok fazla abartı var. Teknolojiyi üretenlerin, olanaklarının sınırsız olduğunu ve herkes için harika bir yeni gelecek getireceğini düşünmemizi sağlamaları kendi çıkarlarına. En son teknolojik trende çok fazla umut bağlamadan önce dikkatli olmalıyız.