باشگاه خبرنگاران جوان؛ جواد فراهانی - تیمی از محققان آمریکایی در یک مقاله تحقیقاتی که در مجله PNAS Nexus آکادمی ملی علوم ایالات متحده منتشر شده است، اظهار داشت: وقتی افراد با استفاده از مدل‌های زبانی بزرگ هوش مصنوعی به دنبال موضوعی می‌گردند، حتی زمانی که حقایق اساسی در نتایج یکسان باشند، خطر کسب دانش سطحی بیشتری نسبت به زمانی که از طریق جست‌و‌جو‌های اینترنتی سنتی یاد می‌گرفتند، دارند.

چت‌بات‌های هوش مصنوعی مانند ChatGBT، Gemini و برنامه‌های مشابه، نحوه نوشتن متون و یافتن اطلاعات توسط دانش‌آموزان را در مدارس و دانشگاه‌ها تغییر داده‌اند. با این حال، محققان شری ملوماد از دانشگاه پنسیلوانیا و جین-هو یون از دانشگاه ایالتی نیومکزیکو استدلال می‌کنند که کاربران چت‌بات خود را از فرصت‌های کشف اطلاعات برای خودشان محروم می‌کنند.

محققان در مقاله تحقیقاتی خود، با استناد به هفت آزمایش آنلاین و آزمایشگاهی، اظهار داشتند: «کسانی که از مدل‌های زبان بزرگ هوش مصنوعی (در مقایسه با لینک‌های وب سنتی) یاد می‌گیرند، کمتر به تدوین توصیه‌های خود اهمیت می‌دهند و مهم‌تر از آن، توصیه‌های کلی‌تر و غیر بدیع‌تری ارائه می‌دهند، بنابراین احتمال پذیرش آنها توسط گیرندگان کمتر است.»

تیم تحقیقاتی توضیح داد: «افرادی که در این مطالعه شرکت داشتند، گزارش دادند که از طریق استفاده از مدل‌های زبان بزرگ، حتی زمانی که نتایج با لینک‌های وب در زمان واقعی بهبود یافته بود، دانش عمیق‌تری کسب کرده‌اند.»

به گفته میلومند و ژان، «در حالی که جست‌و‌جو از طریق مدل‌های زبان بزرگ بدون شک کسب اطلاعات را تسهیل می‌کند» ممکن است همزمان یادگیری را در مقایسه با خواندن مواردی که در موتور‌های جستجوی سنتی ظاهر می‌شوند، تضعیف کند.

این تیم افزود: «یکی از خطرات تکیه بر مدل‌های زبان بزرگ به جای لینک‌های جستجوی وب سنتی این است که ممکن است یادگیری را از یک فعالیت فعال‌تر به یک فعالیت غیرفعال تبدیل کند، که نشان داده شده است که منجر به نتایج یادگیری کمتر مؤثر در محیط‌های دیگر می‌شود.»

منبع: ارم نیوز