Nesustabdomas dirbtinio intelekto plitimas keičia mūsų darbo, mokymosi ir sprendimų priėmimo būdus. Vis dažniau ataskaitų rašymas deleguojamas pokalbių robotui, leidžiama asistentui generuoti programos kodą arba patikėti algoritmui sudėtingų dokumentų sintezę. Šis kasdienis gestas... Tegul mašina galvoja už mus Pradeda pasireikšti sąnaudoms, kurias mokslas pradeda tiksliau matuoti.
Tai, kas iki šiol buvo laikoma paprastu laiko taupymo būdu, dabar tampa esminiu mūsų mąstymo būdo pokyčiu. Naujausi tyrimai Europa, Jungtinės Valstijos ir Lotynų Amerika Abu jie nurodo tą patį reiškinį: kai smegenys pripranta prie dirbtinio intelekto sprendžiamų problemų, sumažėja aktyvumas atminties, kūrybiškumo ir kritinio mąstymo srityse. Ir šis sumažėjimas, jei jis tęsis, gali sukurti naują socialinę atskirtį tarp tų, kurie naudoja dirbtinį intelektą kaip nuolatinį atramos tašką, ir tų, kurie jį integruoja kaip įrankį savo pačių sprendimams pagrįsti.
Naujas skirtumas: mąstymo delegavimas ir jo įgalinimas naudojant dirbtinį intelektą
Mokslininko vadovaujama Possibility instituto tyrėjų grupė Vivienne MingTai apibūdina nerimą keliantį pokytį automatizavimo amžiuje: dirbtinis intelektas toli gražu nesulygina visų galimybių, o didina atotrūkį tarp žmonių ir regionų. Svarbu ne tiek tai, kas turi prieigą prie technologijos, kiek tai... kaip kiekvienas žmogus jį naudoja.
Remiantis šiuo tyrimu, dauguma vartotojų renkasi pasyvų požiūrį: jie pateikia užklausą ir priima kalbos modelio sugeneruotą atsakymą kaip galutinį sprendimą, jo nekvestionuodami ir neperdirbdami. Toks modelis duoda teisingus, bet standartizuotus rezultatus, praktiškai identiškus visiems, užduodantiems panašų klausimą. Kai visi gauna tą patį atsakymą, skirtumas išnyksta.ypač konkurencingoje darbo aplinkoje.
Priešingoje pusėje yra mažuma, kuri DI naudoja strategiškai, pavyzdžiui jo samprotavimo pratęsimasŠi grupė neperduoda visos užduoties; vietoj to, ji naudoja technologijas hipotezėms tikrinti, dideliems duomenų kiekiams sintetinti arba savo idėjoms toliau tikrinti. Mąstymo procesas išlieka žmogus, o mašina veikia kaip bendradarbis, suteikdama perspektyvą ir greitį.
Šio skirtumo ekonominis poveikis jau jaučiamas. Duomenys iš Pasaulinis dirbtinio intelekto darbo vietų barometras „PwC“ ataskaitos rodo, kad įmonės moka iki 56 % daugiau specialistams, gebantiems integruoti dirbtinį intelektą į savo darbą pažangiu lygiu, palyginti su tais, kurie jį naudoja tik greitam tekstų, ataskaitų ar kodo kūrimui be kritinės priežiūros. Sektoriuose, kuriuose didelis automatizavimo poreikis, didžiausi atlyginimai didėja tose pareigose, kuriose derinamas sveikas žmogaus sprendimas ir šių įrankių įvaldymas.
Kognityvinė atrofija ir savo paties sprendimo „atsiskyrimas“
Vienas iš pagrindinių mokslo bendruomenės rūpesčių yra šios masinės minčių delegacijos poveikis smegenų funkcijaNaujausi tyrimai, kuriuos cituoja BBC Mundo, pateikia keletą nerimą keliančių užuominų: kai rašymas ar problemų sprendimas paliekamas pokalbių robotui, neuronų aktyvumas smarkiai sumažėja, palyginti su tais, kurie tą pačią užduotį atlieka be technologinės pagalbos.
Tyrėjas Natalija KosminaMIT žiniasklaidos laboratorijos tyrėjai atliko eksperimentą su 54 studentais, suskirstytais į tris grupes: viena dirbo su „ChatGPT“, kita naudojo įprastą paieškos sistemą be automatinių santraukų, o trečia rašinius ruošė be jokios skaitmeninės pagalbos. Rašydami jie stebėjo jų smegenų bangas, kad būtų galima nustatyti, kurios smegenų sritys buvo aktyvuotos ir kokiu intensyvumu.
Preliminarūs rezultatai rodo, kad grupė, kuri nenaudojo technologijų, demonstravo platų smegenų aktyvumo modelį, ypač srityse, susijusiose su kūrybiškumu ir sudėtingu informacijos apdorojimu. Kita vertus, tie, kurie naudojosi pokalbių robotu, užsiregistravo iki 55 % sumažėjęs aktyvavimasSmegenys neužsivėrė, bet dirbo daug mažiau reikliai, tarsi nemaža dalis intelektualinių pastangų būtų perduota kitiems.
Poveikis neapsiribojo vien rašymo procesu. Prisimindami savo tekstų turinį, studentai, kurie naudojosi dirbtiniu intelektu, sunkiau citavo savo idėjas ir dažniau išreiškė jausmą, kad darbas „ne jų“. Šis subjektyvus atsiribojimas yra susijęs su tuo, kas vadinama kognityviniu atsiribojimu. kognityvinis atsikratymasKuo daugiau užduočių deleguojame išorinėms sistemoms – anksčiau kalendoriams ar paieškos sistemoms, dabar generatyviniams modeliams, – tuo mažiau informacijos kaupiame savo atmintyje.
Šį susirūpinimą sustiprina Pensilvanijos universiteto ir kitų centrų tyrimai, kuriuose atvirai kalbama apie „kognityvinis pasidavimas“Daugelis vartotojų priima dirbtinio intelekto atsakymus su menka kritine analize, net jei jie prieštarauja jų pačių vertinimui. Jautriose srityse, tokiose kaip medicina, užfiksuota ryškių atvejų. BBC Mundo cituojamas daugiašalis tyrimas pastebėjo, kad specialistai, kurie kelis mėnesius naudojo dirbtinio intelekto įrankius gaubtinės žarnos vėžiui aptikti... vėliau jie išsiugdė blogesnius gebėjimus savarankiškai nustatyti navikus, kai buvo nutraukta technologinė pagalba.
Minties „trisistema“: greitos smegenys, lėtos smegenys... ir mašina
Kognityvinė psichologija jau turėjo žinomą sistemą, kurią išpopuliarino Danielius Kahnemanaskuri skiria greitą, intuityvią ir patirtimi pagrįstą sistemą nuo lėtos, analitinės ir brangesnės pastangų atžvilgiu. Tačiau dirbtinio intelekto pažanga skatina kai kuriuos tyrėjus siūlyti atnaujinimą: a trečioji mąstymo sistema sudaryta iš technologijų, iš kurių vis dažniau priimame sprendimus ir samprotaujame.
Šiame kontekste komunikatorius ir analitikas Fabiánas Bergero išpopuliarino mąstymo „trisistemos“ idėją: prie intuityvios ir racionalios sistemų dabar pridedamas dirbtinis intelektas kaip trečiasis veikėjas, kuris įsikiša į problemų sprendimą. Pagal jo požiūrį, subtilus klausimas yra ne šio naujo komponento egzistavimas, o tai, kaip mes su juo bendraujame.
Kai užuot naudoję dirbtinį intelektą kaip kontrastingą įrankį, pereiname prie suteikti jam viso proceso kontrolęĮvyksta aiškus reiškinys: nustojame lavinti atmintį, analizę ir savo pačių sprendimus. Bergero čia dar kartą grįžta prie „kognityvinio pasidavimo“ sąvokos, apibūdindamas akimirką, kai, beveik to nesuvokdami, nustojame filtruoti tai, ką anksčiau būtume galvoję, vertinę ar asmeniškai prisiminę.
Šis pokytis turi rimtų pasekmių: intelektinės autonomijos praradimasMes pasikliaujame neskaidriomis sistemomis, aprūpintomis nežinomais duomenimis ir potencialiai šališka, sunkiai atsekama informacija. Jei šį neskaidrumą dar labiau apsunkina nekritiškas naudotojo požiūris, sumažėja galimybė aptikti klaidas, šališkumą ar manipuliacijas, kartu sumažinant ir galimybę ištaisyti kursą.
Keletas ekspertų sutinka, kad atsižvelgiant į šį scenarijų, svarbiausia yra labiau nei bet kada stiprinti žmogaus intelektą: puoselėti pagrįstas abejones, palaikyti įprotį formuluoti sudėtingus klausimus ir traktuokite DI atsakymus kaip darbinė hipotezė, o ne kaip galutines tiesas.
Švietimas ir kritinis mąstymas: protinių pastangų perdavimas išorės tiekėjams
Diskusijos apie mąstymo delegavimą dirbtiniam intelektui ypač intensyvios švietimo srityje, ypač klasėse, kur empatija ir technologijos Jie egzistuoja kartu. Mokytojai ir švietimo specialistai susiduria su iššūkiu mokyti aplinkoje, kurioje parašyti esė, išspręsti matematikos uždavinį ar santrauką knygai galima per kelias sekundes naudojant pokalbių robotą. Esminis klausimas – kas nutinka su... kognityviniai įgūdžiai, kuriuos mokykla turėtų ugdyti jei dalis pastangų yra sistemingai perduodama išoriniams rangovams.
Akademinis Karolina LeppeO'Higginso universiteto tyrėjas aiškina, kad įvairūs tyrimai rodo panašų modelį, kaip ir stebimas neurologijos laboratorijose: kai studentai naudoja dirbtinį intelektą užduotims atlikti nesuprasdami pagrindinio proceso, aktyvuojama mažiau smegenų jungčių nei tada, kai jie kuria turinį savarankiškai. Laikui bėgant, šis „nenaudojimas“ gali susilpninti tokius gebėjimus kaip kūrybiškumas, analizė ir savarankiškas problemų sprendimas.
Praktiškai tai reiškia situacijas, kurios mokytojams yra labai pažįstamos. Neretai pasitaiko studentų, kurie pateikia puikiai parašytas ataskaitas, bet negali garsiai paaiškinti pagrindinių sąvokų, kurias jie tariamai studijavo. Šis atotrūkis tarp galutinio produkto ir... tikri įgūdžiai Tai verčia permąstyti vertinimo ir mokymo strategijas.
Leppe pabrėžia, kad tikslas neturėtų būti uždrausti dirbtinį intelektą, o integruoti jį į aiškias taisykles, kurios skatintų jo naudojimą. strateginis ir kritinisPavyzdžiui, leisti studentams naudoti šias priemones pradinėms idėjoms gauti arba teksto struktūrai peržiūrėti, tačiau reikalaujant, kad pagrindinis turinys būtų plėtojamas be automatizavimo, kartu pateikiant žodinius paaiškinimus arba gyvai ginamus darbus.
Šia prasme mokytojas tvirtina, kad ugdomasis darbas apima intelektualinio savarankiškumo stiprinimą: pagalbą jauniems žmonėms formuluoti klausimus, lyginti šaltinius ir suprasti, kad automatiškai sugeneruotas atsakymas gali būti naudingas, tačiau tai nepakeičia supratimo, diskusijos ir žinių prasmės suteikimo proceso. Tai taip pat reiškia darbą su... etinis ir deontologinis aspektas dirbtinio intelekto, kad studentai žinotų apie su jo naudojimu susijusią atsakomybę.
Neuromokslas ir „kognityvinė skola“: kas prarandama, kai dirbtinis intelektas atlieka sunkų darbą
Naujausi neurologijos tyrimai rodo idėją, kuri pradeda įgauti pagreitį: „kognityvinė skola“Lygiai taip pat, kaip programinės įrangos pasaulyje kalbame apie techninę skolą, kai greitis yra svarbesnis už kokybę, o problemos kaupiasi vėlesniam laikui, tyrėjai šį terminą vartoja apibūdindami bendras sudėtingų protinių užduočių delegavimo dirbtiniam intelektui išlaidas.
Tokių subjektų kaip Ispanijos karališkoji nacionalinė medicinos akademija ataskaitose įspėjama, kad pernelyg didelis generatyvinių sistemų naudojimas rašant el. laiškus, rengiant dokumentus ar santraukas sumažina neurologinį krūvį dalyvauja įsiminime ir kritiniame mąstyme. Trumpuoju laikotarpiu užduotys atliekamos greičiau; vidutinės trukmės ir ilguoju laikotarpiu smegenų grandinės, dalyvaujančios šiose funkcijose, gali prarasti efektyvumą, lygiai taip pat, kaip raumuo susilpnėja, kai jis nebenaudojamas.
2025 m. atliktuose elektroencefalogramos (EEG) tyrimuose buvo lyginamos dvi dalyvių grupės: viena, kuri rašė naudodama dirbtinio intelekto įrankius, o kita – užduotį atlikdama tik ranka. Dirbtinio intelekto padedama grupė pasiekė greitesnių rezultatų, tačiau pasižymėjo prastesniais rezultatais. sumažėjęs neuronų ryšys dažnių diapazonuose, susijusiuose su kūrybiškumu ir vykdomąja kontrole. Be to, tai parodė mažesnį pasitenkinimą darbu ir labiau išsklaidytą ryšį su teksto autoryste.
Tokie ekspertai kaip neuropsichologė María de la Paz Scribano aiškina, kad pasyviai naudojamas dirbtinis intelektas linkęs homogenizuoti kalbą Tai gali susilpninti smegenų kelius, susijusius su originalių idėjų generavimu. Tačiau, kai naudojamas vadovaujantis principais – pavyzdžiui, teikiant pasiūlymus, kuriuos vartotojas vėliau kritiškai rekonstruoja, – tai gali veikti kaip atrama, praplečianti minties horizontą nepakeičiant vidinio apdorojimo.
Kai kuriuose išilginiuose tyrimuose jau nagrinėjamas galimas ilgalaikis poveikis. Tolesniame tyrime, kuriam vadovavo Kosmynos komanda, praėjus keliems mėnesiams po darbo su dirbtiniu intelektu, studentai, kurie labai rėmėsi šiuo įrankiu, parodė mažesnis neuronų ryšys kai vėl susiduriama su panašiomis užduotimis be technologinės pagalbos. Nors tyrimai tebevyksta ir neleidžia daryti galutinių išvadų, jie sustiprina hipotezę, kad įprotis sistemingai deleguoti dalį protinių pastangų palieka pėdsaką smegenų organizacijoje.
Inžinieriai ir kūrėjai: tariamas produktyvumas ir reali konkurencija
Greičio ir supratimo įtampa ypač akivaizdi šioje srityje. Programinės įrangos inžinerijaTai vienas iš sektorių, kuriame dirbtinis intelektas žengia stipriausiai. Apskaičiuota, kad iki 2028 m. apie 90 % įmonių programinės įrangos inžinierių naudosis generatyviniais kodo asistentais, palyginti su vis dar mažu procentu 2024 m. pradžioje.
Technologijų įmonėms ir startuoliams tai yra dviašmenis kardas. Viena vertus, programavimo asistentai leidžia kūrėjams per kelias minutes sugeneruoti tūkstančius kodo eilučių, automatizuoti testavimą ir paspartinti kūrimą. Kita vertus, kyla pavojus, kad tai ypač aktualu jaunesniems kūrėjams. supainioti greitį su tikra kontrolepasikliauti įrankiu iki galo nesuprantant, ką kodas daro, kodėl jis veikia ar kaip jis gali sugesti ekstremaliomis sąlygomis.
Įvairios analizės rodo, kad DI veikia kaip esamo sutrikimo daugiklisJei komandai trūksta tvirtų architektūrinių kriterijų ir aiškios geriausios praktikos, automatizavimas tiesiog paspartina chaosą: generuojama daugiau kodo, bet kartu ir daugiau techninės skolos, daugiau gedimų taškų ir daugiau neaiškių priklausomybių. Pavyzdžiui, „Gartner“ prognozavo labai reikšmingą su generatyvinėmis dirbtinio intelekto sistemomis susijusių defektų padidėjimą ateinančiais metais.
Šis scenarijus sukuria naujo tipo priklausomybę: kai kodo asistentas nepasiūlo tiesioginio sprendimo, kai kurie inžinieriai įstringa, neturėdami reikiamo konceptualaus pagrindo, kad galėtų rekonstruoti problemą remiantis jos pagrindiniais principais. Tokiais atvejais dirbtinis intelektas ne tik neišplečia galimybių, bet netgi joms trukdo. silpnėjanes tai neleidžia specialistui pereiti mokymosi proceso, kuris leistų jam be ramentų susidurti su būsimais iššūkiais.
Paradoksalu, bet viena iš sričių, kurioje dirbtinis intelektas iš tiesų užtikrina aiškų pagerėjimą, yra automatizuotas testavimasTestų generavimas vadovaujasi aiškiai apibrėžtomis ir pasikartojančiomis taisyklėmis, todėl automatizavimas yra labai efektyvus, nepažeidžiant pagrindinio kritinio projekto samprotavimo. Šis skirtumas aiškiai iliustruoja ribą tarp užduočių, kurias prasminga deleguoti mašinai, ir užduočių, kurias geriau atlikti išlaikant žmogaus iniciatyvą.
Įkūrėjai ir techniniai lyderiai: dirbtinio intelekto valdymas neatsisakant savo nuožiūros
Tiems, kurie vadovauja startuoliams ar techninėms komandoms, klausimas, kaip deleguoti mąstymą dirbtiniam intelektui, nėra teorinė diskusija, o operacinė rizikaŠių įrankių naudojimo struktūra gali lemti, ar įmonė plečiasi ant tvirto pagrindo, ar sparčiai artėja prie sunkiai ištaisomos techninės ir pažintinės skolos.
Įvairūs ekspertai rekomenduoja nuo pat pradžių nustatyti aiškus valdymas Kalbant apie dirbtinį intelektą: apibrėžti, kokio tipo kodą galima generuoti be žmogaus peržiūros, kuriems komponentams reikalingas projektas, kuriam visiškai vadovauja inžinieriai, kaip dokumentuojamas mašinos siūlomas turinys ir kas prisiima galutinę atsakomybę už kokybę. Jie pabrėžia, kad atsakymas į pastarąjį klausimą visada turėtų būti žmogus, o ne įrankis.
Dar viena svarbi rekomendacija – pirmiausia investuoti į architektūra ir kontekstasKuo geriau apibrėžti projektavimo principai, apribojimai ir verslo tikslai, tuo naudingesnis bus dirbtinis intelektas vadovų užduotims. Be tokios sistemos generatyviniai asistentai gali kurti sprendimus, kurie, nors ir trumpuoju laikotarpiu funkcionalūs, nukrypsta nuo strateginės krypties arba įneša nereikalingo sudėtingumo.
Jaunesniojo inžinieriaus vaidmuo taip pat keičiasi. Užuot vien tik susitelkę į kodo rašymą, jie vis dažniau prašomi kurti audito įgūdžiaiGebėjimas peržiūrėti, patvirtinti ir kvestionuoti dirbtinio intelekto pasiūlymus, aptikti galimas subtilias klaidas ar probleminius architektūrinius sprendimus. Atrankos procesuose tai reiškia, kad vertinamas ne tik programavimo greitis, bet ir techninio samprotavimo kokybė bei gebėjimas argumentuoti, kodėl vienas sprendimas yra geresnis už kitą.
Techniniai lyderiai, savo ruožtu, susiduria su kultūriniu iššūkiu: kurti komandas, kurios vertintų gilų supratimą, o ne tik akivaizdų produktyvumą. Tai reiškia skirti laiko išsamioms kodo peržiūroms, diskusijoms apie tam tikrų sprendimų motyvaciją ir mažiau patyrusiems nariams praktikuotis nesiremiant automatizuotais sparčiaisiais klavišais. Galiausiai dirbtinis intelektas (DI) bus linkęs išstumti tuos, kurie nemoka ja naudotis protingai, o ne tuos, kurie ją apgalvotai integruoja į savo darbą.
Kasdienis dirbtinio intelekto naudojimas: nuo stiprinamojo veidrodžio iki pastangų pakaitalo
Be techninių ar akademinių aspektų, dirbtinio intelekto poveikis mūsų mąstymui persmelkia kasdienį gyvenimą: nuo to, ar kas nors prašo pokalbių roboto parengti sudėtingą el. laišką, ar patiki jam kelionės organizavimą, studijų planavimą ar asmeninių sprendimų priėmimą. Visais šiais atvejais įrankis veikia kaip veidrodis, kuris pertvarko mintisbet ir kaip filtras, galintis pernelyg supaprastinti pasaulio sudėtingumą.
Svarbu prisiminti, kad dirbtinis intelektas, kokį jį žinome šiandien, nemąsto kaip žmogus. Jis neturi jokios patirties, sąmonės ir vidinio dialogo. Jis apdoroja milžiniškus informacijos kiekius, randa darnos modelius ir generuoja atsakymus, kurie statistiškai atitinka tai, ko jam buvo prašoma. Jo tariamas „originalumas“ yra sudėtingų jau egzistuojančių medžiagų derinių rezultatas.
Tai nesumenkina įrankio naudingumo, tačiau reikalauja būti atsargiems dėl iliuzijos, kad kitoje ekrano pusėje egzistuoja intelektas, palyginamas su žmogaus intelektu. Tai, ką mes laikome kriterijumi, daugiausia yra formalus nuoseklumas.Štai kodėl dirbtinis intelektas gali rašyti kaip poetas, ginčytis kaip akademikas arba reaguoti taip, lyg žinotų mūsų konkrečią situaciją, kai iš tikrųjų jis pertvarko milijonų žmonių žodinius pėdsakus.
Praktiškai jo gebėjimas greitai ir su akivaizdžiu užtikrintumu reaguoti sustiprina tiek geriausius, tiek blogiausius jo naudojimo aspektus. Griežtose rankose jis padeda įžvelgti naujus kampus, paaiškinti argumentus ar išsklaidyti išsklaidytą informaciją. Nerūpestingose rankose... gali paspartinti paviršutiniškumą, dezinformacija arba priklausomybė nuo iš anksto paruoštų sprendimų, kuriais vos abejojame.
Šis ambivalentiškumas galiausiai perkelia atsakomybę vartotojui. Lengvas atsakymo gavimas nebegarantuoja išmokimo; iš tikrųjų jis gali užmaskuoti labai prastą supratimą, jei jo nelydi palyginimas, apmąstymas ir patikrinimas. Užduotis yra ne tiek užduoti daugiau klausimų, kiek paklausk geriau ir skirti laiko apmąstymams, ką daryti su atsakymais.
Produktyvumas, profesinė sėkmė ir rizika išsekti „protiniams raumenims“
Europos ir pasaulio darbo rinkoje idėja, kad tie, kurie nenaudoja dirbtinio intelekto, neišvengiamai atsiliks, tapo įprasta mantra. Tačiau įvairūs balsai perspėja, kad šis teiginys, suprantamas pažodžiui, gali būti toks pat klaidinantis, kaip ir jo priešingybė. Tikroji kliūtis yra ne dirbtinio intelekto naudojimas ar nenaudojimas, o... kokie įgūdžiai aukojami sistemingai deleguojant kognityvines užduotis šioms priemonėms.
Kai kurie verslininkai ir analitikai jau kalba apie „įkūrėjus su kognityvine skola“: specialistus, kurie taip stipriai remiasi generatyviniais modeliais rašydami pasiūlymus, kurdami pristatymus ar apibrėždami strategijas, kad laikui bėgant praranda gebėjimą tai daryti savarankiškai. Šis praradimas nepastebimas per naktį; jis tampa akivaizdus, kai jiems tenka improvizuoti susitikime, atsakyti į netikėtą klausimą arba priimti sprendimus esant spaudimui, neturint tiesioginės prieigos prie technologijų.
Šioje srityje neurologijos mokslas ir praktinė patirtis sutaria ties keliomis paprastomis rekomendacijomis. Viena iš jų – užsisakyti Erdvės be dirbtinio intelekto Tam tikroms svarbioms užduotims, tokioms kaip projekto vizijos apibrėžimas ar sudėtingos problemos analizė, įrankis gali būti naudojamas tik antrame etape, kaip pagalbinė priemonė esamoms idėjoms peržiūrėti ar išplėsti. Kitas būdas – apriboti jo naudojimą tose srityse, kur autentiškumas ir asmeninis balsas yra būtini, pavyzdžiui, svarbiuose bendravimo su komanda ar investuotojais metu.
Taip pat siūloma atkreipti dėmesį į priklausomybės požymius: jei žmogus jaučia, kad negali parašyti teksto, struktūrizuoti argumento ar užprogramuoti pagrindinės funkcijos neatidaręs vedlio, jis gali būti išsiugdęs priklausomybę. „psichikos raumenų“ silpnumas Verta dirbti su šiais įpročiais. Įpročio rašyti ranka, ramiai skaityti ar spręsti problemas be skaitmeninių nuorodų susigrąžinimas išlieka veiksmingas būdas išlaikyti aktyvius neuroninius tinklus, dalyvaujančius gilioje koncentracijoje.
Tokiose situacijose kaip Ispanija ir kitos Europos šalys, kur labai skaitmenintos įmonės egzistuoja kartu su MVĮ ir mažiau automatizuotais sektoriais, ši įtampa tampa ypač akivaizdi. Profiliai, kuriuose derinami technologiniai įgūdžiai su gerai išlavintas savarankiškas mąstymas Jie yra tie, kurie randa geresnes pozicijas, o tie, kurie tiesiog pateikia dirbtinio intelekto sugeneruotus rezultatus be jokių kriterijų, mato, kad jų išskirtinė vertė mažėja.
Tyrimų ir sukauptos patirties nupieštas vaizdas yra sudėtingas, tačiau jis rodo aiškią kryptį: dirbtinis intelektas tapo pagrindiniu mūsų mąstymo procesų dalyviu, ir tai, kaip mes nusprendžiame jam deleguoti ar nedeleguoti, nulems tiek mūsų kognityvinį vystymąsi, tiek profesines galimybes. Nepaisant visų technologinių pasiekimų, pastangos mąstyti, klausinėti ir suprasti savarankiškai išlieka geriausiu priešnuodžiu nuo rizikos perleisti per daug vietos mašinai.
