Καθώς όλο και περισσότεροι επαγγελματίες αρχίζουν να βασίζονται σε εργαλεία τεχνητής νοημοσύνης στην εργασία τους, μήπως οι δεξιότητές τους που αποκτήθηκαν με κόπο ατροφούν;
Αυτή η πιθανότητα αποτελεί αυξανόμενη ανησυχία για τους ειδικούς ιατρούς, τους επιστήμονες υπολογιστών και άλλους εργαζόμενους. Για παράδειγμα, το εβδομήντα τοις εκατό των νοσηλευτών και το 77% των γιατρών ανησυχούν για την απώλεια των δεξιοτήτων τους λόγω της υπερβολικής εξάρτησης από συστήματα τεχνητής νοημοσύνης , σύμφωνα με έρευνα σε εργαζόμενους στον τομέα της υγειονομικής περίθαλψης στις ΗΠΑ που δημοσιεύθηκε νωρίτερα αυτόν τον μήνα 1 .
Ο φόβος τους μπορεί να είναι δικαιολογημένος. Τα στοιχεία δείχνουν ότι η «αποκατάσταση δεξιοτήτων» που προκαλείται από την Τεχνητή Νοημοσύνη αρχίζει να συμβαίνει στην ιατρική, την επιστήμη των υπολογιστών και σε άλλους τομείς. Οι ερευνητές συζητούν τώρα πώς να διατηρήσουν σημαντική ανθρώπινη εμπειρογνωμοσύνη στην εποχή της Τεχνητής Νοημοσύνης.
«Απλώς και μόνο η επίγνωση της ύπαρξης αυτού του φαινομένου ελπίζουμε ότι θα προκαλέσει κάποια αυτοκριτική σχετικά με το ποιες δεξιότητες θέλουν να διατηρήσουν οι άνθρωποι και ποιες είναι διατεθειμένοι να αναθέσουν σε εξωτερικούς συνεργάτες» σε εργαλεία Τεχνητής Νοημοσύνης, λέει ο Kevin Crowston, επιστήμονας πληροφορικής στο Πανεπιστήμιο Syracuse στη Νέα Υόρκη.
Χαλασμένος από την Τεχνητή Νοημοσύνη;
Μια μελέτη2 σε γιατρούς στην Πολωνία που ειδικεύονται στην ενδοσκόπηση —τη χρήση εύκαμπτων ανιχνευτών για την εξέταση του εσωτερικού του ανθρώπινου σώματος— δείχνει πόσο γρήγορα τα εργαλεία τεχνητής νοημοσύνης μπορούν να διαβρώσουν τις ανθρώπινες ικανότητες. Στους γιατρούς, οι οποίοι είχαν πραγματοποιήσει τουλάχιστον 2.000 κολονοσκοπήσεις κατά τη διάρκεια της καριέρας τους, δόθηκε πρόσβαση σε ένα σύστημα τεχνητής νοημοσύνης που αναλύει εικόνες κολονοσκόπησης σε πραγματικό χρόνο και επισημαίνει έναν τύπο προκαρκινικής εντερικής βλάβης που ονομάζεται αδένωμα. Το εργαλείο ήταν διαθέσιμο στους ειδικούς ορισμένες ημέρες, αλλά όχι άλλες.
Μόλις οι γιατροί άρχισαν να το χρησιμοποιούν, η απόδοσή τους μειώθηκε σημαντικά κάθε φορά που το σύστημα δεν ήταν διαθέσιμο. Κατά τη διάρκεια της τρίμηνης περιόδου πριν από την εισαγωγή του εργαλείου τεχνητής νοημοσύνης, οι ειδικοί βρήκαν τουλάχιστον ένα αδένωμα στο 28,4% των κολονοσκοπήσεων. Κατά τη διάρκεια της τρίμηνης περιόδου μετά την εισαγωγή του εργαλείου, το ποσοστό ανίχνευσης αδενωμάτων για κολονοσκοπήσεις που πραγματοποιήθηκαν χωρίς τη βοήθεια τεχνητής νοημοσύνης μειώθηκε στο 22,4%.
Η τεχνητή νοημοσύνη της Google είναι καλύτερη από τους ανθρώπινους γιατρούς στη διάγνωση εξανθημάτων από εικόνες
Τα ευρήματα, που δημοσιεύθηκαν τον περασμένο Οκτώβριο στο The Lancet Gastroenterology and Hepatology , υποδηλώνουν ότι ακόμη και οι επαγγελματίες με υψηλές δεξιότητες ενδέχεται να επιδεινωθούν σε εργασίες που απαιτεί η εργασία τους, καθώς εξαρτώνται περισσότερο από τα εργαλεία τεχνητής νοημοσύνης, λέει ο Robert Wachter, γιατρός στο Πανεπιστήμιο της Καλιφόρνια στο Σαν Φρανσίσκο, ο οποίος είναι συγγραφέας ενός βιβλίου σχετικά με το πώς τα εργαλεία τεχνητής νοημοσύνης μεταμορφώνουν την υγειονομική περίθαλψη. Οι συγγραφείς της μελέτης λένε ότι η συνεχής έκθεση σε τέτοια εργαλεία μπορεί να κάνει τους κλινικούς γιατρούς να γίνουν «λιγότερο κίνητρα, λιγότερο συγκεντρωμένοι και λιγότερο υπεύθυνοι όταν λαμβάνουν γνωστικές αποφάσεις χωρίς τη βοήθεια της τεχνητής νοημοσύνης».
Ο συν-συγγραφέας Yuichi Mori, γιατρός-ερευνητής στο Πανεπιστήμιο του Όσλο, λέει ότι χρειάζονται περισσότερες μελέτες για να επιβεβαιωθεί το φαινόμενο. Ωστόσο, οι άνθρωποι που χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης θα πρέπει να γνωρίζουν ότι κινδυνεύουν να χάσουν ορισμένες από τις δεξιότητές τους, προσθέτει. «Δεν υπάρχει καθιερωμένη λύση κατά της αποειδίκευσης αυτή τη στιγμή. Θα πρέπει να είναι ένα πολύ καυτό ερευνητικό θέμα την επόμενη δεκαετία».
Κανένα μάθημα δεν πάρθηκε
Για να διερευνήσουν εάν χάνονται δεξιότητες στον τομέα της επιστήμης των υπολογιστών, ερευνητές της εταιρείας τεχνητής νοημοσύνης Anthropic στο Σαν Φρανσίσκο της Καλιφόρνια σχεδίασαν μια τυχαιοποιημένη ελεγχόμενη δοκιμή στην οποία ζητήθηκε από 52 μηχανικούς λογισμικού να εκτελέσουν μια βασική εργασία κωδικοποίησης 3 . Κατά τη διάρκεια της άσκησης, και οι 52 συμμετέχοντες μπορούσαν να αναζητήσουν στο διαδίκτυο και να έχουν πρόσβαση σε οδηγίες σχετικά με τον τρόπο εκτέλεσης της εργασίας. Οι μισοί από τους συμμετέχοντες κλήθηκαν να χρησιμοποιήσουν και έναν βοηθό τεχνητής νοημοσύνης.
