Согласно отчету Всемирного экономического форума (ВЭФ), новейшие технологии могут сократить 26 млн рабочих мест в течение следующих пяти лет, а 44% профессиональных компетенций перестанут быть актуальными. Эти прогнозы уже подтверждает реальность. Так, в мае 2023 года только в США ИИ стал причиной увольнения 4 тыс. человек. Несмотря на этот тренд, есть когнитивные навыки, которые ИИ пока не умеет автоматизировать. Об этом говорится в исследовании, которое в марте 2023 года опубликовали OpenAI и Пенсильванский университет.
Способность формулировать гипотезы, планировать и проводить эксперименты, собирать и анализировать данные, делать выводы и обобщения — все это относится к научному подходу и доступно только человеку, поскольку предполагает нетривиальное мышление.
Исследователи Мишель Рутенберг и Роберт Рутенберг изучали деятельность выдающихся ученых и изобретателей (Альберта Эйнштейна, Чарльза Дарвина, Нильса Бора, Луиса Пастера) и подтвердили, что креативность играет ключевую роль в научном прогрессе. Ученые используют креативные методы — аналогии, образные представления и интуитивные вспышки, — чтобы прийти к новым идеям и гипотезам. Это позволяет взглянуть на проблемы с новых ракурсов и открывает новые возможности для исследования. ИИ может быть полезным инструментом для анализа данных и предсказания результатов, но заменить человеческую креативность и интуицию пока не может.
Научный подход необходим в профессиях, связанных с биологией, химией, физикой, инженерией и информатикой. Он также играет важную роль в создании инноваций и развитии новых технологий. Кроме этого, научный подход может быть полезным для профессий, требующих аналитических навыков для оценки гипотез, анализа данных и принятия выводов. Предприниматели, маркетологи или продакт-менеджеры постоянно обращаются к этому навыку.
ИИ помогает в анализе данных и выявлении закономерностей, однако у него нет способности к критическому мышлению и интуиции, необходимой для создания гипотез, формулирования вопросов и идей. ИИ может быть эффективным инструментом в научных исследованиях, но не может полностью заменить человеческий научный подход, который базируется на критическом мышлении, креативности и глубоком понимании.
Современная действительность требует гибкого и разумного мышления. Воспринимая информацию как есть, люди рискуют утонуть в море непроверенных и ненадежных данных, делать поспешные выводы и обобщения, путать мнения с фактами, допускать когнитивные искажения.
Благодаря критическому мышлению человек способен адаптироваться к различным контекстам и ситуациям, опираясь на культурные, социальные, исторические и другие факторы. ИИ может испытывать трудности с пониманием и адаптацией к таким сложным контекстам — это ограничивает его способность к критическому мышлению.
Критическое мышление часто включает в себя субъективные и эмоциональные аспекты, которые трудно моделировать с помощью ИИ. Опыт каждого человека неповторим, поэтому в своих действиях он опирается на субъективное восприятие и личный опыт, в то время как языковая модель обрабатывает информацию более механистическим способом.
Умение критически мыслить ценится во многих профессиях. Например, судья должен рассмотреть точки зрения всех участников судопроизводства, а юрист — заметить лазейку в тексте договора и попросить его переделать.
В быту критическое мышление — это банальная сообразительность. Вспомните любой фильм в детективном жанре: главный герой постоянно ставит под сомнение имеющиеся на поверхности теории и находит преступника. Так и любой человек может нестандартно подойти к решению своих ежедневных вызовов.
Согласно базе навыков O*NET, активное обучение (active learning) — это способность осознанно и целенаправленно усваивать новые знания, навыки и опыт, обрабатывать и адаптировать полученную информацию, а также применять ее для решения проблем и выполнения задач. Активное обучение опирается на индивидуальный опыт, эмоции, творчество и интуицию — то, что свойственно человеческому мышлению.
Представьте человека, который играет в шахматы. Когда он сталкивается с тактикой, которую не понимает, то исследует возможные пути — читает книги о шахматах, смотрит обучающие видео, играет в виртуальные игры, практикуется с друзьями. Человек не просто пассивно получает информацию, а старается понять новую стратегию.
Знатоки нейросетей могут возразить, что ИИ также способен к обучению, но будут правы лишь отчасти. Обучение нейросетей базируется на математических алгоритмах и статистических методах, в то время как обучение человека происходит через опыт, взаимодействие и социализацию. Нейросети могут быстро адаптироваться к изменениям в данных, но их обучение ограничено предоставленными данными и алгоритмами. Человек же способен применять свои знания и навыки в различных контекстах и находить творческие решения для новых проблем. Например, умение планировать тренировки к марафону можно экстраполировать на проектирование рабочих задач и наоборот.
Ученые Кентского государственного университета (США, Огайо) проанализировали различные методы обучения и их эффективность. Результаты показали, что такие стратегии, как распределенная практика и самооценка, наиболее эффективны в обучении.
Языковой тьютор может использовать стратегию проблемного обучения — сначала погрузить студента в новую языковую среду, чтобы научить его «выживать» в ней, и только потом переходить к более традиционным методам обучения (грамматике и заучиванию слов). Актер при подготовке к роли может использовать «метод вживания», погружаясь в жизнь своего персонажа, чтобы лучше передать его характер на сцене.
ИИ не способен самостоятельно выбирать и применять различные стратегии обучения в зависимости от контекста или особенностей задачи, как это делает человек. У машины нет гибкого мышления и метакогнитивных способностей. Эти аспекты связаны с глубиной понимания, интуицией и способностью человека адаптироваться к новым и непредсказуемым ситуациям, которые недостижимы для современных алгоритмов ИИ.
Учителя контролируют успеваемость и вовлеченность студентов, адаптируют подходы к обучению и дают обратную связь для достижения лучших результатов. Управляющие бизнесом отслеживают работу сотрудников, анализируют результаты и выявляют риски. Это возможно благодаря мониторингу и самоанализу — способности человека отслеживать и оценивать свою и чужую работу, чтобы внести корректировки и улучшить результаты. Исследования в области нейропсихологии и когнитивной науки подчеркивают важность человеческого участия в процессе мониторинга.
ИИ может быть эффективным инструментом для сбора и анализа данных, а также для автоматизации некоторых аспектов мониторинга. Однако он пока не способен заменить человеческую способность к эмпатии, интуиции и глубокому пониманию ситуаций и мотивов других людей. Эти качества важны для эффективного мониторинга и позволяют принимать более разумные и точные решения. К тому же эмоциональный интеллект и социальные навыки позволяют лучше взаимодействовать с другими людьми и мотивировать их на достижение лучших результатов.
