// תוכן עניינים
הבעיות היו ברמה של כיתה ה׳: חיבור, חיסור, כפל וחילוק של שברים פשוטים. המשתתפים פתרו אותן מהבית דרך Prolific, פלטפורמה שבה אנשים מרוויחים דמי כיס מהשתתפות במחקרים, ושולמו להם 2.60 דולר על הכול. חצי מהם קיבלו בצד ימין של המסך חלון צ׳אט עם עוזר בינה מלאכותית. החצי השני לא קיבל כלום. אחרי הבעיה השתים עשרה הצ׳אט נעלם, ושתי הקבוצות נותרו לבד מול עוד שלוש בעיות.
בשלוש הבעיות האלה פתרה הקבוצה שהייתה לה עוזרת 57%, והקבוצה בלי עוזרת פתרה 73%. מי שאיבדו את העוזרת גם זנחו בעיות כמעט פי שניים לעתים קרובות יותר: 20% לעומת 11%. כעשר דקות של עבודה עם בינה מלאכותית הספיקו כדי ליצור את ההשפעה. בניסוי הבא התגלתה פרט מסקרן: מי שביקשו מהצ׳אט תשובות מוכנות הרוויחו הכי פחות. בקרב מי שביקשו רמזים לא נמצא הפסד בולט.
את הניסוי ערכו גרייס ליו מאוניברסיטת קרנגי מלון, בריאן כריסטיאן מהמרכז לבינה מלאכותית תואמת אדם (CHAI) בברקלי, הידוע בספריו על אלגוריתמים ובינה מלאכותית, ועוד שלושה מדענים מאוקספורד, MIT ו-UCLA. הטיוטה המוקדמת פורסמה באפריל, גרסה מתוקנת הוצגה באוקטובר 2026 בכנס COLM לדוגמנות שפה בסן פרנסיסקו, וב-9 באוקטובר היא סוקרה ב-Berkeley News .
שתים עשרה בעיות עם עוזרת, שלוש בלעדיה
פסיכולוגים מודדים התמדה בדרך פשוטה למדי: כמה זמן אדם ממשיך לעבוד על בעיה קשה לפני שהוא מרים ידיים. כאן מדדו זאת לפי דילוגים. אפשר היה לדלג על כל בעיה, וכל דילוג פירושו שהאדם החליט לא להיאבק בה. שתי הקבוצות ראו את הפתרון הנכון אחרי טעות, כך שכולם למדו. קבוצה אחת פשוט למדה לבד, ולקבוצה האחרת היה לצדה בן לוויה שיכול היה לעשות הכול במקומה בכל רגע.
בסך הכול השתתפו בשלושה ניסויים 1,222 אנשים מארצות הברית, וכל ניסוי סגר פער בקודם. אולי האנשים התבלבלו פשוט מכך שהצ׳אט נעלם: רגע קודם היה חלון, ועכשיו אין. בניסוי השני קיבלה גם קבוצת הביקורת, זו בלי הבינה המלאכותית, חלונית צד שהציגה פתרונות של בעיות שהמשתתפים כבר ראו. הפער הצטמצם אך נשמר, ואילו ההבדל בדילוגים הפעם לא היה מובהק סטטיסטית, והמחברים אומרים זאת בגלוי.
הניסוי השלישי בדק אם מדובר במשהו ייחודי לחשבון. המשתתפים ענו על שאלות הבנת הנקרא בסגנון מבחן ה-SAT האמריקאי. התבנית נשמרה, ומי שהשתמשו קודם בבינה מלאכותית דילגו על שאלות בתדירות גבוהה בהרבה: 8% לעומת 1%.
// שיעור הבעיות שנפתרו בלי בינה מלאכותית: הקבוצה שאיבדה את העוזרת לעומת קבוצת הביקורת
לבקש תשובה או לבקש רמז
בניסוי השני נשאלו המשתתפים איך השתמשו בצ׳אט, והתוצאות הושוו לפי תשובותיהם. אחרי שהצ׳אט כובה, מי שביקשו תשובות מוכנות פתרו 65% מהבעיות, לעומת 77% בקבוצת הביקורת.
// שתי דרכים להשתמש בצ׳אט
תן לי את התשובה
כך עבדו 61% ממשתתפי הבינה המלאכותית בניסוי השני. המכונה עשתה את החלק הקשה, והאדם העתיק את התוצאה. כשהצ׳אט נעלם, האנשים האלה פתרו הכי מעט בעיות: 65%.
הראה לי מאיפה להתחיל
כך עבדו 27% ממשתתפי הבינה המלאכותית. האדם עבר את החלק הקשה לבד, והצ׳אט רק הדגיש כיוון. בתת־הקבוצה הזאת לא נמצאו הפסדים משמעותיים אחרי כיבוי הצ׳אט.
כאן המחברים מוסיפים הסתייגות חשובה. האנשים בחרו בעצמם איך להשתמש בצ׳אט; זה לא נקבע באקראי. אולי מי שמבקשים תשובות מוכנות הם בדיוק אלה שהיו מוותרים מוקדם יותר גם בלי שום בינה מלאכותית. לכן החלוקה לפי סגנון מראה קשר, לא סיבה מוכחת. התוצאה המרכזית עדיין סיבתית: אנשים ששובצו באקראי לקבוצת הבינה המלאכותית הצליחו פחות כשהיא נלקחה מהם.
זה לא סיפור על שברים
“זה ממצא מרשים, אבל במובן מסוים הוא מספק תחמושת לסיפור שרבים מאיתנו מרגישים בבטן”, אמר כריסטיאן ל-Berkeley News. “גם אני חווה את זה.” לדבריו, זה לא סיפור על שברים ועל בעיות SAT: אותה תבנית חלה על כולם, מתלמידי בית ספר יסודי ועד המומחים המובילים בעולם.
המחברים מתארים את המנגנון כך: עבודה עם בינה מלאכותית מאמנת אנשים לצפות לתשובה מיידית ומשכיחה מהם את התרגול של לפלס דרך לבד בחלק הקשה. בפשטות, זה דומה למעלית. כל עוד היא עובדת, אף אחד לא צריך את המדרגות. כשהיא מתקלקלת, הקומה החמישית פתאום נראית גבוהה מכפי שהייתה לפני שבוע.
דברים דומים הופיעו בניסויים נוספים. ב-2025 פרסם כתב העת PNAS מחקר מבית ספר בטורקיה, שבו כאלף תלמידי תיכון עבדו על מתמטיקה עם שתי גרסאות של GPT-4. שתיהן עזרו בזמן התרגול. אבל במבחן, שבו כבר לא הייתה בינה מלאכותית זמינה, משתמשי הצ׳אט הרגיל השיגו ציון נמוך ב-17% מחבריהם לכיתה שלמדו בלעדיו. אצל מי שעבדו עם גרסת המורה, שנתנה רמזים במקום תשובות, הנזק הזה כמעט נעלם.
בינואר 2026 Anthropic בדקה את אותו רעיון על מתכנתים . 52 מפתחים, רובם זוטרים, למדו ספרייה לא מוכרת של Python. מי שלמדו בעזרת עוזר בינה מלאכותית השיגו אחר כך 50% במבחן בלעדיו, לעומת 67% אצל האחרים. הפער היה הגדול ביותר בשאלות על איתור באגים. ושוב, מי שהצליחו יותר היו אלה ששאלו את המכונה שאלות כדי להבין את הקוד, ולא העבירו לה את כל העבודה.
מה עשר דקות לא מוכיחות
כותרות כמו “בינה מלאכותית הופכת אותנו לטיפשים יותר” אינן מה שהניסוי הזה מראה. הוא מדד דבר אחד: מה קורה בדקות הראשונות אחרי שהעזרה נעלמת. האם ההשפעה נמשכת יום, חודש או שנה של חיים עם צ׳אטבוט, המחקר לא בדק, והמחברים מציינים זאת כמגבלה.
גם הסיכון של המשתתפים היה נמוך. בעבור 2.60 דולר ושלוש עשרה דקות מעטים יילחמו על כל שבר, ובמבחן או בעבודה המוטיבציה שונה לגמרי. ההשפעה ניכרת אך לא ענקית: בניסוי השני ההבדל בבעיות שנפתרו הצטמצם לשש נקודות אחוז. והממצא המעודד ביותר, זה על הרמזים, נשען על תת־קבוצה קטנה. זה 27% מקבוצת הבינה המלאכותית בניסוי השני, בערך 80 אנשים, והתוצאה עדיין דורשת אישוש.
ובכל זאת התמונה חוזרת בשלושה מחקרים עצמאיים עם אנשים שונים מאוד: תלמידים בטורקיה, מתכנתים, מבוגרים אקראיים בארצות הברית. בכל מקום מי שהעבירו את החלק הקשה של העבודה כולו למכונה הצליחו פחות מכולם.
מורה שלא נותן להעתיק
התיקון שכריסטיאן מציע נשמע צנוע. כברירת מחדל, תשובות הבינה המלאכותית יכלו לפעול יותר כמו מורה: להוביל אותך אל הרעיון במקום למסור לך תוצאה מוגמרת. את המטרה הוא מנסח רחב יותר מכל הגדרה: “עלינו לפעול למען עתיד שבו יכולות אנוש מורחבות, עד כמה שאפשר, ולא מוחלפות.”
מצבים כאלה כבר קיימים. ב-29 ביולי 2025 OpenAI השיקה מצב לימוד ב-ChatGPT : הוא שואל שאלות מנחות ומוביל אותך לפתרון צעד אחר צעד. ל-Claude יש מצב למידה דומה. אבל צריך להפעיל אותו ידנית, וב-ChatGPT אפשר לכבות אותו באמצע שיחה. המצב הרגיל עדיין עונה מיד ובמלואו.
כך שהבחירה בין “תן לי תשובה” ל“תן לי רמז” נופלת על האדם, ובדיוק ברגע הגרוע ביותר, כשהבעיה דחופה. בסיפור הזה רמז פועל כמו מעקה ולא כמו מעלית: אתה עדיין מטפס ברגליים שלך, ולכן המדרגות לא ייראו תלולות יותר אחרי שהעזרה תיעלם.
