// სარჩევი
ამოცანები მეხუთე კლასის დონის იყო: ჩვეულებრივი წილადების შეკრება, გამოკლება, გამრავლება და გაყოფა. მონაწილეები მათ სახლიდან ხსნიდნენ პლატფორმა Prolific-ის მეშვეობით, სადაც ადამიანები კვლევებში მონაწილეობით ჯიბის ფულს შოულობენ, და მთელი მონაწილეობისთვის 2,60 დოლარს იღებდნენ. ნახევარს ეკრანის მარჯვენა მხარეს ხელოვნური ინტელექტის ასისტენტის ჩატის ფანჯარა მიეცა. მეორე ნახევარს — არაფერი. მეთორმეტე ამოცანის შემდეგ ჩატი გაქრა და ორივე ჯგუფს კიდევ სამი ამოცანა დამოუკიდებლად შეხვდა.
ამ სამ ამოცანაზე ასისტენტიან ჯგუფს 57% გადაუჭრია, ასისტენტის გარეშე — 73%. ადამიანები, რომლებსაც დამხმარე წაართვეს, ამოცანებს თითქმის ორჯერ უფრო ხშირადაც თმობდნენ: 20% 11%-ის წინააღმდეგ. ეფექტის გამოსაწვევად ხელოვნურ ინტელექტთან მუშაობის დაახლოებით ათი წუთი საკმარისი აღმოჩნდა. შემდეგმა ექსპერიმენტმა კურიოზული დეტალი გამოავლინა: ყველაზე ცუდად ისინი აღმოჩნდნენ, ვინც ჩატბოტს მზა პასუხებს სთხოვდა. ვინც მინიშნებებს ითხოვდა, შესამჩნევი დანაკარგი არ აღმოჩენილა.
ექსპერიმენტი ჩაატარეს კარნეგი-მელონის უნივერსიტეტის გრეის ლიუმ, კალიფორნიის უნივერსიტეტის ბერკლის ადამიანთან თავსებადი ხელოვნური ინტელექტის ცენტრის (CHAI) წარმომადგენელმა ბრაიან კრისტიანმა, რომელიც ალგორითმებსა და ხელოვნურ ინტელექტზე დაწერილი წიგნებით არის ცნობილი, და ოქსფორდის, MIT-ისა და UCLA-ის კიდევ სამმა მეცნიერმა. პრეპრინტი აპრილში გამოჩნდა, გადასინჯული ვერსია 2026 წლის ოქტომბერს სან-ფრანცისკოში ენობრივი მოდელირების კონფერენციაზე COLM-ზე წარადგინეს, 9 ოქტომბერს კი ბერკლის სიახლეებმა მასზე მასალა გამოაქვეყნა.
თორმეტი ამოცანა დამხმარესთან, სამი — მის გარეშე
ფსიქოლოგები დაჟინებას საკმაოდ მარტივად ზომავენ: რამდენ ხანს განაგრძობს ადამიანი რთულ ამოცანაზე მუშაობას, სანამ ხელს არ ჩაიქნევს. აქ ამას გამოტოვებებით ითვლიდნენ. ნებისმიერი ამოცანის გამოტოვება შეიძლებოდა და ყოველი გამოტოვება ნიშნავდა, რომ ადამიანმა გადაწყვიტა, მასთან არ ებრძოლა. შეცდომის შემდეგ ორივე ჯგუფი სწორ ამოხსნას ხედავდა, ანუ ყველა სწავლობდა. ერთი ჯგუფი უბრალოდ მარტო სწავლობდა, მეორეს კი თანამგზავრი ჰყავდა, რომელსაც ნებისმიერ წამს შეეძლო ყველაფერი მის მაგივრად გაეკეთებინა.
სულ სამ ექსპერიმენტში შეერთებული შტატებიდან 1 222 ადამიანმა მიიღო მონაწილეობა და თითოეული წინა ექსპერიმენტის ხვრელს ავსებდა. იქნებ ადამიანები უბრალოდ იმან დააბნია, რომ ჩატი გაქრა: წამის წინ ფანჯარა იყო, ახლა კი აღარ არის. მეორე ექსპერიმენტში ხელოვნური ინტელექტის გარეშე ჯგუფსაც მიეცა გვერდითი პანელი, რომელიც მონაწილეებისთვის უკვე ნაჩვენები ამოცანების ამოხსნებს აჩვენებდა. სხვაობა შემცირდა, მაგრამ შენარჩუნდა, ხოლო გამოტოვებების სხვაობა ამჯერად სტატისტიკურად მნიშვნელოვანი არ აღმოჩნდა და ავტორები ამას ღიად აღიარებენ.
მესამე ექსპერიმენტმა შეამოწმა, ეს არითმეტიკის თავისებურება ხომ არ არის. მონაწილეები ამერიკული SAT-ის სტილში ტექსტის გააზრების კითხვებს პასუხობდნენ. კანონზომიერება გამეორდა: ხელოვნური ინტელექტის ყოფილი მომხმარებლები კითხვებს შესამჩნევად უფრო ხშირად ტოვებდნენ: 8% 1%-ის წინააღმდეგ.
// ხელოვნური ინტელექტის გარეშე ამოხსნილი ამოცანების წილი: დამხმარეს მოკლებული ჯგუფი და საკონტროლო ჯგუფი
პასუხს ითხოვ თუ მინიშნებას
მეორე ექსპერიმენტში მონაწილეებს ჰკითხეს, როგორ გამოიყენეს ჩატი, და შედეგები მათი პასუხების მიხედვით შეადარეს. ჩატის გამორთვის შემდეგ მათ, ვინც მზა პასუხებს ითხოვდა, ამოცანების 65% ამოხსნეს, საკონტროლო ჯგუფში კი — 77%.
// ჩატის გამოყენების ორი გზა
მომეცი პასუხი
მეორე ექსპერიმენტში ხელოვნური ინტელექტის მქონე მონაწილეთა 61% ასე მუშაობდა. რთულ ნაწილს მანქანა აკეთებდა, ადამიანი კი შედეგს გადაიწერდა. როცა ჩატი გაქრა, სწორედ ამ ადამიანებმა ამოხსნეს ყველაზე ცოტა ამოცანა: 65%.
მაჩვენე, საიდან დავიწყო
ასე მუშაობდა ხელოვნური ინტელექტის მქონე მონაწილეთა 27%. რთულ ნაწილს ადამიანი მარტო გადიოდა, ჩატი კი მხოლოდ მიანიშნებდა. ჩატის გამორთვის შემდეგ ამ ქვეჯგუფში მნიშვნელოვანი დანაკარგი არ აღმოჩენილა.
აქ ავტორები მნიშვნელოვან დათქმას ამატებენ. ადამიანები ჩატის გამოყენების ხერხს თავად ირჩევდნენ, ის შემთხვევითობის პრინციპით არ განაწილებულა. შესაძლოა, ვინც მზა პასუხებს ითხოვს, სწორედ ისინი არიან, ვინც ხელოვნური ინტელექტის გარეშეც უფრო ადრე დანებდებოდა. ამიტომ სტილის მიხედვით დაყოფა კავშირს აჩვენებს და არა დამტკიცებულ მიზეზს. მთავარი შედეგი კი მაინც მიზეზობრივია: ადამიანებმა, რომლებიც შემთხვევით მოხვდნენ ხელოვნური ინტელექტის ჯგუფში, უარესად გაართვეს თავი, როცა ის წაართვეს.
ეს წილადებზე არ არის
„შთამბეჭდავი აღმოჩენაა, მაგრამ გარკვეულწილად ის ბევრ ჩვენგანში გულის სიღრმეში არსებულ განცდას გვაძლევს არგუმენტად“, უთხრა კრისტიანმა ბერკლის სიახლეებს. „მეც ვგრძნობ ამას“. მისი აზრით, ეს ისტორია წილადებსა და SAT-ის ამოცანებზე არ არის: იგივე კანონზომიერება ყველას ეხება, დაწყებითი სკოლის მოსწავლეებიდან დაწყებული მსოფლიოს წამყვანი ექსპერტებით დამთავრებული.
მექანიზმს ავტორები ასე აღწერენ: ხელოვნურ ინტელექტთან მუშაობა ადამიანებს მყისიერი პასუხის მოლოდინს აჩვევს და წართმევს პრაქტიკას, რთული ნაწილი თავად გადალახონ. მარტივად რომ ვთქვათ, ეს ლიფტს ჰგავს. სანამ ის მუშაობს, კიბე არავის სჭირდება. როცა გაფუჭდება, მეხუთე სართული რატომღაც უფრო მაღლა გეჩვენება, ვიდრე ერთი კვირის წინ.
მსგავსი რამ სხვა ექსპერიმენტებშიც გამოჩნდა. 2025 წელს ჟურნალმა PNAS-მა გამოაქვეყნა კვლევა თურქული სკოლიდან, სადაც თითქმის ათასი მოსწავლე GPT-4-ის ორი ვერსიით მათემატიკაზე მუშაობდა. ორივემ ივარჯიშის დროს დაეხმარა. მაგრამ გამოცდაზე, სადაც ხელოვნური ინტელექტი აღარ იყო ხელმისაწვდომი, ჩვეულებრივი ჩატბოტის მომხმარებლებმა 17%-ით დაბალი ქულა მიიღეს, ვიდრე კლასელებმა, რომლებიც მის გარეშე სწავლობდნენ. მათთვის, ვინც მასწავლებლის ვერსიით მუშაობდა, რომელიც პასუხების ნაცვლად მინიშნებებს იძლეოდა, ეს ზიანი თითქმის გაქრა.
2026 წლის იანვარში Anthropic-მა იგივე იდეა პროგრამისტებზე გამოსცადა . 52 დეველოპერმა, უმეტესად ახალბედამ, უცნობი Python-ბიბლიოთეკა შეისწავლა. ვინც ხელოვნური ინტელექტის ასისტენტთან სწავლობდა, მოგვიანებით მის გარეშე ტესტზე 50% მიიღო, დანარჩენებმა — 67%. ყველაზე დიდი სხვაობა გამართვის (debugging) კითხვებზე იყო. და ისევ, უკეთესად ისინი გამოდიოდნენ, ვინც მანქანას კოდის გასაგებად კითხვებს უსვამდა და არა მთელ სამუშაოს ანდობდა.
რას არ ამტკიცებს ათი წუთი
სათაურები, როგორიცაა „ხელოვნური ინტელექტი გვაბრიყვებს“, ეს ექსპერიმენტი არ აჩვენებს. მან ერთი რამ გაზომა: რა ხდება დახმარების გაქრობის შემდეგ პირველ წუთებში. გრძელდება თუ არა ეფექტი ერთ დღეს, თვეს ან ჩატბოტთან ცხოვრების წელიწადს, კვლევას არ შეუმოწმებია და ავტორები ამას შეზღუდვად ასახელებენ.
მონაწილეებისთვის ფსონიც დაბალი იყო. 2,60 დოლარისა და ცამეტი წუთის დროისთვის ცოტა ვინმე იბრძვის ყოველ წილადზე და გამოცდაზე ან სამსახურში მოტივაცია სრულიად სხვაა. ეფექტი შესამჩნევია, მაგრამ არა უზარმაზარი: მეორე ექსპერიმენტში ამოხსნილი ამოცანების სხვაობა ექვს პროცენტულ პუნქტამდე შემცირდა. ხოლო ყველაზე იმედისმომცემი აღმოჩენა, მინიშნებებზე, მცირე ქვეჯგუფს ეყრდნობა. ეს მეორე ექსპერიმენტში ხელოვნური ინტელექტის ჯგუფის 27%-ია, დაახლოებით 80 ადამიანი, და შედეგს ჯერ დადასტურება სჭირდება.
მაინც, სურათი სამ დამოუკიდებელ კვლევაში მეორდება, ძალიან განსხვავებულ ადამიანებზე: თურქეთის მოსწავლეებზე, პროგრამისტებზე, აშშ-ის შემთხვევით მოზრდილებზე. ყველგან ყველაზე ცუდად ისინი აღმოჩნდნენ, ვინც სამუშაოს რთული ნაწილი მთლიანად მანქანას გადააბარა.
მასწავლებელი, რომელიც გადაწერის საშუალებას არ იძლევა
გამოსავალი, რომელსაც კრისტიანი გვთავაზობს, მოკრძალებულად ჟღერს. ნაგულისხმევად ხელოვნური ინტელექტის პასუხები უფრო მასწავლებლის მსგავსად შეიძლება მუშაობდეს: იდეისკენ მიგიძღვებოდეს და არა მზა შედეგს გაწვდიდეს. მიზანს ის ნებისმიერ პარამეტრზე უფრო ფართოდ აყალიბებს: „უნდა ვიმუშაოთ მომავლისთვის, სადაც ადამიანის შესაძლებლობები, რამდენადაც შესაძლებელია, გაძლიერდება და არა ჩანაცვლდება“.
ასეთი რეჟიმები უკვე არსებობს. 2025 წლის 29 ივლისს OpenAI-მა ChatGPT-ში სწავლის რეჟიმი გაუშვა : ის წამყვან კითხვებს სვამს და ამოხსნამდე ნაბიჯ-ნაბიჯ მიგიყვანს. Claude -ს მსგავსი სასწავლო რეჟიმი აქვს. მაგრამ მისი ხელით ჩართვა გჭირდება, ChatGPT-ში კი საუბრის შუაში გამორთვაც შეიძლება. ჩვეულებრივი რეჟიმი კვლავ მყისიერად და სრულად პასუხობს.
ასე რომ, არჩევანი „მომეცი პასუხი“ და „მომეცი მინიშნება“ შორის ადამიანს რჩება და ის ყველაზე უარეს მომენტში დგას, როცა ამოცანა გადაუდებელია. ამ ისტორიაში მინიშნება ლიფტს კი არა, სახელურს ჰგავს: მაინც საკუთარი ფეხებით ადიხარ, ამიტომ დახმარების გაქრობის შემდეგ კიბე უფრო ციცაბო არ მოგეჩვენება.
