// Saturs
Uzdevumi bija piektās klases līmenī: saskaitīt, atņemt, reizināt un dalīt parastas daļas. Dalībnieki tos risināja no mājām caur Prolific, platformu, kur cilvēki pelna kabatas naudu, piedaloties pētījumos, un par visu darbu saņēma 2,60 dolāru. Pusei ekrāna labajā pusē parādījās tērzēšanas logs ar MI asistentu. Otrai pusei nebija nekā. Pēc divpadsmitā uzdevuma tērzēšana pazuda, un abām grupām vēl bija jāatrisina trīs uzdevumi pašām.
Šajos trijos uzdevumos grupa, kurai bija asistents, atrisināja 57%, bet grupa bez tā 73%. Cilvēki, kas zaudēja palīgu, arī uzdevumus pameta gandrīz divreiz biežāk: 20% pret 11%. Efektam pietika ar apmēram desmit minūšu darba ar MI. Nākamais eksperiments atklāja ziņkārīgu niansi: sliktāk gāja tiem, kas no tērzētavas prasīja gatavas atbildes. Starp tiem, kas prasīja norādes, manāmi zaudējumi netika konstatēti.
Eksperimentu veica Greisa Liu no Kārnegi Melonas universitātes, Braiens Kristiāns no Cilvēkam draudzīga MI centra (CHAI) Kalifornijas Universitātē Bērklijā, kas pazīstams ar grāmatām par algoritmiem un MI, un vēl trīs zinātnieki no Oksfordas, MIT un UCLA. Pirmpublikācija parādījās aprīlī, pārstrādāta versija 2026. gada oktobrī tika prezentēta COLM, Valodu modelēšanas konferencē Sanfrancisko, un 9. oktobrī par to rakstīja Berkeley News .
Divpadsmit uzdevumi ar palīgu, trīs bez tā
Psihologi neatlaidību mēra visai vienkārši: cik ilgi cilvēks turpina strādāt pie grūta uzdevuma, pirms padodas. Šeit to skaitīja pēc izlaidumiem. Jebkuru uzdevumu varēja izlaist, un katrs izlaidums nozīmēja, ka cilvēks nolēma ar to necīnīties. Abas grupas pēc kļūdas redzēja pareizo risinājumu, tāpēc mācījās visi. Viena grupa mācījās viena, bet otrai blakus bija pavadonis, kas jebkurā brīdī varēja visu izdarīt viņu vietā.
Kopumā trijos eksperimentos piedalījās 1222 cilvēki no ASV, un katrs eksperiments aizpildīja iepriekšējā robu. Varbūt cilvēkus samulsināja vienkārši tas, ka tērzētava pazuda: logs tikko bija, un tagad tā nav. Otrajā eksperimentā grupa bez MI arī saņēma sānu paneli, kurā bija redzami risinājumi uzdevumiem, ko dalībnieki jau bija redzējuši. Plaisa samazinājās, bet saglabājās, savukārt izlaidumu starpība šoreiz nebija statistiski būtiska, un autori to atklāti atzīst.
Trešais eksperiments pārbaudīja, vai tā nav aritmētikas īpatnība. Dalībnieki atbildēja uz lasīšanas izpratnes jautājumiem Amerikas SAT stilā. Likumsakarība saglabājās: bijušie MI lietotāji jautājumus izlaida manāmi biežāk, 8% pret 1%.
// Bez MI atrisināto uzdevumu daļa: grupa, kas zaudēja palīgu, pret kontroles grupu
Prasīt atbildi vai norādi
Otrajā eksperimentā dalībniekiem jautāja, kā viņi izmantojuši tērzētavu, un rezultātus salīdzināja pēc viņu atbildēm. Pēc tērzēšanas izslēgšanas tie, kas bija prasījuši gatavas atbildes, atrisināja 65% uzdevumu pret 77% kontroles grupā.
// Divi veidi, kā lietot tērzētavu
Dod man atbildi
Tā otrajā eksperimentā strādāja 61% MI grupas dalībnieku. Mašīna paveica grūto daļu, bet cilvēks pārrakstīja rezultātu. Kad tērzētava pazuda, šie cilvēki atrisināja vismazāk uzdevumu: 65%.
Parādi, ar ko sākt
Tā strādāja 27% MI grupas dalībnieku. Cilvēks grūto daļu izgāja pats, bet tērzētava tikai pastūma. Pēc tērzēšanas izslēgšanas šajā apakšgrupā būtiski zaudējumi netika atrasti.
Šeit autori piebilst svarīgu atrunu. Cilvēki paši izvēlējās, kā lietot tērzētavu; tas netika piešķirts nejauši. Iespējams, tie, kas prasa gatavas atbildes, būtu padevušies ātrāk arī bez jebkāda MI. Tāpēc sadalījums pēc stila rāda sakarību, nevis pierādītu cēloni. Galvenais rezultāts tomēr ir cēloņsakarīgs: cilvēki, kas nejauši iedalīti MI grupā, pēc palīga atņemšanas darbojās sliktāk.
Tas nav stāsts par daļām
„Tas ir pārsteidzošs atklājums, taču zināmā ziņā tas dod argumentus stāstam, ko daudzi no mums it kā jūtam vēderā,” Kristiāns teica Berkeley News. „Es to piedzīvoju arī pats.” Viņaprāt, tas nav stāsts par daļām un SAT uzdevumiem: tā pati likumsakarība attiecas uz visiem, sākot ar sākumskolas skolēniem un beidzot ar pasaules vadošajiem ekspertiem.
Autori mehānismu apraksta šādi: darbs ar MI apmāca cilvēkus gaidīt tūlītēju atbildi un atņem praksi grūto daļu izturēt pašam. Vienkārši sakot, tas atgādina liftu. Kamēr tas darbojas, kāpnes nevienam nav vajadzīgas. Kad tas salūzt, piektais stāvs kaut kā šķiet augstāks nekā pirms nedēļas.
Līdzīgas lietas redzētas arī citos eksperimentos. 2025. gadā žurnāls PNAS publicēja pētījumu no kādas Turcijas skolas, kur gandrīz tūkstotis vidusskolēnu risināja matemātiku ar divām GPT-4 versijām. Abas palīdzēja treniņa laikā. Bet eksamenā, kur MI vairs nebija pieejams, parastā tērzētavas lietotāji ieguva par 17% mazāk nekā klasesbiedri, kas mācījušies bez tās. Tiem, kas strādāja ar pasniedzēja versiju, kas deva norādes, nevis atbildes, šis kaitējums gandrīz izzuda.
- gada janvārī Anthropic pārbaudīja to pašu ideju uz programmētājiem . 52 izstrādātāji, galvenokārt jaunāki, apguva nepazīstamu Python bibliotēku. Tie, kas mācījās ar MI asistentu, vēlāk testā bez tā ieguva 50%, bet pārējie 67%. Lielākā plaisa bija atkļūdošanas jautājumos. Un atkal labāk veicās tiem, kas uzdeva mašīnai jautājumus, lai saprastu kodu, nevis uzvēla tai visu darbu.
Ko desmit minūtes nepierāda
Virsraksti stilā „MI padara mūs muļķākus” nav tas, ko šis eksperiments rāda. Tas mērīja vienu lietu: kas notiek pirmajās minūtēs pēc palīdzības pazušanas. Vai efekts saglabājas dienu, mēnesi vai gadu dzīves ar tērzētavu, pētījumā netika pārbaudīts, un autori to min kā ierobežojumu.
Arī dalībnieku likmes bija zemas. Par 2,60 dolāriem un trīspadsmit minūtēm laika maz kurš cīnīsies par katru daļu, bet eksāmenā vai darbā motivācija ir pavisam cita. Efekts ir jūtams, bet nav milzīgs: otrajā eksperimentā atrisināto uzdevumu starpība samazinājās līdz sešiem procentpunktiem. Un iepriecinošākais rezultāts, par norādēm, balstās uz nelielu apakšgrupu. Tie ir 27% no MI grupas otrajā eksperimentā, aptuveni 80 cilvēku, un rezultāts vēl jāapstiprina.
Tomēr aina atkārtojas trijos neatkarīgos pētījumos ar ļoti dažādiem cilvēkiem: skolēniem Turcijā, programmētājiem, nejaušiem pieaugušajiem ASV. Visur sliktāk veicās tiem, kas grūto darba daļu pilnībā atdeva mašīnai.
Pasniedzējs, kas neļauj norakstīt
Risinājums, ko piedāvā Kristiāns, izklausās pieticīgi. Pēc noklusējuma MI atbildes varētu darboties vairāk kā pasniedzējs: vest pie idejas, nevis pasniegt gatavo rezultātu. Mērķi viņš formulē plašāk nekā jebkurš iestatījums: „Mums jāvirzās uz nākotni, kurā cilvēka spējas pēc iespējas vairāk tiek papildinātas, nevis aizstātas.”
Šādi režīmi jau pastāv. 2025. gada 29. jūlijā OpenAI palaida mācību režīmu ChatGPT : tas uzdod virzošus jautājumus un soli pa solim ved pie risinājuma. Claude ir līdzīgs mācīšanās režīms. Taču tas jāieslēdz ar roku, un ChatGPT to var izslēgt sarunas vidū. Parastais režīms joprojām atbild uzreiz un pilnībā.
Tātad izvēle starp „dod man atbildi” un „iedod norādi” gulstas uz cilvēka pleciem, turklāt sliktākajā brīdī, kad uzdevums deg. Šajā stāstā norāde darbojas kā margas, nevis lifts: tu joprojām kāp ar savām kājām, tāpēc kāpnes nešķitīs stāvākas, kad palīdzība pazudīs.
