Az AI túlbecslés jelensége – egy friss kutatás szerint, amikor mesterséges intelligencia eszközökkel, például a ChatGPT-vel dolgozunk, mindenki hajlamos túlbecsülni saját teljesítményét, függetlenül attól, mennyire jártas az adott technológiában. Ez a felismerés alapjaiban rengeti meg a klasszikus pszichológiai elméletet, az úgynevezett Dunning-Kruger effektust.
Mi az a Dunning-Kruger effektus?
A Dunning-Kruger effektus (DKE) egy jól ismert pszichológiai jelenség, amely szerint azok az emberek, akik kevésbé jártasak egy adott területen, hajlamosak túlbecsülni képességeiket. Ezzel szemben a magasabb tudásszintűek általában reálisabban látják saját teljesítményüket, vagy akár alul is becsülik azt.
Ez az effektus számos területen megfigyelhető, legyen szó kognitív képességekről vagy szakmai tudásról. Ám az Aalto Egyetem kutatói által végzett új vizsgálat rávilágított arra, hogy az AI-val való interakció során ez a minta megváltozik.
A kutatás főbb eredményei
- Fordított Dunning-Kruger effektus: Az AI-tudatos felhasználók még inkább túlbecsülik saját képességeiket ChatGPT használata közben, mint a kevésbé jártasak.
- Kognitív leterheltség áthárítása (cognitive offloading): A résztvevők többsége csak egyszer kérdezett rá az AI-ra, és elfogadta annak válaszát ellenőrzés vagy kritikus gondolkodás nélkül.
- Metakogníciós hiányosságok: A jelenlegi AI-eszközök nem segítik elő a felhasználók önreflexióját vagy hibáik felismerését.
A kutatás háttere és módszertana
A tanulmányt az Aalto Egyetem kutatócsoportja vezette, amely két nagy léptékű kísérletben vizsgálta mintegy 500 résztvevő logikai következtetési képességeit. A tesztfeladatok az Egyesült Államok híres Law School Admission Test (LSAT) logikai problémáiból álltak.
A résztvevők fele AI segítségével oldotta meg a feladatokat, míg a másik fele hagyományos módon dolgozott. Minden egyes feladat után megkérték őket, hogy értékeljék saját teljesítményüket – pontos önértékelés esetén extra jutalmat kaptak.
A kutatás legfontosabb megállapításai
„A feladatok jelentős kognitív erőfeszítést igényelnek. Manapság azonban gyakori, hogy az emberek ilyen kihívást jelentő problémákat AI-ra bíznak,” magyarázza Prof. Robin Welsch.
A vizsgálatokból kiderült, hogy a legtöbb felhasználó ritkán adott több mint egyetlen promptot a ChatGPT-nek egy-egy kérdés megoldásához. Gyakran egyszerűen bemásolták a kérdést az AI rendszerbe és elfogadták annak válaszát anélkül, hogy ellenőrizték vagy kétségbe vonták volna azt.
Kognitív leterheltség áthárítása (Cognitive Offloading)
Ezt a jelenséget nevezzük kognitív leterheltség áthárításának: amikor a felhasználók szinte teljes egészében az AI-ra bízzák a gondolkodási folyamatot. Ez azonban veszélyes lehet, mert így nem fejlődik ki bennük az önreflexió és kritikus gondolkodás képessége.
Az AI-tudatosság paradoxona
Meglepő módon, azok a felhasználók, akik technikailag jártasabbnak tartották magukat az AI területén, még inkább hajlamosak voltak túlbecsülni teljesítményüket. Ez ellentmond annak az elvárásnak, hogy az AI-tudatosság javítaná a metakognitív pontosságot – vagyis azt, hogy mennyire tudjuk reálisan értékelni saját munkánkat.
„Az AI-tudatosság önmagában nem elég,” hangsúlyozza Prof. Welsch. „Ez inkább technikai tudást jelent, de nem segíti elő azt, hogy gyümölcsözően kommunikáljunk és gondolkodjunk együtt az AI-val.”
A metakogníció hiánya és annak következményei
A doktori kutató Daniela da Silva Fernandes rámutat: jelenleg az AI-eszközök nem támogatják eléggé azt a folyamatot, amely során felismerjük saját hibáinkat és tanulunk belőlük. Ez pedig hosszú távon csökkentheti kritikus gondolkodásunk színvonalát és növelheti a téves információkra való fogékonyságot.
Gyakorlati javaslatok: Hogyan használjuk jobban az AI-t?
- Többszöri promptolás: Több kérdés feltétele és válasz elemzése segíthet abban, hogy jobban megértsük és kritikusan értékeljük az AI által adott válaszokat.
- Önreflexió ösztönzése: Az AI rendszerek fejlesztőinek érdemes olyan funkciókat beépíteniük, amelyek arra kérik a felhasználót, hogy magyarázza el gondolkodását vagy érvelését – ez elősegítheti a mélyebb elgondolkodást és csökkentheti az illúziók kialakulását.
- Kritikus gondolkodás fejlesztése: Fontos olyan platformokat létrehozni, amelyek támogatják a metakogníciót – vagyis azt, hogy tudatosan figyeljünk saját gondolatmenetünkre és hibáinkra.
Milyen tanulságokat vonhatunk le?
A kutatás rávilágít arra, hogy bár az AI eszközök javíthatják teljesítményünket bizonyos feladatokban (például logikai következtetésekben), ugyanakkor mindenki hajlamos túlbecsülni saját eredményeit ezek használata közben. Ez különösen igaz azoknál, akik magukat AI-tudatosabbnak tartják.
Ezért elengedhetetlen olyan interaktív rendszereket fejleszteni és használni, amelyek nem csak információt szolgáltatnak, hanem elősegítik a kritikus gondolkodást és önreflexiót is – így elkerülhetővé válik az „AI vak bizalma” és annak káros hatásai.
Kutatási források és további információk
A tanulmányt Robin Welsch professzor vezette kutatócsoportjával együttműködve az Aalto Egyetemen. Az eredmények 2023. október 27-én jelentek meg a rangos „Computers in Human Behavior” folyóiratban „AI makes you smarter but none the wiser: The disconnect between performance and metacognition” címmel.
Forrás: Aalto University
Kapcsolat: Sarah Hudson – Aalto University
Kép forrása: Neuroscience News
Eredeti tanulmány: Open access
DOI: [link]
Forrás: https://neurosciencenews.com/ai-dunning-kruger-trap-29869/