وقتی کوپرنیک طرح خورشید محوری خود را ارائه داد که در آن زمین مرکز کهکشان نبود، با مخالفت شدیدی مواجه گرديد. نه تنها کلیسا از پذيرش آن به دلیل تقابلش با الهيات سر باز زد، بلکه سایر ستاره‌ شناسان نیز آن را با اين مدعا که نظریۀ زمین محوری قادر به توضيح بهتر برخی پدیده‌های ويژه می‌باشد، مردود دانستند.

این درحالی بود که مدل خورشید محوری توسط فرهنگ‌های دیگر، همچون یونان عهد باستان و جهان اسلام، به طور گسترده‌ای مورد بحث قرارگرفته بود؛ و داده‌های تجربی‌ هم وجود داشت که نظریۀ زمین محوری را به چالش می‌کشید. چیزی که جهان غرب را نيازمند آغاز تغییر در گفتمان پيشين می‌کرد، نه موجوديت خود داده‌ها، بلکه چيزی بود که به انديشيدن متفاوت و طرح پرسش‌های جدال‌برانگيز در برابر اجماع نظری غالب و مسلط، تمایل و گرايش داشته باشد.

در تئوری، یک مدل زبانی وسيع LLM(Large Language Model- م) می‌تواند قادر باشد با کسب تمامی اطلاعات ضروری نتيجۀ مورد نظر را ارائه دهد. این مدل‌های هوش مصنوعی به واسطۀ تجزیه و تحلیل داده‌ها و تشخیص و شناخت طرح‌ها و الگوها در جايگاهی عالی قرار می‌گيرند. بر همين اصل، آنها می‌توانند نظريه‌ها و طرح‌های پیش‌بینی‌ کننده را تولید کرده و حتی به شبیه‌سازی‌ و کاذب‌سازی نيز اقدام کنند. با این حال، آنها تنها زمانی می‌توانند این اقدامات را انجام دهند که از آن‌ها سؤال مناسب در رابطه با آنچه که بايد انجام دهند، پرسیده شود.

از آنجا که LLM های متخصص با حجم عظیمی از متون و داده‌ها آموزش و تعليم داده می‌شوند؛ و برای پیش‌بینی کردن متن احتمالی بعدی بهینه و به روز می‌گردند، وارث باورمند توزیع همان داده‌های آموزشی تمرين شده می‌باشند. اگر غالب منابع، مدل زمین‌محوری را شقّ درست اعلام کنند، مدلی که فقط از طريق متون اين منابع آموزش و تعليم دیده باشد نیز شديداً بر زمین‌محوری تأکيد کرده و بدان تمايل نشان می‌دهد. روش آموزش فعال مدل‌های هوش مصنوعی به گونه‌ای است که موافقت با اکثریت داده‌ها را تشويق می‌نمايد ، و نه کشف و ابداع راديکال و ريشه‌ای نظریه‌های جدید برای تشريح و تبيين آن‌ها را. اکثرLLM های متخصص طوری تنظیم شده‌اند تا بيشترين فايده و درجۀ ایمنی – بسته به تعبيری که شخص برنامه نویس از اين واژه‌ها دارد – را ارائه دهند؛ و اغلب به آنها توصیه می‌شود که اجماع و توافق نظر متخصصان را رعايت نمايند.

اینطور که در حال حاضر به نظر می‌رسد- و اينکه آيا حقيقتاً اين وضعيت دچار تغيير می‌شود يا نه بحث‌ بسیار است- اين است که یک LLM به خودی خود فاقد انگيزه و کنجکاوی ذاتی برای به چالش کشیدن یک الگوی تثبیت ‌شده می‌باشد. اين مدل البته می‌تواند فرضیه‌های قبلی را با قدرت تمام ارتقاء و توسعه دهد و راه‌ حل‌هایی نيز برای چالش‌های کنونی که فرضیه‌ها ارائه می‌دهند، پیدا کند. اما برای به چالش کشيدن نظريۀ جمعی تثبیت‌شده، مثلاً مدل نظری زمین ‌محوری، بايد به نوعی از تفکر خلاقانه، که می‌توانیم آن را تفکر غيرمسلط يا دگرانديش بنامیم، مجهز باشد.

به نظر می‌رسد که این نوع تفکر، در وضعيت موجود در حالت حضيض به سرمی‌برد. آدام ماسترویانی مطلب جالبی با مثال‌های متعدد نوشته است که روند مسیر توسعۀ فعلی را به تصوير می‌کشد. او گرايش‌های متعددی را مورد تجزيه و بررسی قرار داده است. از تمايل افراد به انجام اعمال مجرمانه گرفته تا انسان‌هايی که به همسان‌سازی و هویت‌يابی با‌ کالاهای برندی و هنری گرايش دارند. تفکر دگراندیش، در این رابطه، ظرفیت فکر کردن بر خلاف قواعد تثبيت شده و مسلط می‌باشد. او می‌نویسد: «ما با پیروی از قوانین آغاز می‌کنیم، بعد هم هرگز متوقف نمی‌شویم، و سپس بکلی از ياد می‌بریم که شکستن قواعد امکانپذیر است. غالب قانون شکنی‌ها بد و ناجور هستند، اما برخی از آنها ضروری می‌باشند. به نظر می‌رسد که ما اين دو نوع عملکرد را همزمان از دست داده‌ایم.»

او همچنین افول پیشرفت علمی را به افول تفکر غيرمسلط يا دگرانديش مربوط می‌داند: «وجود تفکر دگرانديش در علم ضرورت دارد. بنابراین تعجب‌آور نیست که همانطور که شاهد کاهش تفکر دگرانديش در هر جای دیگری هستیم، با کاهش نرخ پیشرفت علمی نیز روبرو باشيم.»

کوپرنیک، حداقل در رابطه با اجماع نظر مرسوم و مسلط الهيات و علمی تثبیت ‌شده‌ی زمان خود در غرب، یک متفکر دگرانديش بود. رجوع به داده‌ها و اظهار این که «کمی صبر کنید، شاید زمین مرکز کهکشان نباشد» و داشتن جسارت طرح علنی این موضوع برای عموم مردم ، با توجه به عواقب آن- حتی تا مرگ - مستلزم وجود کسی بود که به شيوۀ تفکر دگرانديش، گرايش و تمايل داشته باشد.

افول این نوع تفکر می‌تواند با افول تفکر انتقادی ارتباط داشته باشد. برای فکر کردن مؤثر به شيوۀ غير مرسوم، ابتدا باید به روش انتقادی فکر کرد. ای. دی. هیرش جونیور، کارشناس تربیتی آمریکائی، در مقاله‌ای که بهار ۲۰۰۱ در نشريۀ American Educator با عنوان «شما همیشه می‌توانید آن را جستجو کنید - یا آيا می‌توانید؟» منتشر شد، به اين موضوع اشاره کرد که ما به دلیل توسل به موتورهای جستجو و اینترنت، توان تفکر به شيوۀ انتقادی را از دست داده‌ايم. این ناتوانی از همان قبل از ظهور مدل‌های هوش مصنوعی وجود داشت.

حرف اصلی هیرش این است که برای کسب دانش و فهم آن، به دانش نیاز است. او مدل‌های آموزشی که تأکيد صرف بر کسب مهارت‌ دارند را مورد انتقاد قرار داد، چرا که داده‌های واقعی و ملموس، همیشه قابل جستجو و در دسترس می‌باشند. «بله درست است، اینترنت حجم عظيمی از اطلاعات را در اختيار ما قرار داده است. اما برای استفاده از اين اطلاعات - برای هضم و جذب آن‌ها، و برای ارتقاء دانش خود – می‌بايست از قبل به گنجينه‌ای از دانش مجهز شده باشیم. این تناقضی است که تحقیقات علمی و تحليلی، آن را افشاء و عريان می‌سازد.»

بر اساس استدلال وی آنچه که یادگیری مادام‌العمر، درک مطلب، تفکر انتقادی و انعطاف‌پذیری ذهنی را امکان پذير می‌سازد، روند گسترۀ دانش اوليه‌ای است که از همان اوان کودکی آغاز می‌شود. بدون چنین پایه‌ای، نه «مهارت‌ها» و نه دسترسی به اینترنت قادر به جایگزینی یادگیری و شناخت علمی نخواهند بود.

مطالعه‌ای جديد در انستيتو تکنولوژی ماساچوست MIT(Massachusetts Institute of Technology- م ) به موضوعی اشاره می‌کند که اکثر مردم می‌توانند به طور غريزی و بينشی درک کنند: استفاده از مدل‌های LLM قابليت و ظرفیت ذهنی ما را مختل می‌کند. محققان ازEEG (Electroencephalography - نوارمغزی- م) برای ثبت فعالیت مغزی نویسندگان در ۳۲ ناحیه استفاده کردند و به اين نتيجه رسيدند که آنانی که از ChatGPT استفاده کرده بودند، کمترین میزان تحرک مغزی در مقایسه با کسانی را داشتند که از جستجوهای سنتی استفاده کرده یا اصلاً از هیچ روشی استفاده نکرده بودند.

به توصيۀ ای.دی. هیرش آموزش صرف مهارت‌ها برای توسعه و پيشبرد تفکر انتقادی به هيچ وجه کافی نيست، و حالا هم که چت‌روبات‌های LLM این فرآیند را حتی کندتر و ضعيف‌تر می‌کنند. بر طبق مطالعۀ میت، کسانی که از ChatGPT استفاده کردند «به لحاظ عصبی، زبانی و رفتاری، پيوسته عملکردی ضعیف و نامناسب داشتند». در طول آن چند ماه، کاربران ChatGPT با هر مقالۀ بعدی که می‌آمد تنبل‌تر‌ می‌شدند، و غالباً در مراحل پایانی مطالعه به کپی کردن و به هم چسباندن متن داده‌ها روی می‌آوردند.

بنابراین هيچ جای تعجب نیست که شيوۀ تفکر دگراندیش و غيرمسلط رو به کاهش است. ما نه تنها توان جمع‌آوری و حفظ دانش واقعی، که درضمن به معنای توان فهم و درک اطلاعات تازه است، را از دست می‌دهیم، بلکه ظرفیت و توان استفاده از مهارت‌ و توانايی‌های فکری که قرار بود جبران کنندۀ فقدان دانش واقعی باشند، را نیز از دست می‌دهیم.

شاید که ما ظرفیت و توان استفاده از مهارت‌ها را از دست ندهیم، اما در واقع آن را به ماشین‌ها واگذار می‌کنیم. ما در وهلۀ اول توانایی جمع‌آوری ذخیرۀ دانش را واگذار کردیم و اکنون فرآیندهای فکری را واگذار می‌کنیم. اما با همين واگذاری‌هاست که ما در واقع توان تفکر انتقادی را از دست می‌دهیم، و از آن بيشتر شيوۀ تفکر مستقل و غيرمرسوم را، که اين خود بدين معناست که ما بيشتر و بيشتر با روایت‌ کلی و رسمی، هماهنگ و سازگار می‌شویم و با رضايتمندی بيشتری به قدرت تن می‌دهيم.

می‌توان به سادگی تصور کرد که این از ابتدای ایجاد این تکنیک هدفی نبود که دنبال می شد. اکنون که هیاهوی اینکه مدل‌های هوش مصنوعی LLM قرار است چگونه جهان را تغییر دهند و دگرگونی انقلابی در همۀ عرصه‌ها ايجاد کنند تا حدودی کاهش يافته است و ما نيز کمی هوشیارانه‌تر به اين مقولات برخورد می‌کنيم، متوجه می‌شویم که تأثیر آن‌ها بر اقتصاد تولیدی نسبتاً اندک بوده است.

موارد استفاده واقعی از مدل‌های هوش مصنوعی مولد، تاکنون به نسبت انتظاراتی که از آن‌ها می‌رفت، نسبتاً محدود و فقط در موارد خاصی بوده‌ است. قطعاً برخی بنگاه‌ها وجود دارند که اين مدل‌ها در آنجا همچون ابزاری راهگشا نقشی انقلابی بازی کرده‌اند، اما مطالعۀ دیگری از سوی MIT نشان می‌دهد که 95٪ از شرکت‌ها در حال سبک سنگين کردن پس دادن طرح‌های آزمایشی هوش مصنوعی مولد هستند، چرا که هیچ بازده‌ای دریافت نکرده‌اند. در عين حال، حوزه‌هايی همچون بخش‌های نظارتی، بازاريابی، بازتولید محتوا و دستکاری داده‌ها و الگوريتمی وجود دارند که اين مدل‌ها نقش ممتازه‌ای در آن‌ها ايفا می‌کنند. اين‌ها ابزاری عالی و کامل جهت افزایش کنترل و انطباق و همسان‌سازی می‌باشند.

با این همه، موضوع کليدی که من سعی کرده‌ام به آن بپردازم این است که هوش مصنوعی مولد، چیز چندان جدیدی، به جز مقدار بيشتری از همان چيز موجود، به ما نمی‌دهد. بزرگتر، سریعتر، مولدتر. نه فقط به اين دلیل مناسب نبودن تکنيک موجود برای آن [چیز جدید]، بلکه بدین دلیل که ما را بيشتر موجوداتی همگون‌ و همسان می‌سازد - "ورزيده‌تر و تنومندتر، شادتر و موفق‌تر، پرکارتر و تواناتر برای توليد بيشتر"؛ همانطور که در متن آهنگ گروه * Radiohead آمده است: - توانايی کمتر برای تفکر مستقل و دگراندیش. من مطمئن نیستم که آيا این چیزی خوب است یا بد، اما به طور قطع فکر می‌کنم که چیز کسل‌ کننده‌تر و کلافه کننده‌تری می‌باشد.

کورو خیمنز

منتشر شده ۴ دسامبر ۲۰۲۵

ترجمه محسن اخوت

*(گروه راک انگليسی تأسيس 1985، تأثيرگذار بر راک مدرن به دليل کارهای نوآورانۀ تجربی- م)

https://www.nakedcapitalism.com/2025/12/could-an-ai-have-suggested-that-the-earth-is-not-at-the-centre-of-the-universe.html