Yapay Zekayı Bilgi Bulmak İçin Kullanmak Bilginizi Azaltabilir

Pazarlama profesörleri olan çalışma arkadaşım Jin Ho Yun ve ben, bu bulguyu 10 binden fazla katılımcıyla yapılan yedi çalışmaya dayanan bir makalede rapor ettik.

Çalışmaların çoğu aynı temel düzeni kullanıyordu: Katılımcılardan bir konuyu – örneğin sebze bahçesi nasıl yetiştirilir – öğrenmeleri istendi ve rastgele olarak ya ChatGPT gibi bir LLM kullanarak ya da “eski usül” Google araması yaparak bunu gerçekleştirmeleri söylendi.

Bu araçları nasıl kullanacaklarına dair hiçbir kısıtlama yoktu; Google’da istedikleri kadar arama yapabilir veya daha fazla bilgi istediklerinde ChatGPT’ye sorular sormaya devam edebilirlerdi.

Araştırmayı tamamladıktan sonra, öğrendiklerine dayanarak bir arkadaşlarına tavsiye niteliğinde bir yazı yazmaları istendi

Veriler tutarlı bir desen gösterdi: Bir konuyu LLM aracılığıyla öğrenenler, web aramasıyla öğrenenlere kıyasla daha az şey öğrendiklerini hissetti, tavsiye yazarken daha az çaba gösterdi ve sonuçta daha kısa, daha az gerçek içeren ve daha genel tavsiyeler yazdı.

Ardından bu tavsiyeler, hangi aracın kullanıldığını bilmeyen bağımsız bir katılımcı grubuna sunulduğunda, bu kişiler tavsiyeleri daha az bilgilendirici, daha az yardımcı buldu ve bu tavsiyeleri uygulama olasılıkları daha düşük oldu.

Bu farkların çeşitli bağlamlarda da geçerli olduğu görüldü. Örneğin, LLM kullanıcılarının daha kısa ve daha genel tavsiyeler yazmasının olası bir nedeni, LLM sonuçlarının Google sonuçlarına kıyasla daha az çeşitli bilgi sunması olabilir.

Bu olasılığı kontrol etmek için, Google ve ChatGPT sonuçlarında katılımcılara aynı gerçeklerin sunulduğu bir deney gerçekleştirdik.

Benzer şekilde, başka bir deneyde, platform sabit tutuldu – Google – ancak katılımcıların standart Google sonuçlarından mı yoksa Google’ın AI Overview özelliğinden mi öğrendiği değiştirildi.

Bulgular, sunulan gerçekler ve platform aynı tutulduğunda bile, özetleyici LLM yanıtlarından öğrenmenin, web bağlantılarından bilgi toplayıp yorumlayıp sentezlemeye kıyasla daha yüzeysel bilgiye yol açtığını doğruladı.

 

Neden önemli?

LLM’leri kullanmak neden öğrenmeyi azaltmış gibi görünüyor? Beceri gelişiminin en temel ilkelerinden biri, insanların bir konuyu en iyi, o konuyla aktif şekilde meşgul olduklarında öğrendikleridir.

Google aramasıyla bir konu hakkında öğrenirken çok daha fazla “sürtünmeyle” karşılaşırız: Farklı bağlantılarda gezmemiz, bilgi kaynaklarını okumamız ve bunları kendimiz yorumlayıp sentezlememiz gerekir.

Daha zorlayıcı olsa da bu sürtünme, konu hakkında daha derin ve özgün bir zihinsel temsil geliştirmeye yardımcı olur. Ancak LLM’lerde bu sürecin tamamı kullanıcı adına gerçekleştirilir ve öğrenmeyi aktif bir süreçten pasif bir sürece dönüştürür.

 

Sırada ne var?

Açık olmak gerekirse, bu sorunların çözümünün LLM’lerden tamamen kaçınmak olduğuna inanmıyoruz; özellikle de bu modellerin birçok bağlamda sunduğu inkâr edilemez faydalar göz önüne alındığında.

Mesajımız şu: İnsanların LLM’leri daha akıllıca veya daha stratejik biçimde kullanmaya başlaması gerekiyor – bu da LLM’lerin hangi alanlarda yararlı, hangi alanlarda hedeflere zarar verici olduğunun anlaşılmasıyla başlıyor.

Hızlı ve gerçekçi bir cevap mı gerekiyor? Favori yapay zekâ araçlarınızı gönül rahatlığıyla kullanabilirsiniz. Ancak amacınız bir alanda derin ve genellenebilir bilgi geliştirmekse, tek başına LLM özetlerine güvenmek daha az yardımcı olacaktır.

Yeni teknoloji ve yeni medya psikolojisi üzerine yaptığım araştırmaların bir parçası olarak, LLM aracılığıyla öğrenmeyi daha aktif bir süreç haline getirmenin mümkün olup olmadığını da merak ediyorum. Bir başka deneyde, katılımcıların, özetlenmiş yanıtlarla birlikte gerçek zamanlı web bağlantıları sunan özel bir GPT modelini kullanmasını sağladık.

Ancak orada da gördük ki, bir kez LLM özeti alan katılımcılar, orijinal kaynaklara daha fazla dalmaya motive olmadı. Sonuç olarak, yine standart Google kullanarak öğrenenlere kıyasla daha yüzeysel bilgi geliştirdiler.

Bunun üzerine, gelecekteki araştırmalarımda, öğrenme görevleri için “sağlıklı sürtünmeler” oluşturan üretken yapay zekâ araçlarını incelemeyi planlıyorum – özellikle de hangi tür engellerin veya hız kesicilerin kullanıcıları kolay, sentezlenmiş cevapların ötesine geçip aktif olarak daha fazla öğrenmeye teşvik ettiğini araştıracağım.

Bu tür araçlar özellikle ortaöğretimde kritik görünüyor; çünkü eğitimcilerin en büyük zorluklarından biri, öğrencileri temel okuma, yazma ve matematik becerilerini geliştirmeye nasıl en iyi şekilde hazırlarken aynı zamanda LLM’lerin günlük yaşamın ayrılmaz bir parçası olacağı bir gerçek dünyaya da hazırlamak.

Shiri Melumad, Pazarlama Doçenti, Pennsylvania Üniversitesi

Bu yazı SCIENCEALERT’ de yayınlanmıştır.