- AI युग में लोगों को अलग करने वाला मानदंड बुद्धिमत्ता से अधिक मानसिक प्रयास के साथ उनका संबंध है, और जैसे-जैसे बुद्धिमत्ता आम होती जाएगी, खुद सोचने और बढ़ने की इच्छा(volition) उतनी ही दुर्लभ होती जाएगी
- जिन लोगों की cognition की need कम है, वे AI से productivity बढ़ाने के बजाय अपनी सोचने की क्षमता खोने के अधिक जोखिम में हैं; बीच का समूह efficiency के प्रलोभन के आगे झुकने की अधिक संभावना रखता है; और ऊँचे समूह के लोग AI को अपनी मानसिक क्षमता बढ़ाने के औज़ार की तरह इस्तेमाल करते हैं
- AI अपनाने वालों में email/messenger का उपयोग 2 गुना से अधिक, work software का उपयोग 94% बढ़ा, जबकि deep focus work 9% घट गया; और कई प्रयोगों में brain connectivity / cognitive effort / intrinsic motivation में कमी देखी गई
- जवाब की जगह hint मांगना, पहले अपने विचार लिखना, AI और non-AI काम को बारी-बारी करना, और chatbot को tutor की तरह डिज़ाइन करना जैसी बातें सोचने की क्षमता बनाए रखने के तरीके हो सकती हैं
- AI के ज़रिये अधिक सोचने वाले और कम सोचने वाले समूहों के बीच cognitive polarization पैदा हो सकती है, और स्कूलों व संगठनों को knowledge transfer से अधिक autonomy / competence / relatedness / और कठिनाई सहने की इच्छा को विकसित करना होगा
AI से बचा समय और अधिक काम से भर जाता है
- ActivTrak के 10,000 से अधिक कर्मचारियों के विश्लेषण में पाया गया कि AI अपनाने वालों का workload कम नहीं हुआ, बल्कि और सघन हो गया
- email / messaging / chat apps के उपयोग का समय 2 गुना से अधिक बढ़ा
- work software का उपयोग 94% बढ़ा
- बिना बाधा वाले focused work का समय 9% घटा
- UC Berkeley Haas School of Business के शोध में पाया गया कि coding / engineering आसान होने पर लोग वे काम भी खुद करने लगे जिन्हें पहले outsource किया जाता था
- शाम / weekend / इंतज़ार के समय में भी छोटे-छोटे काम ठूंस दिए जाते हैं
- कई bots को अलग-अलग काम करते हुए एक साथ supervise करने वाला multitasking बढ़ा
- AI से बचा समय आराम में नहीं, नए tasks में लगाया जाता है, और व्यक्ति व उसके manager दोनों की रोज़ की अपेक्षित output भी साथ-साथ बढ़ जाती है
- हर घंटे अधिक काम निपटाने के बावजूद बिखराव और थकान भी बढ़ती है, और इस स्थिति को AI brain fry जैसा नाम तक दिया गया है
- जैसे plane / train / car ने यात्रा का समय घटाया लेकिन यात्राओं की संख्या बढ़ा दी, वैसे ही labor-saving technology जीवन को खाली नहीं बनाती, बल्कि अधिक गतिविधि संभव बनाती है
जैसे-जैसे बुद्धिमत्ता आम होगी, इच्छा उतनी ही कीमती होगी
- AI युग का सिद्धांत है: “जब intelligence प्रचुर हो जाती है, तो volition मूल्यवान हो जाती है”
- फर्क पैदा करने वाले लोग वे नहीं हैं जो AI का निष्क्रिय उपयोग करके कम काम करना चाहते हैं, बल्कि वे हैं जो AI से जूझते हुए अपनी क्षमता विकसित करते हैं और अधिक हासिल करना चाहते हैं
- psychology का need for cognition यह दिखाता है कि कोई व्यक्ति कठिन सोच को खुद कितना पसंद करता है
- ऊँचे स्तर वाले लोग कठिन games / dense books / complex problems का आनंद लेते हैं
- कम स्तर वाले लोग कठिन सोच को अप्रिय मानते हैं और उससे बचने के मौके खोजते हैं; वे cognitive miser के अधिक क़रीब होते हैं
- मध्यम स्तर वाले लोग महत्वपूर्ण समस्याओं पर मेहनत करते हैं, लेकिन सोचने की प्रक्रिया का खुद आनंद नहीं लेते
- need for cognition का intelligence से संबंध है, लेकिन यह वही गुण नहीं है; कोई व्यक्ति बुद्धिमान होते हुए भी मानसिक मेहनत नापसंद कर सकता है
Productive Passengers: नतीजे पाने वाला, क्षमता खोने वाला समूह
- कम need for cognition वाले Productive Passengers के लिए AI काम आसान बनाकर productivity बढ़ाता है, लेकिन इसी वजह से उनकी मानसिक क्षमता भी कमज़ोर हो सकती है
- इंसान सबसे अच्छा तब सीखता है जब काम इतना मुश्किल न हो कि वह दब जाए, और इतना आसान भी न हो कि कोई प्रयास ही न चाहिए — यानी optimal difficulty zone में
- AI कम प्रयास पसंद करने वालों को इस zone से बाहर धकेल देता है और वे हिस्से भी खुद संभाल लेता है जिन पर व्यक्ति को सोचना चाहिए था
- Nataliya Kosmyna के नेतृत्व वाले MIT Media Lab के शोध में, समान tasks करते समय ChatGPT उपयोगकर्ताओं की brain connectivity non-users की तुलना में अधिकतम 55% कम मापी गई
- Possibility Sciences की co-founder Vivienne Ming के माप में, AI उपयोग के दौरान cognitive effort का संकेत मानी जाने वाली gamma-wave activity लगभग 40% घटी
- SBS Swiss Business School के Michael Gerlich के शोध में, AI tools के frequent उपयोग और critical thinking ability के बीच महत्वपूर्ण negative correlation दिखी
- AI शुरुआत में productivity बढ़ाता है, लेकिन dependence जारी रहने पर यह अंदरूनी knowledge और क्षमता को खाली कर सकता है
- Grace Liu के नेतृत्व वाले Carnegie Mellon University के शोध में, लगभग 10 मिनट AI की मदद लेने के बाद access खो देने वाले प्रतिभागियों का प्रदर्शन शुरू से AI न इस्तेमाल करने वालों से भी खराब था और वे अधिक बार हार मान गए
- AI का उपयोग शुरू करने वाले endoscopy विशेषज्ञों में, AI के बिना जांच करते समय pre-cancerous intestinal lesions की detection rate पहले के 28.4% से गिरकर 22.4% रह गई
- जैसे GPS ने map पढ़ने और रास्ता ढूंढ़ने की क्षमता कमज़ोर की, वैसे ही AI, जितनी छूट दी जाए, उससे कहीं अधिक व्यापक सोचने की क्षमता कमज़ोर कर सकता है
Reluctant Optimizers: जोखिम समझने के बावजूद निर्भर हो जाने वाला समूह
- मध्यम need for cognition वाले Reluctant Optimizers जानते हैं कि AI उन्हें भीतर से खाली कर सकता है और इसका विरोध भी करना चाहते हैं, लेकिन भीड़भाड़ और तनाव भरी दिनचर्या में वे धीरे-धीरे bots पर निर्भर होने लगते हैं
- MIT Media Lab के प्रयोग में, ChatGPT के साथ लगातार लेखन करने वाले प्रतिभागियों की AI पर निर्भरता हर task के साथ बढ़ी, और अंततः copy/paste ही अधिकांश काम बन गया
- यह सिर्फ थकान बढ़ने की वजह से नहीं, बल्कि इसलिए भी है कि technology उपयोगकर्ताओं के सोचने के ढंग को बदल देती है
- पारंपरिक शिक्षा कठिन tasks को सहते हुए बेहतर thinker और अधिक knowledge वाला इंसान बनने की cultivation को महत्व देती है
- आधुनिक technology मशीन से friction हटाकर परिणाम को अधिकतम efficient बनाने वाली optimization को महत्व देती है
- Google search के पूर्व प्रमुख Amit Singhal ने 2013 में कहा था कि उनका ध्यान user के विचार और उसे चाहिए जानकारी के बीच मौजूद हर friction को घटाने पर है
- cultivation mindset friction खोजता है, जबकि optimization mindset frictionless life चाहता है
- optimization का लक्ष्य उत्कृष्टता से अधिक output maximization के क़रीब है
- GoTo के survey में 43% कर्मचारियों ने कहा कि उन्होंने AI-generated output ऐसा होने के संदेह के बावजूद जमा किया कि उसमें error हो सकते हैं या quality कम हो सकती है
जिज्ञासा / प्रेरणा / निर्णय-क्षमता के कमज़ोर पड़ने की प्रक्रिया
- Laura Schulz के शोध में पाया गया कि जब शिक्षक किसी वस्तु का उपयोग सीधे सिखा देता है, तो बच्चे की उसे explore करने की curiosity सीमित हो जाती है
- उपयोग न बताया जाए तो वह अधिक विविध तरीकों से जांचता-परखता है
- AI ऐसा शिक्षक बन सकता है जो लगातार जवाब और तरीके देता रहता है
- Zhejiang University की Suqing Wu और ShanghaiTech के Yukun Liu के नेतृत्व वाले शोध में, AI उपयोग के बाद AI के बिना दूसरा task करने पर intrinsic motivation औसतन 11% घटी और boredom 20% बढ़ा
- AI के साथ किया गया पहला task अधिक आनंददायक लगने से सामान्य काम तुलनात्मक रूप से अधिक उबाऊ लगने लगा
- जिसने अपना worldview और knowledge base नहीं बनाया, उसके लिए imperfect AI के सामने एक वास्तविक conversational counterpart बनना मुश्किल है
- ऐसी स्थिति में bot की गलती या सुझाव को जांचे बिना मान लेने वाली cognitive surrender हो सकती है
- Wharton School के शोधकर्ताओं ने जब AI को कभी-कभी गलत जवाब देने के लिए सेट किया, तो प्रतिभागियों ने 80% errors को fact मान लिया
एक ऐसी संस्कृति जो output से अधिक व्यक्ति के बनने की प्रक्रिया खो देती है
- Northern Virginia के Rivendell school के principal Chris Sibben ने छात्रों को एक ऐसी film दिखाई जिसे 200 से अधिक artists ने 5 साल से अधिक समय तक बनाया था
- एक छात्र ने पूछा कि जब AI इसे 5 मिनट में बना सकता है, तो इतना लंबा समय क्यों लगाया गया
- Sibben इसे industrialization of detachment कहते हैं
- “AI तो इसे 5 मिनट में कर देगा” जैसी प्रतिक्रिया सिर्फ speed का सवाल नहीं, बल्कि value standard के बदलने का संकेत है
- ordeal से अधिक output को महत्व देना
- देखने की क्षमता से अधिक image को महत्व देना
- कुछ बना सकने वाले व्यक्ति में विकसित होने की प्रक्रिया से अधिक finished product को महत्व देना
- AI apprenticeship के बिना fluency और understanding के बिना polish देता है
- जो छात्र इस pattern को भीतर बसा लेता है, वह सिर्फ आलसी नहीं होता; वह कम गढ़ा हुआ, वर्तमान में कम डूबा हुआ, और prompt के बिना कठिनाई सहने में कम सक्षम व्यक्ति बन सकता है
Mental Marathoners: सुविधा से अधिक क्षमता-विस्तार चुनने वाले
- ऊँचे need for cognition वाले Mental Marathoners ऐसे लोगों की तरह हैं जो car होते हुए भी 42.195km दौड़ते हैं; व्यावहारिक ज़रूरत न होने पर भी वे अपनी क्षमता बढ़ाने के लिए मानसिक प्रयास चुनते हैं
- जब समाधान दिख नहीं रहा हो और deadline व anxiety पास आ रहे हों, तब भी वे यह विश्वास बनाए रखते हैं कि अंततः जवाब खुद खोज लेंगे
- वे exploration और brainstorming जारी रखते हैं, और फिर समाधान उभरने व learning curve के अचानक तेज़ होने की प्रक्रिया का आनंद लेते हैं
- University of Chicago के John Cacioppo के नेतृत्व वाले शोधकर्ताओं ने ऊँचे need for cognition पर 100 से अधिक studies की समीक्षा की
- task से जुड़े विचार अधिक होते हैं
- stimulating conversations में भाग लेते हैं
- closure और control की desire अधिक होती है
- निष्कर्ष पर पहुँचने के बाद, विरोधी evidence बढ़ने पर भी रुख बदलना कठिन हो सकता है
- ये लोग सोच को समतल करने वाली AI entropy का अधिक मज़बूती से विरोध कर सकते हैं और original results खोजने की संभावना रखते हैं
- जैसे-जैसे writing / songs / films मौजूदा creations की synthesis जैसे अधिक परिचित लगने लगते हैं, वे ऐसा काम बनाना चाहते हैं जिसमें उनका अपना अनुभव और व्यक्तित्व दिखे, और AI से अपनी agency को मज़बूत करें
AI को मानसिक प्रशिक्षण के औज़ार की तरह इस्तेमाल करने के छह तरीके
- जवाब की जगह hint मांगना
- AI से सीधे सही जवाब मांगने पर motivation और ability दोनों में बड़ी गिरावट आ सकती है
- background knowledge / thinking cues / concept explanation मांगने पर उसी स्तर की गिरावट नहीं दिखती
- खाली पेज से शुरुआत करना
- bot खोलने से पहले अपना analysis और conclusion पहले लिखें
- AI से अपने विचार बनवाने के बजाय, उससे मौजूदा विचारों की कमज़ोरियाँ और counterarguments खोजें
- AI tasks और non-AI tasks को बारी-बारी करना
- AI वाले काम के बाद ऐसा काम ज़रूर रखें जो AI के बिना किया जाए
- creative effort संभालने वाली mental muscles का उपयोग जारी रखें
- chatbot को tutor की तरह फिर से डिज़ाइन करना
- सामान्य chatbot सवालों के जवाब देकर learning को कमज़ोर कर सकता है
- AI tutor structured learning journey को guide करके learning और motivation दोनों सुधार सकता है
- bot की भूमिका को encyclopedia से बदलकर mental muscles को train करने वाले personal trainer की तरह करना चाहिए
- mechanical काम और creative काम को अलग करना
- functional emails जैसे repetitive काम AI को दिए जा सकते हैं
- essays और memos जैसे काम, जिनमें सोचने की प्रक्रिया ही महत्वपूर्ण है, AI को नहीं सौंपने चाहिए
- सुझाव है कि ऐसे creative काम भी AI को सौंपने की आदत पर शर्म महसूस की जानी चाहिए
- विचार नहीं, विचारकों को मांगना
- Claude से किसी समस्या पर आपकी जगह सोचने को कहने के बजाय, उस समस्या का अध्ययन करने वाले thinkers की सूची और रूपरेखा मांगें
- जैसे child development समझने के लिए Jean Piaget और Erik Erikson के बीच एक काल्पनिक discussion मांगना, और दोनों की किताबें सुझाने को कहना
- AI को oracle से अधिक उत्कृष्ट librarian की तरह मानने पर बेहतर नतीजे मिल सकते हैं
cognitive polarization कोई अपरिहार्य भविष्य नहीं है
- कुछ लोग AI का उपयोग करके अधिक सोचेंगे, और कुछ लोग कम सोचेंगे; इससे चरम cognitive polarization पैदा हो सकती है
- ऊँचे need for cognition वाला समूह लगातार अधिक productive और अधिक संतुष्ट होता जाएगा, जबकि बाकी लोग मानसिक निचले वर्ग की तरह पीछे धकेले जा सकते हैं
- दोनों समूहों के बीच का अंतर economic inequality या political polarization से भी अधिक गंभीर हो सकता है, इतना कि वे अलग प्रजातियों जैसे लगें
- need for cognition को केवल fixed personality trait की तरह देखने की ज़रूरत नहीं है
- willpower का genetic आधार है, लेकिन वह वातावरण के प्रति भी बहुत संवेदनशील है
- अगर AI इच्छा-शक्ति को कमज़ोर करता है, तो इंसान institutions और environments बदलकर उसे मज़बूत कर सकता है
शिक्षा को intelligence चयन से volition के विकास की ओर जाना होगा
- मौजूदा शिक्षा knowledge और intelligence के केंद्र में डिज़ाइन की गई है
- प्राथमिक स्कूलों में ज्ञान छात्रों के सिर में डाउनलोड करने जैसी शैली में दिया जाता है
- हाई स्कूलों में अधिक intelligence वाले छात्रों को छांटकर elite universities की ओर अलग किया जाता है
- बहुत knowledge रखने वाली machines से घिरे युग में, इंसानों को अलग करने वाली चीज़ यह नहीं होगी कि वे कितना जानते हैं, बल्कि यह होगी कि वे कितनी मेहनत करते हैं और knowledge का रचनात्मक उपयोग करने की कितनी इच्छा रखते हैं
- शिक्षा का केंद्र brain power से हटकर high-quality results पैदा करने वाली mental marathon दौड़ने की इच्छा पर जाना चाहिए
- मुख्य चुनौती लोगों को cognitive complexity स्वेच्छा से खोजने के लिए प्रेरित करना है
- कठिन missions, जिनमें असफलता और पीड़ा हो सकती है, उन्हें जीवन की heroic journey की तरह देखना
- जब शरीर और मन हार मानने को कहें, तब भी टिके रहना और exploration जारी रखना सीखना
- स्कूलों और संगठनों को अपने सदस्यों से पूछना होगा कि वे सबसे गहराई से क्या चाहते हैं, दुनिया में क्या पाने लायक है, और ऊँची आकांक्षाएँ कैसे विकसित की जाएँ
- आज की संस्कृति कहती है कि अपना passion खोजो, लेकिन passion बनाना नहीं सिखाती; आगे यह भूमिका स्कूलों और संगठनों को निभानी होगी
इच्छा को जीवित या मृत करने वाले वातावरण
- इंसान curiosity या taste को सिर्फ इच्छा से सीधे नहीं बदल सकता, लेकिन वह अपने आपको ऐसे environment में रखकर अप्रत्यक्ष रूप से प्रभावित कर सकता है जो desire को जगाते या दबाते हैं
- कई school environments मानसिक प्रयास की इच्छा को कमज़ोर करते हैं
- classroom में उबाऊ समय बिताना desire घटाता है
- grades जैसे external rewards internal desire को बाहर धकेल देते हैं
- grade inflation हर काम को बहुत आसान बनाकर effort की इच्छा घटा देती है
- rationalist ढंग से डिज़ाइन की गई संस्थाएँ facts और arguments संभालने वाले declarative mind पर ध्यान देती हैं, और motivation बनने वाले गहरे मानसिक क्षेत्र पर पड़ने वाले नुकसान को अक्सर नज़रअंदाज़ कर देती हैं
- Edward Deci और Richard Ryan की self-determination theory कहती है कि तीन शर्तें पूरी होने पर motivation बढ़ता है
- autonomy: अपनी choice पर खुद नियंत्रण होना
- competence: यह महसूस होना कि skills और abilities विकसित हो रही हैं
- relatedness: यह महसूस होना कि आसपास के लोग आपको महत्व देते हैं
- महान व्यक्तियों या कला-कृतियों के संपर्क से पैदा होने वाला admiration भी motivation बढ़ा सकता है
- apprenticeship संबंधों में mentor सिर्फ skill नहीं सिखाता, बल्कि यह भी सिखाता है कि उस काम से प्रेम करने वाला व्यक्ति कैसे बनना है
जो AI नहीं कर सकता, वही इंसान को परिभाषित करता है
- AI यह दिखाकर कि वह क्या नहीं कर सकता, इंसान होने का अर्थ भी उजागर कर सकता है
- तर्क और intelligence को लंबे समय तक वह मुख्य चीज़ माना गया जो इंसान को जानवरों से अलग करती है, लेकिन जब इंसान से कहीं अधिक बुद्धिमान अस्तित्व सामने हो, तब सिर्फ इससे मानवता को परिभाषित करना कठिन हो जाता है
- जो चीज़ AI के पास नहीं है, वह है किसी चीज़ की तीव्र चाह रखने की क्षमता
- reinforcement learning से बनी पतली परत में reward-जैसी कुछ mechanisms मौजूद हैं, लेकिन model का केंद्रीय कार्य desire नहीं, prediction है
- उसके पास growth और exploration को धकेलने वाली biological drive नहीं है
- उसके पास ऐसा self नहीं है जो अपने अतीत के स्वरूप को अपने बनने वाले भविष्य से जोड़ सके
- उसके पास personal wounds / joy / ecstasy / dreams / hopes से बनी रुचियों की संरचना और प्रेम की hierarchy नहीं है
- जीवन सिर्फ दिए गए problems को efficiently solve करना नहीं, बल्कि अनुभवों के जरिए बढ़ना और अभी तक अप्राप्त संभावनाओं की ओर बढ़ना है — एक तीर्थयात्रा की तरह
- इंसान को परिभाषित करने वाली विशेषताएँ हैं कठिनाइयों को पार करने वाली driving force और यह तय करने वाली aspiration कि उसे कहाँ जाना है और कैसा इंसान बनना है
- अगर लोगों की अधिक चाहने और गहराई से आकांक्षा करने में मदद की जा सके, तो वे कठिन मानसिक प्रयास को स्वीकार कर cognitive polarization से बच सकते हैं
- भले ही AI calculation और synthesis संभाले, अगर इंसान यह तय करे कि क्या महत्वपूर्ण है, क्या explore करने लायक है, कौन-सा mission चुनना है और किस दिशा में जाना है, तो मानव गरिमा बनी रह सकती है और और भी मज़बूत हो सकती है
अभी कोई टिप्पणी नहीं है.