MIT এবং প্রিনস্টন এআই ল্যাবের গবেষকদের একটি নতুন অধ্যয়ন, যা arXiv-এর মাধ্যমে প্রকাশিত হয়েছে, অনেকের নীরবভাবে সন্দেহ করা বিষয়টির পিছনে কঠোর সংখ্যা প্রদান করে। মানুষ শুধু তাদের AI-এর উপর কতটা প্রায়শই নির্ভরশীল হয় তা অবহেলা করছে, তারা একইসঙ্গে এটি থেকে তারা কতটা পাচ্ছে তা অত্যধিকভাবে অনুমান করছে। গবেষকদের এটিকে “দক্ষতা-লাভের মিথ্যা ধারণা” বলেছেন, এবং এটি একটি সংজ্ঞায়িত জ্ঞানগত ফাঁদকে বর্ণনা করে, যা AI-এর উৎপাদনশীলতায় বাস্তব অবদান সম্পর্কে আমাদের চিন্তাভাবনাকে পুনর্গঠন করতে পারে।
ছলনার পিছনের সংখ্যাগুলি
“দক্ষতা-লাভের মিথ্যা ধারণা: মানুষ এআই ব্যবহারের হার কম মূল্যায়ন করে এবং সহজ কাজে এর সুবিধাগুলি অতিরিক্ত মূল্যায়ন করে” শিরোনামের এই অধ্যয়নটি 2,691 জন অংশগ্রহণকারীর সমন্বয়ে তিনটি পূর্বনিবন্ধিত পরীক্ষা পরিচালনা করে। কাজগুলি ইচ্ছাকৃতভাবে সহজ ছিল: অংক, বানান-পরীক্ষা, যে ধরনের কাজ বেশিরভাগ মানুষ ঘাম ছাড়াই করতে পারে।
অংশগ্রহণকারীরা ধারণা করত যে এই সহজ কাজগুলিতে এআই তাদের অর্থপূর্ণ সময় ও পরিশ্রম বাঁচিয়ে দিচ্ছে, যদিও বাস্তব লাভগুলি ক্ষুদ্র ছিল। একটি মডেলযুক্ত বিশ্লেষণে, এআই-এর সাহায্যে কপি-পেস্ট ফাংশন ব্যবহার করে গড় সম্পন্নকরণ সময় ১০২.০ সেকেন্ড থেকে হ্রাস পেয়ে ৬৬.২ সেকেন্ডে পৌঁছায়। অংশগ্রহণকারীরা এই ৩৫-সেকেন্ডের বাস্তবতার চেয়ে অনেক বেশি সুবিধা অনুভব করল। তাদের আত্ম-সম্পাদনা ক্ষমতা বৃদ্ধির অনুভূতি বাস্তবের চেয়েও বেশি ছিল, যা এআই-এর উপযোগিতা সম্পর্কে একটি বিকৃত চিত্র তৈরি করল, যা পরবর্তীতে এআই-কে কখন ব্যবহার করবেন—সেইসব সিদ্ধান্তকে প্রভাবিত করল।
ফিডব্যাক লুপ সমস্যা
গবেষকদের দ্বারা একটি ফিডব্যাক লুপ শনাক্ত করা হয়েছে, যেখানে সরল কাজের জন্য কৃত্রিম বুদ্ধিমত্তার প্রাথমিক নির্ভরশীলতা আরও নির্ভরশীলতাকে উৎসাহিত করেছে, যা উৎপাদনশীলতা সম্পর্কে ভুল বিচারকে গভীর করেছে। প্রতিটি সময় একজন অংশগ্রহণকারী AI ব্যবহার করে এবং অনুভব করে যে এটি সাহায্য করেছে, তখন তিনি আবার AI-এর দিকে ঝুঁকতে বেশি প্রবণ হয়ে পড়েন। কারণটি এটির পক্ষে প্রমাণের উপস্থিতি নয়, বরং দক্ষতার অনুভূতি নিজেই নিজেকেই শক্তিশালী করেছে।
গবেষকদের আরও পাওয়া গেছে যে অংশগ্রহণকারীদের মধ্যে এআই ব্যবহারের হার প্রায়শই কম ধরা হয়েছে। মানুষ শুধু এআই-এর সুবিধাগুলির অতিরিক্ত মূল্যায়ন করেননি। তারা এই বিষয়টিও কম বুঝেছিল যে তারা প্রথম থেকেই এআই-এর প্রতি কতটা প্রায়শই আশ্রয় নিচ্ছিল, যা ফিডব্যাক লুপকে ভাঙতে আরও কঠিন করে তোলে।
উৎপাদনশীলতার প্যারাডক্স, পুনরায় পর্যালোচনা
MIT এবং প্রিনস্টনের গবেষণা যা যোগ করে তা হল এই ব্যবধানের একটি আচরণগত ব্যাখ্যা। যদি ব্যক্তিগত ব্যবহারকারীরা নিয়মিত কাজে AI-এর সুবিধাগুলি প্রণালীগতভাবে অতিরিক্ত অনুমান করে, তবে সামষ্টিক উৎপাদনশীলতার ডেটা সামষ্টিক উত্সাহের সাথে কখনই মেলে নাও পারে। ব্যক্তিগত স্তরে লাভগুলি বাস্তব মনে হয়, কিন্তু সংখ্যাগুলিতে এগুলি সম্পূর্ণরূপে প্রকাশিত হয় না।