Nem csupán az informatikusok és a kognitív tudományok művelői között, hanem ezen szakmai csoportokon belül is élénk vita zajlik arról, egyáltalán érdemes-e mesterséges intelligenciáról beszélnünk jelenleg? Illetve, hogy mi a viszonya a mesterséges intelligenciának az emberi intelligenciához – aminek mibenlétéről amúgy szintén nincs egyetértés az agykutatók és filozófusok között. Annyi azonban konszenzusosnak tűnik, hogy a jelenleg használt LLM-ek (nagy nyelvi modellek) nem hoznak létre tudást, hanem mintákat utánoznak, gyakran ugyanazokat a gondolatokat másolva újra és újra. Ahogy Emily M. Bender nyelvész hangsúlyozza, ezek a modellek nem rendelkeznek valódi megértéssel: nem értik a kontextust, a jelentést vagy a szándékot, csupán statisztikai mintákat ismételnek.

Ezt a közelítést ugyanakkor két oldalról is finomítani érdemes: egyfelől, vajon az emberi kogníció nem ugyanezt teszi működésének legnagyobb részében? Másfelől, a kellően nagyméretű szövegkorpuszok újra- és újra feldolgozása nem hozhat-e mégis újabb tudást?

Az ilyen, még eldöntetlen viták zsákutcáját kikerülhetjük oktatási szempontból, ha nem a tudás vagy nemtudás létrehozásának teoretikus, illetve programozási dilemmáját tekintjük fontosnak, hanem az alkalmazást. Márpedig a diákok, hallgatók tudás-szocializációja szempontjából az az igazi kérdés, hogy az információforráshoz miképpen viszonyulnak: képesek vagyunk-e átalakítani, vitatkozni vele, visszakérdezni rá olyan módon, amire egy statisztikai modell nem képes. Ez a különbség egy tízéves gyerek verse és a gép által generált vers között.

A helyzet még súlyosabb, ha nemcsak a szöveg előállítását, hanem az értékelését is automatizáljuk. Marc Watkins szerint az AI-jal történő automatikus értékelés az oktatás lényegét kérdőjelezi meg: amikor a gép mondja meg, mi számít jónak vagy rossznak, elveszítjük az emberi ítélőképesség szerepét. Ezek a rendszerek nem adnak valódi magyarázatot arra, hogyan jutnak egy döntésre, nem átláthatók, nem vitathatók, egyszerűen reprodukálnak egy eredményt.

Ez nem visszajelzés, hanem helyettesítés. Amikor az értékelésben a gép veszi át az ember szerepét, nem tanítjuk meg a hallgatókat reflektálni, javítani, érvelni vagy akár hibát felismerni. Azt tanítjuk meg nekik, hogy elégedjenek meg a gép ítéletével, mint automatizált vizsgáztatással.

Ez nem oktatás. Ez automatizált pontozás. Ebben persze mi magunk is bűnösök vagyunk, engedünk a tömegoktatás csábításnak, ami egyszerűsítésre kényszerít. De az egyszerűsítésnek nem szabadna így történnie. Amikor a gép még a gondolkodás látszatát is átveszi, a tanulás lényege tűnik el az oktatásból. A tanulás nem termék, nem fájl, nem egy „ízlésesen megírt esszé”. A tanulás folyamat, amely alatt kérdezni, hibázni, javítani, és újrakezdeni is lehet, mindez olyasmi, ami egy algoritmus révén nem megtapasztalható. És amikor a tanulási folyamatot olcsó, de felszínes megoldásokkal helyettesítjük, az emberi fejlődés alapjai kerülnek veszélybe. Nemcsak az egyetem, hanem maga a tanulás is elveszítheti a jelentését.

Hol vannak az eredeti gondolatok? Hol vannak a félbemaradt mondatok, amelyekből vita születik? Hol vannak a rosszul megfogalmazott, de őszinte kérdések? Hol vannak azok a gondolatok, amelyek még nem jók, de már a sajátjaink? Hol van a valódi diskurzus, amikor a szövegek előbb születnek meg, mint ahogy a gondolat egyáltalán kialakulna?

Nem azért érezhetjük rosszul magunkat, mert technofóbok lennénk és elutasítanánk minden technológiai fejlődést. Hanem azért, mert nem magától értetődő, hogy minden használható eszköz egyben használó is. Nem volt olyan rég, hogy a digitális eszközök, különösen a szociális média alkalmazása az oktatásban (és tudomásul vétele a gyerekek életben) a korszerű, naprakész pedagógiai látásmódnak számított, és akik szóvá tették a problémákat, korszerűtlennek minősültek. Ma már tudományos evidenciák tömege világított rá arra a károkozásra, amit ezek az eszközök- és felületek okoznak, világszerte fel is lépnek ezek ellen.

Vajon miért kellene ellenállás nélkül feladnunk a tudásátadás alapértékeit? Az egyetem, minden hibájával együtt, eddig mégiscsak az a tér volt, ahol gondolkodni tanultunk. Nem tökéletesen. Nem mindig hatékonyan. De az emberi kogníció innovatív és morális potenciálját a leginkább biztosító protokollok által. Mára viszont egyre gyakrabban találkozunk kész válaszokkal kérdések nélkül, szövegekkel tapasztalat nélkül, állításokkal tét nélkül. És ekkor már nemcsak az oktatásról kell beszélnünk, hanem a következő nemzedékről.

Miért kellene ezt hagynunk? A mi felelősségünk, ha a következő generációk nem tanulnak meg küzdeni egy gondolattal, nem tapasztalják meg a saját tévedés miatti elkeseredettséget és a hibakeresés felszabadító erejét, nem tanulnak meg vitázni, érvelni, visszakérdezni. Mi lesz azokkal a fiatalokkal, akik számára az első reflex nem a gondolkodás, hanem a delegálás? Akik nem azt kérdezik: mit gondolok erről, hanem azt: mit írhatnék ide?

Nem morális pánikot akarunk kelteni. De felelőtlenség lenne nem kimondani: ami most folyik az nem semleges változás. Ha a tanulást kiszervezzük, ha a gondolkodást automatizáljuk, ha az értékelést algoritmusokra bízzuk, akkor nemcsak az egyetemet veszítjük el, hanem azt a lassú, küzdelmes, emberi utat is, amelyen keresztül értelmiséggé, szakemberré, gondolkodó felnőtté válik valaki. Hogy ehhez adott esetben a jelenlegi oktatás, különösen felsőoktatás olyan, mára természetessé vált deformációival is ujjat kell húznunk, mint a tömeges diplomatermelés, és az ehhez optimalizált finanszírozás, vagy a rövid távú munkaerőpiaci megfelelés abszolutizálása? Meglehet, de ezek csődjét az AI-hype csak még inkább kiemeli, nem okozza.