تصور کنید نسلی را که هرگز دنیای پیش از موتورهای جستوجوی هوشمند را تجربه نکرده است؛ برای آنها، پاسخ به هر سؤال نه در گشتن میان صفحات وب، بلکه در یک گفتگوی سریع با ماشین نهفته است. این واقعیت اکنون به یک عدد تبدیل شده است: بیش از نیمی از نوجوانان آمریکا دیگر برای یافتن اطلاعات به روشهای سنتی تکیه نمیکنند.
طبق گزارش مرکز پژوهشهای پیو (Pew Research Center) که در فوریه ۲۰۲۶ منتشر شد، ۵۷٪ از نوجوانان آمریکایی اکنون برای جستوجوی اطلاعات از چتباتها استفاده میکنند. این تغییر نشان میدهد که هوش مصنوعی زاینده (Generative AI) — شبیه به دستیاری که میلیاردها صفحه متن را خوانده و حالا میتواند هر چیزی را خلاصه کند — دیگر یک ابزار عجیب یا یک نوآوری گذرا نیست، بلکه به یک ابزار کاربردی در پسزمینه تبدیل شده که در تار و پود زندگی دیجیتال نسل آینده تنیده شده است.
برای اکثر نوجوانان و کودکان پیش از نوجاد، هوش مصنوعی شبیه به یک ویژگی جدید در آیفون نیست که باید آن را درخواست کنند یا فعال نمایند؛ بلکه صرفاً «آنجاست». این فناوری در دل جستوجوهای گوگل و اپلیکیشنهایی که هر روز با آنها سر و کار دارند، ادغام شده است. این ادغام در حالی رخ میدهد که بزرگسالان هنوز در اتاقهای جلسات شرکتها و پارلمانها درباره اخلاقیات این فناوری بحث میکنند. بسیاری از کودکان گزارش دادهاند که نخستین برخوردشان با این ابزارها از طریق والدین یا مدارس بوده است.
تضاد در دیدگاه نوجوانان
وقتی با نوجوانان ۱۰ تا ۱۸ ساله درباره هوش مصنوعی صحبت میکنید، پاسخها بسیار پیچیدهتر و دارای ظرافتهای بیشتری نسبت به تصورات کلیشهای است. برخی اعتراف میکنند که از آن برای تقلب استفاده میکنند — درست همانطور که نسلهای قبل از خلاصههای کتاب (CliffsNotes) یا ماشینحسابهای TI-82 استفاده میکردند — اما برخی دیگر کاملاً نسبت به آن بیتفاوتاند. برخی از دانشآموزان در پاسخ به سؤالات درباره AI، صرفاً با کلماتی مثل «bruh» یا «meh» واکنش نشان میدهند که نشاندهنده نوعی بیمیلی یا عادیانگاری است. این واکنشها با یافتههای دیگری همسو است که نشان میدهد بسیاری از نوجوانان محتوای تولیدی هوش مصنوعی را مسخره میدانند و نسبت به تبلیغات اغراقآمیز این فناوری بدبین هستند.
شکاف عمیقی میان کاربران فعال و کسانی که کل این حوزه را ناامیدکننده میبینند وجود دارد. برخی نوجوانان چنان با این فناوری مخالفاند که حتی از بحث درباره آن اجتناب میکنند. ریشه این مقاومت اغلب در ترسی عمیق است: ترس از اینکه AI ظرفیتهای بنیادین انسان برای خلاقیت و تفکر انتقادی را از بین ببرد و باعث زوال تواناییهای ذهنی شود.
در حالی که دادهها پذیرش بالای این فناوری را نشان میدهند، واکنشهای عاطفی بسیار تکهتکه است. برخی دانشآموزان AI را مانند یک ماشینحساب برای زبان میبینند، در حالی که دیگران آن را تهدیدی برای مفهوم خلاقیت انسانی میدانند. این تنش اکنون در قلب تجربه کلاسهای درس جریان دارد، جایی که نبرد میان ابزارهای زاینده و صداقت تحصیلی به اوج خود رسیده است. برخی دانشآموزان، مانند «وینتر» ۱۷ ساله، این وضعیت را ناامیدکننده میبینند و میگویند: «AI راه حل مشکلات ما نیست. میترسم که این فناوری پایان خلاقیت و تفکر انتقادی باشد.»
شکاف کاربردی: مدرسه در برابر خلاقیت
بر اساس دادههای مرکز پژوهشهای پیو، اکثر نوجوانان از AI برای کارهای بیخطر و روزمره استفاده میکنند. ۵۴٪ برای تکالیف مدرسه و ۴۷٪ برای سرگرمی از چتباتها بهره میبرند، در حالی که تنها ۱۲٪ برای دریافت حمایت عاطفی یا مشاوره به این سیستمها مراجعه میکنند. این آمار نشان میدهد که احتمال استفاده نوجوانان از AI به روشهای بیضرر، بیش از چهار برابر بیشتر از استفادههای بالقوه مضر است.
«وزلی» ۱۴ ساله از اوهایو، از ChatGPT برای اصلاحات فنی مثل گرامر و بررسی دیکته استفاده میکند. او صراحتاً از بهکارگیری AI در هسته خلاقانه پروژههایش پرهیز میکند تا اجازه ندهد هوش مصنوعی بر صدای اصلی و سبک شخصی او تأثیر بگذارد. وزلی اشاره میکند که اگرچه برای مدرسه و دیباگ کردن بازیهای کوچکی که کدنویسی کرده است از AI کمک میگیرد، اما جنبههای گفتگومحور ChatGPT را جذاب نمیبیند.
وزلی با ابزارهای تخیلیتری مثل Character.AI تجربه کرده است. برخلاف چتباتهای استاندارد، این پلتفرم به کاربران اجازه میدهد شخصیتهایی با پرامپتهای خاص و عکسهای پروفایل بسازند تا دیگران با آنها تعامل کنند. او تجربههای متنوعی را توصیف میکند که توسط جامعه کاربران ساخته شده است:
- فندومها: وزلی از یک شخصیت استفاده کرد تا تصور کند بخشی از گروه دزدان دریایی در سریال One Piece است.
- شبیهسازها: کاربرانی شبیهسازهای «رپ-استار» ساختهاند که در آن AI بر اساس مبدأ و سطح دشواری انتخاب شده توسط بازیکن، یک بازی تولید میکند.
- نقشآفرینی: شبیهسازهای جنگ جهانی دوم و گفتگو با آدمکشهای سریالهای تلویزیونی در این پلتفرم وجود دارد.
«سیلویا» ۱۰ ساله از میشیگان نیز AI را به ماشینحساب تشبیه میکند. او از SchoolAI برای ایدهپردازی یا بازبینی نوشتهها استفاده میکند، اما اصرار دارد که نقاشی و آهنگسازی را خودش انجام دهد تا هویت هنریاش حفظ شود. سیلویا بهویژه از لحظاتی که AI مردم را «فریب» میدهد بیزار است؛ او مثالی میزند از زمانی که مادرش آهنگهایی را در اسپاتیفای پیدا کرد که به نظر میرسید توسط یک هنرمند انسانی خوانده شدهاند، اما کاملاً توسط AI تولید شده بودند.
کاربران با ریسک بالا و سازندگان
برای برخی، AI یک ابزار حیاتی برای سلامت است. «اولین» ۱۳ ساله از اورگان، از یک سامانه عاملمحور (Agentic) استفاده میکند که گلوکومتر و پمپ انسولین او را به هم متصل کرده تا دوز دارو را پیشبینی کند. این سیستم از افت خطرناک قند خون در شب جلوگیری میکند و به او اجازه میدهد بدون استرس دائمی بخوابد.
- سازوکار: مانیتور سطح واقعی قند خون را رصد میکند و پمپ محاسبات ریاضی لازم برای پیشبینی سطوح آینده را انجام میدهد.
- اقدام: اگر سیستم پیشبینی کند که قند خون در ۳۰ دقیقه آینده بالا میرود، یک دوز اصلاحی تزریق میکند؛ و اگر پیشبینی افت قند باشد، تزریق انسولین را متوقف میکند.
- تأثیر: اولین که در ژانویه تشخیص داده شد دیابت نوع ۱ دارد، میگوید این فناوری جایگزین استرس افتهای شبانه و تزریقات دستی شده است. او همچنین از ChatGPT برای محاسبه مقدار کربوهیدرات دستورهای غذایی بر اساس اندازه هر پرس استفاده میکند.
در سوی دیگر، نوجوانانی مثل «کریشیو» ۱۷ ساله از انتاریو، از مصرفکننده به سازنده تبدیل شدهاند. او Aceflow را ساخت؛ یک مدرس AI که ویدیوهای سخنرانی و PDFها را به سؤالات تمرینی تبدیل میکند. او استدلال میکند که AI میتواند توجه شخصیسازیشده را مقیاسپذیر کند و نسخهای دیجیتال از یک مدرس خصوصی گرانقیمت را در اختیار همه قرار دهد.
- عملکرد Aceflow: کاربران میتوانند یک سخنرانی ۳۰ دقیقهای یوتیوب، یک پست وبلاگی یا PDF کتابهای درسی را به ابزار بدهند و آن، سؤالات تمرینی بیپایانی را با تقلید از سبک تدریس استاد تولید میکند.
- مسیر شغلی: این پروژه باعث شد او در شرکتهای بزرگی مثل BenchSci (یک شرکت بزرگ AI در کانادا) و Simple Ventures فعالیت کند و در نهایت به آزمایشگاه AI دانشگاه MIT برود، جایی که به عنوان کمکمدرس دوره «عاملهای هوش مصنوعی» فعالیت کرد. او بعدها پلتفرم CheetahPrep.com را برای آمادگی آزمون SAT راهاندازی کرد که از AI برای تطبیق با سطح هر دانشآموز استفاده میکند.
«دانیل» ۱۸ ساله از کالیفرنیا نیز Next Voters را توسعه داد. سیستم او از یک زنجیره از عاملهای هوش مصنوعی (AI Agents) استفاده میکند تا وبسایتهای دولتی را بررسی کرده، اعتبار آنها را تأیید کند و اسناد ۱۰۰ صفحهای سیاستگذاری را به خبرنامههایی با زبان ساده تبدیل کند تا مشارکت دموکراتیک نوجوانان افزایش یابد.
- زنجیره عاملها: یک عامل منابع رسمی (وبسایتهای شوراها، لوایح، متن جلسات) را مییابد؛ دومی اعتبار را تأیید میکند؛ سومی بهروزرسانیهای هفتگی را استخراج میکند؛ چهارمی موضوعات را دستهبندی میکند (حقوق مدنی، مهاجرت، اقتصاد)؛ و عامل نهایی خبرنامه را مینویسد.
- هدف: دانیل قصد دارد موانع مشارکت دموکراتیک را برای همه، فارغ از نژاد، جنسیت، درآمد یا سطح تحصیلات کاهش دهد. او بهطور خاص به شکاف آگاهی میان نوجوانان در مورد رویدادهای جهانی مانند جنگ اوکراین اشاره میکند.
مقاومت و خطرات پنهان
همه جوانان این فناوری را نمیپذیرند. «هیزل» ۱۷ ساله از نیویورک، احساس خود را نسبت به AI «خشم» توصیف میکند. دلیل تحریم او، هزینههای محیطزیستی مراکز داده است، بهویژه مصرف عظیم آب و افزایش دمای محلی که توسط مزارع سرور ایجاد میشود. هیزل که مشتاق اکولوژیست شدن و صخرهنوردی است، از AI دوری میکند چون نمیخواهد این فناوری «جاهایی را که دوست دارد، نابود کند».
هزینههای محیطزیستی و اجتماعی
نگرانیهای هیزل بهطور خاص مربوط به زیرساختهای فیزیکی AI است. او اشاره میکند که مراکز داده شامل بلوکهای عظیمی از سرورها هستند که مقادیر هنگفتی آب مصرف میکنند و اغلب این آب را از شهرهای محلی میگیرند و منابع ناکافی برای ساکنان باقی میگذارند. علاوه بر این، این مراکز میتوانند گرمای زیادی تولید کنند که دمای محلی را یک یا دو درجه افزایش دهد. برای هیزل، تصمیم به عدم استفاده از AI یک اقدام محیطزیستی کوچک اما ضروری است.
علاوه بر محیطزیست، نگرانیها درباره تخریب مهارتهای شناختی جدی است. چندین دانشآموز ابراز ترس کردند که تکیه بر AI باعث پایان تفکر انتقادی شود. «رمی» ۱۶ ساله از نیویورک میگوید کدهای تولید شده توسط AI اغلب «نامرتب» (sloppy) هستند و اصلاح آنها زمان بیشتری از نوشتن از صفر میبرد. رمی ترجیح میدهد مدلهای یادگیری تقویتی (Reinforcement Learning) خود را در موتورهای بازیسازی بسازد، جایی که یک شخصیت از طریق تکرار، کارآمدترین مسیر رسیدن به یک سکه را یاد میگیرد.
رمی همچنین به یک تغییر سیستمی در آموزش اشاره میکند: چون معلمان از تقلب میترسند، بسیاری از مدارس نوشتن مقالات را فقط به داخل کلاس محدود کردهاند. او معتقد است محدود کردن دانشآموزان به بازههای ۷۰ دقیقهای برای نوشتن کل یک مقاله، در واقع کیفیت نوشتار آنها را کاهش میدهد. او به دانشگاه پرینستون به عنوان یک مثال افراطی اشاره میکند و میگوید این دانشگاه اخیراً رأی داد که اساتید برای اولین بار در بیش از یک قرن، بر امتحانات نظارت کنند و بدین ترتیب کد اخلاقی که به سال ۱۸۹۳ بازمیگشت را عملاً به پایان رساند.
نقاط کور امنیتی
نوجوانان آسیبپذیریهایی را میبینند که بزرگسالان ممکن است نادیده بگیرند. رمی به مورد خاصی اشاره میکند که در آن هکرها از یک چتبات اینستاگرام برای بازنشانی رمز عبور حسابهای سطح بالا، از جمله باراک اوباما، استفاده کردند. آنها از یک آسیبپذیری خاص در AI بهره بردند که به هکرها اجازه میداد ایمیلهای بازنشانی رمز را به آدرسهای خود منحرف کنند. این نوع آسیبپذیریها و واکنشهای منفی کاربران، گاهی منجر به تغییرات ساختاری میشود؛ برای مثال، واکنش تودهای کاربران گوگل و متا را به عقبنشینی از برخی قابلیتهای AI مجبور کرد تا امنیت و حریم خصوصی بهتر تامین شود.
این نشان میدهد که اگرچه نوجوانان با ابزارها راحت هستند، اما به ماهیت «ناپخته» و خام AI فعلی بهشدت واقفاند. آنها AI را مانند «اولین ماشین یا اولین هواپیما» میبینند؛ اختراعی شگفتانگیز که هنوز کاملاً صیقلخورده یا ایمن نیست. رمی اشاره میکند که در حالی که نسبت به اکثر کاربردهای فعلی بیتفاوت است، به AI با کاربرد بالا علاقه دارد؛ مانند سیستمهایی که آموزش دیدهاند تا سرطان سینه را با دقت بیشتری شناسایی کنند و مثبتهای کاذب خود را برای تأیید انسانی علامتگذاری کنند.
تحلیل: تغییر از ابزار به عامل
این دادهها نشاندهنده یک اثر مرتبه دوم است: ترس از «مهارتزدایی» (de-skilling) نه از خود AI، بلکه از واکنش انسان به آن ناشی میشود. وقتی مدارس با حذف تکالیف خانگی به AI پاسخ میدهند، ممکن است ناخواسته عادتهای «کار عمیق» (deep-work) را که پرورشدهنده تفکر انتقادی است، سرکوب کنند.
برای دنیای کسبوکار، این گروه نشاندهنده نیروی کار آیندهای است که AI را یک کالا (commodity) میبیند، نه یک معجزه. آنها کمتر نگران این هستند که AI شغلشان را بگیرد و بیشتر نگران تأثیر آن بر بافت جامعه و محیطزیست هستند. آنها مانند درخواست برای حساب اسنپچت، برای AI التماس نمیکنند؛ بلکه در مورد اینکه چه چیزی را به ماشین بسپارند و چه چیزی را نه، سختگیر و discern discerning هستند.
این کاربران در حال حاضر محدودیتهای مدلهای زبانی بزرگ (LLM) را شناسایی کردهاند، مانند زوال حافظه در نسخههای رایگان ابزارهایی مثل Character.AI. وزلی اشاره میکند که در نسخه رایگان، حافظه در نهایت تمام میشود و باعث میشود AI کند شود و بخشهای قبلی گفتگو را فراموش کند. او این تجربه را به نیاز به «هدایت کردن» (steer) AI تشبیه میکند، زیرا اگر اجازه دهید خودش پیش برود، از هم میپاشد.
برای پیمودن این مسیر در آینده، تمرکز باید از «اجتناب از AI» به آموزش «بررسی نقاط کور» تغییر کند. همانطور که به نوجوانان یاد میدهند با چک کردن آینهها رانندگی کنند، باید به آنها یاد داد که خروجیهای AI را بدون رها کردن قضاوت شخصی خود تأیید کنند. خطر محتوای بدون فیلتر و پاسخهای غلط، دلیلی برای آموزش این فناوری است، نه دوری از آن.
منتظر ظهور ابزارهای آموزشی «عاملمحور» (agentic) باشید که فرآیند یادگیری را بر پاسخ نهایی اولویت میدهند. همانطور که کریشیو پیشنهاد میکند، با جریان میلیاردها دلار سرمایه به سمت AI عاملمحور، مهمترین مهارتها برای نسل آینده، ابتکار عمل، قدرت قضاوت و خودراهبری خواهد بود.
گام بعدی شما
- اگر دانشآموز یا معلم هستید، بهجای ممنوعیت، روی «بررسی نقاط کور» (Blind Spot Check) تمرکز کنید؛ یاد بگیرید خروجی AI را مانند چک کردن آینههای ماشین هنگام رانندگی، تأیید کنید.
- ابزارهای عاملمحور آموزشی را دنبال کنید که بهجای ارائه پاسخ نهایی، بر «فرآیند یادگیری» تمرکز دارند.
- در پروژههای خلاقانه، از AI برای ساختار و ویرایش استفاده کنید، اما هسته ایدهپردازی را برای حفظ هویت شخصی، انسانی نگه دارید.
اما داستان سختافزاری و محیطزیستی این تحول حتی پیچیدهتر است — به تحلیل ما درباره مصرف انرژی مراکز داده مراجعه کنید.
گفتگو