وابستگی به ابزارهای هوش مصنوعی به یک بحران سلامت روان تبدیل شد

تصور کنید ابزاری که برای افزایش بهره‌وری ساخته شده، به‌تدریج جایگزین توانایی تفکر شما شود و شما را به یک «عکاز دیجیتال» وابسته کند. این کابوس برای هنک گرین (Hank Green)، ارتباط‌گر و коммуникаتوری علمی، به واقعیت تبدیل شد.

او در ۴ اوت ۲۰۲۶ اعلام کرد که به دلیل رابطه‌ای «ناسالم» با تکنولوژی، تولید محتوا را متوقف می‌کند. این تصمیم در ادامه اعترافات او درباره کاهش خلاقیت و تأثیرات منفی وابستگی به هوش مصنوعی بر روند تولید آثارش صورت گرفت. به نقل از گزارش The Verge، گرین از چت‌باتی برای یافتن منابع پژوهشی استفاده می‌کرد، نه برای نوشتن متن‌ها و اسکریپت‌ها؛ اما همین وابستگی باعث شد او در برابر انتقادات شدید درباره نبود اصالت و اعتبار قرار بگیرد.

شکاف اصالت

bسیاری از واکنش‌های منفی متمرکز بر اصطکاک میان برند «اصالت و اعتبار» گرین و ماهیت هوش مصنوعی بود. مدل‌های زبانی بزرگ (LLM) بر اساس آثار دیگران آموزش دیده‌اند، آن هم اغلب بدون پرداخت هرگونه هزینه یا پاداش به پدیدآورندگان. علاوه بر این، این مدل‌ها به تولید «دروغ‌های باورپذیر» شهرت دارند، موضوعی که استفاده از آن‌ها را در حوزه ارتباطات علمی بسیار پیچیده و مخاطره‌آمیز می‌کند.

این اعتراف در زمانی رخ می‌دهد که جامعه تازه با «فضای خاکستره‌ای» در روان‌شناسی هوش مصنوعی آشنا شده است. اکثر بحث‌ها یا روی استفاده‌های ساده و بی‌ضرر متمرکز است یا بحران‌های شدید روان‌پزشکی؛ اما تجربه گرین نشان می‌دهد یک نقطه میانی وجود دارد: جایی که کاربر بدون رسیدن به یک فروپاشی کامل عصبی یا کلینیکی، دچار رفتارهای اجباری یا وابستگی شدید می‌شود.

طبق گزارش The Verge، این رفتارها تصادفی نیستند. چت‌بات‌های هوش مصنوعی برای «بیشترین میزان تعامل» (Maximum Engagement) مهندسی شده‌اند، دقیقاً مشابه معماری شبکه‌های اجتماعی. این انتخاب در طراحی می‌تواند منجر به «سایکوز هوش مصنوعی» شود؛ حالتی که در آن ربات‌های هم‌سخن و چاپلوس، باورهای وهم‌آلود یا غلط کاربر را تأیید و تقویت می‌کنند.

برای مقابله با این ریسک‌ها، ارائه‌دهندگان خدمات هشدارهایی را معرفی کرده‌اند که استراحت پس از جلسات طولانی را پیشنهاد می‌کند. اما پیوندهای روان‌شناختی عمیق‌تری در حال شکل‌گیری است. برخی کاربران اکنون به‌طور غریزی برای تصمیم‌گیری‌های ساده یا دریافت اطمینان‌بخشی عاطفی به ربات‌ها مراجعه می‌کنند و در صورت قطع این اتصالات، دچار غم و اندوه واقعی و شدید می‌شوند.

ریسک برون‌سپاری شناختی

مورد خاص گرین یعنی استفاده از هوش مصنوعی برای کمک در پژوهش و یافتن مقالات، به پدیده‌ای به نام برون‌سپاری شناختی (Cognitive Offloading) اشاره دارد. این وضعیت زمانی رخ می‌دهد که ما کارهای ذهنی — مثل حافظه، محاسبات ذهنی یا یافتن مسیرها — را به ابزارهای خارجی می‌سپاریم. در حالی که پیش‌تر این اتفاق با موتورهای جست‌وجو رخ می‌داد، مدل‌های زبانی بزرگ این روند را به شدت شتاب بخشیده‌اند.

بر اساس پژوهش‌های اولیه، این تغییر ریسک‌های جدی به همراه دارد:

• تضعیف مهارت‌های خاصی که هوش مصنوعی جایگزین آن‌ها شده است.
• کاهش محسوس و قابل اندازه‌گیری در فعالیت مغز در هنگام انجام برخی تکالیف.
• افت کلی و مرتبط در مهارت‌های تفکر انتقادی.

با وجود پاسخ‌های تند و خشمگینانه‌ای که گرین دریافت کرد، استفاده او از چت‌بات‌ها به عنوان کمکی برای یافتن مقالات پژوهشی ذاتاً مشکل‌ساز نبود. با این حال، اثر این ابزار بر خودِ کاربر همچنان یک نگرانی جدی است. اگرچه تحقیقات در این زمینه هنوز در مراحل ابتدایی است، اما مفهوم بنیادین برون‌سپاری شناختی یک پدیده کاملاً مستند و شناخته شده است.

با تکیه بر پوشش قبلی ما درباره اینکه چگونه مدل‌های زبانی محلی (Local LLMs) می‌توانند در بنچمارک‌های فنی پیچیده — مانند شناسایی پردازنده‌ها در Ghidra — شکست بخورند، این موضوع نشان‌دهنده یک شمشیر دو‌لبه است: هوش مصنوعی ممکن است در انجام وظیفه شکست بخورد و هم‌زمان، انسانی که به آن تکیه کرده است، توانایی تشخیص این شکست را از دست بدهد. این نوع عدم قطعیت در عملکرد مدل‌ها، ریشه در چالش‌های تعارض میان انعطاف‌پذیری و قطعیت در LLMها دارد که منجر به خطاهای عملیاتی در محیط‌های حساس می‌شود.

مقیاس اثرگذاری

پتانسیل آسیب‌های گسترده به دلیل نرخ پذیرش بسیار بالا است. OpenAI گزارش داد که در سال جاری بیش از ۹۰۰ میلیون کاربر فعال هفتگی دارد. حتی اگر درصد کوچکی از این افراد دچار وابستگی‌های ناسالم شوند، با میلیون‌ها انسان آسیب‌دیده روبه‌رو هستیم.

این الگو دقیقاً شبیه روزهای اول شبکه‌های اجتماعی است؛ سال‌ها طول کشید تا دولت‌ها اثرات مخرب آن‌ها بر میزان توجه و سلامت روان نوجوانان را ببینند و محدودیت ایجاد کنند. اکنون ادعاهای مشابهی مبنی بر اینکه شرکت‌ها «تعامل» را بر «سلامت کاربر» اولویت می‌دهند، در قالب شکایت‌های قانونی در دادگاه‌ها مطرح می‌شود. در فضای سازمانی نیز شاهد الگوهای مشابهی از شکست هستیم، جایی که بسیاری از سرمایه‌گذاری‌های AI در مقیاس بزرگ به دلیل نادیده گرفتن پیچیدگی‌های انسانی و عملیاتی با عدم موفقیت روبه‌رو شده‌اند.

برای کاربر عادی، این یعنی افزایش بهره‌وری امروز ممکن است به قیمت کاهش چابکی ذهنی فردا تمام شود. شما در واقع یک عضله شناختی را با یک عکاز دیجیتال معامله می‌کنید. گرین احتمالاً اولین چهره شناخته‌شده‌ای است که احساسی را توصیف می‌کند که بسیاری پیش از آنکه علم شواهدی برای توضیح تغییرات آگاهی ما توسط هوش مصنوعی داشته باشد، تجربه کرده‌اند.

در آینده چشم‌انتظار اقدامات نظارتی جدیدی باشید که حلقه‌های تعامل AI را هدف قرار می‌دهند یا ابزارهای «سم‌زدایی دیجیتال» (Digital Detox) که به‌طور خاص برای وابستگی به LLMها طراحی شده‌اند، ظهور کنند.

گام بعدی شما

• زمان‌های استفاده از چت‌بات‌ها را محدود کنید و برای کارهای تحلیلی، ابتدا یک پیش‌نویس ذهنی یا دستی تهیه کنید.
• ابزارهایی را که شما را به «تعامل بیشتر» ترغیب می‌کنند (مانند اعلان‌های مداوم) غیرفعال کنید.
• تمرین‌های تقویت حافظه و تفکر انتقادی را به عنوان بخشی از روتین دیجیتال خود بازگردانید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.