01AI-зависимость: новая угроза медиаграмотности
В последние годы мы стали свидетелями взрывного роста использования больших языковых моделей (LLM) не только для генерации контента, но и для его потребления. По данным Pew Research Center, каждый пятый подросток в США регулярно использует ИИ для получения новостей, а каждый четвертый молодой взрослый делал это хотя бы раз. Казалось бы, это прогресс: технологии помогают быстрее ориентироваться в информационном шуме.
Однако новое исследование из MIT Media Lab, опубликованное 9 июня 2026 года, бьет тревогу. Ученые обнаружили, что опора на ИИ для проверки фактов приводит к парадоксальному эффекту: люди становятся хуже в распознавании дезинформации, когда остаются наедине с информацией без помощи алгоритмов.
Эффект GPS для мозга: когнитивная разгрузка
Это явление, которое авторы называют "парадоксом зависимости от ИИ", имеет глубокие исторические параллели. Мы уже видели подобное с калькуляторами, ослабившими навыки устного счета, и с GPS, ухудшившими наше врожденное чувство направления. Термин, описывающий этот процесс, — "deskilling" (потеря навыков) или "когнитивная разгрузка" (cognitive offloading).
В исследовании приняли участие 67 человек, которых наблюдали в течение четырех недель. Участники оценивали пары "заголовок-изображение" новостей. Результаты показали:
- В моменте: С помощью ИИ-чата точность распознавания фейков выросла на 21%. Это подтверждает, что ИИ — эффективный инструмент для мгновенной верификации.
- В долгосрочной перспективе: К четвертой неделе, когда ИИ был отключен, точность участников без помощи упала на 15 процентных пунктов по сравнению с начальным уровнем.
Самое пугающее в этом исследовании — эффект Даннинга-Крюгера. Около четверти участников считали, что их навыки улучшаются, хотя объективные данные показывали обратное. Они теряли способность критически оценивать информацию, но не осознавали этой утраты.
02От активного поиска к пассивному принятию
Качественный анализ выявил четкие поведенческие паттерны. Исследователи выделили группу "Dependency Developers" (Разработчики зависимости), которая составила пятую часть всех участников. Эти люди постепенно перешли от активного самостоятельного анализа к пассивному принятию выводов ИИ.
Один из респондентов прямо признался в этом:
"Хотя [чат-боты] подчеркивали, что нужно проверять информацию по нескольким источникам, они не научили меня ничего о том, как анализировать контекст самих изображений".
Это ключевая проблема: ИИ дает ответ, но не передает методологию проверки. Пользователь перестает задавать вопросы, потому что привык получать готовые решения.
Почему ИИ ошибается в кризисные моменты
Анчу Рани, соавтор исследования, отмечает:
"Пользователи приходят в восторг от этих "волшебных" LLM, но забывают, что это просто статистические модели, предсказывающие следующий "токен" в последовательности".
ИИ особенно уязвим к ошибкам в моменты эмоционально заряженных событий, таких как покушение на президента Трампа или эскалация конфликта в Иране. В такие периоды дезинформация распространяется лавинообразно. Кроме того, сами обучающие данные ИИ часто содержат предвзятость и неточности, что создает замкнутый круг ошибок.
03Решение: Станьте тренером, а не костылем
Исследование не призывает отказываться от ИИ. Оно предлагает изменить способ взаимодействия. Ключевое различие проходит между ИИ, который действует как "костыль" (дает готовые ответы), и ИИ, который выступает как "тренер" (учит анализировать).
Стратегии эффективного взаимодействия
Команда MIT выделила два подхода к диалогу с ИИ:
| Подход | Механизм | Результат для пользователя |
|---|---|---|
| Костыль (Tell) | Прямые ответы, готовые выводы | Быстрая проверка, но рост зависимости и снижение навыков анализа |
| Тренер (Ask) | Метод Сократа: задавание наводящих вопросов | Изначально медленнее, но развитие навыков критического мышления |
| Глубокий зондаж | Система мягко оспаривает заблуждения пользователя | Формирование устойчивой способности к верификации |
Как говорит Валдемар Данри, соавтор работы: "ИИ, который "говорит", скорее всего, сформирует зависимость, тогда как ИИ, который "спрашивает", вовлекает пользователя в процесс обучения".
04Перспективы: Новая грамотность в эпоху ИИ
Исследование подчеркивает необходимость развития AI-грамотности (AI literacy). Это не просто умение пользоваться чат-ботами, а понимание их ограничений, статистической природы и склонности к галлюцинациям.
Профессор Пауль Пу Лян и старший научный сотрудник Эндрю Липпман отмечают, что educators (педагоги) должны интегрировать ИИ в учебные планы так, чтобы он стимулировал, а не заменял мышление. Исследование имеет ограничения: выборка небольшая, и она сосредоточена на США и Великобритании. В будущем авторы планируют изучить влияние культурно-адаптивных цифровых двойников и взаимодействие с пользователями из регионов с низким уровнем доступа к ресурсам.
Что это значит для индустрии?
- Дизайн продуктов: Разработчикам ИИ-ассистентов нужно внедрять "состязательные" интерфейсы, которые заставляют пользователя аргументировать свою позицию, а не просто подтверждать факт.
- Образование: Школы и университеты должны учить не тому, как спрашивать у ИИ, а тому, как проверять то, что говорит ИИ. Критическое мышление становится harder skill (сложным навыком) номер один.
- Психология пользователей: Нам нужно бороться с иллюзией компетентности. Осознание того, что мы "разучиваемся" думать, — первый шаг к сохранению интеллектуальной автономии.
В конечном итоге, способность ставить под сомнение и анализировать информацию — это фундамент независимого мнения. Если мы делегируем это мышление алгоритмам, мы рискуем потерять не только навыки, но и свободу выбора.
Исследование "Dialogues with AI Reduce Beliefs in Misinformation but Build No Lasting Discernment Skills" было представлено на конференции CHI 2026 и поддержано грантами MIT, Google и Media Lab Consortium.