Чему учить людей, когда алгоритмы знают всё: парадокс когнитивной лени

В образовании принято считать, что генеративные модели освободят нас от рутины ради чистого творчества. Но статистика говорит об обратном. Еще в 2017 году ОЭСР выяснила, что у двух третей работников базовые навыки счета и грамотности ниже возможностей тогдашних алгоритмов. Сегодня разрыв только увеличился. Зачем вообще напрягать мозг, если машина справляется с фактурой быстрее и точнее?
Министр образования Эстонии Кристина Каллас в выступлении на TEDx предлагает посмотреть на проблему с позиции нейробиологии. Мозг работает в двух режимах, и делегирование простых задач ИИ отключает именно базовые когнитивные функции. Правда, это не означает автоматического перехода к глубокому анализу. Без целенаправленной тренировки сложных мыслительных процессов человек теряет способность критически оценивать результат работы алгоритма.
Идея массово переводить людей в состояние высшей когнитивной нагрузки звучит логично на бумаге. Но на практике государственные программы всё ещё заточены под механическое запоминание готовых ответов. Получается парадокс: мы создали инструменты, требующие от нас системного мышления, но продолжаем учить студентов конкурировать с поисковиками. Вопрос в том, успеет ли академическая среда перестроиться до того, как базовые навыки окончательно атрофируются.
Поделиться:
Ещё из архива
Все публикации
Интервью с Владимиром Аюевым: графический язык бигтеха, студия SASHA и дизайн-образование
1 месяц назад
Jockey от TwelveLabs: ИИ-агент для семантического поиска по видеоархивам и извлечения метаданных
1 месяц назад
Архитектура винной этикетки: баланс наборного шрифта и каллиграфии в кейсе Winecraft
1 месяц назад
Оптимизация контекста в Claude Code: как работает кэширование промптов и за что мы платим
1 месяц назад
Архитектура памяти для LLM-агентов: от базового SQLite до Graph RAG
1 месяц назад