Az MIT-n két friss eredmény is arra utal, hogy a „gondolkodás” nem csak egy misztikus emberi privilégium, hanem mérhető költség — és érdekes módon bizonyos új „reasoning” modelleknél ugyanazokra a feladatokra „drága”, mint nekünk.
A McGovern Institute kutatói PNAS-ben azt mutatták meg, hogy hétféle feladatban a modellek láncolt érvelésének hossza (chain-of-thought) előre jelzi az emberi reakcióidőket: ami nekünk lassú és nehéz, az a modelleknek is „sok token”.
A másik MIT-szál (szintén a McGovern Intézetből, de más témában) azt vizsgálja, hogyan oldunk meg olyan feladatokat, ahol nincs tökéletes megoldás, csak jobb és rosszabb közelítések: egy labirintusban mozgó labda útját kell megjósolni úgy, hogy nem látod a pályát, csak hangjelzéseket kapsz. Itt az derül ki, hogy az ember nem brute force-szimulál négy pályát párhuzamosan (nem is tud), hanem két jól ismert heurisztika között váltogat: hierarchikus bontás és ellenpéldás (counterfactual) „visszagondolás”. És amikor a kutatók egy gépi modellt emberi korlátokkal fogtak vissza, az is elkezdett hasonló trükkökhöz nyúlni.
Kritikusan: ez a párhuzam izgalmas, de nem bizonyítja, hogy a modellek „ugyanúgy gondolkodnak”, csak azt, hogy a feladatok nehézségi szerkezete és a „ráfordított erő” néha meglepően összeér. Sőt, a MIT-szerzők is hangsúlyozzák: attól, hogy a modellek „mintha magukban beszélnének”, a belső számítás valószínűleg nem nyelvi, és ettől még nem kapunk emberi értelemben vett megértést.
És van egy kellemetlen mellékszál is: az MIT Media Lab egyik sokat vitatott (még nem peer reviewed, csak arXiv-preprintként elérhető) EEG-vizsgálata azt találta, hogy esszéírásnál az LLM-et használó csoportnál gyengébb agyi hálózati kapcsolódás és alacsonyabb „ownership” jelent meg, mint a „brain-only” csoportnál — vagyis ha mindent kiszervezünk, valóban fennáll a veszély, hogy a kognitív „izmok” gyengülnek – legalábbis ez a még korai, de elgondolkodtató eredmény ezt sugallja.
Összességében: közelebb kerültünk ahhoz, hogy mérni tudjuk a „gondolkodás árát” gépnél és embernél — de a tanulság nem az, hogy „cseréljük le magunkat”, hanem hogy okosan válasszuk meg, mikor segédeszköz az AI, és mikor válik kognitív mankóvá.
