隨著專業人士越來越依賴人工智慧工具，他們辛苦培養的技能是否會退化？
這種可能性正日益成為醫學專家、電腦科學家和其他工作者的擔憂。根據本月稍早發表的一項針對美國醫療保健工作者的調查 1 ，70% 的護士和 77% 的醫師擔心因過度依賴 AI 系統而導致技能喪失。
他們的擔憂或許是合理的。有證據顯示，AI 驅動的「去技能化」現象已開始在醫學、電腦科學和其他領域發生。研究人員目前正在討論如何在 AI 時代保存重要的人類專業知識。
雪城大學資訊科學家 Kevin Crowston 表示：「僅僅意識到這種現象的存在，就希望能引發一些關於人們希望維持哪些技能、以及哪些技能願意外包給 AI 工具的自我反思。」
一項針對波蘭專精於內視鏡檢查（使用柔性探針檢查人體內部）的醫師研究 2 ，顯示了 AI 工具能多快地侵蝕人類的能力。這些醫師在其職業生涯中都至少進行了 2,000 次大腸鏡檢查，他們獲准使用一個能即時分析大腸鏡影像並標記息肉（一種癌前腸道病變）的 AI 系統。該工具在某些天提供給專家使用，但並非每天都可用。
一旦醫師開始使用該工具，當系統無法使用時，他們的表現便顯著下降。在引入 AI 工具前的三個月期間，專家在 28.4% 的大腸鏡檢查中至少發現一顆息肉。在引入該工具後的三年期間，在沒有 AI 協助下進行的大腸鏡檢查中，息肉檢出率下降至 22.4%。
研究結果於去年十月發表在《柳葉刀腸胃病學與肝病學》期刊上，加州大學舊金山分校的醫師 Robert Wachter 表示，這表明即使是高度專業化的專業人士，在越來越依賴 AI 工具時，也可能在工作所需的任務上表現變差。Wachter 是一位關於 AI 工具如何改變醫療保健的著作作者。該研究的作者們表示，持續接觸這類工具可能導致臨床醫師在沒有 AI 協助下進行認知決策時，「變得較不積極、較不專注、較不負責」。
共同作者、奧斯陸大學醫師兼研究員 Yuichi Mori 表示，需要更多研究來證實這種現象。但他補充說，使用 AI 工具的人應該意識到他們有失去部分技能的風險。「目前沒有針對去技能化的既定解決方案。這應該是未來十年一個非常熱門的研究課題。」
為了調查電腦科學領域的技能是否正在流失，舊金山 AI 公司 Anthropic 的研究人員設計了一項隨機對照試驗，要求 52 名軟體工程師執行一項基本的編碼任務 3 。在實驗過程中，所有 52 名參與者都可以搜尋網路並獲取有關如何執行該任務的說明。其中一半的參與者被要求同時使用 AI 助手。
之後，所有軟體工程師都被要求完成一個關於他們從任務中學到的知識的測驗。使用 AI 助手的參與者在測驗中的表現明顯不如未使用 AI 的參與者：AI 組的平均分數為 50%，而非 AI 組為 67%。AI 輔助的參與者在需要診斷程式碼錯誤的問題上表現尤其差，這表明他們未能學到他們剛才產生的程式碼背後的概念。該研究在同行評審前發布在預印本伺服器 arXiv 上。
Crowston 表示，這些發現令人擔憂，特別是對於該領域的學生和年輕專業人士。他目前正在研究生成式 AI 工具的使用如何改變軟體開發人員學習和保留編碼技能的方式。「現在出現了表現和學習之間非常奇怪的脫節，」他說。「人們可以表現出相當高的水準，因為他們基本上是從 AI 那裡借用了技能，但他們自己並沒有培養這些技能。」
昆士蘭大學資訊系統研究員 Tapani Rinta-Kahila 指出，過去其他技術也曾使特定技能過時。例如，GPS 導航系統就削弱了人們的導航技能。然而，生成式 AI 工具是「第一種自動化各種認知能力（包括思考和詮釋）的技術，而這些能力長期以來被認為是獨特的人類技能。」
Rinta-Kahila 的研究也加強了這些擔憂。2018 年，他發表了一項關於一群會計師的研究，這些會計師在過去十多年來持續使用自動化的非 AI 會計系統 4 。他的團隊發現，當該工具被移除後，這些會計師忘記了如何執行幾項例行的工作任務。他預計，隨著 AI 系統接管過去由初級專業人員執行的基本任務，它們將以各種方式影響工作。「下一代程式設計師可能根本不了解編碼的基礎知識，如果他們缺乏實際操作經驗的話，」他說。「對於許多其他知識密集型專業，如會計和法律，情況也是如此。」
他表示，為了防止 AI 驅動的技能流失，人們需要意識到他們將多少工作外包給了生成式 AI 工具。他們還需要確切了解生成式 AI 模型如何工作及其局限性——並且應該避免毫無疑問地信任 AI 的輸出。「人們需要管理依賴生成式 AI 和保持警覺之間的競爭性動態。」
