Lepsze pomysły dla każdego, gorsze dla wszystkich. Zbiorowy koszt burzy mózgów z AI
Jeśli stu pracowników stanie przed tym samym problemem i każdy z nich poprosi o pomoc model językowy, wszyscy wyjdą ze spotkania z odpowiedziami lepszymi, niż byliby w stanie stworzyć samodzielnie. Problem polega na tym, że cała grupa przedstawi niemal identyczne rozwiązania. Każdy z osobna podjął racjonalną decyzję, jednak w skali całej grupy różnorodność propozycji drastycznie maleje.
Na to zjawisko zwraca uwagę seria badań akademickich analizujących wpływ generatywnej sztucznej inteligencji na zbiorową kreatywność. W opublikowanym w 2024 roku na łamach Science Advances eksperymencie badacze Anil R. Doshi i Oliver P. Hauser sprawdzili, jak asysta AI wpływa na pisanie krótkich opowiadań. Teksty tworzone ze wsparciem generowanych podpowiedzi oceniono jako ciekawsze, lepiej napisane i bardziej kreatywne – przy czym największą poprawę odnotowali autorzy, których początkowo oceniono jako mniej kreatywnych. Jednocześnie opowiadania tworzone ze wsparciem AI były do siebie bardziej podobne. Zysk jednostki przyniósł stratę w zróżnicowaniu całej grupy.
Kluczowe okazuje się jednak nie samo korzystanie z technologii, lecz moment, w którym po nią sięgamy. W prerejestrowanym eksperymencie, którego wyniki opisuje preprint autorstwa Dong i Yakury, uczestnicy tworzyli metafory na trzy sposoby: samodzielnie, prosząc AI o pomysły lub pisząc własne koncepcje i prosząc model wyłącznie o ich dopracowanie. Generowanie pomysłów przez sztuczną inteligencję obniżało ich różnorodność w całej grupie. Kiedy jednak uczestnicy najpierw przedstawiali własne pomysły, a model pomagał im je dopracować, różnorodność grupy pozostawała zachowana. Badanie wykazało też, że osoby, dla których angielski nie był językiem ojczystym, wnosiły do puli pomysłów więcej różnorodności niż rodzimi użytkownicy tego języka, lecz gdy prosiły AI o pomysły, różnica ta stawała się zbyt mała, by ją wykryć.
Podobne wnioski przyniosła praca z udziałem 486 osób, przygotowana przez zespół Petera Maiera. Gdy AI przejmowało inicjatywę i przepisywało pomysły, jakość rosła kosztem zróżnicowania oraz poczucia autorstwa u ludzi. Gdy model pełnił wyłącznie rolę partnera do dyskusji i weryfikacji założeń, jakość nadal rosła, ale unikalność propozycji nie spadała.
Obraz w literaturze naukowej nie jest przy tym całkowicie jednorodny. We wcześniejszym badaniu opisanym w preprincie, obejmującym ponad 800 osób z przeszło 40 krajów, kontakt z wieloma pomysłami AI nie sprawił, że uczestnicy tworzyli bardziej kreatywne pomysły, ale zwiększył ich różnorodność w całej grupie – autorzy podsumowali to wnioskiem, że sztuczna inteligencja uczyniła pomysły innymi, a niekoniecznie lepszymi.
W ujęciu autora eseju różnorodność myślenia przypomina wspólny zasób: wygoda płynąca z wygenerowania szkicu przez AI może ograniczać pulę nietypowych pomysłów, które w innych warunkach mogłyby prowadzić do nowych rozwiązań. Autor eseju opublikowanego w serwisie Towards Data Science proponuje przetestowanie sposobów pracy, które mogłyby pomóc zachować różnorodność pomysłów, zaznaczając, że badania nie dowodzą jeszcze ich skuteczności. Zamiast rozpoczynać burzę mózgów od wpisania promptu, bezpieczniej spisać najpierw własne, nawet niedoskonałe punkty wyjścia, a modele wdrożyć dopiero wtedy, gdy ludzka perspektywa została już utrwalona na papierze.
