जेव्हा थिबॉल्ट श्रेपेल यांनी व्रिजे युनिव्हर्सिटीट अॅम्स्टरडॅम येथे आपला "Law of AI" अभ्यासक्रम तयार केला, तेव्हा ते वर्गात एक सामान्य गृहीतक घेऊन आले: विद्यार्थ्यांना कोणत्याही सूचनेशिवाय AI चॅटबॉट दिल्यास त्याचा जास्त नुकसान होण्याची शक्यता आहे. दोन वर्षांच्या नियंत्रित चाचणीने त्यांना उलट निष्कर्षाकडे नेले. त्यांच्या स्वतःच्या शब्दांत, "मी चुकलो होतो."
त्यांनी केलेला प्रयोग त्याच्या मथळ्यापेक्षा त्याच्या रचनेसाठी अधिक लक्षणीय आहे. AI बद्दल विद्यार्थ्यांच्या दृष्टिकोनाचे सर्वेक्षण करण्याऐवजी, श्रेपेल यांनी त्यांना वेगवेगळ्या नियमांसह गटांमध्ये विभागले आणि नंतर त्यांनी प्रत्यक्षात काय तयार केले हे मोजले. हीच रचना दोनदा राबवली गेली — प्रथम 2024 मध्ये 66 विद्यार्थ्यांसह, नंतर 2025 मध्ये 164 सहभागींसह — ज्यामुळे त्यांना केवळ AI ने मदत केली का हेच नव्हे, तर ते सादर करण्याची पद्धत कालांतराने महत्त्वाची ठरली का हे देखील निरीक्षण करता आले.
तीन-गट प्रयोग कसा झाला
प्रत्येक सहभागीला समान मुख्य कार्य दिले गेले: चार किंवा पाच जणांच्या लहान संघांमध्ये काम करत, त्यांना EU AI Act मधील एक तरतूद सुधारण्यासाठी 20 मिनिटे मिळाली. सादरीकरणे सारगर्भितता, स्पष्टता, समानुपातिकता आणि नावीन्य या निकषांवर गुणांकित केली गेली — जी निकष पृष्ठभागावरील पॉलिशऐवजी खऱ्या कायदेशीर तर्काला प्रोत्साहन देतात. सर्व विद्यार्थ्यांनी समान मूल्यांकन दिले: बहुपर्यायी परीक्षा आणि नियमावलीतील वेगळी तरतूद सुधारण्यास सांगणारी घरी करण्याची परीक्षा.
एकमेव चल होते ते म्हणजे त्यांना कसे काम करण्याची परवानगी होती:
- AI नाही: या गटाला ChatGPT वापरण्यास पूर्णपणे बंदी होती आणि त्यांना चर्चा व स्वतःच्या कायदेशीर ज्ञानावर अवलंबून राहावे लागले.
- मार्गदर्शनाशिवाय AI: या संघांना ChatGPT-निर्मित सुधारणा सूचना थेट मजकुरात समाविष्ट केलेल्या मिळाल्या. ते साधन वापरत राहू शकत होते, परंतु ते कसे प्रॉम्प्ट करावे किंवा त्याने परत दिलेल्या गोष्टींचे मूल्यांकन कसे करावे हे कोणीही समजावून सांगितले नाही.
- प्रशिक्षित AI: या गटाला कायदेशीर प्रॉम्प्ट अभियांत्रिकीमध्ये प्रत्यक्ष प्रशिक्षण मिळाले, तसेच AI आउटपुटची सुसंगतता आणि अचूकता तपासण्याचे स्पष्ट प्रशिक्षण मिळाले.
AI-विरहित गट "कल्पनाशून्यता" या भिंतीवर आदळला
AI शिवाय काम करणारे विद्यार्थी अभ्यासाच्या दोन्ही वर्षांत शेवटचे आले. त्यांचे संपादन पृष्ठभागावरचे होते: स्पष्टतेसाठी वाक्ये पुन्हा लिहिणे, पुनरावृत्ती कमी करणे, शब्द कमी करणे. फक्त काही उपगटांनी तरतुदीत सारगर्भित कायदेशीर सुधारणा करण्याचा प्रयत्न केला. अधिक धक्कादायक होता वेळ. सुमारे दहा ते पंधरा मिनिटांनंतर, अनेक संघांनी प्रयत्न करण्यासारख्या गोष्टी संपल्या — या नमुन्याला श्रेपेल "कल्पनाशून्यता" असे संबोधतात.
त्या बंदीने एक फायदा दिला जो संशोधक मान्य करतात. चॅटबॉटवर अवलंबून राहण्यास नसल्याने, विद्यार्थ्यांनी एकमेकांशी अधिक वाद घातला, खऱ्या चर्चेतून मजकूर तयार केला. तथापि, या चर्चेला वेळेच्या मर्यादेत किती पुढे जाता येईल यावर मर्यादा होती.
मार्गदर्शनाशिवाय AI वापर: प्रवाही आउटपुट, कमी छाननी
AI-विरहित गटाला कल्पनांची कमतरता भासली, तर मार्गदर्शनाशिवाय गटाला शंकेची कमतरता भासली. मधल्या स्थितीतील विद्यार्थ्यांनी ChatGPT ने सुचवलेल्या गोष्टी बहुतांशी स्वीकारल्या, बऱ्याचदा बदलाचे समर्थन "AI ची आवृत्ती चांगली वाटली" या कारणावर केले. काही प्रकरणांमध्ये, सहभागींनी "shall" आणि "individual" सारखे शब्द AI-सुचवलेल्या पर्यायांनी बदलले, परंतु असे करण्याचे कायदेशीर परिणाम समजून घेतल्याचे दाखवले नाही — हा बदल कायदेविषयक मसुदा तयार करताना खरोखर महत्त्वाचा असतो.
या स्थितीतील प्रत्येक उपगटाने ChatGPT च्या आउटपुटमधून किमान एक दिशाभूल करणारा किंवा कायदेशीरदृष्ट्या अनावश्यक शब्द कायम ठेवला. समस्या ही नव्हती की साधनाने निरुपयोगी मजकूर तयार केला; समस्या ही होती की मजकूर इतका पॉलिश केलेला आला की प्रश्न विचारण्यास परावृत्त करतो.
संरचित प्रशिक्षणाने साधनाशी खरा संवाद घडवला
तिसऱ्या गटाने वेगळे वर्तन दाखवले. या विद्यार्थ्यांनी मॉडेलला आव्हान दिले, पर्यायी शब्दरचना तपासल्या आणि असाइनमेंटमागील सारगर्भित कायदेशीर प्रश्नांची चौकशी केली, पहिला विश्वासार्ह वाटणारा मसुदा स्वीकारण्याऐवजी. त्यांचे गुण याचे प्रतिबिंब होते: 2024 मध्ये, प्रशिक्षित गटाने इतर दोन गटांपेक्षा मोठ्या फरकाने कामगिरी केली, आणि हा फायदा अधिक कठीण घरी करण्याच्या परीक्षेत सर्वात स्पष्ट दिसला.
दुसऱ्या वर्षी प्रशिक्षणाचा फायदा जवळपास नाहीसा झाला
मग नमुना बदलला. 2025 मध्ये प्रयोग पुन्हा केल्यावर, फरक जवळपास संपला. तिन्ही गट अंदाजे समान कामगिरी पातळीवर पोहोचले, अगदी AI मध्ये प्रवेश नसलेल्या विद्यार्थ्यांसह.
श्रेपेल यांचे स्पष्टीकरण सरळ आहे: परिचय. चॅटबॉट दैनंदिन जीवनाचा सामान्य भाग बनल्याने, विद्यार्थी वर्गात येण्यापूर्वीच त्यांच्याशी कसे काम करावे हे जाणून येत होते. औपचारिक सूचना अजूनही मूल्यवान होती, परंतु एक वर्षापूर्वी जो फायदा मिळत होता तो आता मिळत नव्हता, जेव्हा साधन नियमित शैक्षणिक कामात कमी अंतर्भूत होते.
हे निष्कर्ष कोणत्याही साध्या धोरणात्मक वाचनाला गुंतागुंतीचे करते. हे सूचित करते की प्रशिक्षणाचा फायदा अंशतः प्रारंभिक कौशल्याचे कार्य आहे — जेव्हा साधन नवीन असते तेव्हा मूल्यवान, परंतु एकदा ते सर्वव्यापी झाल्यावर कमी वेगळेपण आणते.
शिक्षकांनी या निकालांतून काय घ्यावे
दोन वर्षांच्या या प्रयोगातून काही व्यावहारिक निरीक्षणे पुढे येतात:
- वेळ-मर्यादित व्यायामातून AI काढून टाकल्याने विद्यार्थ्यांच्या कामाची गुणवत्ता वाढली नाही; या अभ्यासक्रमात ती कमी झाली.
- सूचनेशिवाय AI ला परवानगी दिल्याने विद्यार्थी आत्मविश्वासाने वाटणाऱ्या चुकांना बळी पडले, ज्या पकडण्याचे कौशल्य त्यांच्याकडे नव्हते.
- विद्यार्थ्यांना AI आउटपुटची चौकशी करण्यास शिकवणे — सुसंगतता तपासणे, अचूकता पडताळणे, जाणीवपूर्वक प्रॉम्प्ट करणे — मोजण्यायोग्य चांगले परिणाम दिले, किमान ते कौशल्य दुर्मिळ असताना.
- AI साक्षरतेबद्दलची माहितीची दरी विद्यार्थ्यांना या साधनांचा दैनंदिन अनुभव येत असल्याने स्वतःहून कमी होत आहे.
व्यापक धडा असा आहे की अर्थपूर्ण फरक AI विरुद्ध AI नाही, तर मार्गदर्शित विरुद्ध मार्गदर्शनाशिवाय वापर असू शकतो. प्रशिक्षित गटाचा फायदा चॅटबॉटला आज्ञा पाळण्याऐवजी आव्हान देण्याची गोष्ट म्हणून वागवण्यातून आला, आणि ही सवय, साधन स्वतः नव्हे, परिणामांमधील सुधारणा घडवून आणणारी दिसते.
अभ्यासाची व्याप्ती लक्षात ठेवणे योग्य आहे. निष्कर्ष एकाच अभ्यासक्रमातून, एकाच प्रशिक्षकाकडून आणि एकाच विषयातून आले आहेत, तुलनेने माफक गट आकारांसह. कायदेशीर मसुदा तयार करणे हे असे क्षेत्र आहे जिथे अचूकता महत्त्वाची असते, जी इतर विषयांवर सरळ लागू होणार नाही.
तरीही, दोन वर्षांचा प्रवास या निकालांना असामान्य वजन देतो. श्रेपेल यांनी मार्गदर्शनाशिवाय AI उलटा परिणाम देईल अशी अपेक्षा केली होती, आणि डेटाने त्या अपेक्षेशी सहकार्य करण्यास नकार दिला. त्यांचा निष्कर्ष संपूर्ण बंदीचा विचार करणाऱ्या संस्थांसाठी उपयुक्त दुरुस्ती आहे: बंदीने कल्पनांचा स्रोत काढून टाकला पण निर्णयाची गरज संपवली नाही, तर साधन जबाबदारीने कसे वापरावे याच्या प्रशिक्षणाने सर्वात मोठा मोजण्यायोग्य फायदा दिला.
हा लेख The Decoder च्या अहवालावर आधारित आहे. मूळ लेख वाचा.
Originally published on the-decoder.com
