წარმოიდგინეთ ორი მოსწავლე. ორივეს წინ ერთი და იგივე მათემატიკური ამოცანაა და ორივე ხელოვნურ ინტელექტს იყენებს.
პირველი წერს: “ამომიხსენი ეს ამოცანა” და რამდენიმე წამში იღებს პასუხს. მეორე კი სთხოვს: “პასუხი არ მითხრა. დამისვი კითხვები და მიმიყვანე ამოხსნამდე”.
გარედან ორივე შემთხვევაში ერთი და იგივე ტექნოლოგიას ვხედავთ. სწავლის თვალსაზრისით კი შეიძლება საქმე ორ სრულიად განსხვავებულ პროცესთან გვქონდეს.
სწორედ აქ იმალება ხელოვნური ინტელექტის განათლებაში შემოსვლის მთავარი პარადოქსი. კაცობრიობამ შექმნა ინსტრუმენტი, რომელსაც შეუძლია თითქმის ნებისმიერ მოსწავლეს რთული საკითხი მისთვის გასაგებ ენაზე აუხსნას, შეცდომა უპოვოს, დამატებითი სავარჯიშო შეუქმნას და გარკვეული თვალსაზრისით პერსონალური მასწავლებლის ფუნქციაც შეასრულოს…
იმავე ინსტრუმენტს შეუძლია მოსწავლის ნაცვლად დაწეროს ესე, ამოხსნას ამოცანა, შეაჯამოს წიგნი და რამდენიმე წამში შეასრულოს სამუშაო, რომლის კეთების პროცესშიც მას თავად უნდა ესწავლა.
ამიტომ მთავარი კითხვა ალბათ აღარ არის, უნდა შევუშვათ თუ არა AI განათლებაში.
ის უკვე იქ არის…
უფრო საინტერესო კითხვაა: სად გადის ზღვარი დახმარებასა და აზროვნების გადაბარებას შორის?
კარგი მოსწავლე თუ კარგი ნამუშევარი?
განათლებაში ერთი საყურადღებო რამ ხდება: კარგი შედეგი ყოველთვის არ ნიშნავს, რომ სწავლაც ხდება. თუ მოსწავლეს რთული ესე აქვს დასაწერი და ხელოვნური ინტელექტის დახმარებით შესანიშნავ ტექსტს ქმნის, საბოლოო პროდუქტი შეიძლება მართლაც უკეთესი იყოს. და მაინც, ამით ჯერ არ ვიცით, უკეთ ისწავლა თუ არა თავად მოსწავლემ.
ეს განსხვავება განსაკუთრებით მნიშვნელოვანია ახლა, როდესაც გენერაციულ AI-ს შეუძლია არა მხოლოდ ინფორმაციის მოძიება, არამედ სამუშაოს მნიშვნელოვანი ნაწილის შესრულებაც.
OECD-ის 2026 წლის Digital Education Outlook სწორედ ამ პრობლემას გამოყოფს. არსებული კვლევების შეჯამებით, ზოგადი დანიშნულების გენერაციულ AI-ს ხშირად შეუძლია სტუდენტის მიმდინარე დავალების ხარისხის გაუმჯობესება, თუმცა ეს ავტომატურად არ მეტამორფოზირდება ცოდნასა და უნარების ზრდაში. ზოგ შემთხვევაში უპირატესობა ქრება მაშინ, როდესაც სტუდენტს ხელოვნურ ინტელექტზე წვდომა აღარ აქვს.
მარტივი მაგალითი ავიღოთ:
თუ ინგლისური სიტყვა არ ვიცი და ლექსიკონში ვეძებ, ინსტრუმენტი ინფორმაციის პოვნაში მეხმარება. თუ აბზაცი დავწერე და ხელოვნურ ინტელექტს ვთხოვ, შეცდომები მაჩვენოს, ის უკუკავშირს მაძლევს.
თუ კი ვეუბნები: “ეს აბზაცი ჩემ ნაცვლად დაწერე”, უკვე იმავე კოგნიტიურ სამუშაოს ვაბარებ, რომლის ვარჯიშიც სწავლების მიზანი შეიძლება ყოფილიყო.
სწორედ ამიტომ კითხვას “AI კარგია თუ ცუდი სწავლისთვის?” ალბათ ერთი პასუხი ვერ ექნება… გააჩნია, რას აკეთებს ის.
AI შეიძლება მართლაც კარგი მასწავლებელი იყოს
სურათის მხოლოდ ნეგატიურად დახატვა შეცდომა იქნებოდა.
2025 წელს Scientific Reports-ში გამოქვეყნდა რანდომიზებული კონტროლირებული კვლევა, რომელშიც უნივერსიტეტის სტუდენტები ფიზიკის სწავლებისას ორ ჯგუფად დაყვეს. ერთი ჯგუფი აქტიური სწავლების ფორმატში სწავლობდა, მეორე კი სპეციალურად შექმნილ AI-ტუტორს იყენებდა.
ხელოვნური ინტელექტი უბრალოდ პასუხებს არ არიგებდა. სისტემა პედაგოგიკურ პრინციპებზე იყო აგებული: მოსწავლეს შესაბამის კითხვებს უსვამდა, უკუკავშირს აძლევდა და სწავლის პროცესში ნაბიჯ-ნაბიჯ ეხმარებოდა.
შედეგად, AI-ტუტორის ჯგუფმა ნაკლებ დროში უფრო მეტი ისწავლა. სტუდენტები ასევე უფრო მაღალ ჩართულობასა და მოტივაციაზე მიუთითებდნენ.
2024 წელს PLOS ONE-ში გამოქვეყნებულ სხვა ექსპერიმენტში 274 მონაწილე მათემატიკურ ამოცანებს ხსნიდა. დახმარების სახით მათ ან ადამიანის მიერ მომზადებული, ან ChatGPT-ის მიერ გენერირებული მინიშნებები ეძლეოდათ. ხელოვნურინ ინტელექტის დახმარებამ სწავლის შედეგები გააუმჯობესა და ადამიანის მიერ მომზადებულ დახმარებასთან სტატისტიკურად მნიშვნელოვანი სხვაობა არ გამოვლენილა.
ეს მნიშვნელოვანი განსხვავებაა. ხელოვნური ინტელექტი მოსწავლეს შეიძლება პასუხს აძლევდეს, ან შეიძლება ეხმარებოდეს, რომ პასუხამდე თვითონ მივიდეს.
პირველ შემთხვევაში ტექნოლოგია შეიძლება აზროვნებას ანაცვლებდეს. მეორე შემთხვევაში კი მასწავლებლის მსგავსად აზროვნების პროცესს აძლიერებდეს.
რა ხდება, როდესაც რთულ სამუშაოს AI-ს ვაბარებთ?
აქ მეორე მხარეს მივდივართ.
2025 წელს MIT Media Lab-ის მკვლევრებმა მცირე ექსპერიმენტი ჩაატარეს, რომელმაც საკმაოდ დიდი ყურადღება მიიქცია. მონაწილეები ესეს წერისას სამ ჯგუფად დაყვეს: ერთ ჯგუფს დიდი ენობრივი მოდელის გამოყენება შეეძლო, მეორეს საძიებო სისტემის, მესამეს კი ტექსტი ყოველგვარი ციფრული დახმარების გარეშე უნდა დაეწერა.
მკვლევრები EEG-ით ტვინის ელექტრულ აქტივობასაც აკვირდებოდნენ.
LLM-ის მომხმარებელ ჯგუფში ტვინის ფუნქციური კავშირების მაჩვენებლები უფრო სუსტი იყო, ვიდრე დამოუკიდებლად მომუშავე ჯგუფში. მათ საკუთარი ტექსტიდან ციტატების გახსენებაც უფრო უჭირდათ და ნამუშევრის მიმართ ნაკლებ “საკუთრების განცდას” აღწერდნენ.
ამ კვლევისგან შორსმიმავალი დასკვნის გამოტანა ჯერ არ შეიძლება. მონაწილეთა რაოდენობა მცირე იყო, ნაშრომი თავდაპირველად პრეპრინტის სახით გავრცელდა და მის მეთოდოლოგიაზეც გამოქვეყნდა კრიტიკული კომენტარები. მით უმეტეს, EEG-ის განსხვავება პირდაპირ არ ნიშნავს, რომ ხელოვნური ინტელექტი “ტვინს აზიანებს” ან ადამიანს ნაკლებად ჭკვიანს ხდის.
კვლევა სხვა მიზეზითაა საინტერესო: ის გვაიძულებს დავფიქრდეთ, რა ხდება მაშინ, როდესაც იმ გონებრივ ძალისხმევას ვამცირებთ, რომლის გავლაც თავად სწავლის ნაწილია.
ამავე მიმართულებით, 2025 წელს 120 უნივერსიტეტის სტუდენტზე ჩატარებულ სხვა რანდომიზებულ კვლევაში მონაწილეებს ახალი მასალა ან ChatGPT-ის დახმარებით, ან ტრადიციული მეთოდებით უნდა ესწავლათ. 45 დღის შემდეგ მოულოდნელ ტესტში AI-ის ჯგუფმა საშუალოდ 57.5%, ტრადიციულმა ჯგუფმა კი 68.5% სწორი პასუხი აჩვენა.
ესეც ერთი კვლევაა და არა საბოლოო განაჩენი, თუმცა იდეა, რომელსაც ასეთი შედეგები გვახსენებს, განათლების ფსიქოლოგიისთვის ახალი საერთოდ არ არის.
სწავლას ძალისხმევა სჭირდება. ზოგჯერ სწორედ ის სირთულე, რომლის მოშორებაც გვინდა, არის პროცესის მნიშვნელოვანი ნაწილი.
ტვინი კუნთი არ არის, თუმცა…
ხშირად ამბობენ, რომ “ტვინი კუნთივითაა და ვარჯიში სჭირდება”. ბიოლოგიურად ეს შედარება ზუსტი არ არის, თუმცა სწავლის შესახებ ერთ მნიშვნელოვან ინტუიციას სწორად გადმოსცემს.
როდესაც რაღაცის გახსენებას ვცდილობთ, პრობლემას ვჭრით, არგუმენტს ვაწყობთ ან ტექსტის ფორმულირებაზე ვწვალობთ, მხოლოდ საბოლოო პასუხს არ ვქმნით. ამ პროცესში თავად უნარსაც ვავარჯიშებთ.
ამიტომ ბავშვისთვის დავალების გამარტივება და დავალების მის ნაცვლად შესრულება ერთი და იგივე რამ არ არის.
ეს განსაკუთრებით მნიშვნელოვანი შეიძლება იყოს ასაკთან მიმართებითაც.
ბავშვი, რომელსაც წერა, არგუმენტირება ან პრობლემის გადაჭრა ჯერ ჩამოყალიბებული არ აქვს, განსხვავებულ მდგომარეობაშია ზრდასრულისგან, რომელსაც ეს უნარები უკვე განვითარებული აქვს და ხელოვნურ ინტელექტს პროცესის დასაჩქარებლად იყენებს.
დღეს ჯერ არ გვაქვს საკმარისი გრძელვადიანი ნეირომეცნიერული მონაცემები იმის სათქმელად, კონკრეტულად როგორ შეცვლის გენერაციული AI ბავშვების განვითარებად ტვინს. ამიტომ ისეთი მტკიცებები, თითქოს უკვე ვიცით, რომ ChatGPT ბავშვების ტვინს “აზარმაცებს”, მეცნიერებას წინ უსწრებს.
სამაგიეროდ, გვაქვს საფუძველი უფრო ფრთხილი კითხვისთვის: რომელი კოგნიტიური სამუშაო უნდა შეასრულოს ბავშვმა აუცილებლად თვითონ?
სკოლამ ხელოვნური ინტელექტი უნდა აკრძალოს?
აქ მარტივი გამოსავალი შეიძლება აკრძალვა ჩანდეს. პრობლემა ისაა, რომ მოსწავლეები ხელოვნურ ინტელექტს სკოლის გარეთ მაინც გამოიყენებენ.
UNESCO-ს მიდგომაც სულ უფრო ნაკლებად არის ორიენტირებული მხოლოდ აკრძალვაზე. ორგანიზაციის მოსწავლეებისთვის შექმნილ AI კომპეტენციების ჩარჩოში ერთ-ერთი მთავარი მიმართულება სწორედ ხელოვნური ინტელექტის კრიტიკული, პასუხისმგებლიანი და გააზრებული გამოყენებაა.
ეს გარკვეულ ცვლილებას გვთავაზობს განათლების ფილოსოფიაშიც.
თუ კალკულატორის არსებობის შემდეგ მათემატიკის სწავლება არ გაგვიუქმებია, შესაძლოა ხელოვნური ინტელექტის არსებობამაც წერა და აზროვნება კი არ უნდა გააუქმოს, არამედ უნდა შეგვაცვლევინოს ის, როგორ ვასწავლით მათ.
მაგალითად, მოსწავლეს შეიძლება AI-ის მიერ დაწერილი პასუხის შეფასება ვთხოვოთ: იპოვოს შეცდომები, შეადაროს სხვადასხვა პასუხი, დაასაბუთოს, რატომ არ ეთანხმება მოდელს.
შესაძლოა, საკუთარი ტექსტი ჯერ თვითონ დაწეროს და შემდეგ ხელოვნური ინტელექტი გამოიყენოს როგორც კრიტიკოსი. შესაძლოა, ხელოვნური ინტელექტის პასუხი წყაროებთან გადაამოწმოს.
ამ შემთხვევაში ტექნოლოგია პასუხების ავტომატად აღარ გვევლინება. ის ხდება ობიექტი, რომელზეც თავად მოსწავლე აზროვნებს.
შეიძლება საშინაო დავალებაც შეიცვალოს
თუ მოსწავლეს სახლში ვაძლევთ თემას “დაწერე 800 სიტყვიანი ესე კლიმატის ცვლილებაზე”, დღეს ვეღარ ვიქნებით დარწმუნებული, რეალურად რას ვამოწმებთ.
მის ცოდნას?
წერის უნარს?
ხელოვნური ინტელექტის გამოყენების უნარს?
თუ უბრალოდ იმას, რამდენად კარგად შეუძლია გენერირებული ტექსტის საკუთარ ნამუშევრად წარმოდგენა?
ამიტომ გენერაციული AI შეფასების ტრადიციულ სისტემასაც უხერხულ კითხვებს უსვამს.
შესაძლოა, უფრო მნიშვნელოვანი გახდეს არა მხოლოდ საბოლოო ნამუშევარი, არამედ პროცესი: როგორ მივიდა მოსწავლე პასუხამდე, რატომ აირჩია კონკრეტული არგუმენტი, როგორ გადაამოწმა ინფორმაცია და შეუძლია თუ არა საკუთარი დასკვნის დაცვა.
ზეპირი განხილვა, საკლასო სამუშაო, პროექტები, ტექსტის სხვადასხვა ვერსიის შედარება და საკუთარი გადაწყვეტილებების ახსნა შეიძლება ბევრად მნიშვნელოვანი გახდეს.
ამ თვალსაზრისით ხელოვნური ინტელექტი მხოლოდ პრობლემა არ არის. ის განათლების სისტემაში უკვე არსებული პრობლემების გამადიდებელი შუშაცაა. შესაძლოა, ჩვენს განათლების სისტემას სწორადაც მეტი ინტერაქცია აკლდა.
ყველაზე მნიშვნელოვანი უნარი შეიძლება კითხვების დასმა გახდეს
რამდენიმე წლის წინ განათლების ერთ-ერთი მთავარი ფუნქცია ინფორმაციის მიწოდება იყო.
დღეს თითქმის ნებისმიერი მოსწავლის ჯიბეში შეიძლება არსებობდეს სისტემა, რომელსაც წამებში შეუძლია აუხსნას შავი ხვრელი, დაუწეროს პროგრამული კოდი, თარგმნოს ტექსტი ან შესთავაზოს არგუმენტები ესესთვის.
ამ სამყაროში ინფორმაციის მიღება სულ უფრო მარტივდება. მისი შეფასება კი შეიძლება უფრო რთული გახდეს.
ვინ დაწერა?
საიდან ვიცით?
სანდოა?
რას გამოტოვებს?
რატომ უნდა დავუჯერო?
შეიძლება პასუხი დამაჯერებლად ჟღერდეს და მაინც მცდარი იყოს?
ამიტომ მომავალში ერთ-ერთი ყველაზე მნიშვნელოვანი უნარი შეიძლება არა სწრაფად პასუხის გაცემა, არამედ კარგი კითხვების დასმა, წყაროების გადამოწმება, არგუმენტის შეფასება და საკუთარი აზრის დაცვა გახდეს.
ხელოვნური ინტელექტი ალბათ განათლებიდან აღარ გაქრება და არც უნდა ველოდოთ სამყაროს, სადაც ბავშვები მას უბრალოდ არ გამოიყენებენ.
ამიტომ არჩევანი “AI თუ სწავლა” არ გვაქვს. რეალური არჩევანი სხვაგანაა.
შეგვიძლია ბავშვს მივცეთ სისტემა, რომელიც მის ნაცვლად ფიქრობს… ან შეგვიძლია ვასწავლოთ, როგორ გამოიყენოს იგივე სისტემა იმისთვის, რომ თვითონ უკეთ იფიქროს.
ერთი შეხედვით განსხვავება მცირეა. განათლებისთვის კი შეიძლება სწორედ ეს აღმოჩნდეს მთავარი განსხვავება.
