Cognitive Offloading and Human Interaction with Generative Artificial Intelligence in Low-Resource Higher Education

विश्वविद्यालय के पुस्तकालय की शांत गूँज या छात्र के लैपटॉप स्क्रीन की चमक में, लोगों के सीखने के तरीके में एक सूक्ष्म बदलाव आ रहा है। सदियों से, शिक्षा इस बात पर टिकी रही है कि मानव मस्तिष्क कठिन परिश्रम करे: तथ्यों को याद रखना, विचारों को जोड़ना और कठिन प्रश्नों से जूझना जब तक कि उत्तर सामने न आ जाए। यह मानसिक प्रयास केवल एक बाधा नहीं है जिसे पार करना है; यह वह तंत्र है जिसके माध्यम से समझ जड़ें जमाती है। हाल ही में, एक नए प्रकार के कंप्यूटर प्रोग्राम ने दृश्य में प्रवेश किया है, जो सेकंडों में निबंध लिखने, समस्याओं को हल करने और जटिल विषयों को समझाने में सक्षम है। यह तकनीक, जिसे जनरेटिव आर्टिफिशियल इंटेलिजेंस (जेनेरेटिव एआई) के रूप में जाना जाता है, एक लुभावने शॉर्टकट की पेशकश करती है। यह उपयोगकर्ताओं को सोचने के मानसिक कार्य को मशीन को सौंपने या उसे हस्तांतरित करने की अनुमति देती है। यह अभ्यास, जिसे 'कॉग्निटिव ऑफलोडिंग' (संज्ञानात्मक भार कम करना) कहा जाता है, पूरी तरह से नया नहीं है; मनुष्य हमेशा सोचने में मदद के लिए पुस्तकों या कैलकुलेटर जैसे उपकरणों का उपयोग करते आए हैं। हालाँकि, ये नई प्रणालियाँ अलग हैं क्योंकि वे केवल जानकारी संग्रहीत नहीं करती हैं; वे इसे उत्पन्न करती हैं, ज्ञान के निर्माण में सक्रिय भागीदार के रूप में कार्य करती हैं। आज शिक्षकों और छात्रों के सामने जो प्रश्न है वह यह नहीं है कि क्या यह तकनीक आएगी, बल्कि यह है कि जब मानव मस्तिष्क इन मशीनों पर उन प्रक्रियाओं के लिए निर्भर होने लगता है जो सीखने को परिभाषित करती हैं, तो क्या होता है।

एक शोधकर्ता, डोजी कोकु हट्टो (डोड्ज़ी कोकू हट्टो), जो घाना विश्वविद्यालय से हैं, ने विशेष रूप से उन उच्च शिक्षा वातावरणों के लिए सैद्धांतिक निहितार्थों पर ध्यान केंद्रित करते हुए इस बदलते परिदृश्य का परीक्षण किया है जहाँ संसाधनों की प्रचुरता का अभाव है। दुनिया के कई हिस्सों में, उच्च शिक्षण संस्थान गंभीर बाधाओं का सामना करते हैं: अत्यधिक भीड़भाड़ वाले कक्षाएँ, पुस्तकालयों तक सीमित पहुँच, और शैक्षणिक परामर्शदाताओं की कमी। इन वातावरणों में, छात्र अक्सर आर्टिफिशियल इंटेलिजेंस की ओर इसलिए नहीं मुड़ते क्योंकि वे काम से बचना चाहते हैं, बल्कि इसलिए क्योंकि उनके पास कोई और विकल्प नहीं होता। शोधकर्ता का तर्क है कि इस तकनीक के प्रभाव को केवल यह पूछकर नहीं समझा जा सकता कि यह अच्छी है या बुरी। इसके बजाय, विश्लेषण प्रस्तावित करता है कि परिणाम पूरी तरह से उस संदर्भ पर निर्भर करता है जिसमें तकनीक का उपयोग किया जाता है। अध्ययन सुझाव देता है कि जहाँ ये उपकरण एक महत्वपूर्ण जीवन रेखा के रूप में कार्य कर सकते हैं, जो उन लोगों के लिए ज्ञान तक पहुँच का विस्तार करते हैं जिन्हें अन्यथा पीछे छोड़ दिया जाता, वहीं वे एक छिपी हुई लागत भी लेकर आते हैं जो समय के साथ संचित होती जाती है।

अध्ययन इस छिपी हुई लागत का वर्णन करने के लिए "कॉग्निटिव डेट" (संज्ञानात्मक ऋण) नामक एक अवधारणा पेश करता है। जिस तरह वित्तीय ऋण तब बढ़ता है जब कोई बिना चुकाने के साधन के पैसा उधार लेता है, उसी तरह संज्ञानात्मक ऋण तब बढ़ता है जब एक छात्र बार-बार एल्गोरिदम को सोचने का काम सौंपता है। यदि एक छात्र हर बार किसी पाठ का सारांश देने, तर्क उत्पन्न करने या समस्या को हल करने के लिए आर्टिफिशियल इंटेलिजेंस प्रणाली का उपयोग करता है, तो वह क्षण भर के लिए समय बचा सकता है। हालाँकि, शोधकर्ता का सुझाव है कि समय के साथ, यह निरंतर प्रत्यायोजन (delegation) गहरे, चिंतनशील विचार में संलग्न होने की मस्तिष्क की क्षमता को कमजोर कर देता है। आलोचनात्मक निर्णय, स्मृति प्रतिधारण और स्वतंत्र तर्क के लिए आवश्यक मानसिक मांसपेशियाँ उपयोग की कमी के कारण क्षीण होने लगती हैं। यह कोई अचानक विफलता नहीं बल्कि एक क्रमिक क्षरण है। छात्र उत्तर उत्पन्न करने में कुशल हो सकता है, फिर भी उन उत्तरों पर सवाल उठाने या शून्य से ज्ञान निर्माण करने की क्षमता खो सकता है। विश्लेषण में पाया गया कि यह जोखिम विशेष रूप से तब तीव्र हो जाता है जब मशीन पर निर्भरता सीखने के डिफ़ॉल्ट तरीके में बदल जाती है, जिससे एक सहायक उपकरण मानव मस्तिष्क के विकल्प में बदल जाता है।

इस शोध पत्र का एक अन्य महत्वपूर्ण निष्कर्ष वह है जिसे लेखक "क्यूरियोसिटी पैराडॉक्स" (जिज्ञासा विरोधाभास) कहते हैं। जिज्ञासा सीखने का इंजन है; यह न जानने की वह भावना है जो व्यक्ति को अन्वेषण करने, अनिश्चितता के साथ संघर्ष करने और समाधान मिलने तक डटे रहने के लिए प्रेरित करती है। जेनेरेटिव आर्टिफिशियल इंटेलिजेंस जिज्ञासा को तुरंत संतुष्ट करने में अविश्वसनीय रूप से कुशल है। यह तत्काल उत्तर, स्पष्टीकरण और संबंध प्रदान करता है, जिससे वह घर्षण और प्रतीक्षा समाप्त हो जाती है जो आमतौर पर ज्ञान की खोज के दौरान होती है। शोधकर्ता का सुझाव है कि जहाँ यह सीखने को आसान और सुलभ बनाता है, वहीं यह उस प्रक्रिया को भी बाधित कर सकता है जो जिज्ञासा को टिकाऊ बनाती है। जब न जानने की अनिश्चितता को बहुत जल्दी हटा दिया जाता है, तो गहराई से खुदाई करने, एक कठिन अवधारणा के साथ जूझने या किसी विषय को कई कोणों से तलाशने की प्रेरणा फीकी पड़ सकती है। तकनीक उस क्षितिज का विस्तार करती है जिसे एक छात्र पूछ सकता है, लेकिन यह साथ ही उत्तर खोजने के लिए आवश्यक संघर्ष को सहने की इच्छा को भी कम कर सकती है। परिणाम एक ऐसा शिक्षण है जो व्यापक और तेज़ है लेकिन संभावित रूप रूप से सतही है, जहाँ गहन जांच की आदत का स्थान तीव्र उपभोग की आदत ले लेती है।

शोधकर्ता इस बात पर जोर देते हैं कि यह गतिशीलता अपरिहार्य नहीं है। एक छात्र जिस पथ पर चलता है वह इस बात पर निर्भर करता है कि तकनीक को उनकी शिक्षा में कैसे एकीकृत किया गया है। वे एक निरंतरता (continuum) का प्रस्ताव करते हैं, एक स्लाइडिंग स्केल जो "एडेप्टिव कॉग्निटिव ऑग्मेंटेशन" (अनुकूली संज्ञानात्मक संवर्धन) से लेकर "एपिस्टेमिक डिपेंडेंसी" (ज्ञान संबंधी निर्भरता) तक विस्तृत है। एक छोर पर, आर्टिफिशियल इंटेलिजेंस एक मचान (scaffold) के रूप में कार्य करता है, शिक्षार्थी का समर्थन करता है और उन्हें उन ऊंचाइयों तक पहुँचने में मदद करता है जिन्हें वे अकेले प्राप्त नहीं कर सकते थे। इस मोड में, उपकरण भागीदारी का विस्तार करता है और संसाधनों की कमी की भरपाई करता है, जिससे कम वित्त पोषित विश्वविद्यालयों के छात्रों को समृद्ध संस्थानों के समान गुणवत्तापूर्ण मार्गदर्शन तक पहुँच प्राप्त होती है। दूसरे छोर पर निर्भरता है, जहाँ छात्र मशीन पर इतनी अधिक निर्भरता रखता है कि वह अपनी बौद्धिक स्वायत्तता खो देता है। शोधकर्ता का तर्क है कि इन दो परिणामों के बीच का अंतर तकनीक द्वारा नहीं, बल्कि शैक्षिक वातावरण द्वारा निर्धारित होता है। यदि कोई विश्वविद्यालय छात्रों को उन विचारों को उत्पन्न करने के लिए उपकरण का उपयोग करने के लिए प्रोत्साहित करता है जिन्हें वे बाद में आलोचना, परिष्करण और चुनौती दे सकें, तो परिणाम विकास होता है। यदि वातावरण गति और दक्षता को सर्वोपरि मानता है, तो परिणाम स्वतंत्र विचार में गिरावट है।

यह विश्लेषण एक गहरा राजनीतिक और सांस्कृतिक महत्व रखता है, विशेष रूप से ग्लोबल साउथ (ग्लोबल साउथ) के संस्थानों के लिए। शोधकर्ता बताते हैं कि इनमें से अधिकांश आर्टिफिशियल इंटेलिजेंस सिस्टम पश्चिमी दुनिया के डेटा पर प्रशिक्षित हैं, जो प्रमुख संस्कृतियों के मूल्यों, भाषाओं और इतिहासों को दर्शाते हैं। जब कम संसाधन वाले वातावरण के छात्र इन प्रणालियों को अपने ज्ञान के प्राथमिक स्रोत के रूप में उपयोग करते हैं, तो वे डिजिटल उपनिवेशवाद के एक रूप को सुदृढ़ करने का जोखिम उठाते हैं। उनकी शिक्षा एक ऐसे विश्व दृष्टिकोण द्वारा आकार लेती है जो शायद उनकी अपनी वास्तविकता को प्रतिबिंबित न करे, और स्थानीय ज्ञान के तरीकों को हाशिए पर धकेल दिया जाता है। अध्ययन का सुझाव है कि वास्तविक शैक्षिक समानता के लिए केवल तकनीक तक पहुँच ही पर्याप्त नहीं है; इसके लिए यह सुनिश्चित करने हेतु एक सचेत प्रयास की आवश्यकता है कि इन प्रणालियों द्वारा उत्पादित ज्ञान में विविध दृष्टिकोण शामिल हों और छात्र अपने स्वयं के बौद्धिक पथ को परिभाषित करने की शक्ति बनाए रखें।

इन चुनौतियों से निपटने के लिए, लेखक सुझाव देते हैं कि विश्वविद्यालयों को आर्टिफिशियल इंटेलिजेंस के प्रति अपने दृष्टिकोण में बदलाव लाना चाहिए। वे केवल "साक्षरता" से आगे बढ़ने का सुझाव देते, जो छात्रों को उपकरणों का उपयोग करना सिखाती है, "कॉग्निटिव रेजिलिएंस" (संज्ञानात्मक लचीलापन/लचीलापन) की ओर, जिसका अर्थ है छात्रों को स्वचालित उत्तरों से घिरे होने के बावजूद भी आलोचनात्मक रूप से सोचने की अपनी क्षमता बनाए रखने के लिए प्रशिक्षित करना। इसमें ऐसे असाइनमेंट डिजाइन करना शामिल है जिनमें छात्रों को मशीन के आउटपुट की आलोचना करने, उसकी त्रुटियों को खोजने और अपने स्वयं के तर्क को न्यायसंगत ठहराने की आवश्यकता हो। लक्ष्य "प्रोडक्टिव फ्रिक्शन" (उत्पादक घर्षण) को संरक्षित करना है, वह आवश्यक संघर्ष जो गहरी समझ की ओर ले जाता है। इसके अलावा, शोधकर्ता स्थानीय, संदर्भ-संवेदनशील एआई प्रणालियों के विकास का आह्वान करते हैं जो उन क्षेत्रों की संस्कृतियों और ज्ञान प्रणालियों को दर्शाती हों जहाँ उनका उपयोग किया जाता है, न कि केवल आयातित मॉडलों पर निर्भर रहें।

अंततः, शोध पत्र निष्कर्ष निकालता है कि आर्टिफिशियल इंटेलिजेंस के युग में उच्च शिक्षा का भविष्य इस बात से तय नहीं होगा कि तकनीक कितनी परिष्कृत हो जाती है, बल्कि इससे तय होगा कि संस्थान स्वतंत्र विचार की मानवीय क्षमता की रक्षा कितनी अच्छी तरह करते हैं। चुनौती इन शक्तिशाली उपकरणों को अस्वीकार करने की नहीं है, बल्कि उन्हें इस तरह से एकीकृत करने की है जो मानव मस्तिष्क को कमजोर करने के बजाय उसे मजबूत करे। सफलता का पैमाना यह होगा कि क्या छात्र अभी भी अपने स्वयं के प्रश्न पूछ सकते हैं, अनिश्चितता का सामना कर सकते हैं और नया ज्ञान उत्पन्न कर सकते हैं, और मशीन का उपयोग एक स्वामी के बजाय एक भागीदार के रूप में कर सकते हैं। शोधकर्ता का सुझाव है कि यदि शिक्षा इस संतुलन को बनाए रख सकती है, तो यह मानव क्षमता को बढ़ाने के लिए आर्टिफिशियल इंटेलिजेंस की शक्ति का उपयोग कर सकती है, बिना उन गुणों को त्याग दिए जो हमें मानव बनाते हैं।