Namų darbus padarė dirbtinis intelektas. O kas liko galvoje?

Įsivaizduok vakarą namuose. Gimnazistas sėdi prie matematikos užduoties, kurios nesupranta. Įkelia ją į „ChatGPT“, gauna sprendimą, perrašo į sąsiuvinį. Namų darbai padaryti, tėvai ramūs, vakaras laisvas. Tik kitą dieną per kontrolinį panašus uždavinys vėl atrodo kaip naujiena.

Studentui vietoj uždavinio gali būti kursinis darbas, suaugusiam – užduotis persikvalifikavimo kursuose. Situacija ta pati: pateikti yra ką, bet paaiškinti, kaip prie to prieita, sunkiau.

Tai klausimas ir Lietuvos šeimoms: kaip suprasti, ar dirbtinis intelektas (DI) padėjo žmogui išmokti, ar tik atliko užduotį už jį?

Lietuvoje jau siūloma susitarti dėl taisyklių

2026 m. sausį Švietimo, mokslo ir sporto ministerija pristatė atsakingo DI naudojimo mokyklose gaires. Ministerija pabrėžė, kad mokykloms savo taisykles pagal šias gaires pasirengti rekomenduojama, bet neprivaloma.

„Tačiau būtina nusistatyti ribas ir taisykles, kam ir kaip šias naująsias technologijas naudojame mokyklose“

Jonas Petkevičius, švietimo, mokslo ir sporto viceministras. 2026 m. sausio 16 d. pasisakymas.

Gairėse svarbus ir kitas principas: DI turėtų suteikti aiškią naudą mokymuisi. Mokytojas sprendžia, kada įrankis padeda, o kada mokiniui vertingiau padirbėti savarankiškai. Tai švietimo rekomendacijos, o ne tyrimas, parodantis, kiek Lietuvos mokinių jau išmoko daugiau ar mažiau dėl DI.

Kasdienėje situacijoje toks susitarimas galėtų atrodyti paprastai: rašinio idėjas aptarti su pokalbių robotu galima, tačiau savo argumentus mokinys turi gebėti paaiškinti pats. Tėvams prie klausimo „ar padarei namų darbus?“ galima pridėti dar vieną: „parodyk, kaip sprendei“. Ir pokalbis iškart tampa apie supratimą.

Atsakymas ekrane dar nėra žinios galvoje

Panašų klausimą kelia ir Masačusetso technologijos institutas, trumpiau MIT. Tai JAV universitetas, kurio komitetas parengė ataskaitą apie DI poveikį studijoms. Dokumentas viešai pristatytas 2026 m. rugpjūčio 25 d. Jame aptariamos užsienio universiteto patirtys padeda suprasti rizikas, tačiau savaime neparodo padėties Lietuvos mokyklose.

MIT ataskaitoje pabrėžiama mokymuisi būtina pastanga: bandymai, klaidos, sunkumų įveikimas. Komitetas perspėja, kad pernelyg pasikliaujant DI galima praleisti būtent tą darbo dalį, per kurią atsiranda supratimas.

Atpažinti gražiai paaiškintą sprendimą lengviau negu pačiam jį sugalvoti. Skaitant viskas atrodo logiška: taip, žinoma, čia reikėjo pritaikyti šitą formulę. Užvertus paaiškinimą ir gavus kiek kitokį uždavinį, tas „žinoma“ kartais labai greitai išgaruoja.

Tai panašu į sporto salę, kurioje pasamdai kitą žmogų pakilnoti svarmenis. Treniruotė įvyko, svarmenys pajudėjo. Tik tavo raumenys apie šią pažangą dar neinformuoti.

Žinoma, mokslas neturi būti kančia dėl kančios. Geras paaiškinimas gali sutaupyti valandą beprasmiško klaidžiojimo. Tačiau sutaupyti laiką, per kurį nieko nesupranti, ir praleisti pastangą, per kurią pagaliau suprastum, nėra tas pats.

Kai pagalbininką išjungia

Šį skirtumą galima ir pamatuoti. 2025 m. žurnale PNAS paskelbtame atsitiktinių imčių eksperimente beveik tūkstantis Turkijos vidurinės mokyklos mokinių mokėsi matematikos. Vieni dirbo be DI, kiti turėjo įprastą pokalbių robotą primenančią GPT-4 sąsają, treti – specialiai mokymuisi pritaikytą pagalbininką.

Kol DI buvo prieinamas, abiejų jį naudojusių grupių praktinių užduočių rezultatai buvo geresni. Tačiau per vėlesnį žinių patikrinimą pranašumas neišliko. Įprastesnę sąsają naudojusios grupės palyginimas pateiktas grafike.

Mokymuisi pritaikyta versija turėjo teikti užuominas ir vengti iš karto atiduoti visą sprendimą. Šioje grupėje vėlesni rezultatai be DI statistiškai reikšmingai nesiskyrė nuo kontrolinės grupės. Vadinasi, neigiamo poveikio pavyko išvengti, bet geresnis savarankiškas išmokimas šiame palyginime nebuvo nustatytas.

Tai vienos mokyklos matematikos tyrimas, todėl jo negalima paversti nuosprendžiu visoms studijoms. Vis dėlto jis parodo, kodėl geresnis darbas su įrankiu dar negarantuoja geresnių gebėjimų be jo.

Vienas botas rašo, kitas vertina

MIT komitetas aprašo ir socialinę problemą: pokalbių robotai gali išstumti bendrą mokymąsi bei pokalbius su dėstytojais. Studentų santykis su DI nevienodas – greta smalsumo ir naudos juntamas nerimas. Tai bendruomenės patirčių ir tyrimų apžvalga, o ne eksperimentinis įrodymas, kad DI visiems sukelia vienišumą. MIT ataskaita.

Yra skirtumas tarp pokalbio su bendramoksliu ir užklausos programai. Žmogus gali nesuprasti tavo argumento, paprašyti jį paaiškinti, pasiūlyti kitą kelią. Kartais būtent tada ir paaiškėja, kad pats savo minties dar nesupratai. Jeigu tokie pokalbiai dingsta, vien patogesnis atsakymų langelis jų nebūtinai atstos.

Pasitikėjimą ardo ir DI naudojimo kontrolė. Ataskaitoje nerekomenduojama kliautis DI teksto detektoriais, perspėjama apie klaidingus įtarimus. Studentai taip pat kritikuoja dvigubus standartus, kai jų DI naudojimas ribojamas, o dėstytojai jį pasitelkia vertinimui ar grįžtamajam ryšiui. MIT rekomendacijos.

Nesunku įsivaizduoti puikiai „optimizuotą“ grandinę: viena programa parašo darbą, kita jį įvertina, o žmogui lieka sumokėti už studijas. Ši hipotetinė situacija kelia visai praktišką klausimą: kurioje šios grandinės vietoje kas nors išmoko ką nors naujo?

Iš kur atsiras patyrę žmonės?

Viena iškalbingiausių ataskaitos vietų – kai kurie dėstytojai svarstė tyrimų pagalbininkais rinktis DI agentus vietoje bakalauro studentų. Komitetas primena, kad studentų dalyvavimas tyrimuose yra ir profesinis mokymasis. Kalbama apie užfiksuotus svarstymus, ne masinį studentų pakeitimą. MIT ataskaita.

Pradedantysis paprastai dirba lėčiau. Klausia to, kas patyrusiam žmogui atrodo savaime aišku. Reikia parodyti, pataisyti, kartais leisti suklysti. Vertinant tik šiandienos rezultatą, visa tai lengva įrašyti į neefektyvumo eilutę.

Bet žmogus netampa patyręs vien todėl, kad praeina kalendoriniai metai. Jam reikia vietos, kurioje galėtų būti nepatyręs ir dirbti su tais, kurie jau moka.

Jeigu tokias vietas pradėsime naikinti, vėliau skelbimuose galėsime dar garsiau reikalauti penkerių metų patirties. Tik nebus labai aišku, kur ją buvo galima sukaupti. Tai klausimas ir universitetams, ir įmonėms, svarstančioms, kiek darbo palikti pradedantiesiems.

DI gali ir išmokyti

Būtų patogu čia paskelbti, kad pokalbių robotai gadina žmones, ir uždaryti temą. Tik tyrimų vaizdas sudėtingesnis.

2025 m. žurnale „Scientific Reports“ paskelbtame Harvardo tyrime dalyvavo 194 fizikos kurso studentai. Per dvi pamokas buvo lyginamas specialiai sukurtas DI mokytojas ir aktyvaus mokymosi užsiėmimai auditorijoje. Mokantis su DI užfiksuotas didesnis žinių prieaugis per trumpesnį laiką.

Svarbi detalė: tai buvo pagal mokymo principus parengta sistema, vedanti studentą per medžiagą. Rezultatas neparodo, kad bet kuris pokalbių robotas automatiškai pakeičia gerą dėstytoją. Tyrimas taip pat neatsako, kiek šių žinių išliko po metų ar kas nutiktų taip pertvarkius visą studijų programą.

Todėl ir kategoriškas teiginys, kad MIT esą įrodė DI sukeliamą „smegenų atrofiją“, būtų per stiprus. Komiteto dokumentas tokios išvados nenustato. Jis kelia klausimus apie įgūdžius, savarankiškumą ir mokymosi aplinką, o ne pateikia smegenų pažeidimo diagnozę. MIT dokumentas.

Ką pasilikti sau

„DI turėtų būti naudojamas smalsumui, kūrybiškumui ir mokymuisi plėsti bei stiprinti, o ne jiems automatizuoti.“

MIT komitetas, ataskaitos 2.7 skyrius. Vertimas iš anglų kalbos.

Praktiškai galima pradėti nuo paprasto užklausos pakeitimo. Vietoje „išspręsk už mane“ paprašyti vienos užuominos. Pateikti savo bandymą ir paprašyti parodyti klaidingą žingsnį. Paprašyti užduoti klausimus, kurie patikrintų supratimą. O tada išjungti pagalbininką ir pačiam išspręsti panašią užduotį.

Rašant tekstą galima prašyti sukritikuoti argumentą, surasti silpną vietą ar pasiūlyti priešingą požiūrį. Tačiau apsispręsti, ką iš tikrųjų nori pasakyti ir kuo gali tai pagrįsti, vis tiek turi pats rašantis žmogus. Kitaip net labai sklandus tekstas gali likti mintimis, kurių jo autorius nesugeba apginti.

Man šioje istorijoje labiausiai rūpi tai, ką laikysime pažanga savo mokyklose ir universitetuose. Jei matuosime vien pateiktų darbų skaičių ir sutaupytas minutes, pokyčiai gali atrodyti nuostabiai. Bet norėtųsi, kad mokslus baigęs žmogus sugebėtų pats pastebėti klaidą, užduoti gerą klausimą ir priimti sprendimą.

Kur visa tai nuves, dar nežinome. Tik būtų apmaudu sukurti nepaprastai patogią mokymosi sistemą ir per vėlai pastebėti, kad joje vis mažiau progų išmokti.

---

Temą paskatino šis YouTube įrašas. Straipsnyje remiamasi Lietuvos švietimo ministerijos informacija, MIT dokumentu ir tekste nurodytais pirminiais tyrimais. Šaltiniai patikrinti 2026 m. spalio 3 d.