Рабочая память мала. Мир велик. Это несоответствие — двигатель теории когнитивной нагрузки, рамки Джона Свеллера, разработанной в 1980-х. Вклад теории — разделение нагрузки на три компонента, каждый из которых по-разному относится к помощи AI.
Три нагрузки
Внутренняя нагрузка — это неизбежная сложность самого материала. Изучение абстрактной алгебры несёт более высокую внутреннюю нагрузку, чем запоминание списка покупок. Её нельзя уменьшить, можно лишь поэтапно вводить.
Внешняя нагрузка — нагрузка, добавляемая способом представления материала. Запутанные диаграммы, нерелевантный текст, плохой интерфейс. Это напрасное внимание, потраченное на борьбу с медиумом, а не на понимание сообщения. Уменьшается дизайном.
Релевантная нагрузка — продуктивное когнитивное усилие, потраченное на построение схем — устойчивых паттернов понимания, делающих будущие встречи с материалом лёгкими. Релевантная нагрузка — это и есть обучение. Цель хорошо спроектированной педагогики — освободить рабочую память минимизацией внешней нагрузки, чтобы оставить ёмкость для релевантной обработки.
Где встаёт AI
AI как редуктор внешней нагрузки. Большинство применений AI в классах и рабочих процессах уменьшают внешнюю нагрузку. Адаптивный репетитор представляет материал на доступном уровне; модель автодополнения кода убирает синтаксическое трение между намерением и программой. Все это — выигрыши.
AI как редуктор релевантной нагрузки. Это проблема. Если AI делает работу построения схем — находит паттерн, формулирует объяснение, идентифицирует ключевые отношения — пользователь её больше не делает. Рабочая память освобождена, но именно от той обработки, ради которой пользователь пришёл. Схема не формируется. Следующая встреча с материалом не легче первой. Обучения, в строгом смысле, не было.
Чёткое утверждение
Рамка Свеллера позволяет точно сформулировать вопрос об AI и обучении:
AI полезен в той мере, в какой он уменьшает внешнюю нагрузку, и вреден в той мере, в какой он уменьшает релевантную нагрузку.
Граница между ними зависит от того, зачем пользователь пришёл. Романист, которому нужна помощь с грамматикой, разгружает внешнее. Романист, которому нужна помощь с тем, о чём глава, разгружает релевантное — работу построения смысла, ради которой и пишется глава.
Проектирование с теорией
Практическое применение теории когнитивной нагрузки в проектировании AI — явное разделение нагрузок. Хорошо спроектированный AI-репетитор показывает свою работу — не из риторических соображений, а потому что чтение работы пользователем и есть релевантная обработка. Плохо спроектированный производит ответ. Первый оставляет больше релевантной нагрузки пользователю; второй переносит её на машину.
Принцип старше генеративного AI и переживёт его: позволяйте пользователю сохранить мышление, которое он хочет сохранить.