Не разучиться думать

Ты читаешь отличное объяснение. Всё понятно, всё связывается, вкладку закрываешь довольным. Через два дня это нужно применить — и в голове осталось только то, что объяснение было хорошим.

Всякий, кто учился всерьёз, это узнаёт: та самая иллюзия компетентности из сферы «Как учиться», которую даёт перечитывание с маркером. Ново здесь другое: ИИ производит её по требованию, в любой час, на любую тему — идеально ясно, идеально под тебя и совершенно без сопротивления.

Вот честная версия беспокойства. Не в том, что инструмент делает кого-то глупым, а в том, что он крайне хорош в устранении усилий, — а часть устраняемых усилий и была той работой, которая учит.

Три разных риска

Их валят в кучу, а лечатся они по-разному.

Иллюзия понимания. Хорошее объяснение ощущается знанием. Оно им не является — это чужой чанк, взятый напрокат. Разницу ты обнаружишь в тот момент, когда придётся воспроизвести без открытой вкладки.

Атрофия навыка. Навык собирается повторениями, а повторения ты получаешь только на той части, которую делаешь сам. Отдай ту часть, которая и есть навык, — результат останется, рост исчезнет. Месяцами это незаметно, а потом очевидно.

Сходимость к медиане. По умолчанию модель выдаёт среднее по написанному. Бери это за отправную точку достаточно часто — и твоя работа поползёт к середине: грамотно, не придраться, неотличимо. Опасность тут не ошибка, а одинаковость.

Что реально измерили

Два исследования, которые стоит знать, вместе с оговорками.

В 2025 году группа Натальи Космыной из MIT Media Lab провела ЭЭГ-эксперимент на написании эссе: одна группа работала с языковой моделью, вторая с поиском, третья без всего. У «модельной» группы во время работы наблюдалась более слабая связность мозговой активности и — самое яркое — они часто не могли процитировать собственное эссе, только что сданное. С этой работой стоит обращаться аккуратно: маленькая выборка, короткий срок, одна задача, и в прессе её раздули до «ИИ разрушает мозг». Подтверждает она вещь более узкую и более полезную: текст, произведённый через модель, закрепляется как твоё знание хуже, чем текст, порождённый тобой. Ровно это и предсказывает эффект генерации из «Как учиться».

Второе практичнее. Тоже в 2025-м Хао-Пин Ли с коллегами из Microsoft Research и Карнеги — Меллона опросили несколько сотен людей умственного труда об их реальном использовании ИИ и обнаружили закономерность, из которой стоит строить привычки: чем больше человек доверял ИИ, тем меньше усилий критического мышления он прикладывал, — и чем больше он был уверен в собственной экспертизе, тем больше. Исход определяет не инструмент. Его определяют отношения с инструментом.

Правило

Почти всё вышеперечисленное чинится одной привычкой порядка.

Сначала свой ход, потом её.

До вопроса сделай свою версию: ответ, как ты его понимаешь, свой черновик, свою гипотезу, свой список. Пусть плохой. Пусть три пункта. Важно, что он существует до того, как ты увидел ответ модели.

Одновременно происходят три вещи. Ты выполняешь извлечение — самую эффективную учебную операцию из существующих и как раз ту, которую ИИ вытесняет легче всего. Ты превращаешь ответ модели из якоря в сравнение, а это совсем другое событие: вместо принятия чужой рамки ты сличаешь две, и учит именно разница. И ты сохраняешь собственный угол зрения, потому что занял позицию до прихода медианы.

Обратный порядок — сначала спросить, потом подумать — ощущается быстрее и не даёт ни усвоения, ни оригинальности. И именно к нему все скатываются по умолчанию.

Навыки-цели и навыки-накладные

Вот черта, которая снимает большую часть терзаний, — и провести её должен ты сам, никто другой это правило за тебя не установит.

Навыки-цели — те, которыми ты хочешь обладать: для разработчика проектировать системы, для пишущего писать, для аналитика читать данные. Делегируя навык-цель, ты теряешь ровно то, что строил, — даже когда результат отличный.

Навыки-накладные — те, которые ты с радостью никогда не разовьёшь: обвязка, форматирование, язык, который нужен дважды в год, сводка, которую никто не будет читать внимательно. Отдавать это — чистый выигрыш, а отказываться из принципа — обряд.

Одна и та же задача лежит в разных категориях у разных людей. Разработчик, пишущий рекламный текст, и маркетолог, пишущий рекламный текст, находятся в разном положении, и неправ ни тот ни другой. Ломается другое: когда навык-цель отдаётся случайно, по одному удобному ходу за раз, — потому что в моменте это неотличимо от делегирования накладного.

Проверка — вопрос, на который можно ответить честно: я хочу стать в этом лучше или хочу с этим покончить?

Самопроверка

Атрофия бесшумна, поэтому проверять надо намеренно. Время от времени сделай настоящую задачу в своём навыке-цели без всякой помощи и посмотри, как пойдёт. Не чтобы что-то себе доказать — чтобы получить информацию.

Медленнее, но нормально — значит, ты автоматизировал. Не можешь начать или больше не удерживаешь задачу целиком в голове — значит, не автоматизировал, а заместил, и замещение существует ровно пока доступен инструмент.

Пользуйся им, чтобы добавлять трудность, а не убирать

Самая глубокая сцепка с «Как учиться» вот в чём: желательные трудности Роберта Бьорка — усилие извлечения, интервалы, необходимость доходить самому — и есть то, что даёт прочное усвоение. ИИ по своей природе машина по устранению трудностей. При бездумном применении он вычищает желательные вместе с бессмысленными.

Но развернуть его в другую сторону так же легко — и вот здесь он становится по-настоящему великолепен для учёбы:

• Пусть спрашивает, а не объясняет: «задавай мне вопросы по этой теме по одному и не говори ответ, пока я не попробую».
• Объясни ей, а потом попроси найти дыры. Порождаешь ты, проверяет она.
• Попроси спорить с тобой — привычка «дай возражение» из третьей статьи, направленная на твои мысли, а не на её собственные.
• Проси задачи, а не решения. «Дай пять упражнений, по которым станет видно, понял я это на самом деле или нет».
• Спрашивай, чего ты не рассматриваешь. Это прямое противоядие от сходимости: используй медиану как карту территории, от которой надо отклониться, а не как пункт назначения.

Четвёртая стадия превращает это в полноценный метод учёбы с ИИ. Принцип уже здесь: он ценнее всего тогда, когда заставляет тебя работать, а не когда избавляет от работы.

Кто решает

И последнее, уже не про учёбу.

У модели нет ставки в твоём исходе и нет способности за него отвечать. Принимая её рекомендацию, решение ты оставляешь целиком за собой: рассуждение отдано на сторону, ответственность нет. «Так сказал ИИ» — не то объяснение, которое ты сможешь предъявить кому-нибудь, включая себя, когда это будет важно.

Это не аргумент пользоваться меньше. Это причина, по которой предыдущие статьи настаивали на сохранении способности оценивать: суждение — единственная часть работы, которую нельзя делегировать, потому что на том конце некому её принять.

На практике

Всегда сначала свой ход. Черновик, гипотеза или три пункта до вопроса. Пусть плохие.

Никогда не называй свой вывод до того, как попросил разбор, — получишь согласие вместо мысли.

Знай, какие твои навыки — цели, а какие накладные. Вторые отдавай свободно.

Периодически делай задачу в навыке-цели без помощи. Медленнее — нормально; не смог — это результат.

Направляй её на трудность: спрашивай меня, проверяй меня, спорь со мной, дай задачи.

Считай медиану планкой, которую надо побить, а не ответом, который надо сдать.

Проверь себя

Закрой статью и ответь своими словами:

1. Какие три риска здесь различают и почему каждому нужен свой ответ?
2. Что подтверждает ЭЭГ-исследование MIT и чего оно не подтверждает?
3. Какую закономерность нашли в опросе Microsoft и CMU и что она говорит про привычки, а не про инструменты?
4. Почему «сначала свой ход» даёт усвоение, а «сначала спросить» нет, — назови все три эффекта.
5. Как отличить навык-цель от навыка-накладного и в чём честная проверка?
6. Чем автоматизация навыка отличается от его замещения и как обнаружить второе?
7. Как с помощью ИИ добавлять желательные трудности, а не убирать их?

Коротко

• Три разных риска: иллюзия понимания, атрофия делегированных навыков и сходимость к медиане.
• ЭЭГ-исследование MIT (2025): текст, произведённый через модель, закрепляется как собственное знание хуже, чем порождённый самостоятельно. Работа маленькая и раздутая в прессе, но согласуется с эффектом генерации.
• Microsoft и CMU (2025): доверие к ИИ предсказывало меньше критического мышления, уверенность в собственной экспертизе — больше. Исход решает привычка, а не инструмент.
• Сначала свой ход, потом её: получаешь извлечение, получаешь сравнение вместо якоря и сохраняешь свой угол зрения.
• Накладные навыки отдавай свободно, навыки-цели береги. Честная проверка: хочу стать лучше или хочу покончить?
• Периодически проверяй себя без помощи. Медленнее — автоматизировал; не смог — заместил.
• Учат желательные трудности. Направляй модель на их добавление — спрашивай, проверяй, спорь, давай задачи, — а не на устранение всех подряд.
• Рассуждение можно отдать на сторону, ответственность нельзя.
• Сначала свой ход, потом её.