IA: Um atalho que pode custar caro ao aprendizado humano

A inteligência artificial (IA) está cada vez mais integrada ao cotidiano, com estudantes de todas as idades recorrendo a chatbots para solucionar desde problemas simples aos mais complexos. Essa delegação cognitiva, no entanto, levanta uma preocupação crescente entre pesquisadores e educadores: o impacto dessa dependência no desenvolvimento do raciocínio, da memória e da criatividade humana.

Durante um painel no festival SXSW, especialistas discutiram o risco de a tecnologia, ao assumir uma parcela cada vez maior das tarefas mentais, levar à diminuição do exercício de habilidades cruciais para o processo de aprendizado. A base dessa preocupação reside em um princípio fundamental da neurociência: o cérebro se adapta aos estímulos que recebe. Habilidades frequentemente usadas tendem a se fortalecer, enquanto aquelas que não são exercitadas podem enfraquecer com o tempo.

O dilema da conveniência tecnológica

Sanjay Sarma, professor do MIT e pesquisador em tecnologia educacional, expressou sua profunda apreensão de que a IA se torne uma “muleta” que resulte em atrofia cognitiva. Ele ressalta que, embora preocupações semelhantes tenham acompanhado outras transformações tecnológicas, como a disseminação da escrita na Grécia Antiga (que Platão temia prejudicar a memória), a inteligência artificial apresenta um nível de delegação cognitiva diferente.

A IA opera diretamente em atividades associadas ao raciocínio e à produção intelectual. Aplicativos de navegação definem rotas, ferramentas de IA generativa criam textos e imagens a partir de comandos simples, e dispositivos conectados auxiliam na identificação de informações e objetos. A grande questão é como o cérebro humano responderá à ausência de parte dessas demandas cognitivas.

A mudança visível nas universidades

Olivia Joseph, estudante de computação e cognição no MIT, já observa essa mudança dentro do ambiente universitário. Ela relata que, antes da popularização dos grandes modelos de linguagem (LLMs), a resolução de problemas complexos envolvia discussões com colegas, consultas a professores e experimentação. “Você tentava, falhava, tentava de novo e eventualmente chegava à resposta”, recorda.

Com a chegada dos LLMs, a adoção entre os estudantes foi quase imediata. “Em poucas semanas, todo mundo estava usando”, afirma Joseph. Essa nova dinâmica, especialmente em áreas técnicas como a ciência da computação, leva a situações onde exercícios que antes exigiam tentativa e erro são resolvidos diretamente com a ajuda da IA. “Tenho colegas que praticamente não escrevem mais código”, lamenta.

O risco da perda de habilidades e homogeneização

Para Joseph, a preocupação vai além do uso indevido em avaliações acadêmicas. O cerne da questão é a perda de uma etapa fundamental do aprendizado: o desenvolvimento gradual de habilidades através da prática. Ela compara o processo ao treinamento esportivo: “Você não entra em quadra sem praticar os fundamentos”.

Sem a prática repetida – seja escrevendo código, testando hipóteses ou corrigindo erros – torna-se mais difícil desenvolver uma compreensão profunda dos problemas. Joseph destaca que os modelos de linguagem são particularmente eficazes em tarefas com soluções já documentadas: “LLMs são ótimos para resolver problemas que já foram resolvidos”. Mas e quanto aos problemas que ainda não existem?

Outra observação de Joseph é a padronização da escrita. Textos produzidos por diferentes alunos, mesmo com suas próprias palavras, tendem a apresentar estruturas e tons semelhantes. “Eles tinham todos o mesmo tom”, diz. Em alguns casos, o uso de ferramentas de IA é evidente; em outros, a influência parece mais indireta, resultado do auxílio de LLMs na pesquisa, sumarização e organização de ideias.

O desafio para o ensino superior

Chris Gabrieli, presidente do Conselho de Educação Superior de Massachusetts, aponta que as discussões sobre IA nas universidades frequentemente começam com a preocupação com a desonestidade acadêmica. “Todo mundo está colando”, afirma. Muitas instituições têm reagido reinstaurando avaliações presenciais ou exames manuscritos.

No entanto, Gabrieli considera essa uma resposta parcial. O desafio mais amplo, segundo ele, é que o modelo de ensino superior foi construído em torno de avaliações – como trabalhos escritos e ensaios – que se tornaram fáceis de automatizar com os avanços da IA. Isso levanta questões sobre como medir o aprendizado de forma eficaz quando a produção de textos estruturados não exige mais o mesmo processo cognitivo.

A expansão da IA ocorre em um momento de desafios para as universidades, como queda nas matrículas, aumento de custos e questionamentos sobre o retorno econômico de um diploma. A expectativa geral é que dominar as ferramentas de IA se torne uma habilidade básica no mercado de trabalho. “Seria uma má ideia contratar alguém que não sabe usar IA”, reconhece Gabrieli.

O caminho para um aprendizado genuíno

O desafio, segundo os especialistas, é garantir que o uso dessas tecnologias não substitua as etapas essenciais do aprendizado humano. A resolução de problemas, a escrita de textos e o desenvolvimento de argumentos devem continuar envolvendo um processo de tentativa, erro, revisão e reflexão. Somente assim um aprendizado genuíno poderá ocorrer, preservando as capacidades de raciocínio e memória para as futuras gerações.