详细内容或原文请订阅后点击阅览
在注重速度和输出的系统中，人工智能的紧张不应令人意外
对于 Jo Irving-Walton 来说，生成式人工智能的使用只是高等教育中更广泛的多巴胺问题的一个角度
来源:Wonkhe | 高等教育政策、人物与政治该行业通常谈论生成式人工智能，就好像它主要是一个治理问题——需要通过政策声明、检测工具、精心起草的指南或人工智能素养框架来解决。
事实并非如此。这是一个多巴胺问题。
生成式人工智能不仅仅是节省时间。它可以在加速系统中产生小而可靠的认知缓解效果。空白页逐渐消失。尴尬的句子已成形。结构出现。语气听起来沉稳、自信、结束。至少，迫在眉睫的最后期限让人感觉更容易满足。
在以超载、绩效指标和持续生产力为特征的机构中，从摩擦到产出的转变并非偶然。它极具吸引力，而且它塑造我们行为的速度比政策做出有意义反应的速度还要快。
成本与回报的不对称
该行业已经擅长绘制人工智能的成本：环境影响、无形劳动力、偏见、幻觉、技能侵蚀、制度依赖。我们可以自信且紧迫地阐明风险。
但成本意识无法与即时回报相媲美。
我们以前见过这种模式。快时尚在破坏环境之前先是方便的。社交媒体在具有腐蚀性之前具有连接性。塑料在无处不在之前就已经是革命性的……永远。在每种情况下，利益都是直接的、针对个人的。成本被分散、延迟并且更容易被忽视。我们先正常化，然后再审问。
生成式人工智能遵循类似的曲线，只不过这次的奖励是认知性的。它消除了思考过程中的不适，将努力压缩为产出，并在存在不确定性时提供肯定。这种转变看似微妙，但却改变了行为。
奇怪的情绪温度
我们或许无意中创造了一种文化，在这种文化中，承认人工智能的使用比错误地使用它更危险。
指标陷阱
我们还应该诚实地面对人工智能所进入的环境。