Η τεχνολογία είναι πολύ νέα και εξελίσσεται υπερβολικά γρήγορα για να υπάρχουν οριστικά μακροπρόθεσμα δεδομένα σχετικά με τον αντίκτυπό της. Ωστόσο, τα πρώτα στοιχεία από ορισμένες μελέτες δείχνουν ότι, όταν χρησιμοποιούνται χωρίς σαφείς περιορισμούς και καθοδήγηση, τα μεγάλα γλωσσικά μοντέλα μπορούν να βλάψουν την ανάπτυξη των δεξιοτήτων των φοιτητών. Παράλληλα, ορισμένα μέλη του διδακτικού προσωπικού λένε ότι βλέπουν ανησυχητικά σημάδια στις αίθουσες διδασκαλίας: φοιτητές που παραδίδουν καλογραμμένες εργασίες αλλά δεν μπορούν να απαντήσουν σε ερωτήσεις σχετικά με τις ιδέες τους, φοιτητές που δυσκολεύονται να εξηγήσουν τον κώδικά τους και φοιτητές που αντιμετωπίζουν προβλήματα ακόμη και με βασικές μαθηματικές δεξιότητες.

Σύμφωνα με τη Washington Post, όλο και περισσότεροι εκπαιδευτικοί που προσπαθούν να αντιμετωπίσουν τη χρήση της τεχνητής νοημοσύνης από τους φοιτητές θέτουν θεμελιώδη ερωτήματα σχετικά με τη φύση της πανεπιστημιακής εκπαίδευσης, τις δεξιότητες που θα χρειάζεται το εργατικό δυναμικό του μέλλοντος και τη συλλογική γνώση της κοινωνίας μας.

Ο Eric Klopfer, καθηγητής στο MIT, ο οποίος συμπροήδρευσε σε επιτροπή που μελέτησε την τεχνητή νοημοσύνη στη διδασκαλία, τη μάθηση και την ερευνητική εκπαίδευση, δήλωσε ότι σε πολλές περιπτώσεις οι φοιτητές παραδίδουν καλύτερες εργασίες. Ωστόσο, η επίδοσή τους στις εξετάσεις είναι χειρότερη.

«Είναι η ψευδαίσθηση της μάθησης», είπε. «Νιώθεις ότι μαθαίνεις, νιώθεις ότι κατανοείς τα πράγματα». Όταν όμως χρειάζεται να εφαρμόσουν αυτή τη γνώση χωρίς τη βοήθεια ενός μεγάλου γλωσσικού μοντέλου, οι φοιτητές συνήθως δυσκολεύονται.

Οι φόβοι σχετικά με την τεχνητή νοημοσύνη έχουν ενταθεί τις τελευταίες εβδομάδες, συμπεριλαμβανομένων προειδοποιήσεων ότι η τεχνολογία θα μπορούσε να αποτελέσει υπαρξιακή απειλή για την ανθρωπότητα. Πολλοί ηγέτες της τεχνολογικής βιομηχανίας έχουν ζητήσει μια συμφωνία για επιβράδυνση της ανάπτυξης της τεχνολογίας, ενώ ο Ντόναλντ Τραμπ έχει ζητήσει ταχύτερη ανάπτυξη.

«Πρόκειται για μια κομβική στιγμή για την ανώτατη εκπαίδευση», δήλωσε ο πρόεδρος του MIT προς την πανεπιστημιακή κοινότητα, καθώς η επιτροπή ζήτησε τόσο άμεσες όσο και μακροπρόθεσμες αλλαγές. Η επιτροπή κατέληξε στο συμπέρασμα ότι υπάρχουν πρώιμες ενδείξεις πως η υπερβολική εξάρτηση από τα chatbots μπορεί να έχει σημαντικές αρνητικές συνέπειες — «μειώνοντας την κριτική σκέψη, αποδυναμώνοντας τη μνήμη, διαβρώνοντας την αυτοπεποίθηση και υπονομεύοντας την ουσιαστική κατάκτηση της γνώσης».

Μια έρευνα του Δεκεμβρίου από το think tank Rand διαπίστωσε ότι αυξάνεται ο αριθμός των φοιτητών που χρησιμοποιούν τεχνητή νοημοσύνη για τις σχολικές και πανεπιστημιακές εργασίες τους, ενώ παράλληλα αυξάνεται και η ανησυχία για το πώς αυτό τους επηρεάζει. Τα δύο τρίτα των φοιτητών που συμμετείχαν στην έρευνα συμφώνησαν με τη δήλωση: «Όσο περισσότερο οι φοιτητές χρησιμοποιούν τεχνητή νοημοσύνη για τις εργασίες τους, τόσο περισσότερο αυτό θα βλάψει τις δεξιότητές τους στην κριτική σκέψη».

Μια μελέτη που πραγματοποιήθηκε φέτος, με επικεφαλής τη Grace Liu του Carnegie Mellon University, διαπίστωσε ότι, έπειτα από λίγα μόλις λεπτά επίλυσης προβλημάτων με τη βοήθεια τεχνητής νοημοσύνης, άνθρωποι που έχασαν την πρόσβαση στην AI είχαν χειρότερη απόδοση στα προβλήματα και εγκατέλειπαν την προσπάθεια γρηγορότερα από εκείνους που δεν είχαν χρησιμοποιήσει AI.

Μια άλλη μελέτη, που δημοσιεύθηκε το 2025, μέτρησε τη δραστηριότητα του εγκεφάλου ενώ φοιτητές έγραφαν εργασίες μόνοι τους, χρησιμοποιώντας μια μηχανή αναζήτησης ή χρησιμοποιώντας ένα μεγάλο γλωσσικό μοντέλο ως βοήθεια. Οι ερευνητές διαπίστωσαν την ισχυρότερη συνδεσιμότητα του εγκεφάλου σε όσους έκαναν την εργασία μόνοι τους και την ασθενέστερη σε όσους βασίζονταν στην τεχνητή νοημοσύνη. Επιπλέον, οι συμμετέχοντες που χρησιμοποιούσαν LLM δυσκολεύονταν να παραθέσουν αποσπάσματα από την εργασία τους αφού την είχαν ολοκληρώσει. Σε διάστημα τεσσάρων μηνών, σύμφωνα με τους ερευνητές, όσοι χρησιμοποιούσαν AI είχαν σταθερά χαμηλότερες επιδόσεις σε πολλαπλά επίπεδα.

Η Nataliya Kosmyna, ερευνήτρια στο MIT και επικεφαλής συγγραφέας της συγκεκριμένης μελέτης, δήλωσε ότι, παρόλο που χρειάζονται μελέτες μεγαλύτερης διάρκειας, είναι ιδιαίτερα ανησυχητικό το γεγονός ότι οι αλλαγές είναι ήδη εμφανείς μέσα σε τόσο σύντομο χρονικό διάστημα. Τα αποτελέσματα συγκλίνουν σε διαφορετικές μετρήσεις, είτε οι ερευνητές χρησιμοποιούν εγκεφαλικές απεικονίσεις, ερωτηματολόγια ή άλλες μεθόδους αξιολόγησης της μάθησης, είπε. «Υπάρχει ανάγκη και επείγουσα ανάγκη να πραγματοποιηθούν περισσότερες τέτοιες μελέτες».

«Υπάρχει τώρα μεγάλη συζήτηση για την τεχνητή νοημοσύνη και την ασφάλεια», είπε. «Τι γίνεται όμως με τον εγκέφαλο των παιδιών σας;»

Στις αίθουσες διδασκαλίας, η αλλαγή είναι συχνά αισθητή.

Η Shawna Dolansky, καθηγήτρια στο College of the Humanities του Carleton University, απογοητεύτηκε όταν οι πρωτοετείς φοιτητές της εμφανίστηκαν με περιγράμματα εργασιών που έμοιαζαν με προτάσεις για διδακτορικές διατριβές. Ήταν εξαιρετικά καλογραμμένα, συχνά αφορούσαν θέματα που δεν είχαν συζητηθεί στην τάξη και ορισμένα περιείχαν παραθέματα που δεν υπήρχαν στα βιβλία που ανέφεραν ως πηγές.

Όταν ρωτούσε τους φοιτητές σχετικά με τις ιδέες, εκείνοι δεν μπορούσαν να απαντήσουν. Και δεν επρόκειτο για φοιτητές μηχανικής που προσπαθούσαν απλώς να ολοκληρώσουν ένα υποχρεωτικό μάθημα αγγλικών· ήταν φοιτητές που είχαν επιλέξει ένα τετραετές πρόγραμμα ανθρωπιστικών σπουδών βασισμένο στα Μεγάλα Βιβλία. «Αυτό είναι ένα προβληματικό σύστημα», είπε η Dolansky.

Στο University of California at Berkeley, η Gireeja Ranade, καθηγήτρια στο τμήμα ηλεκτρολόγων μηχανικών και επιστήμης υπολογιστών, ένιωσε θλίψη όταν είδε φοιτητές να αποτυγχάνουν στην τελική εξέταση ενός μαθήματος βελτιστοποίησης και γραμμικής άλγεβρας. Ορισμένα από τα προβλήματα ήταν σχεδόν ίδια με εκείνα που έλυναν καθ’ όλη τη διάρκεια του εξαμήνου στις εργασίες για το σπίτι.