Teams did better with AI at the start than with the same AI at the endتیم‌ها وقتی AI را از همان ابتدای کار داشتند، نتیجه بهتری گرفتند تا وقتی همان AI را فقط در پایان کار دریافت کردند
Teams that used an AI assistant while gathering ideas made more creative products than teams that got it later, while choosing. Among 148 randomly assigned student teams, early access grew their idea pool from about 4 to about 20.تیم‌هایی که در مرحله ایده‌پردازی از یک دستیار AI استفاده می‌کردند، محصولات خلاقانه‌تری نسبت به تیم‌هایی ساختند که همین دستیار را دیرتر، در مرحله انتخاب، در اختیار گرفتند. از میان 148 تیم دانشجویی که به‌صورت تصادفی تقسیم شده بودند، دسترسی زودهنگام به AI استخر ایده‌های آن‌ها را از حدود 4 به حدود 20 رساند.
ترجمهٔ ماشینی است؛ برای دقت به متن اصلی انگلیسی مراجعه کنید.
Why it matters
Most schools and companies simply switch an AI chatbot on and leave it on, and then ask only whether people use it. This experiment hints that the moment it arrives matters too: help during the "gather ideas" phase gave teams more to choose from, while help after they had already decided mostly added extra proposals of no better quality. One more detail is worth knowing. The researchers also asked ten AI systems to grade the work, and those graders spotted the benefit of having AI but missed the cost of getting it late. This was a 40-minute task done by university students, so real offices with longer projects may behave differently.بیشتر مدرسه‌ها و شرکت‌ها معمولاً فقط یک چت‌بات AI را روشن می‌کنند و همیشه فعال می‌گذارند، و بعد فقط می‌پرسند آیا افراد از آن استفاده می‌کنند یا نه. این آزمایش نشان می‌دهد زمان ورود AI هم اهمیت دارد: کمک گرفتن در مرحله «جمع‌آوری ایده‌ها» گزینه‌های بیشتری در اختیار تیم‌ها گذاشت، در حالی که کمک گرفتن بعد از تصمیم‌گیری، بیشتر فقط چند پیشنهاد اضافی بدون کیفیت بهتر به همراه داشت. یک نکته دیگر هم قابل توجه است؛ پژوهشگران از ده سیستم AI هم خواستند کارها را نمره‌دهی کنند، و این ارزیاب‌ها فایده داشتن AI را تشخیص دادند اما هزینه دیر به‌دست آوردنش را متوجه نشدند. این یک تکلیف 40-minute بود که توسط دانشجویان دانشگاه انجام شد، بنابراین محیط‌های کاری واقعی با پروژه‌های طولانی‌تر ممکن است رفتار متفاوتی داشته باشند.
Who's behind it: Difang Huang, Shumin Yu, Fadong Chen and Weihua Zhou, Chinese Academy of Sciences and Zhejiang University.
Summary by the Lemma AI · how we grade