درباره نویسنده: ایمی برند مدیر و ناشر انتشارات MIT است، نقشی که از سال ۲۰۱۵ بر عهده داشته است. او که یک دانشمند علوم شناختی است، دکترای خود را از MIT دریافت کرده و در CrossRef، هاروارد و علوم دیجیتال سمت‌های رهبری داشته است. او یکی از خالقان طبقه‌بندی CRediT، عضو بنیانگذار هیئت مدیره ORCID و تهیه‌کننده مستند Picture a Scientist است. برند به دلیل مشارکت‌هایش در زیرساخت‌های تحقیقاتی، ارتباطات علمی و برابری در علم، به طور گسترده شناخته شده است. از جمله افتخارات او می‌توان به جایزه ویراستاران شورای علوم و جایزه طلایی روزنامه‌نگاری علمی Kavli AAAS اشاره کرد.
علم برای پیشرفت بشر ضروری است. همچنین، هرچند کمتر آشکار، چگونگی انتشار علم حیاتی است. به عنوان سیستمی که از طریق آن دانش قابل کشف و معتبر می‌شود، انتشار، جزء اصلی زیرساخت تحقیقاتی است.
چگونه انتشارات باید خود را برای برآوردن نیازهای جامعه تحقیقاتی که با سانسور، کاهش بودجه و ظهور سریع سیستم‌های هوش مصنوعی مولد که دانش را در حین فرسایش یکپارچگی آن جذب می‌کنند، مواجه است، وفق دهد؟ من به عنوان کسی که دهه‌ها در زمینه تحقیق، مدیریت دانشگاه و انتشارات کار کرده‌ام، هرگز شاهد مخاطراتی به اندازه امروز برای آینده هر دو علم نبوده‌ام. و ارتباطات علمی.
با فروپاشی سیستم‌های اجتماعی-سیاسی اطراف ما، وسوسه‌انگیز است که هوش مصنوعی مولد را به عنوان راه‌حل کیمیاگرانه برای مشکلات جهان ببینیم. مدل‌های زبانی بزرگ (LLM) به عنوان دروازه‌های اغواکننده‌ای برای کشف ظهور کرده‌اند که پاسخ‌های فوری، سنتز یکپارچه و دموکراتیزه کردن آشکار دانش را ارائه می‌دهند. با این حال، جذابیت آنها، قدرتشان را به عنوان سیستم‌هایی که اطلاعات نادرست، کلاهبرداری و تبلیغات را نیز تسریع می‌کنند، پنهان می‌کند. آنها با طراحی خود، محتوایی تولید می‌کنند که بسیار محتمل به نظر می‌رسد اما اغلب گمراه‌کننده یا کاملاً اشتباه است. وقتی اعتبارسنجی دشوار و گران است، در حالی که «حقیقت» ارزان و سودآور است، به خصوص با توجه به اینکه فریب دادن ذهن انسان چقدر آسان است، برای علم خطرناک است.
بله، ما می‌خواهیم در مواجهه با چالش‌های جهانیِ هولناک، کشف و حل مسئله را تسریع کنیم. ما می‌خواهیم به ماشین‌هایی باور داشته باشیم که می‌توانند مشکلات را سریع‌تر از معماری شناختی انسان یا نهادهای ناکارآمد ما حل کنند. اما وقتی طرفداران آموزش نامحدود هوش مصنوعی استدلال می‌کنند که در دسترس قرار دادن تمام محتوای علمی و داده‌ها برای تسریع نوآوری، یک ضرورت اخلاقی است، تاریخ به ما هشدار می‌دهد.
ما قبلاً هم شاهد این بوده‌ایم. اینترنت اولیه به عنوان نیرویی دموکراتیزه‌کننده برای بیان و دانش جهانی مورد ستایش قرار گرفت. در نهایت، فقدان مقررات به پلتفرم‌های تجاری عظیم اجازه داد تا بر این فضا تسلط یابند، اعتماد را از بین ببرند و مدل‌های اقتصادی را برای اخبار و محتوای تحقیقاتی به طور یکسان فرو بریزند. اکنون همچنین می‌دانیم که سیاست‌های دسترسی آزاد ناقص، ادغام در انتشار را تسریع کرده و انگیزه‌های اقتصادی برای انتشار بیشتر با کنترل کیفیت کمتر ایجاد کرده است.
بیایید مکث کنیم و در نظر بگیریم که چه چیزی برای درک، یادگیری و پیشرفت دانش انسان بهتر است. وقتی جستجو فقط به خلاصه‌های هوش مصنوعی منجر می‌شود و کاربران برای دسترسی به منابع اصلی کلیک نمی‌کنند، و وقتی عمل ساده خواندن برای لذت بردن به سرعت در حال کاهش است، چگونه می‌توانیم از آینده‌ای که در آن فقط برای مصرف ماشین محتوا می‌نویسیم و منتشر می‌کنیم، جلوگیری کنیم؟
من معتقدم نقش حیاتی ناشران در حمایت از تأثیر و صداقت پژوهش، ارزش حفظ و حراست را دارد. مخصوصاً الان. من ناامیدی از هزینه‌های بالای «پرداخت برای انتشار» و محدودیت‌های اشتراک را درک می‌کنم، به خصوص از سوی ناشران بزرگتری که از بازاری برای اعتبار دانشگاهی استفاده کرده‌اند که از نظر تاریخی به قیمت حساس نبوده است. اما صنعت ما یک نهاد یکپارچه و سودجو نیست. ناشران غیرانتفاعی، مانند انتشارات MIT و بسیاری از انجمن‌های علمی، با ارزش‌های متفاوت و حاشیه سود کمتری فعالیت می‌کنند.
در واقع، ما بیشتر از سوی تصاحب زمین توسط هوش مصنوعی و گاهی حتی از سوی همان جنبش‌های علم باز که مدت‌هاست از آنها حمایت می‌کنیم، تهدید می‌شویم. از این رو، باید در برابر ژست‌های اخلاقی که پویایی قدرت را نادیده می‌گیرند، مقاومت کنیم. هاله‌ای پیرامون ایده «باز» وجود دارد که می‌تواند پیچیدگی‌های دنیای واقعی مانند اقتصاد و انگیزه‌ها را مبهم کند. در نهایت، همه باز بودن‌ها فضیلت نیستند؛ همه مقاومت‌ها در برابر باز بودن‌ها مانع‌تراشی نیستند.
تصور غلط دیگر این است که منافع ناشران با منافع محققان همسو نیست. ما اخیراً یک ... انجام دادیم. نظرسنجی گسترده از نویسندگان در حوزه‌های مختلف STEM در مورد استفاده غیرمجاز از کارشان برای آموزش LLM اختلاف نظر وجود دارد. اکثریت قریب به اتفاق با این عمل مخالفند، حتی با اینکه معتقدند هوش مصنوعی نویدبخش مسیرهای تحول‌آفرین برای کشف و یادگیری است. آنها انتظار دارند که بتوانند با چنین استفاده‌ای موافقت کنند یا نکنند و انتظار دارند که وقتی کارشان بر خروجی‌های LLM تأثیر می‌گذارد، منبع آن مشخص شود. آنها مطالعه آزاد را با آموزش آزاد برابر نمی‌دانند.
به همین ترتیب، بسیاری نسبت به صداقت شرکت‌های بزرگ هوش مصنوعی تردید دارند و نگران این هستند که چگونه LLMها بر انتشار، خواندن، نوشتن، تفکر انتقادی و خلاقیت تأثیر می‌گذارند؛ دیدگاه‌های متنوع را یکسان می‌کنند؛ و تعصبات و هژمونی‌های فرهنگی را تقویت می‌کنند. آنها عمیقاً نگران این هستند که وقتی آثار تألیف شده توسط انسان را به داده‌های آموزشی توکنیزه شده تجزیه می‌کنیم و آنها را به مدل‌هایی می‌دهیم که نمی‌توانند زمینه یا استدلال خود را حفظ کنند، چه چیزی از دست می‌رود.
این سوال که چگونه و تحت چه شرایطی، از علوم منتشر شده برای آموزش دانشجویان کارشناسی ارشد مدیریت بازرگانی (LLM) استفاده می‌شود، فقط مربوط به حق نشر نیست. بلکه مربوط به این است که چه کسی آینده دانش را کنترل می‌کند. آیا ما اختیار را به صنایع غیرشفاف و استخراجی که پاسخگویی کمی به جامعه تحقیقاتی دارند، واگذار می‌کنیم؟ یا سیستم‌هایی می‌سازیم که انتساب، یکپارچگی و پایداری را حفظ می‌کنند؟ اگر ما در مورد شکوفایی انسان، علم مبتنی بر شواهد و حفاظت از شرایطی که دانش تحت آن رشد می‌کند جدی هستیم، پس جامعه تحقیقاتی و نهادهای آن باید با بصیرت پیش بروند.
چه کسی از منافع خود دفاع می‌کند که علوم و تحقیقات منتشر شده را به یک بخش فناوری بسیار استخراجی و غیرشفاف واگذار کند؟ منطق را دنبال کنید: تمام ارزش هزینه‌های انتشار آزاد که توسط نویسندگان، مؤسسات و تأمین‌کنندگان مالی پرداخت می‌شود، در نهایت به امثال OpenAI و Anthropic واگذار می‌شود. وقتی صحبت از صنایع استخراجی می‌شود، بیایید در ارزیابی ارزش‌های بخش هوش مصنوعی در مقایسه با ناشران دانشگاهی نیز صادق باشیم.
من خودم خوشبین هستم که با برنامه‌ریزی دقیق و سیاست‌های مبتنی بر شواهد، از هوش مصنوعی برای بهبود داوری همتا، افزایش تکرارپذیری و ساده‌سازی گردش کار و هزینه‌های انتشار استفاده خواهیم کرد. ما حتی ممکن است بتوانیم راه‌حل‌هایی بسازیم که به حفظ بخش‌های خوب انتشار علمی کمک کند.
اما الگوی فعلی، که در آن اطلاعات منتشر شده بدون رضایت استخراج شده و توسط غول‌های فناوری خصوصی به پول تبدیل می‌شوند، غیراخلاقی و مخرب برای علم و پژوهش است. همچنین نشان‌دهنده تفکر جادویی در مورد چگونگی کارکرد دنیای پیچیده ما و چگونگی پیشرفت واقعی ما در حل مشکلات وجودی پیش رویمان است.
رفع مسئولیت
اطلاعات، نظرات و توصیه‌های ارائه شده در وبلاگ‌های مهمان ما، متعلق به مشارکت‌کنندگان انفرادی است و لزوماً منعکس‌کننده ارزش‌ها و باورهای شورای بین‌المللی علوم نیست.
خلاصه اخبار علوم باز آینده را مستقیماً در صندوق ورودی خود دریافت کنید - مشترک در حال حاضر.
عکس مارتین آدامز on می Unsplash
بیشتر بخوانید درباره انجمن ISC در مورد ارزیابی انتشارات و پژوهش بیشتر بخوانید درباره خلاصه‌ای از علم آزاد: سومین هزینه دانش بیشتر بخوانید درباره آفریقا چشم‌اندازی برای ادغام علمی دارد، اما آیا دانشمندان آن می‌توانند آزادانه در سراسر قاره حرکت کنند؟ بیشتر بخوانید درباره خلاصه‌ای از «علم باز: حفظ باز بودن در یک اکوسیستم تحقیقاتی در حال تغییر» 
