درباره نویسنده:
برندا آدیامبو اودرو متخصص اخلاق زیستی و محقق مستقل ساکن نایروبی است. او سرپرست تحقیقات و مدیریت در شبکه اخلاق زیستی آفریقا است. او در هیئت مشاوره Open Research Africa خدمت می‌کند و داور همتا برای مجله اخلاق زیستی آفریقا و مجله تحقیقات تجربی در مورد اخلاق تحقیقات انسانی است. برندا یک محقق افتخاری است. Fellow در دانشکده حقوق، دانشگاه کوازولو-ناتال (UKZN)، و دارای مدرک کارشناسی ارشد اخلاق در تحقیقات سلامت است. در کنفرانس جهانی 2026 در مورد صداقت در پژوهش در ونکوور، او جایزه بهترین ارائه شفاهی را برای محققان تازه کار دریافت کرد.
آیا در تحقیقات خود از هوش مصنوعی استفاده کرده‌اید، و اگر چنین است، چگونه؟ این اکنون یک سوال رایج است که اکثر پورتال‌های ارسال تحقیق می‌پرسند. این یک سوال منطقی است و من بارها به آن پاسخ داده‌ام. اما در نایروبی، کنیا، این سوال به طور متفاوتی مطرح می‌شود. بسیاری از افرادی که از آنها خواسته می‌شود استفاده خود از هوش مصنوعی را اعلام کنند، همان‌هایی هستند که در ساخت آن نقش داشته‌اند.
پیش از هوش مصنوعی مولد، کنیا به همراه هند، پاکستان، نیجریه و فیلیپین به عنوان تولیدکنندگان اصلی، متون دانشگاهی را به صورت «دستی» تولید می‌کردند. ۴۰،۰۰۰ نفر در نایروبی به عنوان نویسنده‌ی پشت پرده برای دانشجویان در کشورهای شمال جهان کار می‌کنند و بیش از ۷۰ درصد از کار آزاد آنلاین کنیا در زمینه‌ی نویسندگی و ترجمه است.
تحقیقات پاتریشیا کینگوری و مستند دانشمندان سایه صنعتی را برجسته می‌کند که سال‌هاست مالکیت دانش کنیا را نامرئی کرده است. در عصر هوش مصنوعی، نمی‌دانم چه مقدار از آن حق تألیف اکنون در مجموعه داده‌های آموزشی وجود دارد.
پس از جستجوی پاسخ، نتوانستم حتی یک مطالعه که آن سوال را بررسی کرده باشد، پیدا کنم.
نیروی کار نایروبی به ماشین‌ها نوشتن آموختند. تحقیقات TIME متوجه شدند که کارگران کنیایی که توضیحات محتوای مضر را برای OpenAI برچسب‌گذاری می‌کنند، ساعتی بین ۱.۳۲ تا ۲ دلار درآمد دارند.
یادگیری تقویتی از بازخورد انسانی، فرآیندی که به یک مدل، صدایش، احتیاطش و ریتم خاصش را می‌دهد، دقیقاً بر همین کار استوار است که برای متا، گوگل، مایکروسافت و Scale AI انجام می‌شود. نحوه‌ی نوشتن هوش مصنوعی از ناکجاآباد پدیدار نشده است. مردم آن را شکل داده‌اند، هر بار با یک مقایسه.
محققان استنفورد با آزمایش هفت آشکارساز هوش مصنوعی تجاری دریافتند که آنها ۶۱.۳٪ از مقاله‌های تافل را اشتباه طبقه‌بندی کرده است نوشته شده توسط افراد غیر انگلیسی زبان به صورت تولید شده توسط ماشین، در حالی که به ندرت مقالات نوشته شده توسط افراد انگلیسی زبان را اشتباه طبقه‌بندی می‌کند. دانش‌آموزان کنیایی شرح داده شده دقیقاً بر همین اساس متهم شده و از آنها خواسته شده است که پیش‌نویس‌ها و عکس‌های تاریخ‌دار ارائه دهند تا ثابت کنند که خودشان نوشته‌اند. هیچ‌کدام از این‌ها چیز جدیدی نیست - این سوءظن اساسی قدیمی‌تر از فناوری هوش مصنوعی است. کنیایی‌هایی که به زبان انگلیسی تحصیل کرده‌اند، هنوز هم گاهی اوقات هنگام درخواست برای برخی مدارک تحصیلی در خارج از کشور، ملزم به اثبات تسلط خود بر این زبان هستند. من مجبور شدم آن را ثابت کنم. آشکارسازها این سوءظن را اختراع نکردند؛ آنها آن را خودکار کردند.
این چیزی است که من پیشاپیش به جامعه علوم آزاد می‌گویم. هفته دسترسی آزادبا موضوع امسال که بر هزینه دانش متمرکز است:
بیست سال است که ما در مورد دو هزینه بحث می‌کنیم: چه کسی برای خواندن پول می‌دهد و چه کسی برای انتشار پول می‌دهد. هر دو مهم هستند. اما هزینه سومی هم وجود دارد که به ندرت در مورد آن می‌پرسیم. کنیایی‌ها مقاله‌ها را به صورت شخصی می‌نوشتند. کنیایی‌ها داده‌هایی را که به ماشین‌ها یاد می‌دادند آنها را بنویسند، برچسب‌گذاری می‌کردند. در هر دو مورد، تسلط آنها به شخص دیگری تبدیل شد. این هزینه در کشورهای جنوب جهان پرداخت شده است، با نرخ‌هایی که هیچ‌کدام از ما به فکر پرسیدن در مورد آنها نبودیم.
دسترسی آزاد می‌پرسد که آیا دانش در نقطه استفاده رایگان است یا خیر. اما نپرسیده است که در نقطه تولید چقدر هزینه دارد.
وقتی محققان می‌خواهند تقلب در قرارداد را درک کنند، از دانشجویانی که مقاله‌ها را می‌خرند، می‌پرسند. نظرسنجی‌هایی در این مورد در کشورهای شمال جهان وجود دارد و اگرچه این نظرسنجی‌ها متناقض و غیرقابل مقایسه هستند، اما عمدتاً سوالات مشابهی می‌پرسند: دانشجویان تحت چه فشارهایی بودند و دانشگاه‌هایشان در ارائه چه چیزی کوتاهی کردند؟
به افرادی که در طرف دیگر معامله هستند، توجه بسیار کمتری شده است. تحقیقات کلوئی واکر اشاره می‌کند که مطالب زیادی در مورد طرف تقاضا نوشته شده است، اما در ادبیات مربوط به اینکه چه کسی این اثر را عرضه می‌کند، هنوز جای خالی وجود دارد. اثر کینگوری و واکر از معدود موارد استثنا است. ما سال‌ها صرف این پرسش کرده‌ایم که چرا مردم این اثر را می‌خرند. ما زمان بسیار کمتری را صرف این پرسش کرده‌ایم که چرا دیگران آن را می‌فروشند.
بی‌عدالتی معرفتی در عمل چنین نمودی دارد؛ نه صرفاً سکوت تحمیلی، بلکه قضاوتی در مورد اینکه روایت چه کسی ارزش شنیدن دارد.
بنابراین اینگونه حساب‌ها را تراز می‌کنم.
توسعه‌دهندگان ابزار، مجلات و تأمین‌کنندگان مالی: افشای منشأ داده‌های آموزشی را الزامی می‌دانند، نه فقط اعلامیه‌های استفاده از ابزار از سوی نویسندگان. اگر می‌توانیم از محققان بخواهیم که ابزارهایی را که استفاده کرده‌اند فاش کنند، می‌توانیم از آن ابزارها نیز بخواهیم که فاش کنند چه کسی با تلاش خود آنها را امکان‌پذیر کرده است.
مؤسسات آموزشی: دیگر خروجی آشکارساز را به عنوان مدرکی دال بر سوء رفتار تلقی نکنید. ابزاری که بیش از نیمی از نوشته‌های غیرانگلیسی زبان را اشتباه می‌خواند، همانطور که مطالعه استنفورد نشان داد، مدرک نیست. این یک نقص است.
درباره نهادهای درستکاری تحقیق کنید: از کارکنان بپرسید که چه می‌دانند. اتحادیه ناظران محتوای آفریقا و انجمن برچسب‌گذاران داده‌ها با این حال، دانش و تجربه آنها تا حد زیادی در گفتگوهای مربوط به هوش مصنوعی، صداقت دانشگاهی و تولید دانش غایب است.
علم آزاد به ما آموخت که بپرسیم دانش برای کیست. سوال سخت‌تر این است که چه کسی آن را ساخته است، و وقتی شخص دیگری آن را بپردازد، هزینه دانش چقدر می‌شود. صداقت فقط چیزی نیست که ما اعلام می‌کنیم، بلکه چیزی است که ما حاضریم آن را آشکار کنیم.
تصویر توسط پاول چزروینسکی برای آنسپلش+
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.
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» بیشتر بخوانید درباره خلاصه‌ای از «علم آزاد: زیرساخت پنهان پشت اصلاحات پژوهشی» 