نویسنده:
تقریباً از هر سیاستگذار علمی یا تأمینکننده مالی تحقیقات بپرسید که در مورد هوش مصنوعی چه فکر میکند، و یک پاسخ آشنا دریافت خواهید کرد. هوش مصنوعی در حال تغییر نحوه کار دانشمندان است. این فناوری، بررسی متون علمی را سرعت میبخشد، مجموعه دادهها را در مقیاسهای غیرقابل تصور قبلی پردازش میکند و به نوشتن و بررسی نسخههای خطی کمک میکند. این یک ابزار بهرهوری قابل توجه و به طور فزایندهای ضروری است.
این اشتباه نیست. اما ممکن است ناقص باشد.
دغدغه هوش مصنوعی به عنوان ابزاری برای دانشمندان (آنچه میتوانیم آن را «دیدگاه محدود» هوش مصنوعی در علم بنامیم) بیسروصدا مجموعهای از سوالات اساسیتر را از میدان به در میکند. سوالاتی که جامعه سازمانها و نهادهای مسئول مدیریت، تأمین بودجه و هماهنگی علم در سطح جهانی (آنچه من علم سازمانیافته مینامم) به سختی شروع به پرسیدن آنها کرده است.
گفتگوی غالب در مورد هوش مصنوعی در علم، اساساً گفتگویی در مورد شتاب است. هوش مصنوعی میتواند کارهای بیشتری و سریعتری انجام دهد. میتواند الگوهایی را در دادهها پیدا کند که انسانها از دست میدهند. میتواند پیشنویس تهیه کند، ترجمه کند، خلاصه کند. اینها مزایای واقعی هستند و جامعه علمی حق دارد که به آنها توجه کند.
اما این چارچوببندی به طور ضمنی با هوش مصنوعی به عنوان چیزی که دانشمندان استفاده کنید، ابزاری پیچیده، نه بیشباهت به میکروسکوپ یا دستگاه توالییاب، فقط چندکارهتر. و وقتی ابزار، چارچوب باشد، پرسیدن برخی سوالات دشوارتر میشود.
چه اتفاقی میافتد وقتی هوش مصنوعی نه تنها به فرآیند تحقیق کمک کند، بلکه هدایت می کند چه اتفاقی میافتد وقتی هوش مصنوعی نه تنها دادهها را پردازش میکند، بلکه فرضیهها را تدوین میکند، آزمایشها را طراحی میکند و نتایج را کم و بیش به صورت خودکار تفسیر میکند؟ این یک سناریوی علمی تخیلی دور از دسترس نیست. نمونههای منتشر شده قبلی سیستمهای هوش مصنوعی که فرضیههای علمی بدیع را با حداقل ورودی انسانی تولید میکنند، و توسعهدهندگان پیشرو هوش مصنوعی در جهان، تحقیقات کاملاً مستقل هوش مصنوعی را نه به عنوان موضوعی چند دهه، بلکه به عنوان موضوعی چند ساله توصیف میکنند.
برای اینکه به روشنی در مورد آنچه در معرض خطر است فکر کنیم، تمایز قائل شدن بین دو سناریوی کلی مفید است.
در وهله اول – علم به رهبری انسان – هوش مصنوعی در هر مرحله از فرآیند تحقیق نفوذ میکند، اما دانشمندان انسانی همچنان در صندلی راننده باقی میمانند. انسانها هنوز تصمیم میگیرند که چه چیزی را بررسی کنند. آنها هنوز دستور کار تحقیق را تعیین میکنند، سوالات را تدوین میکنند و مشخص میکنند که تحقیق به کجا معطوف است. حتی اگر بیشتر تحقیقات واقعی توسط هوش مصنوعی انجام شود، یک دست انسان روی فرمان است که تصمیم میگیرد به کجا برود. این کم و بیش همان جایی است که امروز هستیم، البته با توجه به اینکه سطح دخالت هوش مصنوعی به سرعت در حال افزایش است.
در دومی – علم به رهبری هوش مصنوعی – هوش مصنوعی نه تنها تحقیق را انجام میدهد، بلکه تصمیم میگیرد که چه چیزی مورد تحقیق قرار گیرد. خودِ دستور کار تحقیق دیگر توسط انسانها به تنهایی تعیین نمیشود. سیستمهای هوش مصنوعی به طور فزایندهای تعیین میکنند که کدام سوالات پرسیده شوند، کدام فرضیهها ایجاد شوند و کدام آزمایشها در اولویت قرار گیرند و از اجرا به تعیین دستور کار حرکت کنند. پیشرفتهای آینده مانند گنجاندن هوش مصنوعی فیزیکی و سیستمهای آزمایشگاهی رباتیک ممکن است این تغییر را بیشتر تعمیق کند و به مدلها اجازه دهد تا مستقیماً در آزمایش شرکت کنند، نه فقط در تجزیه و تحلیل. اینکه این امر در عمل چگونه خواهد بود، واقعاً نامشخص است. اما قبلاً پیشنهاد شده است که علم تحت هدایت هوش مصنوعی ممکن است بسیار متفاوت از هر چیزی باشد که ما میشناسیم.، که به طور بالقوه نه تنها سرعت علم، بلکه منطق اساسی آن را نیز تغییر میدهد: چرخه کنجکاوی، حدس و گمان و طراحی تجربی انسان که قرنهاست تولید دانش را تعریف کرده است.
شکاف بین این دو سناریو جایی است که سوالات جالب مطرح میشوند.
وقتی سیستمهای هوش مصنوعی میتوانند به صورت خودکار تحقیق انجام دهند، مجموعهای از سوالات اساسی مطرح میشود که فراتر از دستورالعملهای اخلاقی یا سیاستهای افشای اطلاعات هستند. از جمله آنها میتوان به موارد زیر اشاره کرد:
آیا هوش مصنوعی میتواند دانش واقعاً جدیدی تولید کند؟ بیشتر مدلهای فعلی بر اساس حجم عظیمی از دانش موجود بشری آموزش دیدهاند. آیا آنها میتوانند بینشهای واقعاً جدیدی در مورد ماهیت جهان استنباط کنند یا در نهایت سیستمهای پیچیدهای برای ترکیب مجدد آنچه از قبل شناخته شده است، هستند؟
چه اتفاقی برای علم نهادینه شده میافتد؟ اگر تحقیقات بتواند به صورت نیمه مستقل توسط هوش مصنوعی انجام شود، آیا این به آن معناست که هر کسی میتواند عملاً یک دانشمند باشد؟ آیا دانشگاه و مؤسسه تحقیقاتی، آنطور که ما میشناسیم، همچنان محل اصلی تولید دانش باقی خواهند ماند؟ و اگر چنین است، آیا نقش دانشمند به طور فزایندهای به سمت تأیید، مانند بررسی واقعیت، تکثیر و اعتبارسنجی نتایج تولید شده توسط هوش مصنوعی، به جای کشف، تغییر میکند؟
چگونه به دانش تولید شده توسط هوش مصنوعی اعتماد ایجاد کنیم؟ جامعه علمی طی قرنها مجموعهای از هنجارها و سازوکارها را برای اعتبارسنجی دانش ایجاد کرده است - بررسی دقیق، تکثیر، دادههای باز و غیره. این موارد برای علم تولید شده توسط انسان طراحی شدهاند. آنها ممکن است به طور کامل با علم تولید شده توسط هوش مصنوعی مطابقت نداشته باشند.
آیا علم باز ناخواسته علم بخش خصوصی را توانمند میکند؟ تغییر به سمت دسترسی آزاد و دادههای آزاد به طور کلی چیز خوبی تلقی میشود. اما افزایش دسترسی به دانش علمی در حوزه عمومی همچنین به این معنی است که شرکتهای فناوری تجاری میتوانند آزادانه از آن برای آموزش و بهبود مدلهای هوش مصنوعی خود استفاده کنند. این امر تنش بالقوهای بین ایدهآل علم به عنوان یک کالای عمومی جهانی و خطر یک سیستم تولید دانش جدید که کمتر و کمتر به جامعه علمی جهانی پاسخگو است، ایجاد میکند.
واقعیت ناخوشایند این است که به نظر میرسد سازمانها و نهادهای مسئول مدیریت علم تا حد زیادی از این گفتگو غایب هستند. سیستم چندجانبه، به طور قابل درکی، بر اخلاق و مدیریت هوش مصنوعی متمرکز است. تأمینکنندگان مالی تحقیقات و دانشگاهها بر بهروزرسانی سیاستهای خود برای استفاده مسئولانه از ابزارهای هوش مصنوعی متمرکز هستند. اینها پاسخهای ضروری به فشارهای فوری هستند.
اما پرسشهای بزرگتر در مورد ماهیت آینده علم، نقش آینده پژوهشگران انسانی، و آینده تولید دانش به عنوان یک کالای عمومی، عمدتاً در سطح نهادی بیپاسخ میمانند. پروژه آینده سیستم های علم توسط شورای بینالمللی علوم، یکی از این پروژههاست که تلاش میکند برخی از آنها را بررسی کند و بررسی کند که چگونه فناوریهای نوظهور، سیستمهای علمی را در سراسر کشورهای جنوب جهان تغییر شکل میدهند. اما این گفتگوها همچنان بسیار نادر است.
در همین حال، هوش مصنوعی به سرعت توسط محققان در حال پذیرش است، اغلب بسیار جلوتر از هرگونه راهنمایی نهادی. این موضوع یک گسست واقعی را آشکار میکند: رئیس علوم سازمانیافته هنوز در حال درک چیستی هوش مصنوعی و چگونگی تغییر اوضاع توسط آن است، در حالی که دستها در حال حاضر عمیقاً در حال تغییر هستند.
آیا به عبارت ساده، ما پشت فرمان به خواب رفتهایم؟
بحث اینجا این نیست که ما میتوانیم یا باید سرعت پذیرش هوش مصنوعی در علم را کاهش دهیم. همچنین توصیهای برای ناامیدی نیست. این فراخوانی برای علم سازمانیافته است که از نگاه فوری به موضوع نگاه کند و دیدگاه بلندمدتتری داشته باشد - نه تنها بپرسد «امروز چگونه از هوش مصنوعی مسئولانه استفاده کنیم؟»، بلکه بپرسد «در ده یا بیست سال آینده چه نوع سیستم علمی میخواهیم و برای رسیدن به آنجا چه چیزی لازم است؟»
این به معنای ایجاد فضایی برای نوع متفاوتی از گفتگو است، گفتگویی که متخصصانی را گرد هم میآورد که با دقت در مورد عدم قطعیت، در مورد روند طولانی تولید دانش و در مورد محدودیتهای چارچوبهای فعلی فکر میکنند. این گفتگوها کمتر بر پاسخهای حاکمیتی به هوش مصنوعی به شکلی که امروزه وجود دارد متمرکز خواهند بود، بلکه بیشتر به طیف وسیعی از آیندههای محتمل و معنای آمادگی برای آنها معطوف خواهند بود.
همچنین به معنای تضمین این است که جامعه علمی، شامل محققان و همچنین سیاستگذاران، ابزارهای مفهومی لازم برای پرداختن به این پرسشها را به عنوان مشارکتکنندگان آگاه و نه سوژههای تغییر، در اختیار داشته باشند. این ابزارها شامل چارچوبهایی برای تفکر در مورد عاملیت هوش مصنوعی، معرفتشناسی دانش تولید شده توسط ماشین و پیامدهای بلندمدت برای اینکه چه کسی دستور کار تحقیق را کنترل میکند، میشود.
روزنه برای پیشی گرفتن از این [وضعیت] در حال تنگتر شدن است. علم سازمانیافته این فرصت و مسلماً مسئولیت را دارد که به جای تطبیق صرف با تغییراتی که کاملاً توسط دیگران ایجاد میشوند، چگونگی تغییر تولید دانش توسط هوش مصنوعی را شکل دهد.
این با پرسیدن سوالات درست شروع میشود. ما هنوز آنها را نمیپرسیم.
عکس ایگور اومیلاف on می Unsplash
درباره آینده سیستمهای علمی بیشتر بخوانید بیشتر بخوانید درباره علم مدرن: محرکهای ژئواستراتژیک، فناوری و اجتماعی تغییر بیشتر بخوانید درباره تأثیر دادهها و هوش مصنوعی بر تولیدات علمی 
بیشتر بخوانید درباره آکادمی علوم پاسیفیک اولین پلتفرم تحقیقاتی مبتنی بر هوش مصنوعی و گزارش ارزیابی تحقیق و توسعه منطقهای را راهاندازی کرد 
