به گزارش اکوایران، کشفیات علمی یک فرآیند پیچیده است که شامل درک دانش موجود، شناسایی شکاف‌ها، تدوین سوالات تحقیق، طراحی و انجام آزمایش و تفسیر نتایج است.

به نوشته ساینس الرت، شرکت «ساکانا اِی‌آی‌ لبز» (Sakana AI Labs) اخیرا از ایجاد یک سیستم هوش مصنوعی خبر داده است و ادعا می‌کند می‌تواند جایگزین دانشمندان انسانی شود. این سیستم هوش مصنوعی از مدل‌های زبانی بزرگ -‌مشابه آنچه که در چت‌ جی‌پی‌تی به کار رفته‌- برای به وجود آوردن ایده‌ها، انتخاب ایده‌های نویدبخش، کدنویسی الگوریتم‌های جدید، بررسی نتایج و حتی نوشتن مقالات تحقیقاتی به همراه رفرنس‌نویسی کامل استفاده می‌کند و هزینه‌ تمام این فرآیندها تنها 15 دلار به ازای هر مقاله است.

این ادعاها، جاه‌طلبانه هستند اما سوالات مهمی درباره کیفیت و ارزش تحقیقاتی که توسط هوش مصنوعی ایجاد می‌شود، به ذهن خطور می‌کند.

ضعف‌های سیستم‌های هوش مصنوعی دانشمند

دانش به‌طور گسترده در فضای مجازی قابل دسترسی است و مدل‌های زبانی بزرگ که با استفاده از این داده‌ها آموزش داده می‌شوند، می‌توانند محتوایی ایجاد کنند که شبیه به یک مقاله علمی است. با این حال، دانشِ خوب نیازمند بدیع بودن و خلاقیت است و نه تکرار دانشی که وجود دارد.

برای غلبه بر این مشکل، سیستم شرکت ساکانا از دو روش بهره می‌برَد: این شرکت به ارزیابی این موضوع می‌پردازد که ایده‌های جدید هوش مصنوعی دانشمند تا چه اندازه شبیه به تحقیقات موجود است و به حذف موارد تکراری اقدام می‌کند . همچنین این شرکت به یک بازنگری بسیار دقیق می‌پردازد که طی آن یک مدل زبانی بزرگ دیگر، کیفیت و نوآورانه بودن مقاله ایجادشده را مورد بررسی قرار می‌دهد.

با وجود این اقدامات، خروجی سیستم هوش مصنوعی ساکانا با واکنش‌های متفاوتی روبه‌رو بوده است؛ برخی آن را اینگونه توصیف می‌کنند: این هوش مصنوعی دانشمند به تولید کار علمی کم‌کیفیت می‌پردازد. حتی سیستم بازنگری مختص هوش مصنوعی ساکانا نیز مقاله‌های به وجود آمده را در سطح ضعیف می‌بیند؛ با این حال، با تکامل این فناوری، انتظار می‌رود بهبودها نیز به وجود آید.

توانایی مدل‌های زبانی بزرگ در زمینه قضاوت درباره کیفیت تحقیقات همچنان نامشخص است. برای مثال، مطالعات نشان می‌دهد مدل‌های زبانی بزرگ هنوز در زمینه تشخیص تعصب در تحقیقات پزشکی، قابل اعتماد نیستند.

هوش مصنوعی

هوش مصنوعی ساکانا بر تحقیق محاسباتی متمرکز است که نسبت به انواع دیگر تحقیق که نیازمند انجام آزمایشات به شکل فیزیکی هستند، یک روش آسان‌تر برای انجام تحقیق توسط هوش مصنوعی به حساب می‌آید. آزمایشات انجام‌شده توسط سیستم ساکانا کدگذاری شده‌اند و آن‌ها را برای مدل‌های زبانی بزرگ که برای تولید متن ساختاریافته آموزش دیده‌اند، در دسترس‌تر می‌سازند.

هوش مصنوعی برای بهبود کارهای علمی مورد استفاده قرار می‌گیرد، اما جایگزین شدن این فناوری با دانشمندان،‌ یک ایده نو به حساب می‌آید. بسیاری از ابزارهای هوش مصنوعی به دانشمندان کمک می‌کند تا تحقیقات موجود در زمینه‌های مختلف را پیدا کنند و به بررسی آن‌ها بپردازند؛ مانند سمانتیک اسکالر، اِلیسیت و ریسرچ ربیت. هدف از به‌کارگیری این ابزارها، کمک به دانشمندان است تا بتوانند کارهای خود را به شکل بهینه‌تری انجام دهند، نه اینکه هوش مصنوعی جایگزین دانشمندان شود.

دورنمای هوش مصنوعی دانشمند

چشم‌انداز یک اکوسیستم علمی که به‌طور کامل توسط هوش مصنوعی مدیریت می‌شود، پیامدهای قابل توجهی به همراه دارد. یک نگرانی بزرگ این است که مقالات تولید شده توسط هوش مصنوعی ممکن است به اندازه‌ای زیاد شود که مدل‌های هوش مصنوعی آینده که با داده‌های ایجاده شده توسط هوش مصنوعی آموزش داده می‌شوند،‌ در زمینه نوآوری در سطح ضعیفی عمل کنند. این اتفاق می‌تواند به شکل کلی به کیفیت تحقیقات علمی لطمه وارد کند.

علاوه بر این، ظهور تحقیقات به وجود آمده توسط هوش مصنوعی می‌تواند مشکلات موجود در حوزه علم را وخیم‌تر کند، مانند افزایش تحقیقات تقلبی. اگر یک مقاله علمی با تنها 15 دلار تولید شود، حجم بالای تحقیقات دارای کیفیت پایین از ظرفیت دانشمندان برای بررسی و تأیید آن‌ها خارج خواهد شد. سیستم ارزیابی جامع مقالات که هم‌اکنون نیز تحت فشار قرار دارد، می‌تواند بیشتر به خطر بیوفتد.

علم بر اعتماد و یکپارچگی فرآیند تحقیق متکی است. با پررنگ‌تر شدن نقش سیستم‌های هوش مصنوعی در تحقیقات علمی، بسیار اهمیت دارد که تأثیرات آن بر کیفیت مقالات علمی و اعتمادی که بشر به کشفیات هوش مصنوعی دارد،‌ مورد بررسی جامع قرار بگیرد.

این سوال همچنان باقی است:‌ آیا این همان اکوسیستم علمی است که بشر خواهان آن است؟