Autor:
Pitajte gotovo svakog kreatora naučne politike ili finansijera istraživanja šta misli o vještačkoj inteligenciji i dobit ćete poznati odgovor. Vještačka inteligencija mijenja način na koji naučnici rade. Ubrzava preglede literature, obrađuje skupove podataka u ranije nezamislivim razmjerima, pomaže u pisanju i recenziranju rukopisa. To je izvanredan alat za produktivnost i sve je nezamjenjiviji.
Ovo nije pogrešno. Ali možda je nepotpuno.
Preokupacija vještačkom inteligencijom kao alatom za naučnike (ono što bismo mogli nazvati „uskim pogledom“ na vještačku inteligenciju u nauci) tiho istiskuje fundamentalniji skup pitanja. Pitanja koja zajednica organizacija i institucija odgovornih za upravljanje, finansiranje i koordinaciju nauke na globalnom nivou (ono što ću nazvati organizovanom naukom) jedva da je počela da postavlja.
Dominantna diskusija o vještačkoj inteligenciji u nauci je u suštini diskusija o ubrzanju. Vještačka inteligencija može učiniti više i brže. Može pronaći obrasce u podacima koje bi ljudi propustili. Može sastavljati nacrte, prevoditi, sažimati. To su istinske prednosti i naučna zajednica je u pravu što im posvećuje pažnju.
Ali ovo uokviravanje implicitno tretira vještačku inteligenciju kao nešto što naučnici upotreba, sofisticirani instrument, ne mnogo drugačiji od mikroskopa ili sekvencera, samo svestraniji. A kada je instrument okvir, određena pitanja postaju teže postaviti.
Šta se dešava kada vještačka inteligencija ne samo pomaže u istraživačkom procesu, već provodi Šta se dešava kada vještačka inteligencija ne samo da obrađuje podatke, već i formuliše hipoteze, dizajnira eksperimente i interpretira rezultate manje-više autonomno? Ovo nije daleki naučnofantastični scenario. Postoje već objavljeni primjeri AI sistema koji generiraju nove naučne hipoteze uz minimalan ljudski doprinos, a vodeći svjetski programeri AI-a opisuju potpuno autonomno istraživanje AI-a kao pitanje godina, a ne decenija.
Da bismo jasno razmislili o tome šta je u pitanju, korisno je razlikovati dva široka scenarija.
U prvom – nauka vođena ljudima – Vještačka inteligencija prožima svaku fazu istraživačkog procesa, ali ljudski naučnici ostaju na vodećoj poziciji. Ljudi i dalje odlučuju šta će istraživati. Oni i dalje postavljaju istraživačku agendu, formulišu pitanja i određuju kuda je istraživanje usmjereno. Čak i ako većinu stvarnih istraživanja provodi vještačka inteligencija, ljudska ruka je na volanu i odlučuje kuda će se voziti. To je manje-više mjesto gdje se danas nalazimo, iako nivo uključenosti vještačke inteligencije brzo raste.
U drugom – Nauka vođena umjetnom inteligencijom – Vještačka inteligencija ne samo da provodi istraživanje, već i odlučuje šta će se istraživati. Samu istraživačku agendu više ne postavljaju samo ljudi. Sistemi vještačke inteligencije sve više oblikuju koja se pitanja postavljaju, koje se hipoteze generiraju i koji se eksperimenti prioritetiziraju, prelazeći sa izvršenja na postavljanje agende. Budući napredak, poput uključivanja fizičke vještačke inteligencije i robotskih laboratorijskih sistema, mogao bi dodatno produbiti ovu promjenu, omogućavajući modelima da direktno učestvuju u eksperimentiranju, a ne samo u analizi. Kako bi to izgledalo u praksi, ostaje zaista neizvjesno. Ali već je sugerisano da Nauka vođena vještačkom inteligencijom mogla bi izgledati veoma drugačije od svega što prepoznajemo, što potencijalno može promijeniti ne samo tempo nauke već i njenu osnovnu logiku: ciklus ljudske radoznalosti, nagađanja i eksperimentalnog dizajna koji je vijekovima definirao proizvodnju znanja.
Razlika između ova dva scenarija je mjesto gdje se nalaze zanimljiva pitanja.
Kada sistemi umjetne inteligencije mogu autonomno provoditi istraživanja, postavlja se niz fundamentalnih pitanja koja daleko prevazilaze etičke smjernice ili politike otkrivanja informacija. Među njima su:
Može li vještačka inteligencija generirati zaista novo znanje? Većina trenutnih modela je obučena na ogromnim količinama postojećeg ljudskog znanja. Mogu li oni izvesti zaista nove uvide o prirodi svemira ili su u konačnici sofisticirani sistemi za rekombinovanje onoga što je već poznato?
Šta se dešava sa institucionalizovanom naukom? Ako istraživanje može poluautonomno provoditi vještačka inteligencija, da li to znači da svako može efektivno „biti“ naučnik? Hoće li univerzitet i istraživački institut, kakve poznajemo, ostati primarno mjesto proizvodnje znanja? I ako hoće, da li se uloga naučnika sve više pomjera ka verifikaciji, kao što je provjera činjenica, replikacija i validacija rezultata koje proizvodi vještačka inteligencija, umjesto ka otkrivanju?
Kako uspostavljamo povjerenje u znanje koje proizvodi vještačka inteligencija? Naučna zajednica je, tokom vijekova, razvila skup normi i mehanizama za validaciju znanja – recenzije od strane kolega, replikaciju, otvorene podatke itd. Oni su osmišljeni za nauku koju su proizveli ljudi. Oni se možda ne podudaraju u potpunosti sa naukom koju je proizvela vještačka inteligencija.
Da li otvorena nauka nenamjerno osnažuje nauku privatnog sektora? Prelazak na otvoreni pristup i otvorene podatke se uglavnom smatra dobrom stvari. Ali sve veća dostupnost naučnog znanja u javnom vlasništvu također znači da ga komercijalne tehnološke kompanije mogu slobodno prikupljati kako bi obučavale i poboljšavale svoje modele vještačke inteligencije. To stvara potencijalnu napetost između ideala nauke kao globalnog javnog dobra i rizika od novog sistema generisanja znanja koji je sve manje odgovoran globalnoj naučnoj zajednici.
Neugodna realnost je da organizacije i institucije odgovorne za upravljanje naukom izgledaju uglavnom odsutne iz ove diskusije. Multilateralni sistem je, razumljivo, fokusiran na etiku i upravljanje vještačkom inteligencijom. Pojedinačni finansijeri istraživanja i univerziteti fokusirani su na ažuriranje svojih politika za odgovorno korištenje alata vještačke inteligencije. Ovo su neophodni odgovori na neposredne pritiske.
Ali veća pitanja o budućoj prirodi nauke, budućoj ulozi ljudskih istraživača, budućnosti proizvodnje znanja kao javnog dobra uglavnom ostaju nepostavljena na institucionalnom nivou. Projekat budućnosti naučnih sistema Jedan takav projekat Međunarodnog naučnog vijeća pokušava ispitati neke od njih, istražujući kako nove tehnologije mijenjaju naučne sisteme širom globalnog Juga. Ali ovi razgovori su i dalje previše rijetki.
U međuvremenu, istraživači na terenu brzo usvajaju vještačku inteligenciju, često mnogo prije bilo kakvih institucionalnih smjernica. Ovo otkriva pravu nepovezanost: šef organizovane nauke još uvijek se suočava sa tim šta je vještačka inteligencija i kako bi mogla promijeniti stvari, dok su ruke već duboko u procesu transformacije.
Jesmo li, da se izrazim jednostavno, zaspali za volanom?
Argument ovdje nije da možemo ili trebamo usporiti usvajanje vještačke inteligencije u nauci. Niti je to savjet očajavanja. To je poziv organizovanoj nauci da podigne pogled sa neposredne i sagleda dugoročniju perspektivu – da se ne pita samo „kako danas odgovorno koristimo vještačku inteligenciju?“, već „kakav naučni sistem želimo za deset ili dvadeset godina i šta bi bilo potrebno da se to postigne?“.
To znači stvaranje prostora za drugačiju vrstu razgovora, onaj koji okuplja stručnjake koji rigorozno razmišljaju o neizvjesnosti, o dugom toku proizvodnje znanja i o ograničenjima trenutnih okvira. Ovi razgovori bi bili manje fokusirani na odgovore upravljanja na vještačku inteligenciju kakva postoji danas, a više orijentisani na niz mogućih budućnosti i šta bi značilo biti spreman za njih.
To također znači osigurati da naučna zajednica, uključujući istraživače kao i kreatore politika, ima konceptualne alate za bavljenje ovim pitanjima kao informirani učesnici, a ne kao subjekti promjena. To bi uključivalo okvire za razmišljanje o djelovanju umjetne inteligencije, epistemologiju znanja generiranog mašinama i dugoročne implikacije na to ko kontroliše istraživačku agendu.
Prozor za prevazilaženje ovoga se sužava. Organizovana nauka ima priliku, a vjerovatno i odgovornost, da oblikuje način na koji vještačka inteligencija transformiše proizvodnju znanja, umjesto da se jednostavno prilagođava promjenama koje u potpunosti pokreću drugi.
To počinje postavljanjem pravih pitanja. Mi ih još ne postavljamo.
Photo by Igor Omilaev on Unsplash
Pročitajte više o budućnosti naučnih sistema Pročitajte više o utjecaju podataka i umjetne inteligencije na naučnu proizvodnju 
Pročitajte više o tome kako Pacifička akademija nauka pokreće prvu istraživačku platformu zasnovanu na vještačkoj inteligenciji i izvještaj o regionalnoj procjeni istraživanja i razvoja Pročitajte više o novim trendovima koji oblikuju naučne karijere 
