Međunarodno vijeće za nauku i njegov član, Kinesko udruženje za nauku i tehnologiju (CAST), u partnerstvu sa priroda, pokrenuli su novu seriju podcasta od šest dijelova koja istražuje razvoj istraživačkih karijera. Kroz seriju, istraživači na početku i u sredini karijere razgovarat će sa starijim naučnicima, dijeleći iskustva rasta, saradnje i otpornosti suočeni s brzim promjenama.
U ovoj trećoj epizodi, Mercè Crosas, direktorica Odjela za računarske društvene i humanističke nauke na Barselona Supercomputing Centeri Mohammad Hosseini, docent etike na Northwestern University, razgovarajte o tome kako vještačka inteligencija i digitalizacija transformišu naučne karijere i istraživački proces.
Razgovor ističe i prilike i izazove koje umjetna inteligencija donosi istraživačima na početku i u sredini karijere. Dok nove tehnologije omogućavaju napredak i otvaraju potpuno nove puteve istraživanja, one također izazivaju zabrinutost oko jednakosti pristupa, prevelikog oslanjanja na automatizirane alate i erozije kritičkog mišljenja.
Izzie Clarke: 00:01
Zdravo i dobrodošli. Ja sam naučna novinarka Izzie Clarke i u ovom podcastu, koji predstavljamo u partnerstvu s Međunarodnim vijećem za nauku, uz podršku Kineskog udruženja za nauku i tehnologiju, razgovarat ćemo o moći digitalne pomoći i umjetne inteligencije poznate kao AI, njenom značaju za karijere u nauci, kao i o njenoj potencijalnoj prijetnji naučnom poduhvatu.
Danas mi se pridružuje Mercè Crosas, direktorica Odjela za računarske društvene i humanističke nauke u Superračunarskom centru u Barceloni i predsjednica Komiteta za podatke Međunarodnog naučnog vijeća, poznatog kao CODATA.
Mercè Crosas: 00:42
Zdravo.
Izzie Clarke: 00:43
I Mohammad Hosseini, docent etike na Univerzitetu Northwestern u Chicagu i član Globalne akademije mladih.
Mohammed Hosseini: 00:51
Zdravo, kako si?
Izzie Clarke: 00:52
Vrlo dobro, hvala vam. Mislim da je pitanje za vas oboje, za početak, zašto je sada kritičan trenutak za razmišljanje o tome kako digitalizacija i vještačka inteligencija oblikuju naučne karijere?
Mohammed Hosseini: 01:05
Mislim da sve više istraživača donosi odluke na osnovu podataka, što se ponekad prenosi i na nacionalno ili lokalno donošenje odluka, što je dobro, ali kada je riječ o naučnim karijerama, to znači da moramo obučiti istraživače za nove vještine.
I to je oduvijek bio slučaj. Ali zbog prekretnice, stvari se kreću tako brzo da teško možemo sustići. Mašine postaju toliko sposobne da mogu istisnuti ili zamijeniti ljudsku radnu snagu u nauci. Sada smo u svojevrsnom kritičnom trenutku da razgovaramo o digitalizaciji i istražimo ko ima koristi od ovih tehnologija, ko bi mogao biti zapostavljen i kako možemo osigurati transparentnost i jednakost u njihovoj upotrebi.
Izzie Clarke 01:54
Mercè, šta misliš?
Mercè Crosas: 01:56
Jedna od prvih stvari je da se vještačka inteligencija također koristi u nauci već prilično dugo, a promjena se dešava progresivno. Istina je da sada postoji eksponencijalna upotreba vještačke inteligencije kao metoda u mnogim naučnim produkcijama.
Dakle, od istraživanja pregleda literature do pokušaja da se shvati istraživačko pitanje, obrade i prikupljanja podataka, pa sve do same analize, ali i objavljivanja naučnih rezultata. Mislim, pretpostavljam da ta prekretnica o kojoj je Mohammad govorio ima mnogo širi uticaj nego ikad prije.
Izzie Clarke: 02:34
Ovdje ima mnogo stvari koje treba uzeti u obzir. Spomenuli ste objavljivanje i o tome ćemo uskoro. Ali što se tiče prilika, koje prilike vidite da proizlaze iz ovoga za istraživače na početku i u sredini karijere i kako to mijenja taj naučni pejzaž vođen vještačkom inteligencijom?
Mohammed Hosseini: 02:55
Pretpostavljam da se prilike uglavnom odnose na nova otkrića i bavljenje stvarima koje bi prije pet godina bile čak i san. U bilo kojem području koje bi moglo imati koristi od modeliranja, sada se krećemo mnogo brže. Ovo je prilika, posebno za istraživače na početku i u sredini karijere koji su možda vještiji u korištenju umjetne inteligencije, ali to dolazi s određenim kompromisima. Pronalaženje prilika u ovoj novoj dinamici zahtijeva novu vrstu znatiželje za koju nismo obučeni. Ali mislim da bismo trebali pokušati pronaći zadatke u istraživačkim kontekstima koji se ne mogu automatizirati i pokušati se istaknuti u takvim zadacima.
Na primjer, moje područje istraživanja je istraživač etike. Pisanje dobro argumentiranog rada je već automatizirano. Ali mentorstvo, vođenje nastave uživo, koja je ujedno interaktivna i zanimljiva, ili provođenje intervjua radi prikupljanja podataka i dobivanja novih uvida iz životnih iskustava ljudi - to su zadaci koji se ne mogu lako automatizirati. I mislim da moramo pronaći ovu grupu zadataka u vlastitom istraživačkom kontekstu i pokušati se istaknuti u tome.
Izzie Clarke: 04:06
A Mercè?
Mercè Crosas: 04:07
Ne vidim veliki rizik da će naučnici, ili naučnici na početku karijere, ili naučnici na sredini karijere, biti zamijenjeni. Ono što vidim su prilike za nova istraživačka pitanja o kojima mnogi naučnici iz prethodnih generacija nisu mogli ni pomisliti, zar ne? Dakle, ne, nije stvar samo u tome da sada možemo primijeniti ove alate, već da možemo razmišljati o nekim oblastima na potpuno drugačiji način. U biomedicini, klimatskim promjenama, fizici i biologiji, za genetiku, to se može promijeniti upotrebom vještačke inteligencije i novih vrsta podataka.
Izzie Clarke: 04:39
Mislim da vidimo da postoji mnogo različitih načina na koje se možemo okrenuti vještačkoj inteligenciji i rješavati različite zadatke, a govorili smo i o prekvalifikaciji. Dakle, na šta mislite da istraživači na početku i u sredini karijere u naučnim oblastima trebaju obratiti pažnju i gdje mogu dobiti podršku?
Mercè Crosas: 04:57
Važnije je nego ikad biti vrlo rigorozan u nauci i shvatiti da, na kraju krajeva, bez obzira koristimo li vještačku inteligenciju ili druge alate, nauka je ono što radimo, a nauka je zaključivanje i nauka mora biti javna. Metode, podaci i način na koji to radimo moraju biti provjereni od strane drugih.
To znači da, opet, ne koristimo samo alate umjetne inteligencije da nam daju odgovore, već moramo postati specijalisti u načinu na koji provjeravamo te odgovore. A za to moramo biti još bolje pripremljeni u pogledu teorije područja u kojima istražujemo i rigoroznosti rezultata.
Izzie Clarke: 05:33
Da, mislim, Mohammade, volio bih čuti i tvoje mišljenje o ovome jer znam da je ovo nešto čemu posvećuješ mnogo pažnje.
Mohammed Hosseini: 05:38
Da, apsolutno. I također se želim vratiti na ono što je Mercè ovdje rekao. Da, važno je razmišljati o teoriji, a istovremeno, mnogi ljudi sada tvrde da zbog ovog porasta nauke zasnovane na podacima, svjedočimo kraju društvene teorije. Teorija nije toliko važna jer ljudi mogu samo prikupljati podatke i vršiti analizu podataka kako bi vidjeli šta je relevantno, a da prije prikupljanja podataka nisu ni imali hipotezu.
I mislim da je to izvanredan razvoj koji zahtijeva mnogo pažljivog razmatranja i pažnje. Mislim da je jedan od izazova koje također želim istaknuti činjenica da imamo pristup različitim resursima, ovisno o lokaciji. Također imamo razlike u pogledu onoga što institucije pružaju. Imam privilegiju da budem smješten na bogatom privatnom univerzitetu u SAD-u koji nudi besplatan pristup raznim modelima umjetne inteligencije, ali to nije slučaj za milione drugih istraživača.
I ova razlika stavlja mnoge druge ljude u nepovoljan položaj. Mnogi univerziteti čak nemaju ni opštu politiku za korištenje AI modela. Da sam na takvom univerzitetu, zaista bih pokušao razgovarati s univerzitetskom upravom ili bibliotekom i zamoliti ih da mi pruže smjernice i obuku.
Mercè Crosas: 06:54
Da se nadovežem na opasnost od prevelikog oslanjanja na podatke. Ne prihvatam da je to put kojim trebamo ići, zar ne? Rezultat je presjek između teorijskog modela i ovog pristupa zasnovanog na podacima. Ali u smislu korištenja generativne umjetne inteligencije ili novih vrsta alata umjetne inteligencije, mislim da Evropa ima prilično drugačiji pristup od drugih mjesta.
I sada je u toku razvoj nove strategije vještačke inteligencije u nauci i nauke za vještačku inteligenciju. Moramo biti oprezni u vezi s tim kakve alate vještačke inteligencije koristimo, da li imaju jasnu definiciju koji su podaci korišteni, da li su otvorenog koda, da li se fokusiraju na pouzdanu vještačku inteligenciju, i mislim da je to veoma važno.
Izzie Clarke: 07:36
Želio sam se i tu nešto osvrnuti. Razgovaramo o tome kako koristimo vještačku inteligenciju u radu i objavljivanju. Dakle, Mohammade, koje su stvari o kojima bi istraživači na početku i u sredini karijere trebali voditi računa kada je u pitanju objavljivanje i upotreba vještačke inteligencije?
Mohammed Hosseini: 07:54
Da, mislim da je jedna od stvari na koju bismo trebali biti zaista svjesni koji je zadatak koji prepuštamo vještačkoj inteligenciji? Koji je zadatak koji tražimo od vještačke inteligencije da obavi? Kada je ovaj bum vještačke inteligencije počeo, vještačka inteligencija se uglavnom koristila na kraju istraživačkog procesa, kao što je bio slučaj s lekturom i poboljšanjem čitljivosti i tako dalje.
Ali sada prebacujemo ove važne zadatke na vještačku inteligenciju, i sljedeći put kada želite razmisliti o svom sljedećem istraživačkom pitanju, umjesto da dublje razmišljate o udžbenicima koje čitate ili novim člancima koje čitate, pomislit ćete, ah, dozvolite mi da pitam šta vještačka inteligencija ima da kaže o tome. To postaje vrlo zarazno i ohrabrio bih istraživače da budu svjesni zadataka koje delegiraju i da se zapitaju, da li se isplati?
Moj prijedlog je da ne objavljujete nešto samo radi objavljivanja, osim ako nemate nešto zaista važno za reći. Razmislite o tome koga citirate. Ako koristite vještačku inteligenciju za pronalaženje literature, obavezno pročitajte sadržaj koji citirate, jer su ti citati često nebitni.
Izzie Clarke: 09:03
Mislim da je to dobra poenta. Da, postoje načini na koje možemo koristiti vještačku inteligenciju koji bi mogli biti korisni u nekim tačkama, ali neka od tih vještina treba biti aktivna i pobrinite se da provodite dužnu pažnju i na druge načine.
I mislim da nas to vjerovatno dovodi do diskusije o kredibilitetu. Dakle, unutar vaše oblasti i za širu javnost, šta je potrebno da se održi kredibilitet u ovom digitalnom dobu? Mercè?
Mercè Crosas: 09:30
Pa, mislim da je vrlo jednostavno. Mislim, imali ste kredibilitet kada ste ga mogli komunicirati, kada ste ga u potpunosti razumjeli i ono na čemu radite, a nije ga generiralo nešto drugo što ne razumijete. Vraćajući se na vrijednosti nauke i otvorene nauke, da je što transparentnija, da bilo ko drugi može provjeriti šta ste uradili na osnovu načina na koji ste primijenili model vještačke inteligencije, metode, podataka koje ste koristili, tokova rada, pravednih principa za pronalaženje, pristupačnost, interoperabilnost i višekratnu upotrebu podataka. Ali i softver tako da ono što koristite bude dijeljeno, da ga drugi mogu pronaći i da se može provjeriti.
Izzie Clarke: 10:06
Ali postoji mnogo uzbudljivih načina na koje ovo može biti alat za transformaciju nauke i digitalizacije. Dakle, Mercè, kako vidite da uloga naučne komunikacije raste kako se tehnologija razvija?
Mercè Crosas: 10:20
Dakle, što se tiče naučne komunikacije, još uvijek moramo mnogo raditi na tome za društvo. I već postoje očekivanja da su to mogućnosti ili prilike da vještačka inteligencija igra ulogu i u sumiranju mnogih naučnih rezultata i njihovom povećanju dostupnosti široj publici. Dakle, mislim da to može biti zanimljivo.
Izzie Clarke: 10:41
I na kraju, šta vam oboma daje nadu za budućnost nauke u ovom digitalnom svijetu? Muhamed?
Mohammed Hosseini: 10:47
Mislim da mi nadu daje nova generacija istraživača koji se javno izražavaju. Posmatramo novu generaciju koja se usuđuje reći šta misli i spremna je da za to plati cijenu. Nalazim se u SAD-u i vidim sve vrste velikih kompanija i kako one mogu uticati na istraživački pejzaž, univerzitete i sve to. Dakle, veoma mi je važno da to vidim.
Izzie Clarke: 11:12
A Mercè?
Mercè Crosas: 11:15
Dakle, mislim da imamo više alata da razumijemo kako radimo, kako sarađujemo, koja nova pitanja možemo postaviti u nauci. I mislim da to daje nadu za bolju nauku ako ne izgubimo ono što nauka jeste i ne izgubimo ove vrijednosti otvorene nauke, ali i ako iskoristimo prednosti ove nove vrste metoda vještačke inteligencije.
Izzie Clarke: 11:34
Hvala vam oboma puno što ste mi se pridružili.
Ako ste istraživač na početku ili u sredini karijere i želite biti dio razgovora o budućnosti umjetne inteligencije, pridružite se Forumu Međunarodnog naučnog vijeća za mlade naučnike.
Posjetite: vijeće.nauke/forum da biste saznali više.
Ja sam Izzie Clarke i sljedeći put ćemo razgovarati o tome kako istraživači na početku i u sredini karijere mogu pomoći u zaštiti našeg okeana i o snazi transdisciplinarnog pristupa u tome. Do tada.
Pročitajte više o Nauci bez granica: Međunarodna saradnja za sljedeću generaciju istraživača 
Pročitajte više o ponovnom promišljanju rasta i otpornosti u istraživačkom ekosistemu 
Pročitajte više o transdisciplinarnoj nauci: Rane i srednje karijere oblikuju budućnost nauke 