تأثیرات مثبت و منفی هوش مصنوعی بر تولید و کیفیت مقالات علمی
به گزارش ساخت اپل آی دی، هوش مصنوعی با کاهش چشم گیر هزینه زمانی و مهارتی تولید متن، مرز میان نگارش علمی و تولید انبوه متن را تضعیف نموده و الگوی جدیدی از مراحل ساخت مقالات تخصصی را پدید آورده است.
به گزارش ساخت اپل آی دی به نقل از مهر؛ در سه سال گذشته، هوش مصنوعی مولد بخصوص در قالب مدلهای زبانی بزرگ، نه فقط شیوه های نوشتن انسانی را دگرگون کرده، بلکه منطق تولید متن در قسمت علمی را نیز بشکل بنیادین تحت فشار قرار داده است. این فناوری با کاهش چشم گیر هزینه زمانی و مهارتی تولید متن، مرز میان نگارش علمی و تولید انبوه متن را تضعیف نموده و الگوی جدیدی از مراحل ساخت مقالات تخصصی را پدید آورده است. آنچه در ابتدا بعنوان ابزار کمکی برای تسهیل نگارش علمی و بخصوص رفع موانع زبانی محققان غیرانگلیسی زبان معرفی می شد، امروز به پدیده ای ساختاری بدل شده که نتایج آن فراتر از بهبود سبک نگارش است. در این چارچوب، پدیده تولید متون علمی کم کیفیت مبتنی بر هوش مصنوعی به وضعیتی اشاره دارد که در آن، حجم عظیمی از متون شبه علمی با حداقل مداخله انسانی و بدون عبور از فرایندهای کلاسیک تأمل، بازنگری و خودانتقادی علمی تولید می شود. این متون غالباً از نظر ظاهری واجد تمامی مؤلفه های آکادمیک، همچون زبان پیچیده، ساختار صوری منظم، واژگان تخصصی و ارجاع سازی متعارف هستند. در عین حال، در سطح محتوایی، اغلب نوآوری نظری، مسئله اصیل یا پیشرفت معنادار در دانش موجود ندارند. پرسش محوری در این وضعیت آن است که آیا گسترش استفاده از این ابزارها به ارتقاء کیفیت علم منتج شده یا فقط شتاب تولید متون ظاهراً علمی را افزایش داده است. به بیان دقیق تر، آیا با پدیده ای ناظر بر «دموکراتیزه شدن دانش» مواجه هستیم یا با «تورم زبانی» که ارزش نشانه های کلاسیک کیفیت علمی را مستهلک می کند. پاسخ این پرسش، بنا بر شواهد تجربی پژوهش های جدید، چندان خوش بینانه نیست و نشان میدهد که دست کم در وضعیت فعلی، کفه ترازو به سود افزایش کمّی تولید متن و نه تعمیق محتوای علمی سنگینی می کند.
یافته های پژوهش جدید در رابطه با نوشتار علمی
مطالعه ای که اخیرا توسط محققان دانشگاه های برکلی کالیفرنیا و کرنل انجام شده و در مجله «Science» پخش شده، با تحلیل بیشتر از یک میلیون چکیده مقاله قبل از چاپ، میان سالیان ۲۰۱۸ تا ۲۰۲۴، کوشیده است تأثیر واقعی استفاده از هوش مصنوعی بر تولید علمی را ارزیابی کند. در این مطالعه، تعداد مقالات هر نویسنده بعنوان شاخص بهره وری و پذیرش غائی مقاله در نشریات علمی بعنوان شاخص کیفیت درنظر گرفته شده است. نتایج نشان میدهد که با شروع استفاده نویسندگان از ابزارهای هوش مصنوعی، بهره وری آنها بشکل قابل ملاحظه ای افزایش پیدا کرده است. بسته به بستر نشر، تعداد مقالات پخش شده ماهانه بعد از استفاده از هوش مصنوعی بین ۳۶ تا نزدیک به ۶۰ درصد رشد داشته است. این افزایش برای محققان غیرانگلیسی زبان، بخصوص نویسندگان آسیایی، خیلی چشمگیرتر بوده و در تعدادی موارد به حدود ۹۰ درصد نیز می رسد. این داده ها نشان میدهد که هوش مصنوعی، برای خیلی از محققان غیرانگلیسی زبان، ابزاری برای رفع موانع زبانی و بهبود نگارش انگلیسی بوده است؛ کارکردی که به خودی خود می تواند عادلانه تر شدن دسترسی به نشر علمی را تقویت کند.
پیچیدگی زبانی و وارونگی معیار کیفیت
در عین حال، بررسی کیفیت مقالات تصویر نگران کننده ای از حوزه پژوهش علمی عرضه می کند. مقالاتی که با کمک هوش مصنوعی نوشته شده اند، بطور متوسط از زبان پیچیده تری برخوردار می باشند. در مقالات بدون استفاده از هوش مصنوعی، پیچیدگی زبانی بیشتر به طور معمول با احتمال بالاتر پذیرش و انتشار همبستگی دارد؛ امری که نشان میدهد داوران علمی، زبان دقیق و پیچیده را نشانه ای از عمق و کیفیت علمی تلقی می کنند. اما در مورد مقالاتی که با پشتیبانی هوش مصنوعی نگارش شده اند، این رابطه معکوس می شود؛ به بیانی دیگر، هرچه زبان پیچیده تر باشد، احتمال پذیرش مقاله کاهش پیدا می کند. این وارونگی معنادار از آن حکایت می کند که پیچیدگی زبانی مبتنی بر هوش مصنوعی، در بسیاری موارد نه بازتاب عمق علمی، بلکه پوششی برای ضعف های روش شناختی و محتوایی پژوهش بوده است. به بیان دیگر، آن چه پیشتر نشانه کیفیت تلقی می شد، حال می تواند ابزار استتار «ابتذال علمی» باشد؛ متونی که آراسته به واژگان فنی و ساختارهای پیچیده هستند، اما نوآوری، استدلال محکم یا روش علمی معتبر ندارند.
هوش مصنوعی و تنوع منابع علمی
پژوهش مورد اشاره همین طور به تأثیر هوش مصنوعی بر الگوی دسترسی محققان به منابع علمی پرداخته و نشان میدهد که این فناوری فقط ابزار تولید متن نیست، بلکه بتدریج درحال بازآرایی سازوکار توزیع و دیده شدن دانش علمی است. در این بخش، با مقایسه داده های مربوط به دانلود مقالات از راه موتور جستجوی گوگل و موتور جستجوی بینگ مایکروسافت که از ابتدای سال ۲۰۲۳ به قابلیت گفت و گوی هوشمند مبتنی بر هوش مصنوعی مجهز شده، مشخص شد کاربران بینگ به طیف متنوع تر و جدیدتری از مقالات و نشریات علمی دسترسی یافته اند. این تفاوت از آن جهت اهمیت دارد که موتورهای جستجو در عمل به دروازه بانان نامرئی دانش تبدیل گشته اند و الگوی پیشنهاد آنها می تواند به صورت مستقیم بر آن چه خوانده، ارجاع داده و در نهایت بازتولید می شود اثر بگذارد. افزایش تنوع منابع در جستجوی مبتنی بر هوش مصنوعی نشان میدهد که این فناوری بالقوه قادر می باشد تمرکز سنتی بر مجموعه ای محدود از مقالات پرارجاع و نشریات مسلط را تا حدی تضعیف کند و امکان دیده شدن پژوهش های جدیدتر یا کمتر شناخته شده را افزایش دهد. این تنوع بیشتر احتمالا ناشی از استفاده بینگ از روش «تولید تقویت شده با بازیابی» است؛ روشی که در آن، نتایج کلاسیک جستجو با فرایندهای تولید متن هوش مصنوعی ترکیب می شود و پاسخ غائی نه فقط برمبنای محبوبیت یا تعداد ارجاعات، بلکه بر اساس بازیابی فعال اطلاعات مرتبط شکل می گیرد. بر خلاف نگرانی های اولیه بر اساس آنکه جستجوی مبتنی بر هوش مصنوعی به بازتولید منابع قدیمی و تثبیت شده محدود خواهد شد، شواهد این مطالعه نشان میدهد که چنین سامانه هائی می توانند دسترسی به ادبیات علمی متنوع تر و به روزتر را تسهیل کنند. در عین حال، این تحول واجد یک پیامد دوگانه است. چنین شرایطی از یک سو، می تواند به پویایی بیشتر گردش دانش و کاهش انحصار منابع منجر شود و از طرفی، قدرت انتخاب و برجسته سازی منابع را بیشتر از پیش در اختیار الگوریتم ها قرار می دهد؛ امری که ضرورت شفافیت، نظارت و فهم انتقادی سازوکارهای جستجوی مبتنی بر هوش مصنوعی را در سپهر علم دوچندان می کند.
پیامدهای راهبردی برای داوری علمی
مهم ترین پیامد این تحولات برای علم، تضعیف اعتبار زبان بعنوان شاخص سریع و کم هزینه ارزیابی کیفیت علمی است. در سنت رایج داوری دانشگاهی، کیفیت نگارش، انسجام زبانی و پیچیدگی واژگانی اغلب بعنوان نشانه هایی ضمنی از دقت مفهومی، عمق نظری و بلوغ پژوهشی تلقی می شدند. این اتکا تا حد زیادی ناشی از آن بود که تولید زبان علمی دقیق و پیچیده مستلزم تسلط واقعی بر موضوع، صرف زمان قابل توجه و عبور از فرایندهای فکری پرهزینه است. با گسترش هوش مصنوعی مولد، این پیوند تاریخی میان زبان و محتوا به شکل جدی مخدوش شده است. حال تولید متونی با ظاهر آکادمیک، ساختار منسجم و واژگان تخصصی، بدون برخورداری از فهم عمیق علمی یا مشارکت واقعی در پیشبرد دانش ممکن شده است. در چنین شرایطی، اتکا به کیفیت نگارش برای غربال اولیه مقالات نه فقط غیرقابل اعتماد، بلکه بالقوه گمراه کننده شمرده می شود و می تواند به پذیرش متونی منجر گردد که ضعف های اساسی آنها در سطح زبان پنهان مانده است. بنابراین، پروسه داوری علمی ناگزیر است از ارزیابی های سطحی و زبان محور فاصله گرفته و بسمت بررسی های عمیق تر روش شناختی حرکت نماید. از همین روی تمرکز بر منطق طراحی پژوهش، اعتبار داده ها، شفافیت شیوه های تحلیلی، قابلیت بازتولید نتایج و سهم واقعی مقاله در حل یک مسئله علمی مشخص، به مؤلفه های مرکزی داوری تبدیل می شوند. این جابه جایی معیارها، هرچند از منظر علمی لازمست، اما هم زمان بار کاری داوران و سردبیران نشریات را بشکل قابل ملاحظه ای بالا می برد. این ضرورت در شرایطی مطرح می شود که نظام نشر علمی پیشاپیش با سیل فزاینده ارسال مقالات، کمبود داوران متخصص و فشار زمانی مزمن مواجه می باشد و تضعیف اعتبار زبان بعنوان شاخص کیفیت، نه فقط یک چالش معرفتی، بلکه یک بحران نهادی برای سازوکار داوری علمی به شمار می آید که بدون بازاندیشی ساختاری در پروسه ارزیابی، قابل مدیریت نخواهد بود.
مبارزه با هوش مصنوعی از راه هوش مصنوعی
در چنین وضعیتی، استفاده از ابزارهای داوری مبتنی بر هوش مصنوعی بعنوان یک راهکار محتمل و تا حدی اجتناب ناپذیر مطرح می شود. منطق این رویکرد آن است که همان فناوری که به افزایش کمّی و بعضاً افت کیفی متون علمی دامن زده، می تواند به شکل معکوس در خدمت پالایش و غربال گری این انباشت قرار گیرد. نمونه ای شاخص از این رویکرد، ابزارهای بازنگری مقاله شمرده می شود که اخیراً توسط دانشگاه استنفورد معرفی شده اند و هدف آنها نه جایگزینی داور انسانی، بلکه تقویت ظرفیت تشخیصی پروسه داوری است. این ابزارها می توانند در مراحل ابتدایی ارزیابی، الگوهای زبانی کلیشه ای، ناهماهنگی های روش شناختی، ضعف در صورت بندی مسئله پژوهش، یا نشانه های فقدان انسجام میان داده ها و نتایج را شناسایی کنند. به این ترتیب، بار شناختی داوران انسانی کم شده و تمرکز آنها به جای پالایش ابتدایی متون، بر ارزیابی عمیق تر نوآوری علمی، اعتبار استنتاج ها و ارزش افزوده پژوهش معطوف می شود. در عین حال، کاربست چنین ابزارهایی خود مستلزم احتیاط نهادی است تا پروسه داوری بیشتر از پیش به یک سازوکار الگوریتمی غیرشفاف فروکاسته نشود. در این معنا، استعاره «مبارزه با آتش از راه آتش» فقط یک تمثیل فناورانه نیست، بلکه مبین یک ضرورت نهادی در عصر انباشت متون علمی است. حفظ معیارهای علم دیگر از مسیر حذف یا طرد کامل هوش مصنوعی نمی گذرد، بلکه مستلزم تعریف مجدد معیارهای کیفیت، بازطراحی چندلایه پروسه داوری و استقرار نوعی همزیستی انتقادی و کنترل شده با این فناوری است. آینده نشر علمی در گرو آن است که هوش مصنوعی نه بعنوان داور غائی حقیقت، بلکه به مثابه ابزاری پشتیبان در خدمت عقلانیت علمی و قضاوت انسانی مهار و تنظیم شود.
خلاصه اینکه در این بخش، با مقایسه داده های مربوط به دانلود مقالات از راه موتور جستجوی گوگل و موتور جستجوی بینگ مایکروسافت که از آغاز سال ۲۰۲۳ به قابلیت گفت وگوی هوشمند مبتنی بر هوش مصنوعی مجهز شده، مشخص شد کاربران بینگ به طیف متنوع تر و جدیدتری از مقالات و نشریات علمی دسترسی یافته اند. این تنوع بیشتر احتمالاً ناشی از استفاده بینگ از روش تولید تقویت شده با بازیابی است؛ روشی که در آن، نتایج کلاسیک جستجو با فرایندهای تولید متن هوش مصنوعی ترکیب می شود و پاسخ غائی نه فقط برمبنای محبوبیت یا تعداد ارجاعات، بلکه برمبنای بازیابی فعال اطلاعات مرتبط شکل می گیرد. این اتکا تا حد زیادی ناشی از آن بود که تولید زبان علمی دقیق و پیچیده مستلزم تسلط واقعی بر موضوع، صرف زمان قابل توجه و عبور از فرایندهای فکری پرهزینه است.
منبع: ساخت اپل آی دی
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب