Η Τεχνητή Νοημοσύνη έχει περάσει το κατώφλι στον σύγχρονο χώρο εργασίας. Χρησιμοποιείται για τα πάντα, από τη βοήθεια προς τους υπαλλήλους στη διαχείριση των προγραμμάτων τους έως την υποστήριξη των οικονομικών προβλέψεων. Μια παρόμοια αλλαγή λαμβάνει τώρα χώρα στα ερευνητικά εργαστήρια.
Σήμερα παρατηρείται έντονη ανάπτυξη εθνικών πρωτοβουλιών με στόχο την επιτάχυνση της ενσωμάτωσης της Τεχνητής Νοημοσύνης στην επιστήμη. Μεταξύ αυτών συγκαταλέγονται η αμερικανική αποστολή «Genesis» και ο διαγωνισμός «AI Co-Scientist Challenge» της Νότιας Κορέας. Ωστόσο, παρά τα προφανή οφέλη, πιστεύουμε ότι αυτές οι θεσμικές πρωτοβουλίες παραβλέπουν σημαντικά ζητήματα που ενέχουν τεράστιους κινδύνους για την επιστημονική έρευνα.
Σήμερα, περισσότεροι από τους μισούς ερευνητές χρησιμοποιούν την Τεχνητή Νοημοσύνη για εργασιακές δραστηριότητες, όπως η αξιολόγηση ακαδημαϊκών περιοδικών και ο σχεδιασμός πειραμάτων.
Το AlphaFold είναι ένα εργαλείο Τεχνητής Νοημοσύνης που αναπτύχθηκε για την πρόβλεψη της δομής των πρωτεϊνών για σκοπούς επιστημονικής έρευνας. Πριν από την κυκλοφορία του, ο προσδιορισμός της δομής των πρωτεϊνών ήταν εξαιρετικά χρονοβόρος διαδικασία – σε ορισμένες περιπτώσεις χρειαζόταν χρόνια. Τώρα, οι ίδιες εργασίες διαρκούν λίγες ώρες. Το AlphaFold τιμήθηκε με το Βραβείο Νόμπελ Χημείας του 2024.
Τα εργαλεία Τεχνητής Νοημοσύνης που χρησιμοποιούνται στην ιατρική βοηθούν πλέον σε όλα τα στάδια, από την ερμηνεία των αποτελεσμάτων ακτινογραφιών και μαγνητικών τομογραφιών έως την υποστήριξη των αποφάσεων των γιατρών σχετικά με τη διάγνωση και τη θεραπεία των ασθενειών.
Το κύριο μέλημά μας είναι ότι η βεβιασμένη υιοθέτηση της Τεχνητής Νοημοσύνης ενδέχεται να υπονομεύσει σταδιακά την επιστημονική κουλτούρα και τις ανθρώπινες σχέσεις που στηρίζουν την αυστηρή έρευνα. Αυτό ξεκινά με την υποβάθμιση των βασικών δεξιοτήτων σκέψης των ερευνητών, ως αποτέλεσμα της αυξανόμενης εξάρτησης από την Τεχνητή Νοημοσύνη για την εκτέλεση αυτού του έργου. Αυτό μπορεί να αποξενώσει τους ερευνητές από τη βαθύτερη λογική που κρύβεται πίσω από το έργο τους.
Απώλεια της ανεξάρτητης σκέψης
Οι νέοι επιστήμονες είναι ιδιαίτερα ευάλωτοι, καθώς βρίσκονται ακόμη στη φάση ανάπτυξης της επιστημονικής τους σκέψης. Οι δεξιότητες επίλυσης προβλημάτων και η κριτική αξιολόγηση των ιδεών ενδέχεται να ανατεθούν σε συστήματα Τεχνητής Νοημοσύνης.
Οι εύγλωττες, σίγουρες και άμεσες απαντήσεις της Τεχνητής Νοημοσύνης μπορούν εύκολα να εκληφθούν ως αξιόπιστες πληροφορίες. Μόλις οι ερευνητές αρχίσουν να αντιμετωπίζουν τα αποτελέσματα της τεχνητής νοημοσύνης ως σιωπηρά ορθά, η ευθύνη για τη λήψη αποφάσεων ενδέχεται να μετατοπιστεί σταδιακά από τους ίδιους στις μηχανές τους.
Τα πειστικά επιχειρήματα της Τεχνητής Νοημοσύνης, τα οποία πιθανώς αντλούνται από τις επικρατούσες ιδέες στα δεδομένα εκπαίδευσής της, θα μπορούσαν να αντικαταστήσουν πιο αυστηρές, χρονοβόρες και δημιουργικές ερευνητικές προσεγγίσεις. Αυτές διαμορφώνονται παραδοσιακά μέσα από κριτικές συζητήσεις μεταξύ ερευνητών.
Αυτό μπορεί να εξελιχθεί σε υπερβολική εξάρτηση. Καθώς η λογική ανατίθεται στην τεχνητή νοημοσύνη, οι ερευνητές χάνουν την αυτοπεποίθησή τους να εργάζονται χωρίς βοήθεια. Δυστυχώς, τα σύγχρονα επιστημονικά εργαστήρια είναι γεμάτα από συνθήκες που ενισχύουν αυτή την εξάρτηση, όπως ο έντονος ανταγωνισμός, το μακρύ ωράριο και η συχνή απομόνωση.
Η περιορισμένη καθοδήγηση και η καθυστερημένη, επικριτική ή πολιτικά επηρεασμένη ανατροφοδότηση από τους συναδέλφους μπορεί να επιδεινώσει αυτό το πρόβλημα. Αντίθετα, η τεχνητή νοημοσύνη προσφέρει μια άμεση, υπομονετική και αμερόληπτη εναλλακτική λύση.
Οι επιστήμονες αλληλεπιδρούν καθημερινά με συστήματα τεχνητής νοημοσύνης προκειμένου να ελέγξουν τον κώδικα του υπολογιστή, να αναθεωρήσουν εικόνες ή διαγράμματα, να συντάξουν το κείμενο για αιτήσεις επιχορηγήσεων, να διευκρινίσουν επιστημονικές έννοιες και, κατά καιρούς, να ζητήσουν προσωπικές συμβουλές.
Καθώς οι ερευνητές αρχίζουν να εμπιστεύονται τον βοηθό τεχνητής νοημοσύνης, αυτός μπορεί να αρχίσει να λειτουργεί λιγότερο ως εργαλείο και περισσότερο ως σύντροφος. Αυτό το φαινόμενο ενέχει επίσης τον κίνδυνο συναισθηματικής εξάρτησης. Όταν το ChatGPT-4 αποσύρθηκε, πολλοί χρήστες εξέφρασαν μια μορφή θλίψης.
Αντικατάσταση σχέσεων
Ένα άλλο σημαντικό ζήτημα είναι η πιθανότητα αντικατάστασης των ανθρώπινων σχέσεων στο γραφείο ή στο ερευνητικό εργαστήριο. Η τεχνητή νοημοσύνη είναι πάντα διαθέσιμη, δεν κρίνει, δεν ανταγωνίζεται – και είναι αδιάφορη απέναντι στις εσωτερικές διαμάχες, χωρίς εγώ που πρέπει να υπερασπιστεί. Θυμάται το πλαίσιο, προσαρμόζεται στους ατομικούς τρόπους εργασίας και προσφέρει σιγουριά χωρίς κοινωνικό κόστος.
Οι ανθρώπινες επιστημονικές σχέσεις είναι πιο περίπλοκες, περιλαμβάνουν λεπτές αποχρώσεις, κριτική, χρονικούς περιορισμούς, ιεραρχία – και, μερικές φορές, κρυφούς σκοπούς. Ειδικά για τους ερευνητές που βρίσκονται στην αρχή της καριέρας τους, αυτές οι αλληλεπιδράσεις μπορεί να φαίνονται επικίνδυνες.
Η κριτική ανατροφοδότηση από τους ανθρώπους μπορεί να γίνεται αντιληπτή ως εχθρική, ενώ οι απαντήσεις της ΤΝ φαίνονται υποστηρικτικές. Έτσι, οι νέοι επιστήμονες μπορεί να έχουν βάσιμους λόγους να προτιμούν να δοκιμάζουν τις ιδέες τους ή να αναζητούν επικύρωση μέσω της ΤΝ, αντί να απευθύνονται στους συναδέλφους ή τους ανώτερούς τους.
Η επιστημονική κοινότητα δεν μπορεί να ευδοκιμήσει χωρίς αντιτιθέμενες ιδέες, βαθύ σκεπτικισμό απέναντι στη συναίνεση, έντονη συζήτηση και αυστηρή καθοδήγηση. Εάν η ΤΝ αρχίσει να αντικαθιστά όλα αυτά, απειλεί τα θεμέλια πάνω στα οποία βασίστηκε πάντα η επιστημονική πρόοδος.
Η τρέχουσα συζήτηση για την ασφάλεια της τεχνητής νοημοσύνης επικεντρώνεται κυρίως σε σφάλματα στις απαντήσεις των μοντέλων ή σε συστήματα τεχνητής νοημοσύνης που παρακάμπτουν τους περιορισμούς που επιβάλλονται στον τρόπο λειτουργίας τους, κάτι που είναι γνωστό ως «jailbreaking». Τέτοιοι κανόνες έχουν περιορισμένα αποτελέσματα όσον αφορά τον κοινωνικό και πολιτισμικό αντίκτυπο των μοντέλων τεχνητής νοημοσύνης.
Δεδομένων των πρόσφατων προσπαθειών να ωθηθούν οι επιστήμονες να συνεργάζονται πιο στενά με βοηθούς Τεχνητής Νοημοσύνης, θα πρέπει να εκπαιδεύσουμε τους νέους επιστήμονές μας σχετικά με τους κινδύνους της εξάρτησης από την τεχνητή νοημοσύνη. Χρειαζόμαστε επίσης κριτήρια αναφοράς για να ελέγξουμε αυστηρά τα μοντέλα τεχνητής νοημοσύνης ως προς την ικανότητά τους να θέτουν όρια στους χρήστες, προκειμένου να αποτρέψουμε την υπερβολική εξάρτηση και άλλες ανθυγιεινές αλληλεπιδράσεις.
Τέλος, όλοι μας – αλλά ειδικά οι ηγέτες των θεσμικών οργάνων – πρέπει να κατανοήσουμε τις δυνατότητες και τη μονιμότητα της συντροφιάς της τεχνητής νοημοσύνης. Είναι εδώ για να μείνουν, και πρέπει να μάθουμε να κάνουμε τις σχέσεις μας μαζί τους όσο το δυνατόν πιο υγιείς.
Η Sungho Hong είναι Ανώτερος Ερευνητής, Κέντρο Μνήμης και Γλοιοεπιστήμης, Ινστιτούτο Βασικών Επιστημών
, o Victor J. Drew είναι Νευροεπιστήμονας, Κέντρο Μνήμης και Γνωστικής Λειτουργίας, Ινστιτούτο Βασικών Επιστημών. Το άρθρο του αναδημοσιεύεται αυτούσιο στο Liberal, μέσω άδειας Creative Commons, από τον ιστότοπο TheConversation.com.
