به گزارش خبرنگار گروه علم و فناوری ایسکانیوز؛ دانشگاه در آستانه یکی از مهمترین تغییرات تاریخی خود قرار گرفته است؛ تغییری که اینبار نه از دل یک تحول آموزشی، بلکه از دل فناوریای شکل میگیرد که میتواند بخش قابلتوجهی از فرایند یادگیری، آموزش و حتی پژوهش را بر عهده بگیرد. هوش مصنوعی اکنون تنها ابزاری برای جستوجو یا دسترسی سریعتر به اطلاعات نیست و بهتدریج میتواند در طراحی مسئله، تحلیل داده، شبیهسازی، تولید نمودار، مرور ادبیات و حتی نگارش مقالات علمی نقش ایفا کند.
در چنین شرایطی، پرسش اساسی این است که اگر هوش مصنوعی بتواند بخش بزرگی از وظایف آموزشی و پژوهشی دانشگاه را انجام دهد، دانشگاه و استاد در آینده چه جایگاهی خواهند داشت؟ آیا دانشگاه همچنان نهادی ضروری برای آموزش و تولید علم خواهد بود یا بخشی از مأموریتهای سنتی آن به فناوری واگذار میشود؟
آرشام مستعانی، پژوهشگر حوزه هوش مصنوعی و مخابرات که حدود هشت سال به عنوان دستیار پژوهشی در دانشگاه لوکزامبورگ فعالیت کرده است، در این گفتوگو از آینده دانشگاه در افق ۲۵ ساله میگوید؛ آیندهای که به اعتقاد او در آن، دسترسی به دانش دیگر مهمترین مزیت دانشگاه نخواهد بود و ارزش اصلی آن در تربیت انسانهایی برای مواجهه با مسائل ناشناخته، تفکر سیستمی، تشخیص درست مسئله و ایجاد نوآوریهای بنیادین تعریف خواهد شد. او همچنین معتقد است با گسترش هوش مصنوعی، بخشی از پژوهشهای کماثر و تولید انبوه مقاله اهمیت خود را از دست میدهند و دانشگاه ناگزیر خواهد بود تعریف تازهای از «پژوهشگر»، «استاد» و حتی «تولید علم» ارائه کند.
با توجه به شتاب تحولات فناوری، بهویژه در حوزه هوش مصنوعی، آیا میتوان انتظار داشت دانشگاه در ۲۵ سال آینده همچنان به حیات خود ادامه دهد؟ در صورت تداوم فعالیت دانشگاه، مأموریت و کارکرد اصلی آن چه خواهد بود؟
این پرسش بسیار مهم است، اما پاسخ دادن به آن آسان نیست؛ زیرا سرعت تحولات در حوزه هوش مصنوعی بهقدری زیاد است که نمیتوان با اطمینان پیشبینی کرد ۲۵ سال آینده در چه نقطهای قرار خواهیم داشت. برآوردهای امروز نیز براساس شکافهایی است که همچنان در تواناییهای هوش مصنوعی وجود دارد و مشخص نیست این شکافها چه زمانی و تا چه اندازه برطرف خواهند شد.
یکی از مهمترین محدودیتهای فعلی هوش مصنوعی، ناتوانی آن در دستیابی به سطحی از نوآوری و خلاقیت است که بتواند مرزهای علم را بهطور بنیادین جابهجا کند. در تاریخ علم، دانشمندان بزرگی توانستهاند با تکیه بر دانش موجود، از چارچوبهای شناختهشده فراتر بروند و با ارائه نظریهها و ایدههای بیسابقه، مسیر علم را دگرگون کنند. با وجود پیشرفتهای چشمگیر هوش مصنوعی، هنوز شواهدی از دستیابی این فناوری به چنین سطحی از نوآوری بنیادین مشاهده نمیشود. البته نمیتوان احتمال تغییر این وضعیت در آینده را نادیده گرفت، اما براساس ارزیابیهای فعلی، عبور هوش مصنوعی از این مرز همچنان یکی از چالشهای اساسی پیش روی آن است.
به همین دلیل، همچنان به انسانهایی نیاز داریم که علاقه عمیقی به علم داشته باشند، از بینش علمی برخوردار شوند و خود را وقف حل مسائل ناشناخته کنند. تربیت چنین افرادی یکی از مهمترین وظایف دانشگاه بوده و همچنان خواهد بود.
با توجه به افزایش چشمگیر حجم دانش بشری، تربیت پژوهشگرانی که بتوانند مرزهای علم را جابهجا کنند چه دشواریهایی پیدا کرده است؟
یکی از دلایل اصلی، افزایش شدید حجم دانش بشری است. اگر دوره پس از حدود سال ۱۸۷۰ را در نظر بگیریم، در حوزههایی مانند ریاضیات، فیزیک و مهندسی، حجم دانش بهشدت گسترش یافته است. حتی اگر تنها یک شاخه بسیار محدود از یک علم را انتخاب کنیم، دنبال کردن مسیر تحول آن از گذشته تا امروز نیازمند مطالعه، تلاش و زمان بسیار زیادی است.
این روند پس از سال ۱۹۵۰ با شدت بیشتری ادامه پیدا کرده است. به همین دلیل، امروز بسیار دشوار است که یک فرد بتواند حتی در یک شاخه بسیار محدود، از ابتدا تا انتهای زنجیره دانش را بهطور کامل بشناسد. در نتیجه، فردی که قرار است مرزهای علم را جابهجا کند، ابتدا باید به مرز دانش موجود برسد و همین رسیدن به مرز دانش، خود به مسئلهای بسیار دشوار تبدیل شده است.
نظامهای آموزشی، از جمله در ایران و کشورهای غربی، برای کوتاهتر کردن مسیر دسترسی دانشجویان به دانش روز چه رویکردهایی در پیش گرفتهاند؟
در ایران و کشورهای غربی، رویکردهای متفاوتی شکل گرفته است. در همه جا به دلیل محدودیت زمان و ظرفیت آموزشی باید مصالحه ای میان عمق و سطح دانشی که به دانشجو منتقل میگردد بوجود آورد. در روش های آموزشی ایران، این توازن بیشتر به سمت کسب دانش عمیق تر سنگینی میکند و سطح دانش انتقالی تا حدی فدا میشود. در واقع، تلاش میشود زنجیره دانش بهصورت نسبتاً مرحلهبهمرحله انتقال یابد و استدلال های لازم برای عبور از یک مرحله به مرحله بعدی در سطوح آموزش عالی و دانشگاهی ذکر گردد. اما در عمل، دانشجو فرصت نمیکند این مسیر را تا دانش روز ادامه دهد و در بسیاری از موارد، آموزش او در مقطعی از تاریخ علم متوقف میشود.
در جوامع غربی، رویکرد تا حدی متفاوت است. در آنجا به جای اینکه همه مراحل تاریخی و زنجیره استدلالی علم بهصورت کامل آموزش داده شود، بخشی از این مراحل کنار گذاشته میشود تا دانشجو بتواند در نهایت با علوم و مسائل روز نیز آشنا شود. مزیت این روش آن است که فارغالتحصیل با دانش روز ارتباط دارد، اما در مقابل ممکن است درک عمیقی از زنجیرهای که علم را به وضعیت کنونی رسانده است، نداشته باشد.
یکی از پیامدهای این مسئله آن است که فرد میتواند بهسرعت وارد بازار کار شود و تغییرات کوچک و تدریجی در فناوری ایجاد کند، اما ممکن است برای ایجاد تغییرات بنیادی و نوآوریهای بزرگ آمادگی کمتری داشته باشد؛ زیرا فرصت کافی برای درک عمیق مبانی و مسیر شکلگیری آن دانش نداشته است.
هوش مصنوعی از این نظر تحول مهمی ایجاد کرده است. بخش بزرگی از دانش بشری که پیشتر دسترسی به آن دشوار بود، اکنون در قالب منابع و ابزارهای مختلف در دسترس قرار گرفته است. در گذشته ممکن بود برای پاسخ به یک پرسش علمی، فرد مجبور باشد به متخصص یا استادی مراجعه کند که تنها او به آن دانش دسترسی داشت؛ اما امروز بسیاری از این اطلاعات در دسترس قرار گرفتهاند.
این وضعیت به فرد امکان میدهد مسیر دانش را با سرعت و متناسب با نیاز خود دنبال کند و ارتباط میان بخشهای مختلف علوم را بهتر ببیند. از این منظر، هوش مصنوعی میتواند به افراد کمک کند سریعتر دسترسی به سطح گسترده ای از دانش داشته باشد. اما لزوما، هوش مصنوعی به حل مسائل عمیق و استدلال های نوین کمک نمیکند.
نمیتوان قطعیت داد، ولی شاید، شاید، نحوه آموزش ما در ایران به طور اتفاقی در دنیای پس از هوش مصنوعی مفید تر از آب در بیاید. به هر شکل، آهسته آهسته کسب تخصص های علمی، فنی، مهندسی خاص ارزش خود را از دست خواهند داد و جای خود رو به تخصص های انتزاعی تر از نوع نو آوری، پرسشگری، استقلال فکری، نگاه سیستمی و … خواهند داد.
با توجه به پیشرفت هوش مصنوعی در دسترسی، پردازش و انتقال دانش، آیا این فناوری میتواند در آینده جایگزین دانشگاه یا استاد شود؟
به نظر من، هوش مصنوعی هرچقدر هم در دسترسی، پردازش و انتقال دانش پیشرفت کند، دستکم در آینده قابل پیشبینی نمیتواند بهطور کامل جایگزین دانشگاه یا استاد شود. دلیل اصلی این است که آموزش صرفاً انتقال اطلاعات و دانش نیست، بلکه فرایندی پیچیده، خلاقانه و تا حد زیادی انسانی است.
یک مدرس باید بتواند تشخیص دهد که دانشجو چه چیزی را نمیداند، در چه نقطهای از مسیر یادگیری قرار دارد، قرار است به چه سطحی برسد و با توجه به تواناییها و ظرفیتهای ذهنی او، چه مسیری برای رسیدن به آن هدف مناسبتر است. بنابراین، نقش استاد فقط ارائه محتوا نیست؛ بلکه هدایت فرایند یادگیری، تشخیص نیازهای فرد و ایجاد انگیزه برای ادامه مسیر نیز بخشی از این نقش است.
البته هوش مصنوعی در این زمینه نیز بهسرعت در حال پیشرفت است و احتمالاً در آینده خواهد توانست بخش قابلتوجهی از وظایف آموزشی را برعهده بگیرد. حتی ممکن است در برخی جنبهها، مانند دسترسی سریع به اطلاعات یا ارائه آموزش متناسب با نیاز هر فرد، عملکردی بهتر از روشهای سنتی داشته باشد. با این حال، هنوز نمیدانیم هوش مصنوعی در ۲۰ یا ۲۵ سال آینده به چه سطحی از توانایی خواهد رسید.
به همین دلیل، تصور من این است که دانشگاه و استاد از بین نخواهند رفت، بلکه نقش آنها تغییر خواهد کرد. هرچه هوش مصنوعی بخش بیشتری از انتقال دانش را برعهده بگیرد، اهمیت جنبههای انسانی آموزش، از جمله هدایت، تعامل، شکلدادن به تفکر و پرورش خلاقیت، بیشتر خواهد شد. در نتیجه، آینده آموزش احتمالاً نه حذف دانشگاه و استاد، بلکه بازتعریف نقش آنها در کنار هوش مصنوعی خواهد بود.
بهطور کلی، تصور میکنم نقش دانشگاه و استاد در آینده محدودتر خواهد شد، اما لزوماً از اهمیت آنها کاسته نمیشود. بخشی از این آینده نیز به خود دانشجو و نوع تواناییهایی که باید در او ایجاد شود، بازمیگردد.
با توجه به گسترش استفاده دانشجویان از هوش مصنوعی در فرایند آموزش و ارزیابی، چه تواناییهایی باید در دانشجویان تقویت شود تا معیارهای سنجش یادگیری همچنان معتبر باقی بماند؟
به نظر من، برای پاسخ به این مسئله باید به همان بحث تواناییهایی بازگردیم که هوش مصنوعی هنوز در آنها محدودیت دارد.
دنیای کار و محیطهای حرفهای بهتدریج به سمتی حرکت میکنند که تواناییهایی که افراد نمیتوانند صرفاً با استفاده از هوش مصنوعی به دست آورند، ارزش بیشتری در بازار کار پیدا کنند. بنابراین، یکی از وظایف دانشگاهها میتواند این باشد که به سمت آموزش و تقویت همین تواناییها حرکت کنند.
براساس تخمینها و پیشبینیهایی که امروز وجود دارد، میتوان چند حوزه مشخص را در این زمینه مطرح کرد. یکی از آنها توانایی سؤال پرسیدن است. سؤال پرسیدن خود یک مهارت است و هوش مصنوعی هنوز نمیتواند در همه موقعیتها بهخوبی تشخیص دهد که اساساً چه سؤالی باید مطرح شود. اینکه فرد بتواند مسئله درست را شناسایی کند و سؤال مناسب را بپرسد، اهمیت زیادی دارد.
توانایی دیگر، تشخیص است. برای مثال، پزشک زمانی که بیمار را بررسی میکند، صرفاً مجموعهای از اطلاعات را کنار هم نمیگذارد، بلکه باید شرایط کلی را ببیند و با استفاده از اطلاعات موجود، یک تشخیص درست و بهینه ارائه دهد. تشخیص به این معناست که فرد بتواند بدون صرف ساعتها زمان و بدون دسترسی به حجم بسیار زیادی از اطلاعات، براساس دادههای حداقلی اما مرتبط، به یک نتیجه درست برسد. این نیز از جمله تواناییهایی است که هوش مصنوعی هنوز بهطور کامل جایگزین آن نشده است.
حوزه دیگر، تفکر سیستمی است؛ یعنی فرد بتواند مسائل را در مقیاس کلان ببیند و ارتباط میان اجزای مختلف یک مسئله یا یک سیستم را درک کند. این توانایی بهویژه برای افرادی که در سطوح نسبتاً بالای سازمانی و شرکتها فعالیت میکنند، اهمیت دارد. در دنیای مهندسی معمولاً به چنین افرادی «معمار» یا Architect گفته میشود؛ افرادی که یک سیستم بزرگ را طراحی و معماری میکنند و سپس گروههای مختلفی از متخصصان زیرمجموعه آن قرار میگیرند. این نیز به دلایل مختلف کاری نیست که هوش مصنوعی بهسادگی بتواند بهطور کامل انجام دهد و همچنان به متخصص انسانی نیاز دارد.
علاوه بر تواناییهای شناختی و تخصصی، چه مهارتهای انسانی در بازار کار آینده اهمیت بیشتری پیدا خواهند کرد؟
یکی از حوزههای مهم، روابط انسانی است. ما به افرادی نیاز داریم که بتوانند بهخوبی ارتباط برقرار کنند و روابط مفید و مؤثری با دیگران شکل دهند. این روابط میتواند در سطوح مختلف اهمیت داشته باشد؛ گاهی برای ارتباط میان شرکتها، گاهی برای تشکیل یک تیم و گاهی نیز برای ایجاد روحیه تیمی میان افراد.
فرد باید بتواند در یک تیم بهدرستی ایفای نقش کند، بدون اینکه اصطکاک غیرضروری ایجاد شود. این مسئله در آینده اهمیت بیشتری پیدا خواهد کرد.
البته این بخش را براساس تجربه شخصی و مشاهداتی که از جامعه ایرانی داشتهام مطرح میکنم و ممکن است اگر با فرد دیگری صحبت کنید، تحلیل متفاوتی ارائه دهد. از نگاه من، اگر بخواهیم وضعیت ایرانیها را با سایر جوامع مقایسه کنیم، یکی از مسائل مهم ما در حوزه روابط بینفردی است و در این زمینه با برخی مشکلات مواجه هستیم.
آیا آشنایی دانشجویان با هوش مصنوعی و محدودیتهای آن نیز باید به یکی از اهداف دانشگاه تبدیل شود؟
بله. از این منظر، استفادهای که دانشجویان از هوش مصنوعی در آن شرایط داشتند، لزوماً اتفاق بدی نبود؛ زیرا ما میخواهیم افرادی را تربیت کنیم که زمانی که وارد بازار کار میشوند، با فناوریهای روز و همچنین محدودیتهای آنها آشنا باشند.
دانشجویان احتمالاً بعد از یکی دو دوره امتحان به این نتیجه رسیدهاند که هوش مصنوعی برای پاسخ دادن به برخی سؤالات مناسب است و در برخی موارد پاسخ مناسبی ارائه نمیدهد. این تجربه به خودی خود ارزشمند است.
البته سیستم آموزشی برای چنین شیوهای از ارزیابی طراحی نشده بود و نمیخواهم از این منظر آن را بی ایراد بدانم؛ اما میتوان گفت یکی از محصولات جانبی این تجربه آن است که ما دانشجوایانی تربیت میکنیم که نهتنها هوش مصنوعی را بشناسند، بلکه با محدودیتهای آن نیز آشنا باشند؛ بدانند در چه موقعیتهایی میتوانند بهتر از آن استفاده کنند و در چه موقعیتهایی نمیتوانند به آن اتکا کنند.
همچنین باید بدانند اگر هوش مصنوعی بهتنهایی نمیتواند یک کار را به نتیجه برساند، از چه روشهایی باید استفاده کنند تا خروجی تولیدشده توسط هوش مصنوعی را تکمیل، اصلاح و به یک محصول نهایی قابل ارائه تبدیل کنند. به نظر من، این یکی از تواناییهایی است که امروز در بازار کار مورد نیاز است و دانشگاهها میتوانند در جهت ایجاد آن در دانشجویان گام بردارند.
یکی از حوزههایی که با گسترش هوش مصنوعی اهمیت بیشتری پیدا میکند، توسعه خود این فناوری است. دانشگاهها در این زمینه چه نقشی میتوانند ایفا کنند؟
توانایی دیگری که به نظر من از درآمدزاترین حوزهها در آینده خواهد بود، خودِ توسعه هوش مصنوعی است. منظور این است که آموزش در نهایت به جایی برسد که افراد بتوانند، برای مثال، در توسعه یک نسخه ایرانی از هوش مصنوعی مشارکت کنند یا به هر شکلی سهمی در پیشرفت این حوزه داشته باشند و شرکتهایی ایجاد شوند که در زمینه توسعه هوش مصنوعی فعالیت میکنند.
این حوزه نیز به نوعی برنامهریزی از سوی دانشگاهها نیاز دارد تا دانشجویان را به این سمت هدایت کنند. دانشگاه باید بتواند ظرفیتهای موجود را شناسایی کند و آموزش را بهگونهای طراحی کند که بخشی از دانشجویان بتوانند در آینده در زمینه توسعه فناوریهای هوش مصنوعی فعالیت کنند.
هوش مصنوعی چه تغییری در مفهوم و فرایند کارآفرینی ایجاد کرده است و دانشگاهها چگونه میتوانند دانشجویان را برای این فضای جدید آماده کنند؟
یک نکته نهایی که به نظر من اهمیت زیادی دارد، کارآفرینی است. کارآفرینی در دنیای امروز، با وجود هوش مصنوعی، بهشدت در حال تحول است و این تحول دلایل مختلفی دارد.
یکی از دلایل مهم این است که در گذشته اگر فردی ایدهای داشت و میخواست براساس آن یک کسبوکار ایجاد کند، برای رسیدن از ایده به یک محصول یا خدمت اولیه، در اولین مراحل به افراد مختلفی نیاز داشت. متخصصان مختلف باید در بخشهای گوناگون کار به او کمک میکردند تا در نهایت بتواند به یک محصول یا سرویس اولیه برسد، آن را عرضه کند، بازخورد بازار را دریافت کند و سپس براساس این بازخورد، محصول خود را توسعه دهد.
امروز، با وجود هوش مصنوعی، رسیدن به محصول اولیه بسیار سریعتر شده است. به نظر من، فردی که علاقهمند به کارآفرینی باشد، بهویژه در حوزههای نزدیک به فضای دیجیتال، میتواند برای بسیاری از محصولات یا خدمات دیجیتال، در یک بازه یک تا دو ماهه به یک محصول اولیه قابل ارائه برسد.
البته این محصول نهایی نیست و ممکن است ایرادهای زیادی داشته باشد. باید آن را به بازار عرضه کرد، بازخورد گرفت، ایرادها را شناسایی کرد و این چرخه را ادامه داد؛ اما نکته مهم این است که فاصله میان ایده و رسیدن به محصول اولیه بهشدت کاهش یافته است.
در گذشته این فرایند هم هزینه بیشتری داشت و هم زمانبرتر بود و معمولاً به تیمی از متخصصان نیاز داشت. اکنون هوش مصنوعی باعث شده است فرد بسیار سریعتر به نقطهای برسد که بتواند محصول اولیه خود را ارائه کند.
این اتفاق به معنای تحول بزرگی در دنیای کارآفرینی است؛ هرچند لزوماً به این معنا نیست که همهچیز بهتر شده است. زیرا همزمان با اینکه ما به این فناوری دسترسی داریم، دیگران نیز به همان فناوری دسترسی دارند. بنابراین، مزیت استفاده از ابزار هوش مصنوعی بهتنهایی نمیتواند تضمینکننده موفقیت باشد. آنچه تغییر کرده، شکل فرصتهایی است که در این فضای جدید به وجود میآیند.
دانشگاه در این زمینه نیز میتواند نقش مهمی ایفا کند. مسئله این است که چگونه میتوان در این پویایی جدید، سریعتر، بهتر و بیشتر به سود رسید. برای پاسخ به این سؤال، ابتدا به تحلیل نیاز داریم؛ باید بدانیم واقعاً در چه نقطهای قرار داریم و چگونه میتوان از فضای جدید ایجادشده استفاده کرد. سپس باید این دانش و اطلاعات به شکلی مناسب به دانشجویان منتقل شود.
با توجه به گسترش هوش مصنوعی، جایگاه دانشگاه در آینده چگونه تغییر خواهد کرد و کدامیک از مأموریتهای کنونی آن ممکن است کمرنگتر شود؟
تصور من این است که حوزه عملکردی دانشگاهها در آینده محدودتر و تخصصیتر خواهد شد. شاید در گذشته دلایل مختلفی برای حضور افراد در دانشگاه وجود داشت، اما در آینده اگر فردی واقعاً علاقهمند به علم باشد و بخواهد مسائل حلنشده را دنبال کند، دانشگاه همچنان برای او ضروری خواهد بود.
در مقابل، اگر هدف فرد صرفاً ورود به صنعت، اشتغال و کسب درآمد باشد، شاید دیگر به تحصیلات دانشگاهی طولانیمدت نیاز نداشته باشد. حتی ممکن است در بسیاری از حوزهها یک دوره کارشناسی کافی باشد و نیاز به مقاطع کارشناسی ارشد و دکتری کاهش پیدا کند.
در نتیجه، دانشگاهها همچنان برای تربیت پژوهشگران و پیشبرد مرزهای دانش ضروری خواهند بود، اما نقش آنها در تربیت نیروی انسانی برای نیازهای معمول صنعت ممکن است بهتدریج کمرنگتر شود. در نهایت، دانشگاه بخشی از طیف گسترده آموزش باقی خواهد ماند و هدف کلی نظام آموزشی نیز این خواهد بود که افراد بتوانند هرچه سریعتر آموزش مورد نیاز خود را دریافت کنند و وارد بازار کار شوند.
به نظر من، با گسترش هوش مصنوعی، نقش دانشگاهها بیش از گذشته در حوزههایی پررنگ خواهد شد که به پژوهشگران تراز اول و حل مسائل بنیادی نیاز دارند.
با توجه به گسترش هوش مصنوعی، آیا معیارهایی مانند تعداد مقالات علمی نیز در آینده همچنان برای ارزیابی استادان اهمیت خواهند داشت؟
امروز درباره تعداد مقالات در جوامع علمی بحثهای جدی وجود دارد و بسیاری معتقدند تعداد مقاله دیگر به اندازه گذشته اهمیت ندارد.
ضمن اینکه احتمالاً فاصله زیادی نداریم تا هوش مصنوعی بتواند بخش قابلتوجهی از فرایند ارزیابی یک مقاله علمی را انجام دهد. نمیگویم امروز دقیقاً به این نقطه رسیدهایم، اما واقعاً دور نیستیم از زمانی که بتوان یک مقاله را به هوش مصنوعی داد و از آن خواست بررسی کند که آیا نتایج و پاسخهای مقاله اساساً درست هستند یا خیر.
هوش مصنوعی میتواند در مدت کوتاهی تحلیلها را مرحلهبهمرحله بررسی کند و مثلاً بگوید این بخش ایراد دارد، این مرحله از استدلال نمیتواند به نتیجه مورد ادعا برسد یا یک نمودار ارائهشده در مقاله با فرضیات مطرحشده سازگار نیست. حتی میتواند شبیهسازی انجام دهد و نشان دهد که نمودار مورد نظر اساساً به آن شکل به دست نمیآید.
در نتیجه، مواردی که در گذشته ممکن بود به شکل نوعی تخلف یا تقلب علمی انجام شوند، با استفاده از این ابزارها راحتتر قابل شناسایی خواهند بود. این مسئله میتواند اعتبار برخی مقالات و در نتیجه اعتبار استادان، دانشجویان و پژوهشگرانی را که پشت آن مقالات قرار دارند، تحت تأثیر قرار دهد.
ممکن است کسی مستقیماً نیاید و بگوید که مقالات شما را بررسی کردیم و به این نتیجه رسیدیم که نتایج آن درست نیست، اما اگر چنین بررسیهایی انجام شود، بسیاری از مشکلات قابل شناسایی خواهد بود.
آیا هوش مصنوعی در آینده نزدیک میتواند بخش عمده فرایند تولید مقاله علمی را بهصورت مستقل انجام دهد؟
بله. حتی امروز نیز با چیزی مواجه هستیم که اصطلاحاً میتوان آن را «مهندسی حلقه» یا Loop Engineering نامید. میتوان یک چرخه برای هوش مصنوعی تعریف کرد که در مراحل مختلف، خودش خلاقیت و نوآوری به خرج دهد؛ برای مثال، ابتدا یک مسئله یا ایده جدید برای ما طراحی کند، سپس آن مسئله را با روشی که خودش انتخاب میکند حل کند، تئوری و ریاضیات آن را بهصورت مبسوط توضیح دهد، شبیهسازی انجام دهد، نمودارها را تولید کند، مقاله را بنویسد و در نهایت مرور ادبیات یا Literature Review را نیز انجام دهد؛ یعنی بررسی کند که مقالات موجود در آن حوزه چه هستند و پژوهش جدید چه چیزی به دانش موجود اضافه کرده است.
با استفاده از چنین فرایندی، میتوان بخش قابلتوجهی از مراحل تولید یک مقاله را به هوش مصنوعی سپرد. اگر هزینه استفاده از چنین ابزارهایی را نیز در نظر بگیریم، بهعنوان یک برآورد شخصی، ممکن است با پرداخت ماهانه حدود ۱۰۰ تا ۲۰۰ یورو بتوان چند مقاله را با چنین فرایندی تولید کرد.
بنابراین، سطحی از مقالهنویسی که امروز ارزشمند تلقی میشود، احتمالاً بهسرعت ارزش خود را از دست خواهد داد.
نکته مهم این است که اگر نگوییم ۹۵ یا ۹۹ درصد، بخش بسیار بزرگی از مقالاتی که تا همین چند سال اخیر در سراسر جهان نوشته میشدند، از همین جنس بودهاند. این مسئله به معنای بیارزش شدن مقالات گذشته نیست. در آن زمان ما به چنین ابزارهایی دسترسی نداشتیم و این کارها واقعاً باید با استفاده از هوش و دانش انسان انجام میشد. از سوی دیگر، انسان در آن زمان نمیتوانست به این گستره عظیم از دانش بهصورت همزمان دسترسی داشته باشد، در حالی که ابزارهای هوش مصنوعی امروز میتوانند به حجم بسیار گستردهای از دانش دسترسی پیدا کنند.
بنابراین، مقالات و تحقیقات گذشته را نباید به دلیل ظهور این ابزارها بیارزش دانست؛ اما ما به شکل جدیدی از تحقیقات نیاز خواهیم داشت که بتواند ارزشآفرینی بیشتری داشته باشد و در سطحی اثرگذار باشد که در گذشته از تحقیقات علمی انتظار میرفت.
با وجود تواناییهای فزاینده هوش مصنوعی در انجام فرایندهای پژوهشی، آیا میتوان انتظار داشت نقش انسان در چرخه تحقیقات علمی نیز بهتدریج کاهش یابد؟
برای امروز نمیتوان این حرف را زد، اما در فاصله یک تا چند سال آینده میتوان چنین احتمالی را مطرح کرد. برای مثال، همین فرایند Loop Engineering که توضیح دادم، امروز وجود دارد و میتواند تا حدی پاسخگو باشد، اما همچنان بدون ایراد نیست و خطاهای مختلفی دارد.
هنوز نمیتوان بهطور کامل به استقلال هوش مصنوعی در انجام مکاشفات علمی و تبدیل مستقیم آنها به مقاله اعتماد کرد؛ یعنی اینکه هوش مصنوعی بدون هیچ دخالت انسانی، از ابتدا تا انتهای فرایند تحقیق را انجام دهد. امروز هنوز پژوهشگر انسانی در این چرخه حضور دارد و باید دائماً نتایج را بررسی و تحلیل کند.
برای مثال، ممکن است هوش مصنوعی به مقالهای استناد کند که دقیقاً آن کاری را که ادعا میشود انجام نمیدهد، یا در یک شبیهسازی، فرضی را در نظر نگرفته باشد. ممکن است نموداری که تولید کرده با فرضیات مسئله سازگار نباشد یا در بخشی از تحلیلها تناقض وجود داشته باشد. پژوهشگر انسانی همچنان باید این موارد را تشخیص دهد و اصلاح کند.
بنابراین، امروز هنوز در مرحلهای هستیم که در حال نوعی مهندسی این فرایند هستیم. این وضعیت بد نیست و پیشرفت قابلتوجهی محسوب میشود، اما همچنان فاصلهای با استقلال کامل وجود دارد.
با این حال، برآورد من این است که این سطح از دخالت انسان نیز بهزودی کاهش خواهد یافت و احتمالاً طی دو تا سه سال آینده، بخش قابلتوجهی از دخالت انسانی در چرخههای پایهای تحقیقات از بین خواهد رفت.
در نتیجه، ما به تحقیقاتی نیاز خواهیم داشت که مسائل بسیار بزرگتر، بنیادیتر و اثرگذارتری را هدف قرار دهند؛ تحقیقاتی که در آنها واقعاً یک جهش علمی یا مفهومی اتفاق بیفتد. چنین تحقیقاتی تعیینکننده آینده علم خواهند بود.
در مقابل، بخش زیادی از تحقیقات معمول و کماثر ممکن است همچنان وجود داشته باشد، اما دیگر اثرگذاری گذشته را نخواهد داشت و صرفاً در حد فعالیتهایی خواهد بود که برای حفظ جریان پژوهش انجام میشوند.
انتهای پیام/
نظر شما