Starptautiskā zinātnes padome un tās biedre — Ķīnas Zinātnes un tehnoloģiju asociācija (CAST), sadarbībā ar dabair uzsākuši jaunu sešu daļu podkāstu sēriju, kurā tiek pētīta pētnieku karjeras mainīgā ainava. Visā sērijā pētnieki karjeras sākumā un vidū sarunāsies ar pieredzējušiem zinātniekiem, daloties pieredzē par izaugsmi, sadarbību un noturību straujo pārmaiņu apstākļos.
Šajā trešajā epizodē Mersē Krosass, Skaitļošanas sociālo zinātņu un humanitāro zinātņu direktors Barselonas superdatoru centrsun Mohammads Hoseini, ētikas docents Ziemeļrietumu universitāte, apspriediet, kā mākslīgais intelekts un digitalizācija pārveido zinātnieku karjeras un pētniecības procesu.
Sarunā tiek uzsvērtas gan iespējas, gan izaicinājumi, ko mākslīgais intelekts rada pētniekiem karjeras sākumā un vidū. Lai gan jaunās tehnoloģijas ļauj sasniegt izrāvienus un paver pilnīgi jaunus pētījumu virzienus, tās rada arī bažas par piekļuves vienlīdzību, pārmērīgu paļaušanos uz automatizētiem rīkiem un kritiskās domāšanas vājināšanos.
Izija Klārka: 00:01
Sveiki un laipni lūgti! Esmu zinātnes žurnāliste Izzija Klārka, un šajā podkāstā, kas tiek veidots sadarbībā ar Starptautisko zinātnes padomi un ar Ķīnas Zinātnes un tehnoloģiju asociācijas atbalstu, mēs apspriedīsim digitālā palīglīdzekļa un mākslīgā intelekta, kas pazīstams kā MI, spēku, tā nozīmi zinātnes karjerā, kā arī tā iespējamos draudus zinātniskajai darbībai.
Šodien pie manis pievienojas Mersē Krosass, Barselonas Superdatoru centra skaitļošanas sociālo un humanitāro zinātņu direktors un Starptautiskās zinātnes padomes, kas pazīstama kā CODATA, Datu komitejas prezidents.
Mersē Krosass: 00:42
Sveiki.
Izija Klārka: 00:43
Un Mohammads Hoseini, ētikas docents Čikāgas Ziemeļrietumu universitātē un Globālās jauniešu akadēmijas loceklis.
Mohammads Hoseini: 00:51
Sveiks, kā tev iet?
Izija Klārka: 00:52
Lieliski, paldies. Sākumā man jāuzdod jautājums jums abiem, kāpēc tieši tagad ir izšķirošs brīdis, lai pārdomātu, kā digitalizācija un mākslīgais intelekts ietekmē zinātnieku karjeras?
Mohammads Hoseini: 01:05
Es domāju, ka mēs arvien vairāk redzam, ka pētnieki pieņem uz datiem balstītus lēmumus, kas dažkārt ietekmē arī valsts vai vietējo lēmumu pieņemšanu, kas ir labi, bet zinātniskās karjeras ziņā tas nozīmē, ka mums ir jāapmāca pētnieki jaunās prasmēs.
Un tā vienmēr ir bijis. Taču lūzuma punkta dēļ lietas virzās tik ātri, ka mēs knapi varam panākt. Mašīnas kļūst tik spējīgas, ka tās var aizstāt vai aizstāt cilvēku darbaspēku zinātnē. Tagad mēs esam nonākuši sava veida kritiskā brīdī, lai apspriestu digitalizāciju un izpētītu, kas gūst labumu no šīm tehnoloģijām, kas varētu palikt novārtā un kā mēs varam nodrošināt pārredzamību un vienlīdzību to izmantošanā.
Izija Klārka 01:54
Mersē, kādas ir tavas domas?
Mersē Krosass: 01:56
Pirmkārt, mākslīgais intelekts (MI) zinātnē tiek izmantots jau diezgan ilgu laiku, un pārmaiņas notiek pakāpeniski. Tiesa, tagad MI eksponenciāli tiek izmantots kā metodes daudzās zinātniskās produkcijas jomās.
Tātad, sākot ar literatūras apskata izpēti un mēģinot noskaidrot pētījuma jautājumu, datu apstrādi un datu vākšanu, un tad pašu analīzi, bet arī zinātnisko rezultātu publicēšanu. Es domāju, es domāju, ka tam lūzuma punktam, par kuru runāja Muhameds, ir daudz plašāka ietekme nekā jebkad agrāk.
Izija Klārka: 02:34
Šeit ir daudz kas jāapsver. Jūs pieminējāt publikācijas, un mēs pie tā pievērsīsimies pēc brīža. Bet, runājot par iespējām, kādas, jūsuprāt, rodas pētniekiem karjeras sākumā un vidū, un kā tas maina mākslīgā intelekta vadīto zinātnes ainavu?
Mohammads Hoseini: 02:55
Es domāju, ka iespējas galvenokārt rodas, veicot jaunus atklājumus un darot lietas, kas pirms pieciem gadiem būtu bijušas pat sapņainas. Jebkurā jomā, kas varētu gūt labumu no modelēšanas, mēs tagad virzāmies daudz ātrāk. Tā ir iespēja, īpaši pētniekiem karjeras sākumā un vidū, kuri varētu būt prasmīgāki mākslīgā intelekta izmantošanā, taču tas ir saistīts ar noteiktiem kompromisiem. Iespēju atrašana šajā jaunajā dinamikā prasa jauna veida zinātkāri, kurai mēs neesam apmācīti. Bet es domāju, ka mums vajadzētu censties atrast uzdevumus pētniecības kontekstos, kurus nevar automatizēt, un censties gūt panākumus šādos uzdevumos.
Piemēram, mana pētniecības joma ir ētikas pētniece. Labi argumentēta raksta rakstīšana jau ir automatizēta. Taču mentorēšana, klātienes nodarbību vadīšana, kas ir arī interaktīvas un saistošas, vai interviju veikšana, lai apkopotu datus un iegūtu jaunas atziņas no cilvēku dzīves pieredzes, ir uzdevumi, kurus nevar viegli automatizēt. Un es domāju, ka mums ir jāatrod šāda uzdevumu grupa savā pētniecības kontekstā un jācenšas tajā gūt panākumus.
Izija Klārka: 04:06
Un Mersē?
Mersē Krosass: 04:07
Es neredzu lielu risku, ka zinātnieki vai karjeras sākuma vai vidusposma zinātnieki tiktu aizstāti. Es redzu iespējas jauniem pētniecības jautājumiem, par kuriem daudzi iepriekšējo paaudžu zinātnieki pat nevarēja iedomāties, vai ne? Tātad, nē, runa nav tik daudz par to, ka tagad mēs varam pielietot šos rīkus, bet gan par to, ka mēs varam domāt par dažām jomām pavisam citādi. Biomedicīnā, klimata pārmaiņu jomā, fizikā un bioloģijā ģenētikai tas var mainīties, izmantojot mākslīgo intelektu un jauna veida datus.
Izija Klārka: 04:39
Es domāju, ka mēs redzam, ka ir daudz dažādu veidu, kā mēs varam vērsties pie mākslīgā intelekta un risināt dažādus uzdevumus, un mēs esam runājuši par pārkvalifikāciju. Tātad, kas, jūsuprāt, jāņem vērā zinātnes jomu pētniekiem karjeras sākumā un vidusposmā, un kur viņi var saņemt atbalstu?
Mersē Krosass: 04:57
Ir svarīgāk nekā jebkad agrāk būt ļoti stingram zinātnē un saprast, ka galu galā neatkarīgi no tā, vai mēs izmantojam mākslīgo intelektu vai citus rīkus, zinātne ir tas, ko mēs darām, un zinātne ir secinājumi, un zinātnei ir jābūt publiskai. Metodes, dati un veids, kā mēs to darām, ir jāpārbauda citiem.
Tas atkal nozīmē, ka mēs ne tikai izmantojam mākslīgā intelekta rīkus atbilžu sniegšanai, bet mums ir jākļūst speciālistiem arī atbilžu validācijā. Un šim nolūkam mums ir jābūt labāk sagatavotiem attiecībā uz pētījumu jomu teoriju un rezultātu precizitāti.
Izija Klārka: 05:33
Jā, Mohamed, es arī labprāt uzklausītu tavas domas par šo jautājumu, jo zinu, ka tu tam pievērš lielu uzmanību.
Mohammads Hoseini: 05:38
Jā, pilnīgi noteikti. Un es arī vēlos atgriezties pie tā, ko Mersē šeit teica. Jā, ir svarīgi domāt par teoriju, un tajā pašā laikā daudzi cilvēki tagad apgalvo, ka datu virzītas zinātnes uzplaukuma dēļ mēs redzam sociālās teorijas beigas. Teorija patiesībā nav tik svarīga, jo cilvēki var vienkārši vākt datus un veikt datu ieguvi, lai redzētu, kas ir būtisks, pat neizvirzot hipotēzi pirms datu vākšanas.
Un es domāju, ka tā ir ievērojama attīstība, kas prasa rūpīgu apsvēršanu un uzmanību. Es domāju, ka viena no problēmām, ko es arī vēlos uzsvērt, ir fakts, ka mums ir piekļuve dažādiem resursiem atkarībā no atrašanās vietas. Mums ir arī atšķirības attiecībā uz to, ko iestādes piedāvā. Man ir privilēģija strādāt turīgā privātā universitātē ASV, kas piedāvā bezmaksas piekļuvi dažādiem mākslīgā intelekta modeļiem, taču tas neattiecas uz miljoniem citu pētnieku.
Un šī atšķirība daudzus citus cilvēkus nostāda neizdevīgā situācijā. Daudzām universitātēm pat nav vispārējas politikas attiecībā uz mākslīgā intelekta modeļu izmantošanu. Ja es studētu šādā universitātē, es tiešām mēģinātu runāt ar universitātes administrāciju vai bibliotēku, lai lūgtu viņiem sniegt norādījumus un apmācību.
Mersē Krosass: 06:54
Lai turpinātu darbu pie briesmām, kas saistītas ar pārāk lielu datu vadītas pieejas izmantošanu. Es nepiekrītu, ka mums jāiet pa šo ceļu, vai ne? Rezultāts ir teorētiskā modeļa un šīs datu vadītās pieejas krustpunkts. Taču, runājot par ģeneratīvā mākslīgā intelekta vai jauna veida mākslīgā intelekta rīku izmantošanu, manuprāt, Eiropai ir diezgan atšķirīga pieeja nekā citām vietām.
Un pašlaik tiek izstrādāta jauna mākslīgā intelekta stratēģija zinātnē un zinātne mākslīgajam intelektam. Mums jābūt uzmanīgiem attiecībā uz to, kāda veida mākslīgā intelekta rīkus mēs izmantojam, vai tiem ir skaidri definēti izmantotie dati, vai tie ir atvērtā pirmkoda, vai tie koncentrējas uz uzticamu mākslīgo intelektu, un es domāju, ka tas ir ļoti svarīgi.
Izija Klārka: 07:36
Es arī gribēju par kaut ko piebilst. Mēs runājam par to, kā mēs izmantojam mākslīgo intelektu darbā un publicēšanā. Tātad, Mohamed, kas, tavuprāt, ir lietas, kas agrīnās un vidējās karjeras pētniekiem būtu jāņem vērā, runājot par publicēšanu un mākslīgā intelekta izmantošanu?
Mohammads Hoseini: 07:54
Jā, es domāju, ka viena no lietām, kas mums patiešām jāapzinās, ir tas, kādu uzdevumu mēs uzticam mākslīgajam intelektam? Kādu uzdevumu mēs lūdzam mākslīgajam intelektam paveikt? Kad sākās šis mākslīgā intelekta uzplaukums, mākslīgais intelekts galvenokārt tika izmantots pētniecības procesa beigās, piemēram, teksta rediģēšanas un lasāmības uzlabošanas posmā utt.
Bet tagad mēs šos svarīgos uzdevumus uzticam mākslīgajam intelektam (MI), un nākamreiz, kad vēlēsieties domāt par savu nākamo pētījuma jautājumu, tā vietā, lai dziļāk pārdomātu lasītās mācību grāmatas vai jaunos rakstus, jūs domājat: "Ak, ļaujiet man pajautāt, ko MI par to saka." Tas kļūst ļoti atkarību izraisošs, un es ieteiktu pētniekiem apzināties uzdevumus, ko viņi deleģē, un pajautāt sev: vai tas ir tā vērts?
Mans ieteikums ir nepublicēt kaut ko tikai publicēšanas pēc, ja vien jums nav kaut kas patiešām svarīgs sakāms. Padomājiet par to, ko jūs citējat. Ja izmantojat mākslīgo intelektu literatūras atrašanai, pārliecinieties, ka izlasāt saturu, ko citējat, jo bieži vien šīs atsauces nav būtiskas.
Izija Klārka: 09:03
Un es domāju, ka tas ir labs arguments. Jā, ir veidi, kā mēs varam izmantot mākslīgo intelektu, kas dažos gadījumos varētu būt noderīgi, taču saglabājiet dažas no šīm prasmēm aktīvas un pārliecinieties, ka arī citos veidos veicat pienācīgu rūpību.
Un es domāju, ka tas droši vien mūs noved pie diskusijas par ticamību. Tātad, kas jūsu jomā un plašākai sabiedrībai ir nepieciešams, lai saglabātu ticamību šajā digitālajā laikmetā? Mercè?
Mersē Krosass: 09:30
Nu, manuprāt, tas ir ļoti vienkārši. Es domāju, ka ticamība bija tad, kad varēji to nodot, kad pilnībā saproti to un to, pie kā strādā, un to nav radījis kaut kas cits, ko nesaproti. Atgriežoties pie zinātnes un atvērtās zinātnes vērtībām, ka tā ir pēc iespējas caurspīdīgāka, ka jebkurš cits var pārbaudīt paveikto, balstoties uz to, kā esi pielietojis mākslīgā intelekta modeli, metodi, izmantotos datus, darbplūsmas, taisnīgus principus attiecībā uz atrodamiem, pieejamiem, sadarbspējīgiem un atkārtoti izmantojamiem datiem. Bet arī programmatūru, lai tas, ko izmanto, būtu koplietojams, atrodams citiem un to varētu pārbaudīt.
Izija Klārka: 10:06
Taču ir daudz aizraujošu veidu, kā tas var būt arī instruments zinātnes un digitalizācijas pārveidošanai. Tātad, Mersē, kā, jūsuprāt, zinātnes komunikācijas loma pieaugs, attīstoties arī tehnoloģijām?
Mersē Krosass: 10:20
Tātad, zinātnes komunikācijas jomā mums vēl ir daudz jāstrādā sabiedrības labā. Un jau pastāv cerības, ka mākslīgajam intelektam ir iespējas vai izredzes spēlēt lomu arī daudzu zinātnes sasniegumu apkopošanā un to pieejamības uzlabošanā plašākai auditorijai. Tāpēc es domāju, ka tas varētu būt interesanti.
Izija Klārka: 10:41
Un visbeidzot, kas jums abiem dod cerību par zinātnes nākotni šajā digitālajā pasaulē? Muhameds?
Mohammads Hoseini: 10:47
Es domāju, ka cerību man dod jauna pētnieku paaudze, kas pauž savu viedokli. Mēs novērojam jaunu paaudzi, kas uzdrošinās paust savu viedokli un ir gatava par to maksāt. Esmu ASV un redzu visu veidu lielus uzņēmumus un to, kā tie var ietekmēt pētniecības vidi, universitātes un visu pārējo. Tāpēc man ir ļoti svarīgi to redzēt.
Izija Klārka: 11:12
Un Mersē?
Mersē Krosass: 11:15
Tāpēc es domāju, ka mums ir vairāk rīku, lai izprastu, kā mēs strādājam, kā mēs sadarbojamies, kādus jaunus jautājumus mēs varam uzdot zinātnē. Un es domāju, ka tas dod cerību uz labāku zinātni, ja mēs nezaudēsim to, kas ir zinātne, un mēs nezaudēsim šīs atvērtās zinātnes vērtības, kā arī izmantosim šī jaunā veida mākslīgā intelekta metodes.
Izija Klārka: 11:34
Liels paldies jums abiem, ka pievienojāties man.
Ja esat pētnieks karjeras sākumā vai vidū un vēlaties piedalīties sarunā par mākslīgā intelekta nākotni, pievienojieties Starptautiskās zinātnes padomes forumam jaunajiem zinātniekiem.
Apmeklējiet: padome.zinātne/forums , lai uzzinātu vairāk.
Esmu Izija Klārka, un nākamreiz mēs apspriedīsim, kā pētnieki karjeras sākumā un vidū var palīdzēt aizsargāt mūsu okeānu, un transdisciplināras pieejas spēku to darīt. Līdz tam laikam.
Lasīt vairāk par Zinātni bez robežām: starptautiska sadarbība nākamajai pētnieku paaudzei 
Lasīt vairāk par Izaugsmes un noturības pārvērtēšanu pētniecības ekosistēmā 
Lasīt vairāk par transdisciplināro zinātni: karjeras sākums un vidusposms veido zinātnes nākotni 