Kritika rigardo al la efiko de la Artefarita Inteligenteco (AI) al scienco de malsamaj perspektivoj kaj aktoroj - de publikaj financantoj ĝis privataj altteknologiaj institucioj - rivelas komunan zorgon pri la manko de travidebleco kaj kunlaboro en kreado de pli hom-centrita aliro kiu estus. plenumi la promeson de scienco kiel tutmonda publika bono.
— La demando ne plu estas if AI ŝanĝas sciencon, sed kiom,” Mathieu Denis malfermis la plankon ĉe ĉi-jara Cifereca kun Celo Tutmonda Pintkunveno kun panela sesio pri la efikoj de AI pri kiel scienco estas farata kaj organizita.
Malpli ol unu jaron ekde la komenca publika liberigo de ChatGPT 4, la intereso pri la temo de AI, same kiel ĝia apliko tra la tuta scienca produktadociklo, eksplodis. Yamine Ait-Ameur, Estro de la Cifereca kaj Matematika Sekcio de la Franca Nacia Esplora Agentejo (ANR), vidas ĉi tiun intereson tra preskaŭ ĉiuj disciplinoj. Kaj dum la Agentejo ne uzas AI-ilojn por taksi esplorproponojn, ili bone konscias, ke ili eble ne povas trudi similajn AI-uzolimigojn al aliaj en sia scienca laboro.
Dum la uzo de AI en scienco levas multajn demandojn kaj iam dubojn, ankaŭ estas multe da ekscito pri ĝiaj promesoj. La potencialo estas tie, se ni metas taŭgajn strukturojn. Ricardo Batista Leite, Ĉefoficisto de AI por sanesploro kunlabora I-DAIR, rakontas lecionojn de la pasinteco kiam interrompaj teknologioj, aplikitaj al rompitaj sistemoj, kreis pli da rompiĝo. AI-teknologioj povas kontribui al publika bonfarto - se ni specife desegnas ilin por fari tion de la komenco.
La nuna ondo de AI-evoluo, tamen, estas pelita preskaŭ ekskluzive de la privata sektoro, kun rimedoj, kiuj multe superas iujn ajn publikajn investojn. Kaj fariĝas neeble paroli pri kundezajno de pli respondeca, inkluziva AI sen transponti la publikan kaj privatan disigon en esplorado kaj evoluo.
Christina Yan Zhang, la Ĉefoficisto de la Metaversa Instituto, estas granda kredanto pri publika-privata kunlaboro en scienco kaj teknologio. Ŝi konsentas, ke homa bonfarto devas esti metita ĉe la kerno de teknologia evoluo. En la nuna scienca sistemo, esploristoj estas devigitaj trakti metrikojn kiel ekzemple ĵurnalaj citaĵoj, anstataŭe de reala efiko.
Ne estas nur tio, Yamine Ait-Ameur aldonas. Estas alia ŝlosila defio al la uzo de AI en scienco. AI-iloj ofte povas produkti rezultojn kaj rezultojn, kiuj estas pli bonaj ol tiuj de homoj. AlphaFold, AI-profund-lernada sistemo trejnita por antaŭdiri proteinstrukturon, ekzemple, jam superas hom-elektajn metodojn. Sed ni ne povas fidinde reprodukti, kontroli kaj klarigi ĝiajn rezultojn. Dum ni ne povas kompreni la procezojn okazantajn en la "nigraj skatoloj" de AI, la uzo de AI en scienco levos grandegajn teknikajn kaj etikajn problemojn.
La spektantaro ĉe la panela kunsido dividis la senton, ke grandaj ŝanĝoj, kiujn ni vidas en scienco nun, estas nur la komenco: "Estas la mezo de la 19-a jarcento ĉe la komenco de Industria Revolucio. Ĉu ni provas adapti la feŭdan sistemon, aŭ ĉu ni analizas la emerĝantan periodon?"
Ricardo Batista Leite konsentas. “Ni rigardos malantaŭen en ĉi tiu momento kaj demandos nin ĉu ni faris la ĝustan aferon. Ni havis ŝancon ŝanĝi la tajdon,” li finis.
