Η τεχνητή νοημοσύνη (ΤΝ ) έχει βρεθεί στο επίκεντρο της βασικής επιστήμης. Οι πέντε νικητές των βραβείων Νόμπελ Χημείας και Φυσικής του 2024 είχαν ένα κοινό στοιχείο: Την Τεχνητή Νοημοσύνη. Πράγματι, πολλοί επιστήμονες – συμπεριλαμβανομένων των επιτροπών Νόμπελ – χαιρετίζουν την Τεχνητή Νοημοσύνη ως ένα παράγοντα που θα αλλάξει την επιστήμη. Όπως το έθεσε ένας από τους βραβευθέντες, η δυνατότητα της ΤΝ να επιταχύνει τις επιστημονικές ανακαλύψεις «την καθιστά μία από τις πιο μεταρρυθμιστικές τεχνολογίες στην ιστορία της ανθρωπότητας». Αλλά τι θα σημαίνει πραγματικά αυτή η μεταρρύθμιση για την επιστήμη;
Η τεχνητή νοημοσύνη υπόσχεται να βοηθήσει τους επιστήμονες να κάνουν περισσότερα, γρηγορότερα, με λιγότερα χρήματα. Φέρνει όμως και μια σειρά από νέες ανησυχίες. Αν οι επιστήμονες βιαστούν να προχωρήσουν με την υιοθέτηση της ΤΝ, κινδυνεύουν να μετατρέψουν την επιστήμη σε κάτι που ξεφεύγει από την κατανόηση και την εμπιστοσύνη του κόσμου και αποτυγχάνει να ανταποκριθεί στις ανάγκες της κοινωνίας.
Οι ψευδαισθήσεις της κατανόησης
Οι ειδικοί έχουν ήδη εντοπίσει τουλάχιστον τρεις ψευδαισθήσεις που μπορούν να παγιδεύσουν τους ερευνητές που χρησιμοποιούν την ΤΝ. Η πρώτη είναι η «ψευδαίσθηση του επεξηγηματικού βάθους». Ακριβώς επειδή ένα μοντέλο ΤΝ υπερέχει στην πρόβλεψη ενός φαινομένου, όπως το AlphaFold, το οποίο κέρδισε το βραβείο Νόμπελ Χημείας για τις προβλέψεις του για τις δομές των πρωτεϊνών, αυτό δεν σημαίνει ότι μπορεί να το εξηγήσει και με ακρίβεια. Η έρευνα στις νευροεπιστήμες έχει ήδη δείξει ότι τα μοντέλα ΤΝ που έχουν σχεδιαστεί για βελτιστοποιημένη πρόβλεψη μπορούν να οδηγήσουν σε παραπλανητικά συμπεράσματα σχετικά με τους υποκείμενους νευροβιολογικούς μηχανισμούς.
Δεύτερον, είναι η «ψευδαίσθηση του διερευνητικού εύρους». Οι επιστήμονες μπορεί να νομίζουν ότι διερευνούν όλες τις αξιολογήσιμες υποθέσεις στην έρευνα τους, ενώ στην πραγματικότητα εξετάζουν μόνο ένα περιορισμένο σύνολο υποθέσεων που μπορούν να ελεγχθούν με τη χρήση ΤΝ.
Τέλος, η «ψευδαίσθηση της αντικειμενικότητας». Οι επιστήμονες μπορεί να πιστεύουν ότι τα μοντέλα τεχνητής νοημοσύνης είναι απαλλαγμένα από προκαταλήψεις ή ότι μπορούν να υπολογίσουν όλες τις πιθανές ανθρώπινες προκαταλήψεις. Στην πραγματικότητα, ωστόσο, όλα τα μοντέλα ΤΝ αντανακλούν αναπόφευκτα τις προκαταλήψεις που υπάρχουν στα δεδομένα που παίρνουν και τις προθέσεις των προγραμματιστών τους.
Φθηνότερη και ταχύτερη επιστήμη
Ένας από τους κύριους λόγους για την αυξανόμενη απήχηση της τεχνητής νοημοσύνης στην επιστήμη είναι η δυνατότητά της να παράγει περισσότερα αποτελέσματα, ταχύτερα και με πολύ χαμηλότερο κόστος. Ένα ακραίο παράδειγμα αυτής της ώθησης είναι η μηχανή «AI Scientist» που αναπτύχθηκε πρόσφατα από την Sakana AI Labs. Το όραμα της εταιρείας είναι να αναπτύξει ένα «πλήρως τεχνητής νοημοσύνης σύστημα για αυτοματοποιημένη επιστημονική ανακάλυψη», όπου κάθε ιδέα μπορεί να μετατραπεί σε μια πλήρη ερευνητική εργασία με μόλις 15 δολάρια, αν και οι επικριτές είπαν ότι το σύστημα παράγει «ατελείωτη επιστημονική λάσπη».
Θέλουμε πραγματικά ένα μέλλον όπου οι ερευνητικές μελέτες θα μπορούν να παράγονται με μερικά μόνο κλικ, απλώς και μόνο για να «επιταχυνθεί» η παραγωγή της επιστήμης; Αυτό ενέχει τον κίνδυνο να κατακλύσει το επιστημονικό οικοσύστημα με έγγραφα χωρίς νόημα και αξία, επιβαρύνοντας περαιτέρω ένα ήδη επιβαρυμένο σύστημα αξιολόγησης από ομοτίμους. Μπορεί να βρεθούμε σε έναν κόσμο όπου η επιστήμη, όπως την ξέραμε κάποτε, θαφτεί κάτω από τον θόρυβο του περιεχομένου που παράγεται από τεχνητή νοημοσύνη.
Έλλειψη πλαισίου
Η άνοδος της τεχνητής νοημοσύνης στην επιστήμη έρχεται σε μια εποχή που η εμπιστοσύνη του κόσμου στην επιστήμη και τους επιστήμονες είναι ακόμη ισχυρή, αλλά δεν μπορούμε να την θεωρούμε δεδομένη. Η εμπιστοσύνη είναι πολύπλοκη και εύθραυστη. Όπως μάθαμε κατά τη διάρκεια της πανδημίας COVID , οι εκκλήσεις για «εμπιστοσύνη στην επιστήμη» μπορεί να αποτύχουν, επειδή τα επιστημονικά στοιχεία και τα υπολογιστικά μοντέλα είναι συχνά αμφισβητούμενα, ελλιπή ή επιδέχονται διάφορες ερμηνείες. Ωστόσο, ο κόσμος αντιμετωπίζει πολλά προβλήματα, όπως η κλιματική αλλαγή, η απώλεια της βιοποικιλότητας και η κοινωνική ανισότητα, που απαιτούν δημόσιες πολιτικές σχεδιασμένες με την τεχνογνωσία ειδικών. Αυτή η απόφαση πρέπει επίσης να είναι ευαίσθητη σε συγκεκριμένες καταστάσεις, συγκεντρώνοντας στοιχεία από διάφορους κλάδους και εμπειρίες που πρέπει να ερμηνεύονται μέσα από το πρίσμα της τοπικής κουλτούρας και των αξιών.
Όπως υποστηρίζει έκθεση του Διεθνούς Επιστημονικού Συμβουλίου που δημοσιεύθηκε το 2024 η επιστήμη πρέπει να αναγνωρίζει τις αποχρώσεις και το πλαίσιο για να αποκαταστήσει την εμπιστοσύνη του κόσμου. Το να αφήσουμε την Τεχνητή Νοημοσύνη να διαμορφώσει το μέλλον της επιστήμης μπορεί να υπονομεύσει τη δύσκολα κερδισμένη πρόοδο σε αυτόν τον τομέα. Αν επιτρέψουμε στην ΤΝ να αναλάβει την ηγεσία της επιστημονικής έρευνας, κινδυνεύουμε να δημιουργήσουμε μια μονοκαλλιέργεια της γνώσης που θα δίνει προτεραιότητα στα είδη των ερωτημάτων, των μεθόδων, των προοπτικών και των εμπειρογνωμόνων που ταιριάζουν καλύτερα στην ΤΝ.
Αυτό μπορεί να μας απομακρύνει από τη διεπιστημονική προσέγγιση που είναι απαραίτητη για την υπεύθυνη ΤΝ, καθώς και από τη διαφοροποιημένη δημόσια επιχειρηματολογία και το διάλογο που απαιτούνται για την αντιμετώπιση των κοινωνικών και περιβαλλοντικών προκλήσεών μας.
