وتجادل مجلة Nature بأن الذكاء الاصطناعي يمكن أن يزيد الإنتاجية ولكنه يدفع أيضًا نحو التقارب، وبالتالي هناك حاجة إلى أدوات تشجع البحث "خارج الصندوق".
يتغلغل الذكاء الاصطناعي بسرعة في عمليات البحث العلمي، بدءًا من البحث في الأدبيات العلمية وتلخيص المقالات، وصولًا إلى اقتراح الفرضيات وكتابة البرامج وصياغة المقالات. لكن دراسة جديدة نُشرت فيالطبيعة يثير هذا الأمر قلقاً جوهرياً: فالاستخدام الواسع النطاق لأدوات الذكاء الاصطناعي هذه قد يؤدي إلى تقارب الأفكار، وانخفاض تنوع الأبحاث، والإضرار بقدرة العلم على إنتاج رؤى غير متوقعة.
الوعد مقابل المخاطرة: الكفاءة مقابل التنوع
يتمثل الوعد الرئيسي لأدوات الذكاء الاصطناعي في العلوم في تسريع عمليات البحث. إذ يمكن لهذه الأنظمة اقتراح مراجع ذات صلة بسرعة، وتقليص أوقات البحث، وجعل العمليات التقنية المعقدة أكثر سهولة. مع ذلك، تُشير الدراسة إلى مفاضلة محتملة لم تحظَ بالاهتمام الكافي: فإذا اعتمد العديد من الباحثين على النماذج نفسها وأدوات التوصية المتشابهة، فقد يؤدي ذلك إلى التقارب، أي انخفاض تنوع أسئلة البحث، وقلة اتجاهات الاستقصاء، وقلة "المفاجآت" التي عادةً ما تنشأ من النظر إلى المشكلات من منظور غير تقليدي.
بحسب الباحثين، تكمن النقطة الأساسية في التمييز بين الإنتاجية (عدد المنتجات البحثية المُنتجة) والتنوع (مدى اختلاف هذه المنتجات وتنوعها). ببساطة: لا يعني كثرة المقالات بالضرورة تنوعًا أكبر في الأفكار.
التحيز المتأصل: النموذج كحافظ لبنية السلطة الشعبية
تُدرَّب نماذج الذكاء الاصطناعي على مجموعات ضخمة من المعارف الموجودة، ولذا فهي تميل إلى عكس بنية السلطة في الأدبيات العلمية السائدة: المجالات الراسخة، والمواضيع الشائعة، والأساليب المعيارية، واللغة العلمية التقليدية. وعندما تصبح هذه الأداة الوسيط الرئيسي لاكتشاف المعرفة وتلخيص المعلومات، فإنها قد لا تعكس التحيزات القائمة فحسب، بل قد تعززها أيضاً.
قد لا تحظى الأبحاث "الهامشية"، التي يصعب العثور عليها في المراجع العلمية الأساسية أو المجلات الأقل انتشارًا، أو الأفكار التي لم تتبلور بعد، بانتشار كافٍ، وقد تُستبعد من نتائج التوصيات الآلية. لذا، فإن تقليل التنوع ليس مجرد مسألة كفاءة تقنية، بل هو أيضًا مسألة تتعلق ببيئة المعرفة العلمية، أي من يُسمع صوته، وما الأفكار التي تحظى بالاهتمام، وما التوجهات البحثية التي تُخصص لها الموارد.
التصميم المسؤول للاستخدام: تدابير مضادة للتقارب
الاستنتاج العملي للدراسة ليس تجنب استخدام الذكاء الاصطناعي، بل تطوير آليات واعية لمنع التقارب الضار. وتشمل هذه الخيارات ما يلي:
- نماذج تشجع التنوع: تطوير أنظمة تنتج عن قصد توصيات متنوعة، وليس فقط النتائج الأكثر شيوعًا من الناحية الإحصائية.
- إظهار "الحواف" بجوار المركز: الأنظمة التي تقدم للباحثين مصادر ثانوية، وليس فقط المنشورات الرائدة والأكثر استشهاداً.
- روتين عمل متوازن: تحديد بروتوكولات البحث التي تتطلب من الباحثين فحص المصادر التي لا تظهر تلقائيًا في نتائج البحث.
- التمييز بين مراحل البحث: تحديد المراحل التي يكون فيها الذكاء الاصطناعي فعالاً بشكل خاص (مثل تنظيف البيانات ومعالجة النصوص) مقابل المراحل التي ينبغي فيها توخي المزيد من الحذر (مثل صياغة سؤال بحثي أصلي أو اختيار اتجاه جديد للاستقصاء).
من مسألة "الجيد أو السيئ" إلى مسألة التصميم
تتمثل المساهمة الرئيسية للدراسة في تحويل النقاش العام من ثنائية مبسطة بين "الذكاء الاصطناعي الجيد أو السيئ" إلى سؤال أكثر تعقيدًا: ما هو تصميم أدوات الذكاء الاصطناعي الذي سيزيد من الإنتاجية العلمية والتنوع المفاهيمي؟
يتوقف الأثر الحقيقي لأدوات الذكاء الاصطناعي على العلوم على كيفية تطبيقها. فإذا استُخدمت هذه الأدوات كـ"آلة" تحل محل التفكير المستقل، يزداد خطر التقارب بشكل ملحوظ. أما إذا صُممت وشُغّلت كـ"مساعدين" يقدمون خيارات ويشجعون على الخروج عن المألوف، فقد تُسهم في الواقع في زيادة تنوع الأبحاث.
وبالتالي، فإن المقياس المهم ليس فقط ما يعرفه النموذج أو مدى دقته، ولكن كيف يكافئ نظام البحث الذي يتم فيه نشره أو يعاقب التباين المفاهيمي والتنوع المنهجي.
المزيد عن الموضوع على موقع العلوم:
