Πώς έχει επηρεάσει την επιστήμη η «άνθηση» της τεχνητής νοημοσύνης - Ποσότητα έναντι ποιότητας;
Οι ειδικοί προειδοποιούν ότι απαιτούνται πιο ουσιαστικές και εις βάθος αξιολογήσεις καθώς η ΑΙ μοιάζει να χάνει την αξία της.
Η γενετική τεχνητή νοημοσύνη έχει αλλάξει ριζικά τον τρόπο με τον οποίο γράφουμε – και η επιστημονική κοινότητα δεν αποτελεί εξαίρεση. Τα τελευταία τρία χρόνια, εργαλεία όπως το ChatGPT έχουν διεισδύσει μαζικά στην ακαδημαϊκή γραφή, αυξάνοντας εντυπωσιακά την παραγωγικότητα, αλλά θέτοντας σοβαρά ερωτήματα για την ποιότητα.
Σύμφωνα με νέα μελέτη ερευνητών από το UC Berkeley και το Πανεπιστήμιο Cornell, που δημοσιεύτηκε στο Science, η χρήση της Τεχνητής Νοημοσύνης οδηγεί σε σαφή αύξηση των επιστημονικών κειμένων, όχι όμως απαραίτητα και της επιστημονικής τους αξίας.
Τα στοιχεία της έρευνας
Οι ερευνητές ανέλυσαν περισσότερες από ένα εκατομμύριο περιλήψεις προδημοσιευμένων άρθρων από το 2018 έως το 2024. Διαπίστωσαν ότι μετά την υιοθέτηση εργαλείων ΤΝ, η παραγωγικότητα των συγγραφέων αυξήθηκε από 36% έως σχεδόν 60%, με ακόμη μεγαλύτερα ποσοστά στους μη φυσικούς ομιλητές της αγγλικής γλώσσας.
Ιδιαίτερα εντυπωσιακή ήταν η αύξηση μεταξύ Ασιατών συγγραφέων, γεγονός που δείχνει ότι η ΤΝ λειτουργεί συχνά ως «γλωσσικός εξισωτής». Ωστόσο, το πρόβλημα αρχίζει όταν η εντυπωσιακή γλώσσα δεν συνοδεύεται από αντίστοιχο επιστημονικό βάθος.
Η μελέτη δείχνει ότι τα άρθρα με υποστήριξη ΤΝ χρησιμοποιούν πιο σύνθετη γλώσσα, αλλά όσο πιο «βαριά» γίνεται αυτή η γλώσσα, τόσο μειώνονται οι πιθανότητες δημοσίευσης. Με απλά λόγια, η Τεχνητή Νοημοσύνη φαίνεται να χρησιμοποιείται συχνά για να καμουφλάρει αδύναμες επιστημονικές συνεισφορές.
Την ίδια στιγμή, η ΤΝ φαίνεται να αυξάνει την ποικιλία των πηγών, ειδικά μέσω εργαλείων αναζήτησης με ενσωματωμένη τεχνητή νοημοσύνη, διαψεύδοντας φόβους για «ανακύκλωση» παλιών αναφορών.
Το στοίχημα της επόμενης μέρας
Καθώς η Τεχνητή Νοημοσύνη ενσωματώνεται πλέον σε κάθε στάδιο της επιστημονικής γραφής, η αξιολόγηση με βάση τη γλωσσική πολυπλοκότητα χάνει την αξία της. Οι ειδικοί προειδοποιούν ότι απαιτούνται πιο ουσιαστικές και εις βάθος αξιολογήσεις, με έμφαση στη μεθοδολογία και την πραγματική συνεισφορά.
Ίσως, τελικά, η μόνη λύση να είναι η χρήση… περισσότερης Τεχνητής Νοημοσύνης για την αξιολόγηση της Τεχνητής Νοημοσύνης. Σε έναν κόσμο υπερπαραγωγής επιστημονικών άρθρων, το «φίλτρο» ίσως να είναι πιο αναγκαίο από ποτέ.
