Од објављивања цхат бота ЦхатГПТ крајем 2022. године, на универзитетима се водила жестока дебата о вештачкој интелигенцији (АИ). Ови разговори су се фокусирали на додипломску наставу — како спречити варање и како користити вештачку интелигенцију за побољшање учења. Али тиши, дубљи поремећај се одвија у истраживању, другој основној делатности универзитета.
Докторско образовање се дуго сматрало врхунцем академске обуке, шегртовањем у оригиналном размишљању, критичкој анализи и независном истраживању. Међутим, тај модел је сада под притиском. АИ није само још једно истраживачко средство; редефинише шта је истраживање, како се ради и шта се сматра оригиналним доприносом.
Како новац, политика и технологија редефинишу докторско искуство
Универзитети су углавном неприпремљени за размере поремећаја, а само неколико њих има свеобухватне стратегије управљања. Многи академици су и даље фокусирани на недостатке раних генеративних алата АИ, као што су халуцинације (поуздано изречене, али лажне информације), недоследности и површни одговори. Али модели вештачке интелигенције који су били неспретни 2023. постају све течнији и тачнији.
Алати за вештачку интелигенцију већ могу да праве прегледе литературе, напишу софистицирани код уз људска упутства, па чак и да генеришу хипотезе када се добију са скуповима података. ‘Агентски’ АИ системи који могу да поставе сопствене подциљеве, координирају задатке и уче из повратних информација представљају још један корак напред. Ако се тренутна путања настави, брзо се приближавамо тренутку када велики део конвенционалног докторског тока рада може бити завршен, или барем бити снажно подржан, помоћу машина.
Питања без одговора
Ова промена поставља изазове за просветне раднике. Шта представља оригинални допринос постаје нејасно када алати за вештачку интелигенцију производе прегледе литературе, прикупљају и анализирају податке и нацртавају поглавља тезе. Ученици ће можда морати да се окрену од извршавања истраживачких задатака до постављања питања и испитивања АИ излаза.
Да бих истражио како би могла изгледати блиска будућност истраживачког тренинга, спровео сам игру улога симулирајући докторанта који ради са хипотетичким АИ асистентом. Користио сам Цлауде, водећи систем вештачке интелигенције који је изградила фирма Антхропиц у Сан Франциску, Калифорнија.
„Наука ми је спасила живот“ — и мора да спасе друге ризичне научнике
Дао сам четботу детаљан упит (погледајте додатне информације) који описује измишљеног помоћника за истраживање вештачке интелигенције по имену ХАЛе — инспирисан ликом АИ ХАЛ 9000 из научно-фантастичног филма 2001: Одисеја у свемиру. Дао сам ХАЛе могућности које су већ у развоју и које ће се вероватно побољшати у наредним годинама. То укључује приступ спољним базама података, интеграцију података о животној средини и биолошких података и самостално обављање напредних анализа. Затим сам играо улогу ученика, постављајући питања и одговарајући на одговоре четбота. Дијалог је генерисан у једној, неуређеној сесији – нудећи измишљен, али уверљив, увид у то како би се будуће докторско истраживање могло одвијати.
Симулирани циљ је био да се заврши докторски пројекат који истражује како екстремне температуре океана утичу на морске врсте – амбициозан задатак који укључује синтезу података, статистичко моделирање и писање рада за објављивање. У овом измишљеном сценарију, ХАЛе није само помогао; преузела је иницијативу. Он је претраживао и издвајао податке из научне литературе, идентификовао недостатке у знању, хармонизовао скупове података о животној средини и биолошким подацима, водио сложене статистичке анализе, тумачио резултате, сачинио рукопис, предложио рецензенте, па чак и креирао репозиторијум података отвореног приступа. Цео процес, који би реално студенту требало неколико месеци, одвијао се у кратком низу вођених размена које би могле да заузму само неколико сати.
Шта можемо да изгубимо када се страни студенти виде као претња
Иако данашњи модели вештачке интелигенције још увек не могу да обављају ове задатке са било чим што би се приближило пуној аутономији, симулација је била заснована на ономе што садашњи системи већ могу да ураде уз људско навођење. На пример, ЦхатГПТ, Цлауде и други најсавременији цхат ботови могу да састављају веродостојне прегледе литературе, предлажу хипотезе, предлажу аналитичке приступе и генеришу код који — када га прегледа и потврди човек — може да обрађује стварне скупове података и да произведе значајне резултате. Они чак могу помоћи у тумачењу статистичких резултата и визуелизацији налаза. Оно што ме је изненадило, док сам спроводио ову вежбу, јесте колико конвенционалног докторског процеса сада може да покреће и убрза АИ. Понекад ми се чинило као да радим са хипер-компетентним и запањујуће брзим истраживачким асистентом. Било је и узбудљиво и узнемирујуће.
Наравно, ова симулација одражава одређену врсту пројекта — аналитичког, богатог подацима и рачунарске природе. Експериментални или докторски програми засновани на терену, посебно они који захтевају прикупљање узорака, лабораторијски рад или интеракцију са другим људима или са светом природе, остаће мање подложни потпуној аутоматизацији. Али чак иу овим областима науке, АИ ће вероватно играти све већу улогу у експерименталном дизајну, аутономном прикупљању података, синтези литературе и анализи након експеримента.
Нове вештине
Ово искуство је довело до тога да ће обука у академским вештинама морати да се суштински преиспита у ери вештачке интелигенције.
