Dugo se smatralo da je znanstveno istraživanje povezano s intelektualnom sigurnošću. Ta se pretpostavka sada dovodi u pitanje, jer kako sustavi umjetne inteligencije napreduju, mnogi znanstvenici priznaju da dijelovi znanstvene radne snage već osjećaju pritisak.
Kako bi procijenili razmjere poremećaja, stručni časopis Nature je intervjuirao više od četrdeset istraživača u akademskoj i industrijskoj zajednici, koji koriste umjetnu inteligenciju u svom radu. Jedna stvar ubrzo je postala jasna, a to je da se rutinsko kodiranje i osnovna analiza podataka, što su poslovi koje često obavljaju doktorandi, postdoktorandi ili zaposlenici bez doktorata, sve više automatiziraju.
Osnovni poslovi znanstvenih istraživnaja prvi na udaru?
Nije čak ni u budućnosti. To se događa sada, kaže Xuanhe Zhao, strojarski inženjer na Institutu za tehnologiju Massachusetts (MIT), jer umjetna inteligencija to radi puno bolje od znanstvenika početnika.
Anton Korinek, ekonomist ns američkog Sveučilišta Virginia, ističe da će uloge koje uključuju isključivo kognitivne zadatke prve nestati.
Tradicionalno su to poslovi koji su najviše povezani sa znanstvenim istraživanjem. Uskoro će ih preuzeti umjetna inteligencija, kaže on.
Brian Hie, računalni biolog a američkog Sveučilišta Stanford, navodi da su uloge istraživačkih programera sada zastarjele.
Mislila bih da bi prije pet godina bilo izvrsno zaposliti istraživačkog programera. ... Ali sada zaista ne vidim potrebu za tim, ističe pak Hannah Wayment-Steele s američkog Sveučilišta Wisconsin–Madison.
Nanshu Lu s američkog Sveučilišta Texas kaže da su na tom sveučilištu sada „puno oprezniji pri zapošljavanju budućih doktoranada i postdoktoranada, djelomično zbog neizvjesnosti financiranja te definitivno i zbog umjetne inteligencije.
Rizik dugoročnog pada
Claus Wilke, također sa Sveučilišta Texas ipak upozorava na nedostatke takve prakse.
Možda ćete privremeno dobiti više istraživanja po dolaru, ali trošak bi bio kolaps vašeg razvoja znanstvenih kadrova i dugoročni pad, smatra on.
Unatoč napretku automatizacije, umjetna inteligencija doista nije sposobna smisliti nove ideje, kaže Jonathan Oppenheim sa Sveučilišnog koledža u Londonu.
Karu Sankaralingam, računalni znanstvenik sa Sveučilišta Wisconsin–Madison, naglašava važnost ljudske uloge u generiranju istraživačkih ideja. Izuzetno puno vremena provodim razmišljajući o upitu (za AI), ističući da je ljudski nadzor ključan kako bi se spriječile netočne ili izmišljene informacije koje AI može proizvesti.
Prilagodba kao ključ
Umjetna inteligencija znanstvenike ne čini nevažnima, smatra Jerry Qian, ekonomist sa Sveučilišta Virginia, potvrđujući da ljudski uvid i dalje ostaje neophodan u istraživačkom procesu.
Terence Tao, matematičar s američkog Sveučilišta California u Los Angelesu, smatra da je ključ u prilagodbi.
Ako se prilagodimo, a mislim da moramo, tada ćemo preživjeti. U nekim slučajevima, moći će se i napredovati, ističe Tao, sugerirajući time da prilagodba blagodatima AI tehnologije može donijeti i prednost onima koji to znaju iskoristiti.
