ავტორები:
ბარენდი მონს, ლეიდენის უნივერსიტეტის დამსახურებული პროფესორი, GO FAIR ფონდის საბჭოს წევრი და LIFES-ის დირექტორი, ლეიდენის ინიციატივა სამართლიანი და სამართლიანი მეცნიერებისთვის
არიე ბააკი, სამართლიანი და სამართლიანი მეცნიერების LIFES ასოციაციის საბჭოს წევრი
კოენ იონკერსი, ევროკომისია, ერთობლივი კვლევითი ცენტრი (JRC), ბრიუსელი, ბელგია
ხელოვნური ინტელექტი ცვლის მეცნიერების წარმოების, კომუნიკაციისა და დადასტურების წესს. ის ნამდვილად იმედისმომცემია, რაც შესაძლებელს ხდის ნიმუშების ამოცნობას ისეთ მასშტაბებში, როგორსაც ვერცერთი ადამიანი მკვლევარი ვერ შეედრება, აჩქარებს სამუშაო პროცესებს და აღმოჩენების ახალ გზებს ხსნის. თუმცა, ხელოვნური ინტელექტი ასევე სწრაფია, შეცდომებისგან თავისუფალი და განურჩეველი, მაშინ როცა მეცნიერება დროის ხარჯვადი და ზედმიწევნითი ხასიათისაა. ამ ორ რეალობას შორის დაძაბულობა უკვე სერიოზულ დისფუნქციას იწვევს: ხელოვნური ინტელექტის მიერ გენერირებული პუბლიკაციებისა და მონაცემების ნაკადს, დეგრადირებულ რეცენზიებს, ჰალუცინაციურ დასკვნებს და სამეცნიერო ჩანაწერებისადმი ნდობის შემცირებას. მომავალი მეცნიერებისთვის საჭირო უნარ-ჩვევები ფუნდამენტურად იცვლება და სამეცნიერო პოლიტიკა ტემპს ვერ უსწრებს. ამ ხარვეზის აღმოფხვრა სასწრაფოდ აუცილებელია.
მეცნიერება მონაცემთა მწირიდან მონაცემებით მდიდარ გარემოში საოცარი სისწრაფით გადავიდა. თუ ოდესღაც მკვლევარები მოკრძალებულ მონაცემთა ნაკრებებს ქმნიდნენ და დასკვნებს ძირითადად ადამიანისთვის წასაკითხი სტატიების საშუალებით ავრცელებდნენ, ახლა ისინი ექსპონენციური მონაცემების გენერირების ეპოქაში მოქმედებენ. მათი დიდი ნაწილი მრავალგანზომილებიანია, განაწილებული და მხოლოდ მანქანების მიერ დამუშავებადი. თუმცა, ეს ტენდენცია არ აისახება მონაცემების რეალურ ხელახალ გამოყენებაზე. ამის შესაცვლელად, მონაცემები ახლა უნდა განიხილებოდეს, როგორც პირველი კლასის სამეცნიერო პროდუქტი და არა სტატიების თანმდევი პროდუქტი.
მანქანები შესანიშნავად პოულობენ შაბლონებს დიდ და რთულ მონაცემთა ნაკრებებში. თუმცა, მანქანებს არ გააჩნიათ ადამიანის შესაბამისი რეალობის თანდაყოლილი კონცეპტუალური მოდელი. შედეგად, წარმოიქმნება შაბლონების თითქმის შეუზღუდავი მარაგი, რომელთაგან ბევრი ყალბია, ზოგი კი შეცდომაში შემყვანი. მეცნიერთა მომავალი თაობისთვის ცენტრალური გამოწვევა იქნება ამ შაბლონების ჯუნგლებში ნავიგაცია: მნიშვნელოვანი სიგნალის სტატისტიკური ხმაურისგან გარჩევა. ადამიანური ზედამხედველობა არ არის არჩევითი; ის სტრუქტურულად აუცილებელია.
პოლიტიკის შემქმნელებმა ასევე უნდა გაითვალისწინონ, რომ მეცნიერებაში ხელოვნური ინტელექტი გაცილებით სცილდება დიდი ენობრივი მოდელების ფარგლებს, რომლებიც ამჟამად დომინირებს საზოგადოებრივ დისკურსში. უფრო ფართო ლანდშაფტი მოიცავს ჰიპოთეზების გენერირებისთვის მანქანურ სწავლებას, ავტომატიზირებულ ექსპერიმენტულ სამუშაო პროცესებს და ცოდნის გრაფიკებზე დაფუძნებულ მსჯელობას, რომელთაგან თითოეული შეიცავს განსხვავებულ რისკებსა და შესაძლებლობებს, რომლებიც მოითხოვს მმართველობითი რეაგირების მორგებას.
მეცნიერებაში ხელოვნური ინტელექტის შედეგების ხარისხი პირდაპირ დამოკიდებულია მონაცემთა ხარისხზე. შეტანისFAIR მონაცემები (მოძიებადი, ხელმისაწვდომი, თავსებადი და მრავალჯერადი გამოყენების, და სულ უფრო მეტად გაგებული, როგორც სრულად ხელოვნური ინტელექტისთვის მზად) წარმოადგენს ხელოვნური ინტელექტით მართული მეცნიერების პასუხისმგებლიანი ფორმირების ფუნდამენტურ წინაპირობას. მის გარეშე, ხელოვნური ინტელექტის მოდელები ივარჯიშება ნედლ, დაუკურატორებელ, პოტენციურად მიკერძოებულ ან თუნდაც შეთხზულ კონტენტზე, რაც იწვევს ჰალუცინაციებს, რომლებიც შეიძლება სიცოცხლისთვის საშიში იყოს კლინიკურ კონტექსტში და სისტემატურად ძირს უთხრის მეცნიერებისადმი ნდობას. განსაკუთრებით მაშინ, როდესაც ადვილად მოძიებადი მონაცემების ხელახალი გამოყენება ძირითადად ხდება არამეცნიერებაზე დაფუძნებული აქტორების მიერ, როგორიცაა ამჟამინდელი LLM კომპანიები.
არანაკლებ მნიშვნელოვანია FAIR კონცეპტუალური მოდელების გამოყენება ხელოვნური ინტელექტის შეზღუდვისთვის. შედეგებისტრუქტურირებული სემანტიკური ჩარჩოების უზრუნველყოფით, სადაც თითოეული კონცეფცია კარგად არის განსაზღვრული, თუ როგორ არის ისინი დაკავშირებული და რა ითვლება ვალიდურ დასკვნად, ეს მოდელები მნიშვნელოვნად ამცირებს ჰალუცინაციების რისკს და ხელს უწყობს იმის უზრუნველყოფას, რომ ხელოვნური ინტელექტის მიერ გენერირებული დასკვნები ადამიანებისთვის ახსნადი, ინტერპრეტირებადი და დამოწმებადი დარჩეს.
სამეცნიერო გამოცემებში არსებული მთლიანობის კრიზისი ამ რისკებს კიდევ უფრო ამძაფრებს. ხელოვნური ინტელექტის სისტემებს ახლა თითქმის მყისიერად შეუძლიათ დამაჯერებლად შესახედაობის სტატიების, მონაცემებისა და მიმოხილვების გენერირება. მხოლოდ 2025 წელს ერთ-ერთმა წამყვანმა ხელოვნური ინტელექტის კონფერენციამ 20 000-ზე მეტი წარდგენა მიიღო. რეაგირება (მეცნიერები ხელოვნური ინტელექტის გამოყენებით ხელოვნური ინტელექტის მიერ გენერირებული ნაშრომების განსახილველად) ქმნის დახურული უკუკავშირის ციკლის შექმნის რისკს, რომლის დროსაც არასრულყოფილი სისტემები ერთმანეთს აფასებენ გარე შემოწმების გარეშე. წყაროსთან გამოქვეყნებული FAIR მონაცემები, სადაც წარმომავლობის დადასტურება შესაძლებელია, ამ ტენდენციის წინააღმდეგ საბრძოლველად ხელმისაწვდომ ერთ-ერთ ყველაზე ძლიერ ინსტრუმენტს წარმოადგენს.
ყოველივე ამის საფუძველი სტიმულების სტრუქტურული ხარვეზია. მკვლევრები ძირითადად კვლავ აჯილდოვდებიან სტატიების რაოდენობისა და ციტირების მაჩვენებლის მიხედვით, რაც მონაცემთა მწირი ეპოქისთვისაა შექმნილი. მაღალი ხარისხის FAIR მონაცემების გამოქვეყნებას მცირე პროფესიული აღიარება და დაფინანსების გარანტირებული დაფარვა არ მოაქვს. ეს უნდა შეიცვალოს.
მეცნიერებაში მონაცემების ტექნიკური მმართველობის ლანდშაფტი კრიზისშია. ათწლეულების განმავლობაში მცირე რაოდენობის მსხვილი ღრუბლოვანი პროვაიდერებისგან დამოკიდებულებამ, ისეთ სამართლებრივ ინსტრუმენტებთან ერთად, როგორიცაა აშშ-ის ღრუბლოვანი აქტი, შექმნა მონაცემთა სუვერენიტეტის პრობლემა, რომელიც ამჟამად მწვავეა, განსაკუთრებით აშშ-ის პოლიტიკის ბოლოდროინდელი არასტაბილურობისა და მისი საერთაშორისოდ გაზიარებულ კვლევით ინფრასტრუქტურაზე ზემოქმედების გათვალისწინებით. მსოფლიოს ძირითადი სამეცნიერო მონაცემთა რესურსების უმეტესობა ფაქტობრივად იმ ინსტიტუტებისა და თემების იურისდიქციის კონტროლის მიღმაა, რომლებმაც ისინი წარმოქმნეს.
FAIR პრინციპები, რომლებიც ავსებულია CARE პრინციპებით (რომლებიც ეხება მკვიდრი მოსახლეობის უფლებებსა და ინტერესებს მონაცემთა მმართველობაში), ქმნის თანმიმდევრულ ჩარჩოს პასუხისმგებლიანი მართვისთვის. ისინი ერთად განსაზღვრავენ პირობებს, რომელთა მიხედვითაც მონაცემები უნდა იყოს ღია ან შეზღუდული, მრავალჯერადი გამოყენების და სუვერენული. FAIR მონაცემებისა და სერვისების ინტერნეტის (IFDS) კონცეფცია, რომელშიც მონაცემები რჩება წყაროსთან და მათზე ავტორიზებული ალგორითმები ამოწმებენ და არა კოპირდებიან და ცენტრალიზდებიან, გვთავაზობს პრაქტიკულ არქიტექტურულ გადაწყვეტას. ამ მოდელში, გამოთვლითი მოთხოვნები გადადის განაწილებულ მონაცემთა კვანძებში; მონაცემები არ გადადის ცენტრალიზებულ საცავებში, თუ ეს გარდაუვალი არ არის.
ხელოვნური ინტელექტით მართულ მეცნიერებაში სამართლიანი მონაწილეობა ასევე მოითხოვს, რომ ეს ინფრასტრუქტურა ნამდვილად ხელმისაწვდომი იყოს. გლობალური სამხრეთის ინსტიტუტები და თემები არ შეიძლება იყვნენ მონაცემთა ხელახალი გამოყენების პასიური სუბიექტები. კავშირის სპექტრის მეორე ბოლოში, მონაცემთა ინტენსიური ინდუსტრია არ უნდა გამოირიცხოს. განაწილებული FAIR ინფრასტრუქტურა, რომელიც შექმნილია მომწოდებლის მიერ ჩაკეტვისა და წარუმატებლობის ერთჯერადი წერტილების თავიდან ასაცილებლად, არის მექანიზმი, რომლითაც შესაძლებელი ხდება მნიშვნელოვანი მონაწილეობა.
თანმიმდევრული პოლიტიკური რეაგირება რამდენიმე მიმართულებით მოქმედებას მოითხოვს:
მეცნიერება გლობალური საზოგადოებრივი სიკეთეა. მისი მთლიანობა, თანასწორობა და ღიაობა არ შეიძლება ვივარაუდოთ; ისინი აქტიურ პოლიტიკურ არჩევანს მოითხოვს. სამეცნიერო წარმოებაში ხელოვნური ინტელექტის სტაბილური მმართველობის ჩამოყალიბების შესაძლებლობა ღიაა, მაგრამ ის ასე განუსაზღვრელი ვადით არ დარჩება. მონაცემთა სტანდარტების, ინფრასტრუქტურის, სტიმულებისა და ზედამხედველობის შესახებ ახლა მიღებული გადაწყვეტილებები განსაზღვრავს, დააჩქარებს თუ არა ხელოვნური ინტელექტი სანდო მეცნიერებას, თუ სისტემატურად ძირს უთხრის მას.
ფოტო Getty Images-ისგან Unsplash+
საერთაშორისო სამეცნიერო საბჭოს (ISC) და Frontiers Policy Labs-ის პარტნიორობით ორგანიზებული ეს ბლოგი წარმოადგენს... „მეცნიერების ახალი მმართველობა XXI საუკუნეში“' სერია წარმოადგენს დინამიურ სადისკუსიო ფორუმს სამეცნიერო მმართველობის მომავალთან დაკავშირებით ლიდერული აზრისთვის. მკაცრი აკადემიური კვლევებისგან თავის დაღწევით, ინიციატივა აერთიანებს წამყვან გლობალურ ხმებს, რათა წარმოადგინონ მკვეთრი, პროვოკაციული, მაგრამ მტკიცებულებებზე დაფუძნებული და მომავალზე ორიენტირებული მოსაზრებები. ამით მას სურს წვლილი შეიტანოს მომავლის გამოწვევებისთვის მზად, მდგრადი, ინკლუზიური და გამჭვირვალე მმართველობის მოდელის განსაზღვრაში.
იხილეთ ორიგინალი პოსტი აქ დაწკაპუნებით.
პასუხისმგებლობის შეზღუდვის განაცხადი
ჩვენს სტუმრების ბლოგებში წარმოდგენილი ინფორმაცია, მოსაზრებები და რეკომენდაციები ეკუთვნის ინდივიდუალურ ავტორებს და არ ასახავს საერთაშორისო სამეცნიერო საბჭოს ღირებულებებსა და შეხედულებებს.
წაიკითხეთ მეტი ახალი ტექნოლოგიებისა და ტრანსფორმაციების შესახებ დამატებითი ინფორმაცია თანამედროვე მეცნიერების შესახებ: ცვლილებების გეოსტრატეგიული, ტექნოლოგიური და საზოგადოებრივი მამოძრავებელი ფაქტორები წაიკითხეთ მეტი ორგანიზებული მეცნიერების შესახებ ხელოვნური ინტელექტის ეპოქაში: საჭესთან გვძინავს? 
დამატებითი ინფორმაცია წყნარი ოკეანის მეცნიერებათა აკადემიის მიერ ხელოვნური ინტელექტით მომუშავე პირველი კვლევითი პლატფორმისა და რეგიონული კვლევისა და განვითარების შეფასების ანგარიშის შესახებ 