Οι επιστημονικές εργασίες με αναφορές AI λαμβάνουν περισσότερες αναφορές

Οι επιστημονικές εργασίες με αναφορές AI λαμβάνουν περισσότερες αναφορές

Μελέτες με τίτλους ή περιλήψεις που προσδιορίζουν Μέθοδοι τεχνητής νοημοσύνης (AI). είναι πιο πιθανό να βρίσκονται στο κορυφαίο 5% των αναφερόμενων εργασιών στον τομέα τους από εκείνες που δεν αναφέρονται σε αυτές τις τεχνικές. Αυτές οι θέσεις εργασίας λαμβάνουν επίσης περισσότερα Αναφορές από άλλους κλάδους εκτός από σπουδές που δεν χρησιμοποιούν όρους τεχνητής νοημοσύνης.

Αλλά αυτή η «ώθηση παραπομπών» δεν παρατηρείται εξίσου από όλους τους συγγραφείς. Η ανάλυση δείχνει επίσης ότι οι ερευνητές από Ομάδες που ιστορικά υποεκπροσωπούνται στην επιστήμη, δεν λαμβάνουν την ίδια αύξηση αναφορών με τους συναδέλφους τους όταν χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης στην εργασία τους - υποδηλώνοντας ότι υπάρχει τεχνητή νοημοσύνη Ανισότητες θα μπορούσε να επιδεινώσει.

Τα ευρήματα προέρχονται από μια μελέτη που στοχεύει στον ποσοτικό προσδιορισμό της χρήσης και των πιθανών πλεονεκτημάτων της τεχνητής νοημοσύνης στην επιστημονική έρευνα. Ωστόσο, η τελευταία έκθεση στο Nature Human Behavior εγείρει επίσης ανησυχίες. Οι επιστήμονες θα μπορούσαν να παρασυρθούν να χρησιμοποιήσουν την τεχνητή νοημοσύνη αποκλειστικά ως μέσο για να αυξήσουν τις αναφορές τους - ανεξάρτητα από το αν τα εργαλεία τεχνητής νοημοσύνης βελτιώνουν πραγματικά την ποιότητα των εγγράφων, λέει η Lisa Messeri, ανθρωπολόγος επιστήμης και τεχνολογίας στο Πανεπιστήμιο Yale στο New Haven του Κονέκτικατ. «Θέλουμε να διασφαλίσουμε ότι όταν [επενδύουμε] στην τεχνητή νοημοσύνη, δεν παραμελούμε άλλες προσεγγίσεις», λέει.

Η μελέτη παρέχει επίσης την πολύ αναγκαία ποσοτικοποίηση του πώς Η τεχνητή νοημοσύνη αλλάζει την επιστημονική έρευνα λέει ο Dashun Wang, συν-συγγραφέας της μελέτης και ερευνητής επιστήμης στο Πανεπιστήμιο Northwestern στο Έβανστον του Ιλινόις. «Τώρα έχουμε επιτέλους συστηματικά δεδομένα», είπε ο Wang, τα οποία θα είναι κρίσιμα για την αντιμετώπιση των ανισοτήτων που σχετίζονται με τη χρήση της τεχνητής νοημοσύνης στην επιστήμη.

Παρακολούθηση της ανόδου της AI

Για να μετρήσουν τη δέσμευση των επιστημόνων με την τεχνητή νοημοσύνη, οι συγγραφείς εντόπισαν όρους που σχετίζονται με την τεχνητή νοημοσύνη - όπως «μηχανική μάθηση» και «βαθιά νευρωνικά δίκτυα» - στις περιλήψεις και τους τίτλους σχεδόν 75 εκατομμυρίων εργασιών που δημοσιεύθηκαν από το 1960 έως το 2019 σε 19 κλάδους. Ο Wang αναγνωρίζει ότι λόγω της προθεσμίας, η μελέτη αγνοεί τις τρέχουσες εξελίξεις στην τεχνητή νοημοσύνη, συμπεριλαμβανομένης της άνοδος μεγάλων γλωσσικών μοντέλων, όπως π. ChatGPT, το οποίο ήδη αλλάζει τον τρόπο με τον οποίο ορισμένοι ερευνητές ασχολούνται με την επιστήμη, δεν μπορώ να κατανοήσω πλήρως.

Σύμφωνα με τη μελέτη, οι επιστήμονες και στους 19 κλάδους αύξησαν τη χρήση εργαλείων τεχνητής νοημοσύνης τις τελευταίες δύο δεκαετίες (βλ. «Η χρήση της τεχνητής νοημοσύνης αυξάνεται»). Ωστόσο, υπάρχουν σημαντικές διαφορές: η επιστήμη των υπολογιστών, τα μαθηματικά και η μηχανική δείχνουν τα υψηλότερα επίπεδα χρήσης τεχνητής νοημοσύνης, ενώ η ιστορία, η τέχνη και η πολιτική επιστήμη δείχνουν τα χαμηλότερα. Οι τιμές για τη γεωλογία, τη φυσική, τη χημεία και τη βιολογία είναι μεταξύ τους.

Εμ τα πιθανά οφέλη της τεχνητής νοημοσύνης Για κάθε κλάδο, οι συγγραφείς εντόπισαν πρώτα εργασίες που σχετίζονται με την έρευνα που μπορεί να εκτελέσει η τεχνητή νοημοσύνη. Στη συνέχεια παρακολούθησαν την ανάπτυξη αυτών των δεξιοτήτων με την πάροδο του χρόνου παρακολουθώντας συγκεκριμένα ζεύγη ρημάτων-ουσιαστικών, όπως «ανάλυση δεδομένων» και «δημιουργώ εικόνα», σε δημοσιεύσεις σχετικά με την τεχνητή νοημοσύνη μεταξύ 1960 και 2019. Εξετάζοντας πόσο επικαλύπτονταν αυτοί οι όροι σε δημοσιεύσεις που σχετίζονται με την τεχνητή νοημοσύνη σε σύγκριση με τα θεμελιώδη καθήκοντα ενός δεδομένου ερευνητικού πεδίου. ανάγκες αυτού του τομέα.

Για άλλη μια φορά, η επιστήμη των υπολογιστών, τα μαθηματικά και η μηχανική συνδέθηκαν με τα υψηλότερα πιθανά οφέλη, ενώ η ιστορία, η τέχνη και η πολιτική επιστήμη είχαν τα χαμηλότερα.

Η Marinka Zitnik, ειδικός βιοϊατρικής πληροφορικής στην Ιατρική Σχολή του Χάρβαρντ στη Βοστώνη της Μασαχουσέτης, εξηγεί ότι η προσέγγιση της μελέτης είναι ενδιαφέρουσα επειδή επιτρέπει τη συστηματική ανάλυση σε πολλούς επιστημονικούς κλάδους. Ωστόσο, έχει και περιορισμούς. «Επειδή οι συγγραφείς ήθελαν να πραγματοποιήσουν μια πολύ ευρεία, συστηματική μελέτη, δεν μπορούσαν απαραίτητα να μπουν σε λεπτομέρειες και να κατανοήσουν πλήρως τους συγκεκριμένους λόγους για τους οποίους ένα συγκεκριμένο ρήμα ή ουσιαστικό εμφανίστηκε σε μια εργασία», λέει. Ακριβώς επειδή ορισμένα ρήματα και ουσιαστικά εμφανίζονται μαζί σε ένα χαρτί δεν σημαίνει ότι εάν η τεχνητή νοημοσύνη μπορεί να εκτελέσει την εργασία που περιγράφεται, θα είναι απαραίτητα χρήσιμη για αυτό το πεδίο, σημειώνει.

1. Gao, J. & Wang, D. Nature Hum. Συμπεριφορά https://doi.org/10.1038/s41562-024-02020-5 (2024).

   Αρθρο  
   Google Scholar  

Λήψη παραπομπών