ما از هوش مصنوعی با حداکثر توان انسانی خود استفاده نمی کنیم

ما باید در عصر طلایی علم زندگی کنیم.

برای قرن ها، روش علمی با دو رکن – تئوری و آزمایش تعریف می شد. اکنون، ما در عصر هوش مصنوعی زندگی می کنیم، که یک رکن حیاتی سوم را اضافه می کند. بدون محاسبات پیشرفته، طبق گفته نهادهای علمی پیشرو، اکتشافات دهه گذشته، مانند کشف بوزون هیگز، کشف داروهای جدید مانند هالیسین، که می تواند سویه های باکتری مقاوم به همه آنتی بیوتیک های شناخته شده را از بین ببرد، یا مشاهده نیروی گرانشی. امواج، “ممکن بود”.

اما با وجود این پیشرفت‌ها، نوآوری علمی امروزه اغلب با موارد استفاده جدید برای فناوری‌های موجود یا اصلاح پیشرفت‌های قبلی تعریف می‌شود، نه ایجاد زمینه‌های کاملاً جدید کشف.

در زندگی روزمره، هوش مصنوعی در همه جا در خانه‌های ما وجود دارد، از الکسا که خواربار ما را با یک دستور ساده می‌خرد تا نتفلیکس که پیش‌بینی می‌کند چه چیزی ما را از طریق نبوغ الگوریتمی سرگرم می‌کند. اما ما به مقدار بیشتری از آن در آزمایشگاه‌های خود نیاز داریم – پیشبرد علم برای منافع عمومی و کمک به ما برای حل سخت‌ترین مشکلات زمان خود، از تغییرات آب و هوا و فقر گرفته تا مراقبت‌های بهداشتی و انرژی پایدار.

این تنها با تسریع انقلاب علمی جهانی بعدی – با حمایت از ادغام گسترده و عمیق تکنیک‌های هوش مصنوعی در تحقیقات علمی و مهندسی امکان‌پذیر است. از آنجا که در حالی که نوآوری هوش مصنوعی اساسی بوده است، پذیرش آن در تحقیقات علمی و مهندسی در همه جا، سریع یا میان رشته ای نبوده است.

چرا علیرغم پیشرفت‌های چشمگیر در هوش مصنوعی، هنوز به ما کمک نمی‌کند که به طور مداوم پیشرفت‌هایی داشته باشیم که مرزهای دانش ما را گسترش دهد و روند اکتشاف علمی را تسریع کند؟

دو دلیل اصلی وجود دارد. اول، در حالی که پول زیادی از قبل به پروژه‌های هوش مصنوعی در دانشگاه‌ها سرازیر می‌شود، این سرمایه‌ها تمایل دارند به رشته‌های خاصی مانند هوش مصنوعی برای علوم کامپیوتر اختصاص داده شوند، نه به کارهایی که پل‌هایی بین علوم طبیعی، علوم کامپیوتر و مهندسی ایجاد می‌کنند.

در حال حاضر، استفاده از ابزارهای هوش مصنوعی در اکوسیستم تحقیقات علمی و مهندسی، به جای اینکه بخشی پیش‌فرض از ابزارهای پژوهشگران باشد، هنوز در مراحل اولیه پذیرش است. ما نمی توانیم انتظار داشته باشیم که دانشمندان بدون آموزش مناسب از ظرفیت های هوش مصنوعی استقبال کنند. محققی که امیدوار است از هوش مصنوعی استفاده کند، نه تنها باید درک عمیقی از یک مشکل خاص – مانند مقاومت آنتی بیوتیکی – کسب کند، بلکه باید بداند که کدام داده ها و چه نمایشی از آن داده ها برای آموزش یک مدل هوش مصنوعی برای حل آنها مفید است. آی تی.

ثانیاً، انگیزه‌هایی برای دانشمندان جوان برای انجام تحقیقات واقعاً جسورانه وجود ندارد. بخش عمده ای از بودجه پسا دکترا به کمک هزینه های تحقیقاتی خاص و نتایج مورد انتظار در محدوده های انضباطی گره خورده است، بنابراین همکاران فوق دکترا معمولاً آزادی کامل برای ریسک کردن با تکنیک های جدید ندارند.

بنابراین برای تغییر وضعیت موجود چه می توان کرد؟ ما معتقدیم آموزش برای هوش مصنوعی در علم، دسترسی عادلانه به ابزارهای هوش مصنوعی و کاربرد مسئولانه و اخلاقی آن باید بر هر پاسخ معناداری حاکم باشد.

اول، ما به آموزش های دقیق و بین رشته ای برای دانشمندان جوان با استفاده از هوش مصنوعی نیاز داریم. شکست های هوش مصنوعی را می توان تا حد زیادی به انتظارات غیر واقعی در مورد ابزارهای هوش مصنوعی، خطا در استفاده از آنها و کیفیت پایین داده های مورد استفاده در توسعه آنها نسبت داد. دانشمندان در سراسر رشته ها، با هر زمینه ای، برای جلوگیری از چنین اشتباهاتی به تسلط هوش مصنوعی نیاز دارند.

تحقیقات پسا دکتری یک لحظه مناسب در حرفه یک دانشمند برای دریافت این آموزش است. این ممکن است خلاف واقع به نظر برسد، زیرا فشارهای آکادمیک متعارف، انتشار سریع مقالات پس از دکتری را دیکته می کند. قبل از رفتن به شغل بعدی، مدرک تحصیلی دریافت می شود. اما این در واقع بهترین زمان برای گسترش افق های تحقیقاتی به جای افتادن در ارتدکسی فوق تخصصی است. به جای اینکه برای اثبات سریع خود عجله داشته باشند، باید به پست دکترا زمان و حمایت داده شود تا چیز جدیدی را امتحان کنند.

دوم، ما باید دسترسی عادلانه به ابزارهای هوش مصنوعی را تضمین کنیم. بر اساس گزارش اخیر منابع تحقیقاتی هوش مصنوعی ملی، مشارکت عادلانه در تحقیقات پیشرفته هوش مصنوعی به دلیل شکاف در دسترسی به داده های لازم و قدرت محاسباتی محدود شده است. کنار گذاشتن دانشمندان از پیشینه‌هایی که از نظر تاریخی کمتر ارائه شده‌اند و از پیش‌زمینه‌های کم‌خدمت‌شده استفاده می‌کنند «گستره ایده‌های گنجانده شده در نوآوری‌های هوش مصنوعی را محدود می‌کند و به تعصبات و سایر نابرابری‌های سیستمی کمک می‌کند».

ما فرصتی برای پیش بینی و حذف تعصبات به جای تعمیق و پیشبرد آنها داریم. امیدواریم از طریق تلاش های بشردوستانه خود، با گسترش دسترسی به ابزارهای هوش مصنوعی برای نسلی از داوطلبان فوق دکتری در سراسر جهان طی چندین سال آینده، بتوانیم زمینه را برای هوش مصنوعی عادلانه فراهم کنیم.

سوم، کاربرد مسئولانه هوش مصنوعی باید هوش انسان را تقویت کند، نه اینکه آن را جایگزین یا اشتباهاتش را تکرار کند. قدرت هوش مصنوعی در علم به تازگی در حال باز شدن است، اما باید به یاد داشته باشیم که پیشرفت هایی مانند کشف هالیسین را نمی‌توان تنها توسط انسان یا هوش مصنوعی به دست آورد. شواهد روشنی وجود دارد که هوش مصنوعی می تواند ظرفیت تحلیلی انسان ها را افزایش دهد و آزمایش های پیچیده ای را فراتر از رویکردهای سنتی انجام دهد. به عنوان مثال، تحقیقات منتشر شده در نیچر نشان داد که چگونه یک الگوریتم هوش مصنوعی می‌تواند به پیشبرد مسیر امیدوارکننده به سمت انرژی پایدار با کنترل و کنترل پلاسمای بسیار پرانرژی برای تحقیقات انرژی همجوشی کمک کند. هوش مصنوعی همچنین می تواند قضایایی را در خط مقدم تحقیقات ریاضی کشف کند.

اما هیجان واقعی در به کارگیری هوش مصنوعی برای علم در حوزه‌های تحقیق جدیدی است که ما هنوز نمی‌توانیم آن‌ها را درک کنیم، که ابعاد جدیدی به تاریخچه روش علمی می‌آورد. میکروسکوپ امکان بررسی دنیای کاملاً جدیدی از میکروارگانیسم‌ها را فراهم کرد که زیست‌شناسان اولیه حتی آن را در نظر نمی‌گرفتند. این تلسکوپ به اخترشناسان اولیه نشان داد که جهان تا چه حد فراتر از منظومه شمسی ما گسترده است. هوش مصنوعی می تواند به ما کمک کند تا پدیده های جدیدی را کشف کنیم که توسط دانشمندان بشری در نظر گرفته نمی شد.

تغییر روش علم ما در درجه اول مربوط به هوش مصنوعی نیست. این در مورد مردم و خردی است که ما به فناوری می آوریم. ما شکی نداریم که با حمایت درست، دانشمندان اولیه امروزی آماده هستند تا موجی از یافته‌های جدید را آغاز کنند: داروهای مؤثرتر، جایگزین‌های تجدیدپذیر برای پلاستیک، تولید و ذخیره انرژی پایدار و بینش عمیق‌تر در مورد جهان و زیست‌شناسی خودمان.

اشمیت ها 148 میلیون دلار را برای تامین مالی جایزه جدید اریک و وندی اشمیت هوش مصنوعی در علوم پسا دکتری، برنامه ای از آینده های اشمیت اختصاص می دهند. این امر از صدها دانشمند و مهندس جوان در 9 دانشگاه در سراسر جهان حمایت می کند تا استفاده نوآورانه و بین رشته ای از هوش مصنوعی در STEM (علم، فناوری، مهندسی، و علوم ریاضی) را هدایت کنند.

مطالب بیشتر باید از زمان خوانده شود
داخل زیرزمینی که یک روستای اوکراینی یک ماه دلخراش را در اسارت گذراند
ناکامی های واکنش ترکیه به زلزله
وس مور از کجا می آید
درخشش خرابکارانه نمایش نیمه وقت سوپر باول ریحانا
واقعاً در داخل یکی از کلاس های تاریخ آفریقایی آمریکایی AP فلوریدا چگونه است
بله، افراد مجرد می توانند شاد و سالم باشند
نهنگ ها در امتداد ساحل شرقی می میرند. دعوا بر سر اینکه چه کسی مقصر باشد در حال شکل گیری است
پارامور از دیسکوگرافی گسترده خود بازبینی می کند
با ما در LETTERS@TIME.COM تماس بگیرید.

گرفته شده از TIME Ideas