کاربرد‌های هوش مصنوعی در فعالیت‌های پژوهشی

به گزارش خبرگزاری آنا، هوش مصنوعی، در سادترین تعریف، به توانایی رایانه یا سایر ابزار‌های پردازشی گفته می‌شود که همچون یک موجود هوشمند (مانند انسان) می‌تواند یاد بگیرد و مسئله حل کند.

پژوهشگران و کتاب‌های درسی هوش مصنوعی را طراحی و توسعه «موجودیتی کامال آگاه، هوشمند و مبتنی بر رایانه» تعریف می‌کنند که برای درک محیط و افزایش موفقیت در انجام فعالیت‌های پیچیده، نسبت به انسان مزیتی ذاتی دارد. هدف هوش مصنوعی توسعه ماشینی است که بتواند مانند انسان فکر کند و رفتار‌های انسان ازجمله درک، استدلال، یادگیری، برنامه‌ریزی، پیشبینی و ... را تقلید کند.

هوش مصنوعی، حوزه‌ای چندرشته‌ای و بینارشته‌ای است که از زمان معرفی رایانه‌های دستی در دهه ۱۹۵۰ رشد فوق‌العاده‌ای داشته است. این حوزه برای متحول کردن صنایع مختلف ظرفیت بالقوه‌ای دارد، و به عنوان هرگونه نظریه، روش، یا رویکردی تعریف می‌شود که به ماشین‌ها، به‌ویژه رایانه‌ها، در تحلیل، شبیه‌سازی، بهره‌برداری و کاوش فرآیند‌ها و رفتار‌های فکری انسان کمک می‌کند.

باوجودآنکه استفاده از هوش مصنوعی در پژوهش‌های دانشگاهی سابقه نسبتا قابل توجه‌ای دارد، با این حال در سال‌های اخیر به دلیل پیشرفت‌های سخت‌افزاری و ارزان‌تر شدن دستگاه‌های موردنیاز و هم به دلیل پیشرفت‌های نرم‌افزاری، استفاده از فناوری‌های مختلف هوش مصنوعی ابعاد تازه‌تری یافته است.

تأثیر هوش مصنوعی در پژوهش‌های علوم اجتماعی

آشکارا ما در حال ورود به عصر جدیدی از پژوهش‌های علمی هستیم که درآن وظایف پژوهشی پیش پاافتاده را ماشین‌ها انجام می‌دهند. درنتیجه، پژوهشگران فرصت می‌یابند تا بر روی سؤالات مهمتر تحقیق و توسعه تمرکز کنند. بنابراین، هوش مصنوعی نویدبخش تغییرشکل عمیق پژوهش‌ها و اکتشافات علمی است. هوش مصنوعی نه‌تنها به نوآوری‌ها، اکتشافات و پیشرفت‌های علمی می‌انجامد، بلکه روند تحقیق را نیز سرعت می‌بخشد.

از چالش‌هایی که جامعه علمی هنگام استفاده از هوش مصنوعی با آنها مواجه است می‌توان از برخی ملاحظات اخلاقی، سرقت ادبی و رعایت حق مؤلف، و مخاطرات شغلی اشاره کرد

 به نظر می‌رسد هوش مصنوعی فرصت‌های بزرگی را در هر جنبه‌ای از زندگی ما ارائه می‌دهد. حوزه پژوهش نیز برکنار از اثرات فناوری‌های مرتبط با هوش مصنوعی نیست. در این چارچوب واضح است که در آینده نزدیک، ما علاوه بر استفاده مستقیم از این فناوری‌ها در روند فرایند‌های علمی، شاهد تولید آثار علمی ازسوی چنین ابزار‌هایی خواهیم بود.

 استفاده از گپ‌افزار‌هایی مانند چت‌جیپیتی برای ویرایش، خلاصه سازی، تهیه پیشینه و غیره، به دلیل سهولت دسترسی، احتمالا ابزار‌ها موردتوجه و بهرهبرداری پژوهشگران قرار گیرد. بااین حال، چه به عنوان استفاده کننده، چه به عنوان داور یا ویراستار این آثار الزم است از احتمال استفاده نامناسب از این ابزار‌ها آگاه بود و صحت علمی، اعتبار و اصالت هر مقاله را به دقت ارزیابی کرد.

 به قول جیلان و کول ما باید زمان هیجان انگیزی را که در آن زندگی می‌کنیم در آغوش بگیریم و به دام‌های بالقوه‌ای که فرآیند‌های خودکار به عنوان پیامد‌های ناخواسته منجر می‌شوند توجه کنیم.

مسیر توسعه هوش مصنوعی در ایران

به‌طورکلی دو چالش مهم استفاده از هوش مصنوعی در پژوهش‌های علمی را یکی خطر خطا یا سوگیری در متن و دیگری امکان استفاده از این ابزارها برای دستکاری یا تحریف سوابق علمی تلقی می‌کنند. درحالی که پژوهش‌های دانشگاهی مبتنی بر هوش مصنوعی مزایای قابل توجهی را ارائه می‌دهد، چالش‌ها و ملاحظاتی نیز وجود دارد که پژوهشگران باید به آنها توجه داشته باشند.

چولگی داده‌ها (آزمون آماری برای ارزیابی میزان پراکندگی فراوانی داده‌ها) و انصاف:

 نظام‌های هوش مصنوعی متناسب با داده‌های ورودی آموزش مبینند و اگر داده‌های آموزشی مغرضانه باشد یا منعکس کننده تعصبات اجتماعی باشند، الگوهای هوش مصنوعی می‌توانند این سوگیری‌ها را تداوم بخشند. پژوهشگران برای اطمینان از انصاف و کاهش تعصب در الگوهای هوش مصنوعی، باید داده‌ها را با دقت بررسی و پیش پردازش کنند.

حریم خصوصی و حفاظت از داده‌ها:

پژوهش‌های هوش مصنوعی اغلب مدیریت حجم زیادی از داده‌ها، ازجمله اطلاعات شخصی و حساس را شامل می‌شوند. پژوهشگران باید اطمینان حاصل کنند که جمع‌آوری، ذخیره سازی و تجزیه وتحلیل داده‌ها از مقررات مربوط به حریم خصوصی پیروی می‌کنند و رضایت آگاهانه شرکت کنندگان را کسب می‌کنند.

شفافیت و تفسیرپذیری:

برخی از الگوریتم‌های هوش مصنوعی، مانند الگوهای یادگیری عمیق، را می‌توان همچون جعبه سیاهی در نظر گرفت که درک و تفسیر فرآیندهای تصمیم‌گیری در پژوهش‌های دانشگاهی، تلاش برای شفافیت و توسعه روش‌هایی برای توضیح استدلال موجود در پس نتایج مبتنی بر هوش مصنوعی بااهمیت است.

تحلیل اخلاقی شرایط استفاده از هوش مصنوعی

تکرارپذیری و استحکام:

پژوهشگران باید با ارائه مستندات واضح از الگوها، الگوریتم‌ها و مجموعـه داده‌های هوش مصنوعی خود، تکرارپذیری را هدف قرار دهند. بسیار مهم است که اطمینان حاصل شود که الگو‌های هوش مصنوعی قوی هستند و می‌توانند به خوبی به داده‌های دیده نشده تعمیم دهند و از نتایج بیش ازحد یا مغرضانه اجتناب کنند.

مالکیت فکری:

پژوهش‌های هـوش مصنوعی اغلب شامل همکاری و استفاده از مجموعه داده‌ها و الگوهای از قبل موجود است. باید دستورالعمل‌های روشنی در رابطه با حقوق مالکیت معنوی، مالکیت داده‌ها و به اشتراک‌گذاری الگو‌ها و کد‌های هوش مصنوعی در میان پژوهشگران ایجاد شود.

 مسئولیت پذیری:

هرچه هوش مصنوعی مستقل‌تر می‌شود، مسئله مسئولیت‌‎پذیری اهمیت بیشتری می‌یابد. پژوهشگران باید پیامد‌های اخلاقی نظام‌های هوش مصنوعی خود را در نظر بگیرند و از خطرات و پیامد‌های بالقوه مرتبط با استقرار آن‌ها آگاه باشند.

تأثیر اجتماعی و جابجایی شغل: 

توانایی خودکارسازی نقش‌های شغلی خاص و ایجاد اختلال در صنایع، توان بالقو‌ه‌ای است که در فناوری‌های هوش مصنوعی وجود دارد. پژوهشگران باید به تأثیر اجتماعی پژوهش‌های مبتنی بر هوش مصنوعی خود توجه داشته باشند و برای اطمینان از انتقال عادلانه، ایجاد شغل و به حداقل رساندن پیامد‌های منفی تلاش کنند.

تاثیر هوش مصنوعی بر آینده مشاغل در ایران

استفاده دوگانه و سوءاستفاده:

فناوری‌های هوش مصنوعی توسعه یافته برای پژوهش‌های دانشگاهی می‌توانند کاربرد‌های مثبت و منفی داشته باشند. پژوهشگران باید به سناریو‌های بالقوه استفاده دوگانه توجه داشته باشند و برای جلوگیری از سوءاستفاده یا استفاده ناخواسته، پیامد‌های اخلاقی کار خود را در نظر بگیرند.

 در تحلی آخر از میان مهمترین مسائل و چالش‌هایی که جامعه علمی هنگام استفاده از هوش مصنوعی با آنها مواجه است می‌توان از برخی ملاحظات اخلاقی، سرقت ادبی و رعایت حق مؤلف، و مخاطرات شغلی نام برد. درواقع، ازآنجاکه هوش مصنوعی بر داده‌های گسترده و فراوان متکی است و براساس آنها آموزش می‌بیند، چنانچه این داده‌ها سوگرفته باشند یا بر دیدگاه‌ها و نگاه‌های خاصی تأکید، نتایج حاصل نیز می‌تواند به همان اندازه نادقیق و ناکارآمد به حساب آید. در بحث تعیین حق مؤلف نیز گاهی مسائل خاصی وجود دارد.

کارشناسان در این خصوص اشاره می‌کنند که اگر کاربر داده‌های ورودی را به الگو ارائه دهد و الگو براساس آن ورودی محتوا تولید کند، می‌توان استدلال کرد که کاربر دارای حق چاپ محتوای تولید شده است.

 بااین حال، اگر الگو مستقل از ورودی کاربر محتوا تولید کند، ورودی ارائه شده بسیار محدود است. یا اگر محتوا به طور قابل توجهی ازسوی شخصی غیر از کاربر ویرایش شود، ممکن است تعیین مالکیت دشوارتر باشد. در این موارد، ممکن است به توافق حاصل شده با توسعه دهنده الگو بستگی داشته باشد که محتوا را تولید می‌کند. سرقت ادبی نیز ناظر بر استفاده از ابزار‌های هوش مصنوعی (مانند چت جی پی‌تی) برای نسخه برداری است.

این پژوهش به کوشش علیرضا بهمن‌آبادی (عضو هیئت‌علمی سازمان تحقیقات، آموزش و ترویج کشاورزی) انجام شده و در مجله ترویجی علوم و فناوری اطلاعات کشاورزی منتشر شده است.