Հեղինակներ `
Բարենդ Մոնս, Լեյդենի համալսարանի վաստակավոր պրոֆեսոր, GO FAIR հիմնադրամի խորհրդի անդամ և LIFES-ի՝ Լեյդենի արդար և արդար գիտության նախաձեռնության տնօրեն
Արիե Բաակ, LIFES Արդար և հավասար գիտության ասոցիացիայի խորհրդի անդամ
Կոեն Յոնկերս, Եվրոպական հանձնաժողով, Համատեղ հետազոտական կենտրոն (JRC), Բրյուսել, Բելգիա
Արհեստական բանականությունը փոխակերպում է գիտության վարման, հաղորդակցման և վավերացման եղանակը։ Այն իրական խոստումնալից է՝ հնարավորություն տալով ճանաչել օրինաչափությունները այնպիսի մասշտաբներով, որոնց չի կարող հասնել ոչ մի մարդկային հետազոտող, արագացնելով աշխատանքային հոսքերը և բացելով նոր ուղիներ հայտնագործությունների համար։ Սակայն արհեստական բանականությունը նաև արագ է, սխալներից զերծ և անխտիր, մինչդեռ գիտությունը ժամանակատար է և մանրակրկիտ՝ իր նախագծով։ Այս երկու իրականությունների միջև լարվածությունն արդեն իսկ լուրջ դիսֆունկցիա է առաջացնում. արհեստական բանականության կողմից ստեղծված հրապարակումների և տվյալների հեղեղ, փորձագիտական գնահատականի վատթարացում, հալյուցինացված եզրակացություններ և գիտական տվյալների նկատմամբ վստահության անկում։ Ապագա գիտնականներից պահանջվող հմտությունները հիմնարար կերպով փոխվում են, և գիտական քաղաքականությունը չի համընթացել դրան։ Այս բացի լուծումը հրատապ է։
Գիտությունը զարմանալի արագությամբ անցում է կատարել տվյալների սակավությունից դեպի տվյալներով հարուստ միջավայր։ Եթե մի ժամանակ հետազոտողները ստեղծում էին համեստ տվյալների հավաքածուներ և արդյունքները հիմնականում հաղորդում էին մարդու համար ընթեռնելի հոդվածների միջոցով, ապա այժմ նրանք գործում են էքսպոնենցիալ տվյալների ստեղծման դարաշրջանում։ Դրանց մեծ մասը բարձրաչափ է, բաշխված և միայն մեքենաների կողմից մշակվող։ Սակայն այս միտումը չի արտացոլվում տվյալների իրական վերօգտագործման մեջ։ Դա փոխելու համար տվյալներն իրենք պետք է դիտարկվեն որպես առաջնակարգ գիտական արդյունք, այլ ոչ թե հոդվածների ենթամթերք։
Մեքենաները գերազանց են մեծ և բարդ տվյալների բազմություններում օրինաչափություններ գտնելու հարցում: Սակայն մեքենաները չունեն մարդուն վերաբերող իրականության ներքին հայեցակարգային մոդել: Արդյունքում ստացվում է օրինաչափությունների գրեթե անսահմանափակ մատակարարում, որոնցից շատերը կեղծ են, որոշները՝ մոլորեցնող: Գիտնականների հաջորդ սերնդի համար կենտրոնական մարտահրավերը կլինի այս օրինաչափությունների ջունգլիներում կողմնորոշվելը՝ իմաստալից ազդանշանը վիճակագրական աղմուկից տարբերակելը: Մարդկային վերահսկողությունը ընտրովի չէ. այն կառուցվածքային առումով անհրաժեշտ է:
Քաղաքականության մշակողները պետք է նաև գիտակցեն, որ գիտության մեջ արհեստական բանականությունը տարածվում է շատ ավելի լայն լեզվական մոդելների վրա, որոնք ներկայումս գերիշխում են հանրային քննարկումներում: Ավելի լայն լանդշաֆտը ներառում է մեքենայական ուսուցում՝ վարկածների ստեղծման համար, ավտոմատացված փորձարարական աշխատանքային հոսքեր և գիտելիքների գրաֆիկների վրա հիմնված դատողություններ, որոնցից յուրաքանչյուրը կրում է առանձին ռիսկեր և հնարավորություններ, որոնք պահանջում են անհատականացված կառավարման արձագանքներ:
Գիտության մեջ արհեստական բանականության արդյունքի որակը ուղղակիորեն որոշվում է տվյալների որակից։ մուտքFAIR տվյալները (գտնելի, մատչելի, փոխգործունակ և վերաօգտագործելի, և ավելի ու ավելի շատ ընկալվում են որպես լիովին արհեստական ինտելեկտի համար պատրաստ) պատասխանատու արհեստական ինտելեկտով առաջնորդվող գիտության հիմնարար նախապայմանն են: Առանց դրա, արհեստական ինտելեկտի մոդելները մարզվում են հում, չմշակված, պոտենցիալ կողմնակալ կամ նույնիսկ հորինված բովանդակության վրա՝ առաջացնելով հալյուցինացիաներ, որոնք կարող են կյանքին սպառնացող լինել կլինիկական համատեքստերում և որոնք համակարգված կերպով խաթարում են գիտության նկատմամբ վստահությունը: Հատկապես այն դեպքերում, երբ հեշտությամբ գտնվող տվյալների վերաօգտագործումը հիմնականում իրականացվում է ոչ գիտական հիմք ունեցող գործիչների կողմից, ինչպիսիք են ներկայիս իրավաբանության ընկերությունների ընկերությունները:
Նույնքան կարևոր է FAIR կոնցեպտուալ մոդելների օգտագործումը՝ արհեստական բանականությունը սահմանափակելու համար։ արդյունքներըԿառուցվածքային իմաստաբանական շրջանակներ տրամադրելով, որտեղ յուրաքանչյուր հասկացություն հստակ սահմանված է, թե ինչպես են դրանք կապված և ինչն է համարվում վավեր եզրակացություն, այս մոդելները զգալիորեն նվազեցնում են հալյուցինացիաների ռիսկը և օգնում են ապահովել, որ արհեստական բանականության կողմից ստեղծված արդյունքները մնան բացատրելի, մեկնաբանելի և ստուգելի մարդկանց կողմից։
Գիտական հրատարակչության մեջ ազնվության ճգնաժամը խորացնում է այս ռիսկերը: Արհեստական բանականության համակարգերը այժմ կարող են գրեթե անմիջապես ստեղծել ճշմարտանման թվացող հոդվածներ, տվյալներ և ակնարկներ: Արհեստական բանականության առաջատար կոնֆերանսներից մեկը միայն 2025 թվականին ստացել է ավելի քան 20,000 հայտ: Արձագանքը (գիտնականների կողմից արհեստական բանականության օգտագործումը արհեստական բանականության կողմից ստեղծված հոդվածները վերանայելու համար) ռիսկ է ստեղծում ստեղծել փակ աղմուկի հետադարձ կապի օղակ, որի դեպքում թերի համակարգերը գնահատում են միմյանց առանց նշանակալի արտաքին ստուգման: Աղբյուրում հրապարակված FAIR տվյալները, որտեղ ծագումը կարող է ստուգվել, այս միտմանը հակազդելու ամենահզոր գործիքներից մեկն են:
Այս ամենի հիմքում ընկած է խթանների կառուցվածքային ձախողումը: Հետազոտողները դեռևս հիմնականում պարգևատրվում են հոդվածների քանակի և մեջբերումների մակարդակի համար, որը մետրիկա է, որը նախատեսված է տվյալների սակավության դարաշրջանի համար: Բարձրորակ FAIR տվյալների հրապարակումը քիչ մասնագիտական ճանաչում է բերում և երաշխավորված ֆինանսավորում չունի: Սա պետք է փոխվի:
Գիտության մեջ տվյալների տեխնիկական կառավարման դաշտը ճգնաժամի մեջ է։ Տասնամյակներ շարունակ ամպային տեխնոլոգիաների փոքրաթիվ մատակարարներից կախվածությունը, զուգորդված այնպիսի իրավական գործիքների հետ, ինչպիսին է ԱՄՆ «Ամպային օրենքը», ստեղծել են տվյալների ինքնիշխանության խնդիր, որն այժմ սուր է, մասնավորապես՝ վերջերս ԱՄՆ քաղաքականության անկայունության և դրա միջազգային համատեղ հետազոտական ենթակառուցվածքների վրա ազդեցության լույսի ներքո։ Աշխարհի հիմնական գիտական տվյալների ռեսուրսներից շատերը գործնականում գտնվում են դրանք ստեղծած հաստատությունների և համայնքների իրավասության վերահսկողությունից դուրս։
FAIR սկզբունքները, որոնք լրացվում են CARE սկզբունքներով (որոնք անդրադառնում են բնիկ ժողովուրդների իրավունքներին և շահերին տվյալների կառավարման մեջ), ապահովում են պատասխանատու կառավարման համար հետևողական շրջանակ: Միասին դրանք սահմանում են այն պայմանները, որոնց դեպքում տվյալները պետք է լինեն բաց կամ սահմանափակ, վերաօգտագործելի և ինքնիշխան: FAIR տվյալների և ծառայությունների ինտերնետի (IFDS) հայեցակարգը, որտեղ տվյալները մնում են իրենց աղբյուրում և այցելվում են լիազորված ալգորիթմների կողմից, այլ ոչ թե պատճենվում և կենտրոնացվում, առաջարկում է գործնական ճարտարապետական լուծում: Այս մոդելում հաշվողական հարցումները տեղափոխվում են բաշխված տվյալների հանգույցներ. տվյալները չեն տեղափոխվում կենտրոնացված պահոցներ, եթե դա անխուսափելի չէ:
Արհեստական բանականության վրա հիմնված գիտությանը արդար մասնակցությունը նաև պահանջում է, որ այս ենթակառուցվածքը լինի իսկապես մատչելի: Գլոբալ հարավի հաստատություններն ու համայնքները չեն կարող լինել տվյալների վերօգտագործման պասիվ սուբյեկտներ: Կապի սպեկտրի մյուս ծայրում չպետք է բացառվի տվյալատար արդյունաբերությունը: Բաշխված FAIR ենթակառուցվածքը, որը նախատեսված է մատակարարների հետ կապված կախվածությունից և ձախողման եզակի կետերից խուսափելու համար, այն մեխանիզմն է, որի միջոցով հնարավոր է դառնում իմաստալից մասնակցությունը:
Համահունչ քաղաքականության արձագանքը պահանջում է գործողություններ մի քանի ճակատներում՝
Գիտությունը համաշխարհային հանրային բարիք է։ Դրա ամբողջականությունը, արդարությունը և բացությունը չեն կարող ենթադրվել. դրանք պահանջում են ակտիվ քաղաքականության ընտրություն։ Գիտական արտադրության մեջ արհեստական բանականության համար կայուն կառավարում հաստատելու պատուհանը բաց է, բայց այն անորոշ ժամանակով այդպես չի մնա։ Տվյալների ստանդարտների, ենթակառուցվածքների, խթանների և վերահսկողության վերաբերյալ այժմ կայացված որոշումները կորոշեն, թե արդյոք արհեստական բանականությունը կարագացնի վստահելի գիտությունը, թե՞ համակարգված կերպով կխաթարի այն։
Լուսանկարը՝ Getty Images-ի Unsplash+
Միջազգային գիտական խորհրդի (ISC) և Frontiers Policy Labs-ի համագործակցությամբ հյուրընկալված այս բլոգը մի մասն է կազմում... «Գիտության նոր կառավարում 21-րդ դարում»' շարք, որը ծառայում է որպես գիտական կառավարման ապագայի վերաբերյալ մտքի առաջնորդության դինամիկ քննարկման ֆորում: Հեռանալով կոշտ ակադեմիական ուսումնասիրություններից՝ նախաձեռնությունը միավորում է առաջատար համաշխարհային ձայները՝ սուր, սադրիչ, բայց ապացույցների վրա հիմնված և ապագային ուղղված կարծիքներ ներկայացնելու համար: Այդպիսով, այն ցանկանում է նպաստել վաղվա մարտահրավերներին դիմակայող դիմացկուն, ներառական և թափանցիկ կառավարման մոդելի սահմանմանը:
Տեսեք բնօրինակ գրառումը այստեղ.
Հրաժարում պատասխանատվությունից
Մեր հյուրերի բլոգներում ներկայացված տեղեկատվությունը, կարծիքներն ու առաջարկությունները պատկանում են անհատ հեղինակներին և պարտադիր չէ, որ արտացոլեն Միջազգային գիտական խորհրդի արժեքներն ու համոզմունքները։
Կարդացեք ավելին զարգացող տեխնոլոգիաների և փոխակերպումների մասին Կարդացեք ավելին «Ժամանակակից գիտություն. փոփոխությունների աշխարհառազմավարական, տեխնոլոգիական և հասարակական շարժիչ ուժեր» թեմայով Կարդացեք ավելին «Կազմակերպված գիտությունը արհեստական բանականության դարաշրջանում. մենք քնած ենք ղեկին» թեմայով։ 
Կարդացեք ավելին Խաղաղօվկիանոսյան գիտությունների ակադեմիայի կողմից արհեստական բանականությամբ աշխատող առաջին հետազոտական հարթակի և տարածաշրջանային հետազոտությունների ու զարգացման գնահատման զեկույցի մասին 