به گزارش خبرآنلاین و به نقل از ایسنا، نشریه نیچر در تحقیقی با حضور بیش از ۴۰ پژوهشگر از دانشگاه و صنعت که در زمینه هوش مصنوعی فعالیت میکنند، بررسی کرده است که آیا ظهور این تکنولوژی تقاضا برای پژوهشگران انسانی را کاهش داده است یا خیر. بسیاری از این پژوهشگران معتقدند که تحولات کنونی به کاهش نیاز به افراد متخصص در نوشتن کد و تحلیل داده منجر شده است. این وظایف معمولاً به دانشجویان تحصیلات تکمیلی و پژوهشگران تازهکار واگذار میشود.
شوآنهه ژائو، مهندس مکانیک در موسسه فناوری ماساچوست، اظهار داشت که حذف برخی نقشهای اولیه در حوزههای مدلسازی رایانهای در حال حاضر در حال وقوع است و هوش مصنوعی بهطرز محسوسی توانایی انجام این وظایف را دارد. به گفته او، مشاغل با ماهیت شناختی، قاعدتاً در معرض خطر قرار دارند.
پژوهشگران از هوش مصنوعی برای ویرایش و خلاصهسازی مقالات علمی بهره میبرند، اما در حال حاضر بیشترین تاثیر منفی این فناوری بر مشاغل مربوط به تولید کد و پردازش داده مشاهده میشود. برای مثال، برخی آزمایشگاهها دیگر به استخدام برنامهنویسان پژوهشی نیازی ندارند و هوش مصنوعی توانسته است بهجای آنها کار کند.
به گفته هانا ویمنت استیل، زیستشناس محاسباتی، گرچه هنوز اخراجهایی در کار نبوده، اما فرصتهای شغلی جدید بهطرز قابلتوجهی محدود شده است. نانشو لو، مهندس مواد در دانشگاه تگزاس، این نگرانی را تایید کرده و به احتیاط بیشتر در استخدام پژوهشگران اشاره کرد.
برخی محققان نگراناند که با افزایش استفاده از هوش مصنوعی، دانشجویان و پژوهشگران جوان نتوانند به مشاغل آزمایشگاهی دست یابند، که این امر میتواند زنجیره تربیت نیروی انسانی در علم را مختل کند. کلاس ویک، زیستشناس محاسباتی، هشدار داد که ممکن است پژوهشها در کوتاهمدت بیشتر شود، اما در بلندمدت عواقب منفی خواهد داشت.
تحقیقات نشان میدهد که هوش مصنوعی هماکنون باعث از دست رفتن مشاغل در برخی حوزههای علمی شده است. برای مثال، جامعه مترجمان آمریکا گزارش داده که عضویت در بخش علم و فناوری آنها به ۲۶ درصد کاهش یافته است. برخی از مترجمان نیز به مشاغل جدیدی روی آوردهاند. برای مثال، جیمی راسل، که پیشتر به ترجمه اسناد کارآزماییهای بالینی مشغول بود، به عنوان مترجم پزشکی در حال فعالیت است.در دنیای امروز، تحولات قابل توجهی در زمینه هوش مصنوعی در حال وقوع است. برخی از مترجمان سابق اکنون به کار در حرفههای دیگر مانند رانندگی سرویسهای تحویل غذا روی آوردهاند که این موضوع باعث نگرانی و ناراحتی برخی از افراد شده است.
### محدودیتهای مدل
پژوهشگران بسیاری بر این باورند که هوش مصنوعی هنوز توانایی انجام وظایف پیچیدهای را که دانشمندان انجام میدهند، ندارد. بهعنوان مثال، تصمیمگیری درباره انتخاب ایدهها بهعنوان پرسشهای پژوهشی، از فرصتهایی است که هوش مصنوعی هنوز نمیتواند به درستی آن را مدیریت کند. جاناتان اوپنهایم، فیزیکدان کوانتومی در دانشگاه کالج لندن، به هوش مصنوعی دسترسی دارد و از آن میخواهد قبل از ارسال مقالاتش به مجلات، گزارشهای داوری ساختگی تهیه کند. او در این مورد میگوید که انتقادات ارائه شده توسط هوش مصنوعی، مفید است، اما **هوش مصنوعی از لحاظ ارائه ایدههای جدید، محدودیت دارد.**
حتی متخصصانی که نسبت به توانایی هوش مصنوعی در تولید ایدههای پژوهشی خوشبین هستند، بر این نکته تأکید دارند که نقش انسانها در این فرایند همچنان حیاتی است. کارو سانکارالینگام، دانشمند علوم رایانه دانشگاه ویسکانسین مدیسون، اعتقاد دارد که بهترین روش برای ایدهپردازی، ترکیب دادههای انسانی و هوش مصنوعی است. او برای طراحی دقیق پرسشها، زمان زیادی صرف میکند تا از «توهمات» هوش مصنوعی جلوگیری کند.
آنتون کورینک نیز در نظراتش اشاره دارد که حتی مشاغل پژوهشی در سطح عالی نیز در مواجهه با متمرکز شدن بر شناخت، آسیبپذیر میشوند. او بیان میکند که **انتظار دارد ریاضیدانان در سالهای آتی تأثیرات این تغییرات را درک کنند، اما ریاضیدانان این نگرانی را رد میکنند که هوش مصنوعی بتواند جایگزین آنها شود.**
### کار عملی
متخصصان آزمایشگاهی که آزمایشهای «آزمایشگاه مرطوب» انجام میدهند، در حال حاضر در موقعیت ایمنتری قرار دارند. تکنولوژیهای خودکار مبتنی بر هوش مصنوعی و رباتیک فعلاً توانایی انجام بسیاری از وظایف را ندارند و در تفسیر نتایج با مشکلاتی روبرو میشوند. اوپنهایم معتقد است که هوش مصنوعی به زودی تأثیر قابل توجهی بر کار پژوهشگران نخواهد گذاشت.
یک مطالعه اخیر در زمینه زیستشناسی ساختاری نوید میدهد که برخی مشاغل با وجود پیشرفتهای هوش مصنوعی همچنان پایدار خواهند ماند. ابزار هوش مصنوعی آلفافولد ۲ (AlphaFold2) به خوبی توانسته است از توالیهای اسید آمینه، ساختار پروتئینها را پیشبینی کند و بهطور دقیق حدود ۴۰ درصد از پروتئینهای شناختهشده را شناسایی کند.
با این حال، یک پیشچاپ منتشر شده در اوایل فوریه نشان داد که روشهای سنتی و زمانبر برای تصویربرداری از پروتئینها هنوز به کار گرفته میشوند. این بدان معنی است که پژوهشگران هنوز به مشکلاتی پرداختهاند که در آنها انسانها **مزیت نسبی** دارند.
پژوهشگران بر این باورند که چنین انعطافپذیری ممکن است مسیر آینده علم باشد. ترنس تائو، ریاضیدان دانشگاه کالیفرنیا در لس آنجلس، میگوید: **اگر ما بتوانیم با هوش مصنوعی سازگار شویم، انتظار میرود که نه تنها دوام بیاوریم بلکه حتی در برخی موارد شکوفا شویم.**
