ابزارهای هوش مصنوعی مولد (genAI) روزبهروز بیشتر در علوم برای جستجو و خلاصهسازی متون، تولید ایده، پیشنویس پاسخ به داوران و بهبود سبک متن نوشتهشده مورد استفاده قرار میگیرند. این موضوع پرسشی را مطرح میکند: وقتی بخشی از کار پژوهشگر توسط هوش مصنوعی واسطهگری میشود، چه چیزی به عنوان «مالکیت فکری انسانی» در نظر گرفته میشود؟ و چه مقدار از این «کار» فکری باید به یک مدل هوش مصنوعی یا توسعهدهندگان آن نسبت داده شود؟
نویسنده بودن در علوم جایگاهی اکتسابی است: این وضعیت مشارکت دانشمند را در یک مقاله به رسمیت میشناسد و به جامعه پژوهشی اعلام میکند که او دانشمندی شایسته و مسئول است. آنچه در صورت به رسمیت شناختن احتمالی هوش مصنوعی به عنوان نویسنده در خطر است، تنها کسب اعتبار برای یک متن نیست، بلکه نحوه پاسخگویی و اعتمادپذیری نگارش علمی تعیین میشود.
این مشکل پیش از ظهور هوش مصنوعی مولد وجود داشته است. نویسندگی در دوران مدرن اولیه نه یک وضعیت طبیعی و ثابت، بلکه دستاوردی عملی بود که از طریق کنوانسیونها تثبیت شد. اقتدار اسحاق نیوتن، برای مثال، نه تنها بر پایه کشفیات علمی، بلکه بر توانایی او در مدیریت نهادهایی مانند انجمن سلطنتی و شیوههای انتشاراتی که اعتبار علمی از طریق آنها تخصیص مییافت، استوار بود. فناوریهای جدید بارها این arrangements را دگرگون کردهاند.
در نهایت، تصمیمات فعلی درباره نقش هوش مصنوعی در انتشارات آکادمیک تأثیری مستقیم بر آینده خود پژوهش1 دارد. اگر هوش مصنوعی به طور فزایندهای برای غربالگری مقالات، کمک به داوری همتا، تهیه پیشنهادهای گرنت، ارزیابی خروجیهای پژوهشی و شکلدهی به فرآیندهای انتشار استفاده شود، تصمیمگیری درباره استفاده از آن نباید صرفاً بر اساس راحتی یا کاهش هزینه باشد. نیاز به بحث عمومی صریحتری احساس میشود.
در اینجا، من برخی از چالشهای پژوهشی که با ظهور هوش مصنوعی آشکار شدهاند را بررسی میکنم و گامهایی رو به جلو ترسیم مینمایم.
نویسندگی واسطهشده توسط هوش مصنوعی
نگارش آکادمیک مدتهاست که بر پایه نیروی کار تمایز یافته و سلسلهمراتبی سازماندهی شده است. در یک تیم پژوهشی، اعضای ارشدتر ممکن است به جستجوی متون و جمعآوری داده بپردازند. دانشمندان باتجربهتر میتوانند چارچوب مفهومی مقاله را تدوین و بخشهایی از آن را پیشنویس کنند، و پژوهشگران ارشد اغلب نظارت، بازبینی و تصویب نهایی کار را بر عهده دارند.
وقتی نویسندگان از ابزارهای هوش مصنوعی مولد برای انجام بخشی از کار خود استفاده میکنند، این امر معادل آوردن یک مشارکتکننده انسانی نیست. یک دانشجوی تحصیلات تکمیلی یا دستیار پژوهشی میتواند مشارکت خود را توضیح دهد، به نقدها پاسخ دهد، از اصلاحات بیاموزد و در قبال یکپارچگی و دقت کار خود پاسخگو باشد. هوش مصنوعی مولد متفاوت است: این سیستم نمیتواند برای آنچه تولید میکند توجیه ارائه دهد یا مسئولیتی بپذیرد.
استفاده از هوش مصنوعی مولد شامل مجموعهای از شیوههای واسطهشده تکنولوژیک است: نوشتن دستورات (prompts)، تولید خروجیها، خلاصهسازی اطلاعات، طبقهبندی محتوا و بررسی نتایج. این اقدامات خارج از دستهبندیهای نویسندگی فعلی قرار میگیرند — و بنابراین نویسندگی نمیتواند نشان دهد چه کسی چه کاری انجام داده، هوش مصنوعی چگونه در میان بوده یا چگونه اعتبار و مسئولیت باید تخصیص یابد. بدون قوانین مشخص برای کارهای واسطهشده توسط هوش مصنوعی، حسابرسی نویسندگی دشوارتر میشود.
طبقهبندیهای نقش نویسندگی موجود، مانند CRediT — طبقهبندی نقشهای مشارکتکننده که اکنون توسط چندین ناشر استفاده میشود و نقشهای پژوهشگران را در تولید یک مقاله مشخص میکند — هم ضروری و هم ناکافی هستند. آنها به دلیل شکستن نیروی کار علمی به نقشهای خاص ارزشمند باقی میمانند و از سوءتفاهم اینکه ترتیب نویسندگان به تنهایی مشارکتها را نشان میدهد فراتر میروند. اما CRediT برای مشارکتکنندگان انسانی ساخته شده است. نگارش مشترک انسان-هوش مصنوعی مولد آن را برهم میزند؛ ساختارهای گزارشدهی فعلی به سختی واسطهگری هوش مصنوعی را ثبت میکنند.
فراتر از تیم نویسندگان، سیاستهای مربوط به نویسندگی از طریق زیرساختهای سردبیری و داوری که مقالات باید از آنها عبور کنند تا به عنوان پژوهش در نظر گرفته شوند، گسترش مییابد. هوش مصنوعی نیز شروع به ایفای نقش در این عرصه کرده است. انتخاب داوران، تفسیر سردبیر از گزارشها و زبان تصمیمات — که همه تحت تأثیر استفاده از هوش مصنوعی قرار دارند — سرنوشت متن و اقتدار نویسندگان نهایی آن را شکل میدهند.
سیاستهای مربوط به نویسندگی به ویژه در بخش تقدیرنامهها مشهود است. این بیانها صرفاً ادب نیستند. آنها بخشی از اقتصاد پلکانی انتساب هستند که از طریق آن نیروی کار علمی ارزشگذاری میشود یا نامرئی میماند. برخی کارها به نویسندگی تبدیل میشوند، برخی به «نظرات مفید» یا «کمک» تقلیل مییابند و برخی دیگر ناپدید میشوند.
در این بخش، دستیاران پژوهشی، دانشجویان، داوران و همکارانی که در کارگاهها، کنفرانسها یا دورهمیهای شام با آنها مواجه شدهاید، ممکن است ذکر، نامبرد و تشکر شوند — یا نادیده گرفته شوند. چنین حذفهایی شامل نیروی کار انسانی عمدتاً نامرئی میشود که سیستمهای هوش مصنوعی مولد را فعال میسازد: برچسبگذاری دادهها، ارزیابی مدل، مهندسی، نگهداری پلتفرم و تولید متونی که مدلها بر آنها آموزش دیدهاند.
به همین دلیل، بحث فعلی باید فراتر از حل مسئله چگونگی گنجاندن هوش مصنوعی مولد در یک اقتصاد پلکانی موجود از انتساب باشد. این یک فرصت برای به چالش کشیدن خود آن اقتصاد است. با مجبور کردن به ایجاد دستهبندیهای جدید برای شیوههای نویسندگی در چارچوبهای موجود، هوش مصنوعی مولد میتواند دریچهای برای برهم زدن برخی سلسلهمراتبها در کار آکادمیک ایجاد کند، نه اینکه صرفاً ابزاری جدید به جریان کار اضافه شود: اگر سنتز متون با کمک هوش مصنوعی از طریق نویسندگی به رسمیت شناخته شود، چرا همان کار، زمانی که توسط یک دستیار پژوهشی انسانی انجام شود، نباید باعث کسب نویسندگی برای او نیز بشود؟