هوش مصنوعی مشاغل علمی را تهدید میکند؛ از مدلسازی تا ترجمه
به گزارش بخش اقتصاد وبانگاه بر اساس دادههای منتشرشده در ایسنا، افزایش قابلیتهای هوش مصنوعی، تقاضا برای پژوهشگران انسانی در برخی حوزهها را کاهش داده است. به ویژه، وظایفی مانند کدنویسی و تحلیل دادههای پایه که پیش از این توسط دانشجویان تحصیلات تکمیلی و پژوهشگران پسا دکتری انجام میشد، اکنون با سرعت و دقت بیشتری توسط هوش مصنوعی صورت میگیرد.
شوانهه ژائو، مهندس مکانیک در موسسه فناوری ماساچوست، معتقد است که منسوخ شدن نقشهای پایه در حوزههایی چون مدلسازی رایانهای، امری است که هماکنون در حال وقوع است. وی تصریح کرد: «هوش مصنوعی این کار را بسیار بهتر از دانشمندان تازه وارد انجام میدهد.» مشابه این وضعیت در مشاغلی مانند ترجمه مقالات نیز مشاهده میشود، جایی که مترجمان شاهد از دست رفتن حرفه خود هستند.
با این حال، پژوهشگران عموماً مشاغل مرتبط با آزمایشهای عملی و همچنین دانشمندان ارشد که وظیفه سازماندهی و هماهنگی پروژههای پژوهشی را بر عهده دارند، امنتر قلمداد میکنند. اما برخی معتقدند هوش مصنوعی حتی در این کارکردهای سطح بالاتر نیز در حال نزدیک شدن به قابلیتهای انسانی است.
آنتون کورینک، اقتصاددان در دانشگاه ویرجینیا، بیان کرد: «مشاغلی که شامل وظایف صرفاً شناختی هستند، نخستین موارد حذف خواهند بود.» او افزود: «به طور سنتی، اینها همان مشاغلی بودند که بیشترین ارتباط را با پژوهش علمی داشتند. آنها به زودی توسط هوش مصنوعی تصاحب خواهند شد.»
نیرویی مخرب در بخش علمی
در حال حاضر، ابزارهای هوش مصنوعی برای وظایف متنوعی از جمله ویرایش مقالات و خلاصهسازی پژوهشهای علمی مورد استفاده قرار میگیرند. اما بیشترین اختلال در بازار کار علمی، توسط توانایی هوش مصنوعی در تولید کد و پردازش داده ایجاد شده است. این امر منجر به منسوخ شدن مشاغلی مانند برنامهنویسان پژوهشی در برخی آزمایشگاههای دانشگاهی شده است، چرا که هوش مصنوعی قادر به انجام کدنویسیهای سنگین است.
علاوه بر این، حتی اگر هوش مصنوعی مستقیماً منجر به اخراج کارکنان نشده باشد، موقعیتهای شغلی جدید در علم را محدود کرده است. بسیاری از دانشگاهها در استخدام دستیاران پژوهشی و محققان پسا دکتری محتاطتر شدهاند که بخشی از آن به دلیل عدم قطعیتهای مالی و بخشی دیگر به دلیل ظهور هوش مصنوعی است.
برخی دانشمندان نسبت به پیامدهای بلندمدت این روند هشدار میدهند. آنها معتقدند که دانشجویان و متخصصان ممکن است دیگر نتوانند مشاغل آزمایشگاهی دانشگاهی را به دست آورند، که این امر میتواند زنجیره تربیت نیرو را مختل کرده و منجر به افول بلندمدت در علم شود.
از دست رفتن مشاغل و ظهور شغلهای جدید
شواهد موجود نشان میدهد که هوش مصنوعی هماکنون در برخی حوزههای مرتبط با علم منجر به از دست رفتن شغل شده است. به عنوان مثال، با گسترش مترجمان مبتنی بر هوش مصنوعی، انجمن مترجمان آمریکا شاهد کاهش عضویت در بخش علم و فناوری خود بوده است. برخی مترجمان به سمت مشاغل جدیدی مانند ترجمه پزشکی در گفتوگوهای شفاهی روی آوردهاند، در حالی که برخی دیگر به سمت مشاغل خدماتی مانند رانندگی برای سرویسهای تحویل غذا سوق داده شدهاند.
محدودیتهای هوش مصنوعی و نقش انسان
با وجود تمام این تحولات، بسیاری از پژوهشگران تاکید دارند که هوش مصنوعی هنوز قادر به انجام وظایف سطح بالاتری مانند تصمیمگیری در مورد ایدههای پژوهشی نیست. جاناتان اوپنهایم، فیزیکدان کوانتومی، با وجود استفاده از هوش مصنوعی برای شبیهسازی گزارشهای داوری، معتقد است که «هوش مصنوعی واقعاً قادر به ارائه ایدههای نو نیست.»
حتی کسانی که نسبت به توانایی هوش مصنوعی در ایدهپردازی خوشبینتر هستند، اذعان دارند که انسانها هنوز در این فرآیند نقش حیاتی دارند. کارو سانکارالینگام، دانشمند علوم رایانه، بهترین راه برای ایدهپردازی را ترکیب دادههای انسانی و هوش مصنوعی میداند، چرا که تولید فرضیه نیازمند حضور یک فرد برای مهندسی دقیق پرامپتها و جلوگیری از «توهمات» هوش مصنوعی است.
با این حال، برخی از مشاغل که بر شناخت متمرکز هستند، همچنان در معرض خطر محسوب میشوند. انتظار میرود که ریاضیدانان نیز در سال تحصیلی آینده شاهد تاثیر این فناوری باشند، هرچند این دیدگاه که هوش مصنوعی به زودی جایگزین آنها خواهد شد، رد میشود.
امنیت نسبی مشاغل عملی
در مقایسه، متخصصان آزمایشگاه و پژوهشگرانی که آزمایشهای «آزمایشگاه مرطوب» را انجام میدهند، حداقل در حال حاضر در موقعیت امنتری قرار دارند. آزمایشگاههای خودکار مبتنی بر هوش مصنوعی و رباتیک هنوز در انجام بسیاری از وظایف و تفسیر نتایج با مشکل روبرو هستند.
یک مطالعه در حوزه زیستشناسی ساختاری نشان میدهد که برخی مشاغل با وجود ظهور هوش مصنوعی همچنان باقی خواهند ماند. ابزارهای هوش مصنوعی مانند آلفافولد ۲ قادر به پیشبینی ساختار پروتئینها هستند، اما همچنان روشهای دستی برای بررسی پروتئینهایی که هوش مصنوعی در درک آنها مشکل دارد، مورد استفاده قرار میگیرند.
این انعطافپذیری و توانایی انطباق با چالشهای جدید، مسیر آینده علم را ترسیم خواهد کرد. ترنس تائو، ریاضیدان، معتقد است: «اگر با هوش مصنوعی سازگار شویم که فکر میکنم مجبور به این کار باشیم، آنگاه دوام خواهیم آورد و در برخی موارد، حتی میتوان شکوفا شد.»