Pri la aŭtoro: Amy Brand estas Direktoro kaj Eldonisto de MIT Press, rolo kiun ŝi plenumas ekde 2015. Kogna sciencisto laŭ trejnado, ŝi doktoriĝis ĉe MIT kaj plenumis gvidajn rolojn ĉe CrossRef, Harvard kaj Digital Science. Ŝi estas kunkreinto de la taksonomio CRediT, fondinta membro de la estraro de ORCID kaj produktanto de la dokumenta filmo Picture a Scientist. Brand estas vaste agnoskita pro siaj kontribuoj al esplora infrastrukturo, scienca komunikado kaj egaleco en scienco. Ŝiaj honoroj inkluzivas la Premion de la Konsilio de Sciencaj Redaktoroj kaj la Oran Premion AAAS Kavli por Scienca Ĵurnalismo.
Scienco estas esenca por homa progreso. Ankaŭ esenca, kvankam malpli evidente, estas kiel ni disvastigas sciencon. Kiel la sistemo per kiu scio fariĝas malkovrebla kaj kredinda, eldonado estas kerna komponanto de esplora infrastrukturo.
Kiel eldonado devus adaptiĝi por servi la bezonojn de esplora komunumo alfrontanta cenzuron, malpliiĝintan financadon kaj la rapidan kreskon de generaj artefarita inteligenteco-sistemoj, kiuj forprenas scion dum ili erozias ĝian integrecon? Kiel iu, kiu laboris dum jardekoj en esplorado, universitata administrado kaj eldonado, mi neniam vidis la riskojn tiom altajn kiel hodiaŭ por la estonteco de kaj scienco kaj scienca komunikado.
Kun socipolitikaj sistemoj disfalantaj ĉirkaŭ ni, estas tente rigardi generativan AI kiel la alkemian solvon al la problemoj de la mondo. Grandaj lingvomodeloj (MLM) aperis kiel allogaj portaloj al malkovro, provizante tujajn respondojn, senjuntan sintezon, la ŝajnan demokratiigon de scio. Tamen ilia allogo kaŝas ilian potencon kiel sistemoj, kiuj ankaŭ akcelas misinformadon, fraŭdon kaj propagandadon. Intence, ili produktas enhavon, kiu ŝajnas tre kredinda, sed ofte estas misgvida aŭ simple malĝusta. Estas danĝere por scienco, kiam validigo estas malfacila kaj multekosta, dum "vereco" estas malmultekosta kaj profita, precipe konsiderante kiom facile estas trompi la homan menson.
Jes, ni volas akceli malkovron kaj problemsolvadon fronte al teruraj tutmondaj defioj. Ni volas kredi je maŝinoj, kiuj povas solvi problemojn pli rapide ol homa kogna arkitekturo aŭ niaj misfunkciaj institucioj. Sed kiam subtenantoj de senrestrikta AI-trejnado argumentas, ke estas morala imperativo disponigi ĉian sciencan enhavon kaj datumojn por akceli novigadon, historio konsilas singardemon.
Ni jam vidis tion antaŭe. La frua interreto estis laŭdata kiel demokratiiga forto por esprimo kaj universala scio. Fine, manko de reguligo permesis al masivaj komercaj platformoj domini la spacon, eroziante fidon kaj kolapsigante ekonomiajn modelojn por novaĵoj kaj esplora enhavo egale. Ni ankaŭ scias nun, ke nesufiĉe bakitaj malfermaliraj politikoj akcelis firmiĝon en eldonado kaj kreis ekonomiajn instigojn por publikigi pli kun malpli da kvalito-kontrolo.
Ni paŭzu kaj konsideru, kio estas plej bona por homa kompreno, lernado kaj la progreso de scio. Kiam serĉado nur kondukas al resumoj per artefarita inteligenteco kaj uzantoj ne alklakas al originalaj fontoj, kaj kiam la simpla ago de legado por plezuro rapide malpliiĝas, kiel ni evitu estontecon, en kiu ni verkas kaj publikigas enhavon nur por maŝina konsumo?
Mi kredas, ke la esenca rolo, kiun eldonistoj ludas en subtenado de la efiko kaj integreco de esplorado, valoras konservi kaj protekti, precipe nun. Mi komprenas frustriĝon pri altaj publikigaj kotizoj kaj abonaj limigoj, precipe ĉe pli grandaj eldonejoj, kiuj utiligis merkaton por akademia prestiĝo, kiu historie ne estis prez-sentema. Sed nia industrio ne estas unu monolita profitcela unuo. Neprofitcelaj eldonejoj, kiel MIT Press kaj multaj sciencaj socioj, funkcias kun malsamaj valoroj kaj pli mallarĝaj profitmarĝenoj.
Efektive, nin pli minacas la terakaparo per artefarita inteligenteco kaj kelkfoje eĉ la movadoj pri malferma scienco, kiujn ni longe subtenis. Tial ni devas rezisti moralan pozon, kiu ignoras la potencajn dinamikojn, kiuj ludas rolon. Ekzistas aŭreolo ĉirkaŭ la ideo de "malferma", kiu povas obskuri realmondajn kompleksecojn kiel ekonomikon kaj instigojn. Fine, ne ĉiu malfermiteco estas virta; ne ĉiu rezisto al malfermiteco estas obstrukca.
Alia miskompreno estas, ke la interesoj de eldonistoj misakordiĝas kun tiuj de esploristoj. Ni ĵus faris studon granda enketo de aŭtoroj tra STEM-kampoj rilate al neaŭtorizita uzo de ilia laboro por LLM-trejnado. La vasta plimulto protestas kontraŭ ĉi tiu praktiko eĉ kredante ke AI promesas transformajn vojojn por malkovro kaj lernado. Ili atendas povi konsenti, aŭ ne, pri tia uzado kaj atendas atribuon kiam ilia laboro influas LLM-rezultojn. Ili ne egaligas malferma-por-legado kun malferma-por-trejnado.
Ankaŭ multaj skeptikas pri la integreco de grandaj AI-kompanioj, kaj maltrankviliĝas pri kiel LLM-oj influos eldonadon, legadon, verkadon, kritikan pensadon kaj kreivon; platigos diversajn vidpunktojn; kaj plifortigos antaŭjuĝojn kaj kulturajn hegemoniojn. Ili profunde maltrankviliĝas pri tio, kio perdiĝas kiam ni rompas hom-verkitajn verkojn en tokenigitajn trejnajn datumojn kaj provizas ilin al modeloj, kiuj ne povas konservi ilian kuntekston aŭ argumenton.
La demando pri kiel, kaj sub kiaj kondiĉoj, publikigita scienco estas uzata por trejni LLM-ojn ne temas nur pri kopirajto. Ĝi temas pri kiu kontrolas la estontecon de scio. Ĉu ni cedas aŭtoritaton al maldiafanaj, ekstraktaj industrioj kun malmulta respondigebleco al la esplora komunumo? Aŭ ĉu ni konstruas sistemojn, kiuj konservas atribuon, integrecon kaj daŭripovon? Se ni serioze konsideras homan prosperon, sciencbazitan sciencon kaj protektadon de la kondiĉoj, sub kiuj scio kreskas, tiam la esplora komunumo kaj ĝiaj institucioj devas procedi kun juĝo.
Kies interesojn servas fordoni publikigitan sciencon kaj stipendion al tre ekstrakta, opaka teĥnologia sektoro? Sekvu la logikon: la tuta valoro en la malfermaj eldonkotizoj pagitaj de aŭtoroj, institucioj kaj financantoj finfine estas transdonita al tiaj kiel OpenAI kaj Anthropic. Kiam temas pri ekstraktaj industrioj, ni ankaŭ estu honestaj taksante kiel la valoroj de la AI-sektoro komparas kun tiuj de akademiaj eldonistoj.
Mi mem restas optimisma, ke per zorgema planado kaj sciencbazita politiko, ni uzos artefaritan inteligentecon por plibonigi kolegan revizion, plibonigi reprodukteblecon, kaj fluliniigi eldonajn laborfluojn kaj kostojn. Ni eble eĉ povos konstrui solvojn, kiuj helpos subteni la bonajn partojn de scienca eldonado.
Sed la nuna paradigmo, kie la publikigitaj datumoj estas minataj sen konsento kaj monetigataj de privataj teknologiaj gigantoj, estas maletika kaj detrua por scienco kaj sciencoj. Ĝi ankaŭ reflektas magian pensadon pri kiel nia kompleksa mondo funkcias kaj kiel ni faros veran progreson en solvado de la ekzistecaj problemoj, kiujn ni alfrontas.
malgarantio
La informoj, opinioj kaj rekomendoj prezentitaj en niaj gastblogoj estas tiuj de la individuaj kontribuantoj, kaj ne nepre reflektas la valorojn kaj kredojn de la Internacia Scienca Konsilio.
Ricevu estontajn resumojn pri malferma scienco rekte en vian retpoŝtkeston – aboni nun.
Foto de Martin Adams on Unsplash
Legu pli pri la ISC-Forumo pri Eldonado kaj Esplora Takso 
Legu pli pri la resumo de Malferma Scienco: Enkorpigo de Malferma Scienco-instigoj en esplorsistemojn 
Legu pli pri Antaŭenigo de kunordigita reformo en eldonado kaj esplora taksado 
Legu pli pri la resumo de Malferma Scienco: Repensante esploran taksadon kaj renovigante tutmondajn engaĝiĝojn al malfermiteco 
