La Internacia Scienca Konsilio kaj ĝia Membro, la Ĉina Asocio por Scienco kaj Teknologio (CAST), en partnereco kun naturo, lanĉis novan sespartan podkastan serion esplorantan la evoluantan pejzaĝon de esploraj karieroj. Tra la serio, esploristoj en la frua kaj meza kariero konversacios kun altrangaj sciencistoj, dividante spertojn pri kresko, kunlaboro kaj rezisteco fronte al rapida ŝanĝo.
En ĉi tiu tria epizodo, Mercè Crosas, Direktoro de Komputa Socia Scienco kaj Humanismaj Studoj ĉe la Barcelona Superkomputila Centro, kaj Mohammad Hosseini, Doktoro pri Etiko ĉe Northwestern University, diskutu kiel AI kaj ciferecigo transformas sciencajn karierojn kaj la esplorprocezon.
La konversacio elstarigas kaj la ŝancojn kaj la defiojn, kiujn artefarita inteligenteco alportas por esploristoj en frua kaj meza kariero. Dum novaj teknologioj ebligas sukcesojn kaj malfermas tute novajn esplorvojojn, ili ankaŭ levas zorgojn pri egaleco de aliro, troa dependeco de aŭtomataj iloj, kaj la erozio de kritika pensado.
Izzie Clarke: 00:01
Saluton kaj bonvenon. Mi estas scienca ĵurnalistino Izzie Clarke kaj en ĉi tiu podkasto prezentita en partnereco kun la Internacia Scienca Konsilio, kun la subteno de la Ĉina Asocio por Scienco kaj Teknologio, ni diskutos la potencon de la cifereca helpo kaj artefarita inteligenteco konata kiel AI, ĝian gravecon por karieroj en scienco, kaj ankaŭ ĝian eblan minacon al la scienca entrepreno.
Hodiaŭ, mi estas akompanata de Mercè Crosas, Direktoro de Komputa Socia Scienco kaj Humanismaj Studoj ĉe la Barcelona Supercomputing Center kaj Prezidantino de la Komitato pri Datumoj de la Internacia Scienca Konsilio, konata kiel CODATA.
Mercè Crosas: 00:42
Saluton.
Izzie Clarke: 00:43
Kaj Mohammad Hosseini, docento pri etiko ĉe la Northwestern University en Ĉikago, kaj membro de la Global Young Academy.
Mohammad Hosseini: 00:51
Saluton, kiel vi fartas?
Izzie Clarke: 00:52
Bonege, dankon. Mi pensas, ke demando al ambaŭ, por komenci, estas kial nun estas kritika momento por pripensi kiel ciferecigo kaj artefarita inteligenteco formas sciencajn karierojn?
Mohammad Hosseini: 01:05
Mi opinias, ke ni vidas pli kaj pli da daten-bazita decidiĝo fare de esploristoj, kio foje ankaŭ influas nacian aŭ lokan decidiĝon, kio estas bone, sed rilate al sciencaj karieroj, tio signifas, ke ni bezonas trejni esploristojn pri novaj kapabloj.
Kaj tio ĉiam estis la kazo. Sed pro la turnopunkto, aferoj moviĝas tiel rapide, ke ni apenaŭ povas atingi ilin. Maŝinoj fariĝas tiel kapablaj, ke ili povas delokigi aŭ anstataŭigi homan laborantaron en scienco. Ni nun estas en ia kritika momento por diskuti ciferecigon kaj esplori, kiu profitas de ĉi tiuj teknologioj, kiu eble restos malantaŭe kaj kiel ni povas certigi travideblecon kaj egalecon en ilia uzo.
Izzie Clarke 01:54
Mercè, kiaj estas viaj pensoj?
Mercè Crosas: 01:56
Unu el la unuaj aferoj estas, ke AI ankaŭ estas uzata en scienco jam de sufiĉe longa tempo, kaj la ŝanĝo okazas progresive. Estas vere, ke nun ekzistas eksponenta uzo de AI uzata kiel metodoj en granda parto de la scienca produktado.
Do, de la esplorado de la literaturrevizio ĝis la provo eltrovi la esplordemandon, ĝis la datenprilaborado kaj datenkolektado, kaj poste la analizo mem, sed ankaŭ poste la publikigo de la sciencaj rezultoj. Nu, mi supozas, ke tiu turnopunkto, pri kiu Mohammad parolis, havas multe pli larĝan efikon ol iam antaŭe.
Izzie Clarke: 02:34
Estas multaj aferoj por konsideri ĉi tie. Vi menciis publikigon tie kaj ni parolos pri tio post momento. Sed rilate al ŝancoj, kiajn ŝancojn vi vidas aperi el ĉi tio por esploristoj en frua kaj meza kariero kaj kiel tio ŝanĝas tiun AI-movitan sciencan pejzaĝon?
Mohammad Hosseini: 02:55
Mi supozas, ke ŝancoj plejparte temas pri fari novajn malkovrojn kaj fari aferojn, kiuj estus eĉ revo antaŭ kvin jaroj. Ĉiu ajn areo, kiu povus profiti de modelado, ni moviĝas multe pli rapide nun. Ĉi tio estas ŝanco, precipe por esploristoj en frua kaj meza kariero, kiuj eble estas pli lertaj pri uzado de artefarita inteligenteco, sed ĝi venas kun certaj kompromisoj. Trovi ŝancojn en ĉi tiu nova dinamiko postulas novan specon de scivolemo, pri kiu ni ne estas trejnitaj. Sed mi pensas, ke ni devus provi trovi taskojn en esploraj kuntekstoj, kiuj ne povas esti aŭtomatigitaj, kaj provi elstari en tiaj taskoj.
Ekzemple, en mia esplorkampo, mi estas esploristo pri etiko. Skribi bone argumentitan artikolon jam estas aŭtomatigita. Sed mentorado, instruado de ĉeesta kurso, kiu estas ankaŭ interaga kaj engaĝiga, aŭ farado de intervjuoj por kolekti datumojn kaj akiri novajn komprenojn el la vivspertoj de homoj — ĉi tiuj estas taskoj, kiujn oni ne povas facile aŭtomatigi. Kaj mi pensas, ke ni devas trovi ĉi tiun grupon de taskoj en nia propra esplora kunteksto kaj provi elstari en tio.
Izzie Clarke: 04:06
Kaj Mercè?
Mercè Crosas: 04:07
Mi ne vidas grandan riskon, ke sciencistoj aŭ frukarieraj, mezkarieraj sciencistoj estos anstataŭigitaj. Kion mi vidas estas ŝancoj por novaj esplordemandoj, kiujn multaj sciencistoj el antaŭaj generacioj eĉ ne povis pensi pri demandi, ĉu ne? Do, ne, ne temas nur pri tio, ke, nu, nun ni povas apliki ĉi tiujn ilojn, sed ke ni povas pensi pri iuj kampoj tute alimaniere. En biomedicino, en klimata ŝanĝo, en fiziko kaj biologio por genetiko, tio povas ŝanĝiĝi per la uzo de artefarita inteligenteco kaj novaj specoj de datumoj.
Izzie Clarke: 04:39
Mi kredas, ke ni vidas, ke ekzistas multaj diversaj manieroj, kiel ni povas turni nin al artefarita inteligenteco kaj pritrakti diversajn taskojn, kaj ni parolis pri rekvalifikado. Do, kion laŭ vi esploristoj en la sciencaj kampoj en la fruaj kaj mezaj karieroj devas konsideri, kaj kie ili povas ricevi subtenon?
Mercè Crosas: 04:57
Estas pli grave ol iam ajn esti tre rigoraj en scienco kaj kompreni, ke fine, ĉu ni uzas artefaritan inteligentecon aŭ aliajn ilojn, scienco estas tio, kion ni faras, kaj scienco estas inferenco, kaj scienco devas esti publika. La metodoj, la datumoj kaj la maniero, kiel ni faras tion, devas esti kontrolitaj de aliaj.
Tio signifas, denove, ke ni ne nur uzas la artefaritan inteligentecon por doni al ni respondojn, sed ni devas fariĝi pli specialistoj pri kiel ni validigas tiujn respondojn. Kaj por tio, ni devas esti ankoraŭ pli preparitaj pri la teorio de la kampoj, kie ni esploras, kaj la rigoreco de la rezultoj.
Izzie Clarke: 05:33
Jes, nu, Mohammad, mi ankaŭ ŝatus viajn pensojn pri tio, ĉar mi scias, ke vi multe atentas ĉi tion.
Mohammad Hosseini: 05:38
Jes, absolute. Kaj mi ankaŭ volas reveni al tio, kion Mercè diris ĉi tie. Jes, gravas pensi pri teorio, kaj samtempe, estas multaj homoj, kiuj nun argumentas, ke pro ĉi tiu kresko de daten-movita scienco, ni vidas la finon de socia teorio. Teorio ne estas vere tiel grava, ĉar homoj povas simple kolekti datumojn kaj fari datenminadon por vidi, kio estas grava, sen eĉ havi hipotezon antaŭ sia datenkolektado.
Kaj mi opinias, ke tio estas rimarkinda evoluo, kiu postulas multan zorgeman konsideron kaj atenton. Mi pensas, ke unu el la defioj, kiujn mi ankaŭ volas reliefigi, estas la fakto, ke ni havas aliron al malsamaj rimedoj, depende de la loko. Ni ankaŭ havas malegalecojn rilate al tio, kion institucioj provizas. Mi havas la privilegion esti bazita en riĉa privata universitato en Usono, kiu ofertas senpagan aliron al diversaj AI-modeloj, sed tio ne validas por milionoj da aliaj esploristoj.
Kaj ĉi tiu malegaleco metas multajn aliajn homojn en malavantaĝan pozicion. Multaj universitatoj eĉ ne havas ĝeneralan politikon pri la uzo de artefarita inteligenteco-modeloj. Se mi estus en tia universitato, mi vere provus paroli kun la universitata administrado aŭ biblioteko por peti ilin provizi gvidadon kaj trejnadon.
Mercè Crosas: 06:54
Por daŭrigi la danĝeron de tro daten-movita fokuso. Mi ne akceptas, ke tio estas la vojo, kiun ni devas iri, ĉu ne? La rezulto estas la intersekco inter la teoria modelo kaj ĉi tiu daten-movita aliro. Sed rilate al la uzado de generativa artefarita inteligenteco aŭ novaj specoj de artefaritaj inteligentecaj iloj, mi opinias, ke Eŭropo havas sufiĉe malsaman aliron ol aliaj lokoj.
Kaj nun disvolviĝas nova strategio pri artefarita inteligenteco en scienco kaj scienco por artefarita inteligenteco. Ni devas esti singardaj pri kiajn artefaritajn inteligentecojn ni uzas, ĉu ili havas klaran difinon pri kiaj datumoj estas uzitaj, ĉu ili estas malfermfontaj, ĉu ili fokusiĝas al fidinda artefarita inteligenteco, kaj mi opinias, ke tio estas tre grava.
Izzie Clarke: 07:36
Mi ankaŭ volis atentigi pri io tie. Ni parolas pri kiel ni uzas artefaritan inteligentecon en laboro kaj eldonado. Do Mohammad, kion vi opinias, ke esploristoj en frua kaj meza kariero devus konsideri rilate al eldonado kaj la uzo de artefarita inteligenteco?
Mohammad Hosseini: 07:54
Jes, mi pensas, ke unu el la aferoj, pri kiuj ni vere devus atenti, estas kia tasko ni transdonas al artefarita inteligenteco? Kian taskon ni petas de artefarita inteligenteco? Kiam ĉi tiu artefarita inteligenteco ekprospero komenciĝis, artefarita inteligenteco plejparte estis uzata ĉe la fino de via esplorprocezo, ekzemple ĉe la punkto de redaktado kaj plibonigo de legebleco kaj tiel plu.
Sed nun ni transdonas ĉi tiujn gravajn taskojn al artefarita inteligenteco, kaj la venontan fojon, kiam vi volas pripensi vian sekvan esplordemandon, anstataŭ pensi pli profunde pri la lernolibroj, kiujn vi legas, aŭ la novaj artikoloj, kiujn vi legas, vi pensas, ha, lasu min demandi, kion artefarita inteligenteco diras pri ĝi. Ĝi fariĝas tre dependiga, kaj mi kuraĝigus esploristojn esti konsciaj pri la taskoj, kiujn ili delegas, kaj demandi al si, ĉu ĝi valoras la penon?
Mia sugesto estas ne publikigi ion nur pro la celo de publikigi ion, krom se vi havas ion vere gravan por diri. Pripensu, kiun vi citas. Se vi uzas artefaritan inteligentecon por trovi literaturon, certigu, ke vi legas la enhavon, kiun vi citas, ĉar ofte ĉi tiuj citaĵoj estas sensignifaj.
Izzie Clarke: 09:03
Kaj mi opinias, ke tio estas bona punkto. Jes, ekzistas manieroj, kiel ni povas uzi artefaritan inteligentecon, kiuj povus esti helpemaj en iuj punktoj, sed tenu iujn el tiuj kapabloj aktivaj kaj certigu, ke vi faras diligentan esploron ankaŭ en aliaj manieroj.
Kaj mi pensas, ke tio verŝajne kondukas nin al diskuto pri kredindeco. Do, ene de via fako kaj al la pli vasta publiko, kio necesas por konservi kredindecon en ĉi tiu cifereca epoko? Mercè?
Mercè Crosas: 09:30
Nu, mi opinias, ke ĝi estas tre facila. Mi volas diri, vi havas kredindecon kiam vi povas komuniki ĝin, kiam vi plene komprenas ĝin kaj tion, pri kio vi laboras, kaj ĝi ne estas generita de io alia, kion vi ne komprenas. Revenante al la valoroj de scienco kaj malferma scienco, ke ĝi estu kiel eble plej travidebla, ke ĉiu alia povu kontroli tion, kion vi faris, kiel vi aplikis la AI-modelon, la metodon, la datumojn, kiujn vi uzis, la laborfluojn, justajn principojn por troveblaj, alireblaj, interfunkcieblaj, reuzeblaj datumoj. Sed ankaŭ programaron, por ke tio, kion vi uzas, estu kundividebla, trovebla de aliaj kaj povu esti kontrolita.
Izzie Clarke: 10:06
Sed ekzistas multaj ekscitaj manieroj, kiel ĉi tio povas esti ilo por transformi sciencon kaj ankaŭ ciferecigon. Do, Mercè, kiel vi vidas la rolon de scienca komunikado kreski dum teknologio ankaŭ kreskas?
Mercè Crosas: 10:20
Nu, do, scienca komunikado, ni ankoraŭ bezonas multe labori pri tio por la socio. Kaj jam ekzistas atendoj, ke estas eblecoj aŭ ŝancoj por ke AI ludu rolon ankaŭ en helpado resumi multon el la sciencaj rezultoj kaj igi ilin pli alireblaj por pli larĝa publiko. Do, mi pensas, ke tio povas esti interesa.
Izzie Clarke: 10:41
Kaj fine, kio donas al vi ambaŭ esperon pri la estonteco de scienco en ĉi tiu cifereca mondo? Mohamedo?
Mohammad Hosseini: 10:47
Mi pensas, ke tio, kio donas al mi esperon, estas nova generacio de esploristoj, kiuj parolas laŭte. Ni observas novan generacion, kiu kuraĝas diri tion, kion ĝi pensas, kaj pretas pagi prezon por tio. Mi estas en Usono kaj mi vidas ĉiuspecajn grandajn kompaniojn kaj kiel ili povas influi la esploran pejzaĝon kaj universitatojn kaj ĉion tian. Do, estas tre grave por mi vidi tion.
Izzie Clarke: 11:12
Kaj Mercè?
Mercè Crosas: 11:15
Do, mi opinias, ke ni havas pli da iloj por kompreni kiel ni laboras, kiel ni kunlaboras, kiajn novajn demandojn ni povas demandi en scienco. Kaj mi opinias, ke tio donas esperon por pli bona scienco se ni ne perdas tion, kio estas scienco, kaj ni ne perdas ĉi tiujn valorojn de malferma scienco, sed ankaŭ profitante de ĉi tiu nova tipo de AI-metodoj.
Izzie Clarke: 11:34
Dankon al ambaŭ pro via kuniĝo.
Se vi estas esploristo en frua aŭ meza kariero kaj volas partopreni la konversacion pri la estonteco de artefarita inteligenteco, aliĝu al la Forumo de la Internacia Scienca Konsilio por emerĝantaj sciencistoj.
Viziti: konsilio.scienco/forumo por ekscii pli.
Mi estas Izzie Clarke, kaj la venontan fojon ni diskutos kiel esploristoj en frua kaj meza kariero povas helpi protekti nian oceanon kaj la potencon de transdisciplina aliro por fari tion. Ĝis tiam.
Legu pli pri Scienco sen limoj: Internacia kunlaboro por la sekva generacio de esploristoj 
Legu pli pri Repensante kreskon kaj rezistecon en la esplora ekosistemo 
Legu pli pri Transdisciplina scienco: Fruaj kaj mezaj karieroj formas la estontecon de scienco 