سید امیرحسین فلاح، دانشجوی کارشناسی ارشد، رشته شیمی تجزیه از دانشگاه علم‌وصنعت در گفت‌وگو با خبرنگار گروه دانشگاه ایسکانیوز در مورد پیادمدهای استفاده از هوش مصنوعی در مقالات علمی و پژوهشی اظهار کرد: در سال‌های اخیر، هوش مصنوعی با سرعت قابل‌توجهی در کشورهای مختلف گسترش یافته و به تدریج در حوزه‌های متنوع علمی و مهارتی نفوذ کرده است. این فناوری اکنون نه‌تنها وارد دانشگاه‌ها و پایان‌نامه‌های دانشجویی شده، بلکه حتی منجر به شکل‌گیری رشته‌ای مستقل تحت عنوان «هوش مصنوعی» شده است.

وی گفت: یکی از موضوعات مهم در این حوزه، نقش فعلی هوش مصنوعی در تحول علم است. به نظر می‌رسد که ما دیگر صرفاً با یک ابزار مواجه نیستیم؛ بلکه با سیستمی روبرو هستیم که توانایی یادگیری، تحلیل و ارتقاء خودکار دارد. در گذشته برای نگارش گزارش‌ها یا استخراج داده‌های علمی، مجبور بودیم اطلاعات خام را به صورت دستی در پایگاه‌های داده جست‌وجو کنیم؛ برای مثال، در تحلیل‌های جرم‌سنجی یا خواص مواد، پژوهشگر باید زمان زیادی صرف یافتن اطلاعات مرتبط می‌کرد. اما اکنون نرم‌افزارهایی توسعه یافته‌اند که با بهره‌گیری از هوش مصنوعی، می‌توانند به‌صورت خودکار و دقیق، کل پایگاه‌های استنادی را جست‌وجو کرده، مرتبط‌ترین داده‌ها را شناسایی کنند و به پژوهشگر ارائه دهند.

فلاح ادامه داد: این تحول به ما کمک کرده است تا هم در سرعت انجام تحقیقات و هم در عمق تحلیل‌ها پیشرفت چشمگیری داشته باشیم. در واقع، اگر پیش‌تر تنها ده درصد از خروجی دستگاه‌ها قابل بهره‌برداری مستقیم بود، امروز هوش مصنوعی با تحلیل و تطابق داده‌ها، نمودارها و حتی تصاویر علمی تولید می‌کند که برای مخاطب نیز قابل فهم‌تر و کاربردی‌تر هستند.

همچنین، یکی از مهم‌ترین حوزه‌هایی که هوش مصنوعی در آن نقش‌آفرین شده، حوزه نگارش علمی است. نوشتار دقیق و علمی، به‌ویژه برای انتشار در ژورنال‌های بین‌المللی، نیازمند تسلط به زبان انگلیسی و نگارش آکادمیک است. ابزارهای هوش مصنوعی می‌توانند در اصلاح ساختار نگارشی، رفع ایرادات گرامری، ترجمه مفاهیم تخصصی و ساده‌سازی مفاهیم علمی به شکلی قابل‌فهم برای مخاطب عمومی، بسیار مؤثر واقع شوند.

وی در پاسخ به این پرسش که آیا هوش مصنوعی صرفاً یک ابزار موقت است یا آغازگر یک انقلاب علمی جدید، گفت: در نگاه اول ممکن است هوش مصنوعی همچون ابزارهای دیجیتال دیگر به نظر برسد که با ورودشان سروصدا ایجاد می‌کنند و پس از مدتی به ابزاری روزمره بدل می‌شوند. اما تفاوت اصلی در آنجاست که هوش مصنوعی خود قابلیت یادگیری و توسعه دارد و رشد آن صرفاً وابسته به انسان نیست.

فلاح یادآور شد: این ویژگی، آن را از سایر فناوری‌ها متمایز می‌کند و احتمالاً به یکی از ارکان اصلی پیشرفت علمی در آینده نزدیک تبدیل خواهد شد. بسیاری از افراد فعال در حوزه‌های علمی نیز به خوبی این موضوع را درک کرده‌اند و سعی دارند از ظرفیت‌های هوش مصنوعی برای کاهش فاصله بین شاخه‌های مختلف علمی بهره ببرند. ما نه‌تنها با یک ابزار جدید مواجه هستیم، بلکه در آستانه انقلابی علمی قرار داریم که می‌تواند بنیادهای پژوهش، آموزش، صنعت و حتی تفکر علمی را دگرگون سازد.

وی در ادامه افزود: با نگاهی به روند پژوهش‌های علمی در دهه آینده، می‌توان انتظار داشت که این تحقیقات به شکل فزاینده‌ای تخصصی‌تر و منطبق‌تر با نیازهای روز جامعه شوند. استفاده از هوش مصنوعی می‌تواند به ساده‌سازی فرایندهای تحقیقاتی کمک کند و ارتباط میان جوامع علمی مختلف را تسهیل نماید. در گذشته برای کسب اطلاعات پیرامون یک ماده یا محصول، نیاز به مراجعه به منابع متعدد همچون کتاب‌ها، پایگاه‌های اطلاعاتی و مجلات مختلف بود. اما اکنون، با وجود فناوری‌های نوین، به‌ویژه ابزارهای مبتنی بر هوش مصنوعی، این داده‌ها به شکلی بسیار ساده‌تر و متمرکزتر در اختیار پژوهشگران قرار می‌گیرد.در محیط‌های دانشگاهی نیز این روند آغاز شده است.

وی گفت: برخی دانشگاه‌ها در حال حاضر دوره‌ها و کارگاه‌هایی برای آموزش ابزارهای هوش مصنوعی برگزار می‌کنند. با این حال، هنوز نیاز به توسعه و به‌کارگیری این فناوری‌ها در سطحی وسیع‌تر و سیستماتیک احساس می‌شود. امروزه بسیاری از محققان به شکل فردی به قدرت این ابزارها پی برده‌اند، اما لازم است دانشگاه‌ها به صورت رسمی، زیرساخت‌های لازم را برای بهره‌گیری از این فناوری‌ها فراهم آورند.

دانشجوی کارشناسی ارشد بیان کرد: پیش‌بینی می‌شود که در آینده‌ای نه‌چندان دور، استفاده از هوش مصنوعی در دانشگاه‌ها به یک الزام بدل شود؛ به‌گونه‌ای که دانشجویان و پژوهشگران برای انجام تحقیقات علمی ناگزیر به بهره‌گیری از این ابزارها باشند. این فناوری‌ها می‌توانند زمان صرف‌شده برای جمع‌آوری اطلاعات را به حداقل رسانده و دقت تحلیل داده‌ها را افزایش دهند.

وی ادامه داد: یکی از مشکلات فعلی در کشور، محدودیت‌های دسترسی به برخی از این ابزارهاست که عمدتاً به دلیل تحریم‌ها و نیاز به حساب‌های پریمیوم ایجاد شده است. دانشگاه‌ها می‌توانند با فراهم‌سازی دسترسی رایگان یا نیمه‌رایگان به این پلتفرم‌ها، همانند آنچه در گذشته با پایگاه‌های استنادی انجام می‌دادند، به پژوهشگران کمک شایانی کنند. همچنین توسعه نسخه‌های بومی از این ابزارها با در نظر گرفتن نیازها و اقلیم فرهنگی کشور می‌تواند بسیار مؤثر باشد. به ویژه اگر این ابزارها توسط متخصصان داخلی توسعه یابند، قابلیت انطباق آن‌ها با نیازهای محلی به‌مراتب بیشتر خواهد بود.

فلاح تصریح کرد: هوش مصنوعی قابلیت انطباق بالایی دارد و با تحلیل الگوهای رفتاری و پژوهشی کاربران، می‌تواند به مرور زمان خود را با نیازهای خاص آنان هماهنگ سازد. اما برای جلوگیری از وابستگی شدید به ابزارهای خارجی و همچنین حفظ امنیت داده‌های ملی، توسعه ابزارهای داخلی ضروری است.

دانشجوی دانشگاه علم‌وصنعت خاطر نشان کرد: یکی از نگرانی‌های مهم در استفاده از این ابزارها، مسئله امنیت داده‌هاست. بسیاری از داده‌های خام که از محیط‌های دانشگاهی و آزمایشگاهی استخراج می‌شود، ممکن است ماهیتی محرمانه داشته باشند. برای استفاده از قابلیت‌های پردازشی این ابزارها، ناگزیر باید داده‌ها را در اختیار سرورهای خارجی قرار داد که همین امر، خطر نشت اطلاعات یا سوء‌استفاده از دستاوردهای علمی داخلی را افزایش می‌دهد. اگر این داده‌ها در اختیار سازمان‌های بین‌المللی قرار گیرد، ممکن است در آینده، کشورهایی که زیرساخت و امکانات بیشتری دارند، نسخه‌های پیشرفته‌تری از همان پژوهش‌ها ارائه دهند و زحمات محققان داخلی بی‌نتیجه بماند. تنها راهکار مؤثر برای مقابله با این تهدید، توسعه نرم‌افزارها و ابزارهای داخلی معادل است. البته این کار ساده نیست و مستلزم زمان، سرمایه‌گذاری، و برنامه‌ریزی بلندمدت است. اما اگر این روند آغاز شود، در آینده می‌توان انتظار داشت که پژوهش‌های داخلی با امنیت بیشتر و بهره‌وری بالاتری انجام شوند.

وی تاکید کرد: در حال حاضر، استفاده از ابزارهای هوش مصنوعی در فرآیند پژوهش، یک الزام از سوی ژورنال‌های علمی بین‌المللی نیست، اما به‌مرور زمان به یکی از اجزای جدایی‌ناپذیر پژوهش علمی بدل شده است. این ابزارها می‌توانند دیدگاه پژوهشگران را نسبت به ابعاد مختلف پروژه خود گسترش دهند، آن‌ها را در تحلیل داده‌ها یاری رسانند و حتی زمینه‌ساز توسعه شاخه‌های جدید تحقیقاتی شوند. برای مثال، هنگام کار بر روی یک ماده خاص، این ابزارها می‌توانند به معرفی کاربردها و نتایج تحقیقات پیشین مرتبط با آن ماده بپردازند و بدین ترتیب، افق‌های تازه‌ای پیش روی پژوهشگر گشوده شود. در نهایت، توسعه زیرساخت‌های هوش مصنوعی در دانشگاه‌ها، نه تنها یک مزیت رقابتی بلکه یک ضرورت اجتناب‌ناپذیر برای بقا و پیشرفت علمی در سطح ملی و بین‌المللی خواهد بود.

فلاح در پاسخ به اینکه مبنا یا الگویی برای استفاده ار هوش مصنوعی در مقالات وجود دارد یا خیر اظهار کرد: به‌نظر هوش مصنوعی به مرور زمان با اقلیم زبانی و فکری ما وفق پیدا کرده و با توجه به اینکه اخیراً زبان فارسی را هم بهتر درک می‌کند، توانسته خودش را با نیازهای کاربران ایرانی هم تطبیق دهد. این ابزار، داده‌های بسیاری را از پژوهشگران، اساتید، دانشجویان و مقالات مختلف تحلیل می‌کند و بر اساس همین داده‌ها، عملکرد خود را بهبود می‌دهد.
وی تاکید کرد: یکی از معضلات جدی در همینراستا کاهش عمق یادگیری است. هوش مصنوعی عمق یادگیری را کاهش می‌دهد. چون کاربر صرفاً سوالی مطرح می‌کند و پاسخ دقیق می‌گیرد، بدون اینکه به فرایند فکری یا تحلیل مسئله ورود کند. چنین یادگیری سطحی است و در آینده که نیاز به تحلیل‌های پیچیده‌تر و تخصصی‌تر پیش می‌آید، نمی‌تواند کمکی کند. بسیاری از مشکلات علمی در مراحل پیشرفته پروژه‌ها به تجربیات مراحل ابتدایی وابسته‌اند؛ اگر کاربر این تجربیات را از مسیر هوش مصنوعی عبور دهد، این چرخه یادگیری قطع می‌شود.

این دانشجو در پاسخ به اینکه در برخی سازمان‌ها امکان استفاده از هوش مصنوعی در امتحانات پایان ترم مقطع دکتری داده شده است، اظهار کرد: به نظر من این کار آسیب‌زاست. چون یادگیری عمیقی در پی ندارد. وقتی یک دانشجو با کمک هوش مصنوعی به سوالات پاسخ می‌دهد، بعدها در موقعیت‌هایی مانند کار با دستگاه‌های پیچیده یا تحلیل داده‌های تخصصی، دچار ضعف خواهد شد. استفاده از ابزار، اگر بدون تسلط بر دانش پایه باشد، فرد را در آینده دچار سردرگمی خواهد کرد.

وی خاطر نشان کرد: گذشته افراد می‌توانستند با نرم‌افزارهایی تشخیص دهند که متنی از منابع مختلف کپی‌برداری شده یا توسط نویسنده تدوین شده است. اما هوش مصنوعی امروزی بسیار پیشرفته‌تر عمل می‌کند. شما به راحتی می‌توانید به ابزار بگویید "این متن را شبیه به نگارش من بنویس" یا "آن را تغییر بده تا طبیعی‌تر شود." این یعنی حتی متخصصان هم نمی‌توانند به‌راحتی متوجه شوند که متن توسط انسان نوشته شده یا هوش مصنوعی. توصیه من این است که از هوش مصنوعی به عنوان یک دستیار علمی استفاده شود، نه جایگزین دانش. نباید اجازه دهیم تمام بار تحلیل، فکر و نگارش بر دوش ابزار بیفتد. بلکه باید از آن برای ارتقاء کیفیت علمی و توسعه تفکر استفاده کرد. هوش مصنوعی یک ابزار خاکستری است؛ هنر ما در این است که از جنبه‌های سفید آن بهره‌برداری کنیم و از جنبه‌های مخرب آن فاصله بگیریم.

انتهای پیام/