En nyligen genomförd Nature-undersökning som omfattade mer än 1.600 globala forskare belyser AI:s ökande roll inom vetenskap och forskning.
Undersökningen visade att även om många är optimistiska när det gäller de potentiella fördelarna med AI inom vetenskapen, finns det en växande oro för hur AI förändrar vetenskapsindustrin som helhet.
Den studie deltagarna inkluderade:
- De som aktivt utvecklar eller studerar AI (48%)
- De som använder AI-verktyg för sin forskning men inte utvecklar dem (30%)
- De som inte använder AI i sin vetenskapliga verksamhet (22%)
Ökningen av AI inom vetenskaplig forskning
Studien visade att det under det senaste decenniet har skett en märkbar ökning av antalet forskningsrapporter som hänvisar till AI-termer.
Dataanalys och statistiska tekniker som använder maskininlärning (ML) har blivit normen.
Dessutom används generativ AI, i synnerhet stora språkmodeller (LLM), för att generera text, bilder och kod för vetenskaplig forskning.
Några nyckeltal om fördelarna med AI inom forskning:
- 66% av forskarna konstaterar att AI möjliggör snabbare databehandling
- 58% tror att det påskyndar tidigare ogenomförbara beräkningar
- 55% anser att det är en kostnadseffektiv och tidsbesparande lösning
Irene Kaplow, beräkningsbiolog vid Duke University, beskriver det så här: "AI har gjort det möjligt för mig att göra framsteg när det gäller att besvara biologiska frågor där det tidigare var omöjligt att göra framsteg."
Bekymmer
Det finns dock en baksida av myntet. Forskare uttryckte oro över följande:
- Ökat beroende av mönsterigenkänning utan verklig förståelse (69%)
- Potentiellt vidmakthållande av fördomar eller diskriminering i resultaten (58%)
- Hur lätt det är att genomföra bedrägliga aktiviteter (55%)
- Risken för oåterkalleliga forskningsresultat på grund av slarvigt AI-användande (53%)
Jeffrey Chuang, expert på bildanalys av cancer vid Jackson Laboratory, framhöll: "Det största problemet är att AI utmanar våra befintliga standarder för bevis och sanning."
LLM:er i rampljuset
LLM-modeller, i synnerhet ChatGPT, nämndes ofta som ovärderliga AI-verktyg inom vetenskapen. Men dessa modeller stod också högst upp på listan över AI-verktyg som berörde dem.
De ledande bekymren inkluderade:
- Spridning av felaktig information (68%).
- Underlättat plagiering (68%).
- Införande av fel i forskningsdokument (66%).
Isabella Degen, som forskar om AI inom medicin vid University of Bristol, kommenterade: "Det finns helt klart missbruk av stora språkmodeller. Vi förstår inte riktigt var gränsen mellan god användning och missbruk går."
Dessutom lyftes ägande av AI-verktyg och dataresurser fram som hinder för modern forskning. GPU:er är exceptionellt dyra, och det är svårt för forskningsinstitutioner att träna sina kraftfulla modeller internt.
Garrett Morris, kemist vid University of Oxford, beskrev det så här: "Det är bara ett mycket litet antal enheter på planeten som har kapacitet att träna de mycket stora modellerna. Den begränsningen hämmar vetenskapens förmåga att göra upptäckter."
Sammantaget anser de flesta forskare att AI är en oåterkallelig kraft inom vetenskapen.
Som Yury Popov, specialist på leversjukdomar vid Beth Israel Deaconess Medical Center, konstaterade: "AI är en omvälvande teknik. Vi måste nu fokusera på hur vi kan se till att den ger mer nytta än problem."
