انقلاب واقعی هوش مصنوعی
در طول تاریخ، علم به‌عنوان نیروی پیش‌برنده جامعه و تمدن بشری شناخته شده است. انقلاب‌های علمی گذشته (از کوپرنیک و گالیله تا اینشتین و فیزیک کوانتومی) جهان‌بینی ما را متحول کرده‌اند اما آیا این نوع انقلاب‌ها هنوز هم از درون جامعه علمی و دست‌کم از درون دانشمندان حرفه‌ای نشأت می‌گیرند؟ پاسخ استیو فولر، فیلسوف علم، منفی است. او معتقد است انقلاب علمی بعدی احتمالا از بیرون مرزهای سنتی علم و دانشمندان پدید خواهد آمد و نیروی محرک آن هوش مصنوعی مولد خواهد بود.
چارچوب کوهن و بحران پارادایم
فولر با اشاره به نظریه مشهور توماس کوهن در ساختار انقلاب‌های علمی شروع می‌کند. کوهن استدلال می‌کرد که انقلاب علمی زمانی رخ می‌دهد که یک الگوی علمی (مجموعه‌ای از فرضیات، روش‌ها و معیارها) در معرض بحران قرار گیرد و نتواند پدیده‌های مهم را توضیح دهد. در چنین وضعیتی، پژوهشگران نمی‌توانند مسائل بنیادین را حل کنند و ناچارند به الگویی جدید روی بیاورند. او از فیزیک نیوتنی و مشکلاتش در توضیح ماهیت نور یاد می‌کند که نهایتا به نظریه نسبیت و مکانیک کوانتومی منجر شد.با این حال، فولر تأکید می‌کند که این الگو دیگر مانند گذشته کار نمی‌کند. انقلاب‌های علمی سنتی که از درون جامعه دانشمندان سر بر می‌آورند، نیازمند بحران‌های سنگین در الگو‌ها هستند اما امروز علم با بحرانی متفاوت مواجه است؛ انبوه تحقیقاتی که نوشته می‌شود اما خوانده نمی‌شود یا نفوذ اجتماعی چندانی ندارد و درواقع، بخش عظیمی از تولیدات علمی در عمل نادیده گرفته می‌شود.
اطلاعات بسیار، فهم اندک
در دنیای علمی امروز، حجم اطلاعات علمی به شکل انفجاری افزایش یافته است، اما بخش قابل‌توجهی از این دانش برای دیگران خارج از تخصص‌های محدود قابل استفاده یا فهم نیست. بیشتر مقالات علمی تنها توسط تعداد اندکی از متخصصان خوانده می‌شوند و حتی در میان خود دانشمندان نیز بسیاری مشکلات عملی و نظری حل‌نشده باقی می‌مانند.
این موضوع باعث می‌شود که رشته‌های مختلف علمی در جزئیات تخصصی غرق شوند، بدون آن‌که تأثیر واقعی بر فهم کلی ما از جهان بگذارند. در چنین وضعیتی، انقلاب نظری‌ای که بتواند الگوهای بزرگ را دگرگون کند از درون دانشگاه‌ها و حلقه‌های تحقیقاتی سنتی به‌سختی پدیدار می‌شود.
هوش مصنوعی: نقطه عطف فراتر از پارادایم
فولر پیشنهاد می‌کند که هوش مصنوعی مولد می‌تواند نقطه عطفی در روش تولید و استفاده از دانش علمی باشد. این فناوری‌ها می‌توانند تمام داده‌ها، مقالات و یافته‌های علمی را «استخراج» کنند و آنها را در دسترس افرادی قرار دهند که لزوما متخصص نیستند، اما توانایی ترکیب و خلق دانش جدید را دارند.در این چشم‌انداز، دیگر انقلاب علمی لزوما از درون آزمایشگاه‌های مرسوم یا توسط دانشمندان حرفه‌ای رخ نمی‌دهد، بلکه از تعامل بین انسان و هوش مصنوعی شکل می‌گیرد. به‌جای این‌که دانش علمی انباشته‌شده و در قفس تخصص محدود بماند، AI می‌تواند آن را به شکلی قابل دسترسی، پویا و قابل بررسی توسط جامعه گسترده‌تر ارائه دهد. چیزی که فولر آن را «انقلاب فرانگهی» می‌نامد: انقلابی در خود علم به‌عنوان یک فرآیند جمعی.
فراتر از تخصص: دانش برای همه
در این دیدگاه، معیار سنجش علم دیگر فقط مقاله‌های مرجع و تخصصی نیست، بلکه چگونگی دسترسی و کاربرد آن توسط افراد خارج از جامعه متخصصان است. هوش مصنوعی این امکان را فراهم می‌کند که دانش علمی از حصار ژورنال‌های تخصصی خارج و به ابزارهایی تبدیل شود که حتی برای افراد غیرمتخصص نیز قابل استفاده باشد.
این تحول می‌تواند به شکلی عمیق ماهیت علم را دگرگون کند: از سیستم بسته‌ای که در آن دانشمندان حرفه‌ای با بودجه‌های تحقیقاتی کار می‌کنند، به فضایی بازتر که اجتماع بشر با یاری هوش مصنوعی در خلق و استفاده از دانش مشارکت دارد.
وعده و چالش انقلاب فرانگهی
اگر چنین انقلابی رخ دهد، می‌تواند به وعده اصلی علم (یعنی توانمندسازی جمعی در برابر فهم بهتر جهان) جامه عمل بپوشاند. به‌جای انتظار برای انقلاب‌های ناگهانی که الگوهای موجود را نابود می‌کنند، می‌توانیم عملیات شناخت را آگاهانه و فعالانه ارتقا دهیم، با استفاده از ابزارهای محاسباتی که محدودیت‌های فهم انسانی را تا حد زیادی کاهش می‌دهند.
بااین‌حال، چالش‌های زیادی هم پیش‌روی این مسیر وجود دارد. ازجمله نحوه تضمین اعتبار و صحت علمی نتایجی که هوش مصنوعی ترکیب می‌کند و این‌که چگونه می‌توان دانش جدید را به شکلی مسئولانه، قابل اعتماد و بدون ازدست‌رفتن معیارهای علمی سنتی ارائه داد.
بازتعریف نقش دانشمند در عصر هوش مصنوعی
درنهایت، فولر پیشنهاد می‌کند که نقش دانشمندان ممکن است به‌جای این‌که خالق انحصاری دانش باشند، به پالاینده، مفسر و هدایت‌کننده کاربرد دانش در جامعه تغییر یابد. دانشمندان می‌توانند نقش‌هایی مشابه واسطه‌های فهم علمی ایفا کنند که به کمک هوش مصنوعی، دانش را برای عموم قابل فهم می‌کنند و به کاربردی واقعی تبدیل می‌کنند.
به این ترتیب، انقلاب علمی آینده دیگر محصول تلاش یک گروه کوچک و نخبه از دانشمندان در آزمایشگاه‌ها نیست، بلکه نتیجه تعامل شبکه‌ای انسان و ماشین خواهد بود، فرآیندی که علم را از قفس تخصص خارج و به ابزار مشارکت عمومی تبدیل می‌کند و درعین‌حال روش‌های قدیمی تحقیق را بازاندیشی می‌کند.
فولر با اشاره به نظریه مشهور توماس کوهن در ساختار انقلاب‌های علمی شروع می‌کند. کوهن استدلال می‌کرد که انقلاب علمی زمانی رخ می‌دهد که یک الگوی علمی (مجموعه‌ای از فرضیات، روش‌ها و معیارها) در معرض بحران قرار گیرد و نتواند پدیده‌های مهم را توضیح دهد. در چنین وضعیتی، پژوهشگران نمی‌توانند مسائل بنیادین را حل کنند و ناچارند به الگویی جدید روی بیاورند. او از فیزیک نیوتنی و مشکلاتش در توضیح ماهیت نور یاد می‌کند که نهایتا به نظریه نسبیت و مکانیک کوانتومی منجر شد.با این حال، فولر تأکید می‌کند که این الگو دیگر مانند گذشته کار نمی‌کند. انقلاب‌های علمی سنتی که از درون جامعه دانشمندان سر بر می‌آورند، نیازمند بحران‌های سنگین در الگو‌ها هستند اما امروز علم با بحرانی متفاوت مواجه است؛ انبوه تحقیقاتی که نوشته می‌شود اما خوانده نمی‌شود یا نفوذ اجتماعی چندانی ندارد و درواقع، بخش عظیمی از تولیدات علمی در عمل نادیده گرفته می‌شود.
اطلاعات بسیار، فهم اندک
در دنیای علمی امروز، حجم اطلاعات علمی به شکل انفجاری افزایش یافته است، اما بخش قابل‌توجهی از این دانش برای دیگران خارج از تخصص‌های محدود قابل استفاده یا فهم نیست. بیشتر مقالات علمی تنها توسط تعداد اندکی از متخصصان خوانده می‌شوند و حتی در میان خود دانشمندان نیز بسیاری مشکلات عملی و نظری حل‌نشده باقی می‌مانند.
این موضوع باعث می‌شود که رشته‌های مختلف علمی در جزئیات تخصصی غرق شوند، بدون آن‌که تأثیر واقعی بر فهم کلی ما از جهان بگذارند. در چنین وضعیتی، انقلاب نظری‌ای که بتواند الگوهای بزرگ را دگرگون کند از درون دانشگاه‌ها و حلقه‌های تحقیقاتی سنتی به‌سختی پدیدار می‌شود.
هوش مصنوعی: نقطه عطف فراتر از پارادایم
فولر پیشنهاد می‌کند که هوش مصنوعی مولد می‌تواند نقطه عطفی در روش تولید و استفاده از دانش علمی باشد. این فناوری‌ها می‌توانند تمام داده‌ها، مقالات و یافته‌های علمی را «استخراج» کنند و آنها را در دسترس افرادی قرار دهند که لزوما متخصص نیستند، اما توانایی ترکیب و خلق دانش جدید را دارند.در این چشم‌انداز، دیگر انقلاب علمی لزوما از درون آزمایشگاه‌های مرسوم یا توسط دانشمندان حرفه‌ای رخ نمی‌دهد، بلکه از تعامل بین انسان و هوش مصنوعی شکل می‌گیرد. به‌جای این‌که دانش علمی انباشته‌شده و در قفس تخصص محدود بماند، AI می‌تواند آن را به شکلی قابل دسترسی، پویا و قابل بررسی توسط جامعه گسترده‌تر ارائه دهد. چیزی که فولر آن را «انقلاب فرانگهی» می‌نامد: انقلابی در خود علم به‌عنوان یک فرآیند جمعی.
فراتر از تخصص: دانش برای همه
در این دیدگاه، معیار سنجش علم دیگر فقط مقاله‌های مرجع و تخصصی نیست، بلکه چگونگی دسترسی و کاربرد آن توسط افراد خارج از جامعه متخصصان است. هوش مصنوعی این امکان را فراهم می‌کند که دانش علمی از حصار ژورنال‌های تخصصی خارج و به ابزارهایی تبدیل شود که حتی برای افراد غیرمتخصص نیز قابل استفاده باشد.
این تحول می‌تواند به شکلی عمیق ماهیت علم را دگرگون کند: از سیستم بسته‌ای که در آن دانشمندان حرفه‌ای با بودجه‌های تحقیقاتی کار می‌کنند، به فضایی بازتر که اجتماع بشر با یاری هوش مصنوعی در خلق و استفاده از دانش مشارکت دارد.
وعده و چالش انقلاب فرانگهی
اگر چنین انقلابی رخ دهد، می‌تواند به وعده اصلی علم (یعنی توانمندسازی جمعی در برابر فهم بهتر جهان) جامه عمل بپوشاند. به‌جای انتظار برای انقلاب‌های ناگهانی که الگوهای موجود را نابود می‌کنند، می‌توانیم عملیات شناخت را آگاهانه و فعالانه ارتقا دهیم، با استفاده از ابزارهای محاسباتی که محدودیت‌های فهم انسانی را تا حد زیادی کاهش می‌دهند.
بااین‌حال، چالش‌های زیادی هم پیش‌روی این مسیر وجود دارد. ازجمله نحوه تضمین اعتبار و صحت علمی نتایجی که هوش مصنوعی ترکیب می‌کند و این‌که چگونه می‌توان دانش جدید را به شکلی مسئولانه، قابل اعتماد و بدون ازدست‌رفتن معیارهای علمی سنتی ارائه داد.
بازتعریف نقش دانشمند در عصر هوش مصنوعی
درنهایت، فولر پیشنهاد می‌کند که نقش دانشمندان ممکن است به‌جای این‌که خالق انحصاری دانش باشند، به پالاینده، مفسر و هدایت‌کننده کاربرد دانش در جامعه تغییر یابد. دانشمندان می‌توانند نقش‌هایی مشابه واسطه‌های فهم علمی ایفا کنند که به کمک هوش مصنوعی، دانش را برای عموم قابل فهم می‌کنند و به کاربردی واقعی تبدیل می‌کنند.
به این ترتیب، انقلاب علمی آینده دیگر محصول تلاش یک گروه کوچک و نخبه از دانشمندان در آزمایشگاه‌ها نیست، بلکه نتیجه تعامل شبکه‌ای انسان و ماشین خواهد بود، فرآیندی که علم را از قفس تخصص خارج و به ابزار مشارکت عمومی تبدیل می‌کند و درعین‌حال روش‌های قدیمی تحقیق را بازاندیشی می‌کند.