Journal of Rafsanjan University of Medical Sciences

other آیا استفاده از هوش مصنوعی مولد، پارادوکس جدیدی در علم پدید آورده است؟ Has generative artificial intelligence created a new paradox in science? روانپزشكي Psychiatry پژوهشي Research در شماره‌های پیشین مجله دانشگاه و از زوایای مختلف، درباره ورود هوش مصنوعی مولد به پژوهش و نشریات علمی، چند سخن سردبیری را منتشر نمودیم. در یکی از آن‌ها، درباره ضرورت اعلام نحوه استفاده از هوش مصنوعی مولد به سردبیر مجله، سخن گفتیم (1). در مقاله‌ای دیگر، به محدودیت‌های استفاده از هوش مصنوعی مولد در نگارش مقالات علمی، از جمله احتمال تولید منابع جعلی و گرایش به سمت متون غربی، پرداختیم (2). سپس، مسئله نویسندگی و مسئولیت‌های پیچیده‌ای را که استفاده از هوش مصنوعی در نگارش علمی ایجاد می‌کند، مورد بحث قرار دادیم (3) و در ادامه، به این نکته اشاره کردیم که عدم استفاده مسئولانه از این ابزار، ممکن است به نگارش مقالاتی با کیفیت پایین بیانجامد (4). به همین خاطر و در آخرین مقاله، به معرفی بیانیه گزارش‌دهی برای استفاده از ابزارهای هوش مصنوعی مولد در تحقیقات پزشکی، پرداختیم (5). در سخن سردبیری حاضر قصد داریم به سه پرسش مهم و وابسته به یک‌دیگر، پاسخ دهیم. نخست این‌که، آیا همه پژوهش‌گران، فرصت‌های یکسانی برای استفاده از هوش مصنوعی مولد در اختیار دارند؟ و اگر چنین باشد، سؤال دوم آن است که آیا آن‌ها، به شکل یکسانی از این فرصت‌ها استفاده خواهند کرد؟ و اما اگر پاسخ به هر دو سؤال فوق منفی باشد، آن‌گاه سؤال سوم مطرح می‌شود که نتایج احتمالی این تفاوت‌ها برای آینده علم، چه خواهد بود؟ در پاسخ به سؤال اول، می‌دانیم که همه پژوهش‌گران، به ابزارهای یکسانی از هوش مصنوعی مولد، دسترسی ندارند. برخی، از نسخه‌های رایگان استفاده می‌کنند و برخی، به نسخه‌های پیشرفته‌تر و هزینه بر، دسترسی دارند. پاره‌ای از افراد نیز به ابزارهای تخصصی جست‌وجوی علمی، تحلیل داده، کدنویسی، تولید تصویر و مدیریت منابع دسترسی دارند و سایرین، از چنین امکاناتی محروم‌اند. اما مسئله، فقط دسترسی نیست. توانایی استفاده از ابزار نیز اهمیت دارد و این همان پاسخی است که می‌توان به سؤال دوم داد. دو پژوهش‌گر ممکن است به یک سامانه هوش مصنوعی مولد دسترسی داشته باشند، اما یکی از آن‌ها بداند چگونه مسئله را دقیق تعریف کند، پرسش مناسب بسازد، خروجی‌های مختلف را با یک‌دیگر مقایسه کند، خطاهای احتمالی را تشخیص دهد و پاسخ‌های تولید شده را با منابع معتبر تطبیق دهد؛ در حالی که دیگری صرفاً از نخستین پاسخ ارائه ‌شده استفاده کند. از همین رو، در پاسخ به سؤال سوم باید از خود بپرسیم که نتیجه این تفاوت‌ها، چه خواهد شد؟ اگر یک پژوهش‌گر به ابزار بهتری دسترسی داشته باشد، پرامپت‌نویسی را بهتر بداند، یا بتواند از ابزارهای هوش مصنوعی مولد برای تحلیل داده، جست‌وجوی منابع و آماده‌سازی اولیه مقاله به شکل مؤثرتری استفاده کند، این تفاوت کوچک احتمالاً می‌تواند به تولید علمی بیشتری منجر شود. تولید علمی بیشتر ممکن است به استناد بیشتر، اعتبار بیشتر و موفقیت بیشتر در دریافت بودجه‌های پژوهشی منجر گردد و این فرصت‌های پی در پی، به نوبه خود، امکان دسترسی به ابزارهای بهتر و استفاده مؤثرتر از ابزارهای هوش مصنوعی مولد را افزایش ‌دهد. بدین ترتیب، یک تفاوت کوچک اولیه احتمالاً می‌تواند به‌تدریج، به تفاوتی بزرگ‌تر تبدیل شود. یافته‌های جدید منتشر شده در مجله Nature نکات در خور توجهی را در این رابطه نشان می‌دهد. در این مطالعه و با بهره‌گیری از مجموعه ‌داده‌های مشتمل بر بیش از چهل میلیون مقاله پژوهشی در حوزه علوم طبیعی و با یک متدولوژی منحصر به فرد، محققین نشان دادند: دانشمندانی که در پژوهش‌های مبتنی بر هوش مصنوعی فعالیت می‌کنند، در مقایسه با سایرین، حدود سه برابر بیشتر مقاله منتشر می‌کنند، نزدیک به پنج برابر، استناد بیشتری دریافت می‌کنند و حدود یکسال و نیم زودتر، به جایگاه سرپرستی پروژه‌های پژوهشی می‌رسند (6). <table width="100%"> <tbody> <tr> <td> <div>ارجاع: رضائیان م. آیا استفاده از هوش مصنوعی مولد، پارادوکس جدیدی در علم پدید آورده است؟ مجله دانشگاه علوم پزشکی رفسنجان، سال 1405، دوره 25 شماره5، صفحات: 444-443. </div> </td> </tr> </tbody> </table> اما آیا این تفاوت‌ها، برای آینده علم خوب است؟ و اینجاست که باید پاسخ خود به پرسش سوم را کامل کنیم. متأسفانه، نتایج همین مطالعه منتشر شده در مجله Nature همچنین، نشان می‌دهد که به‌کارگیری هوش مصنوعی مولد، احتمالاً می‌تواند حجم کلی موضوعات علمی مورد مطالعه را در حدود پنج درصد و تعامل میان دانشمندان را تا حدود ۲۲ درصد کاهش ‌دهد. در نتیجه، استفاده از هوش مصنوعی مولد در علم، احتمالاً می‌تواند با نوعی پارادوکس همراه باشد: گسترش دامنه تأثیرگذاری دانشمندانی که از هوش مصنوعی مولد استفاده می‌نمایند در کنار انقباض گستره علم (6). ما به این موضوع بسیار مهم و چگونگی مقابله با آن در سخنان سردبیری آینده، باز هم، خواهیم پرداخت In previous issues of the Journal, from various perspectives, we published several editorials regarding the introduction of generative artificial intelligence into research and scholarly publications. In one of them, we discussed the necessity of declaring the use of generative artificial intelligence to the journal editor (1). In another article, we addressed the limitations of using generative artificial intelligence in writing scientific papers, including the possibility of generating fake references and a tendency toward Western texts (2). Subsequently, we discussed the issue of authorship and the complex responsibilities that the use of artificial intelligence creates in scientific writing (3) and further noted that the irresponsible use of this tool might lead to the production of low-quality manuscripts (4). Therefore, in our latest article, we introduced the reporting guideline statement for the use of generative artificial intelligence tools in medical research (5). In the present editorial, we intend to answer three important and interdependent questions. First, do all researchers have equal opportunities to use generative artificial intelligence? If so, the second question is whether they will use these opportunities in the same way. And if the answer to both above questions is negative,  the third question arises: what will be the likely consequences of these differences for the future of science? In response to the first question, we know that not all researchers have access to the same generative artificial intelligence tools. Some use free versions, while others have access to more advanced and costly versions. Some individuals also have access to specialized tools for scientific literature searching, data analysis, coding, image generation, and reference management, whereas others are deprived of such facilities. However, access is not the only issue. The ability to use the tool is also important, and this is the answer to the second question. Two researchers may have access to the same generative artificial intelligence system, but one of them may know how to define the problem precisely, formulate an appropriate prompt, compare different outputs, identify potential errors, and cross-check the generated answers with reliable sources, while the other merely uses the very first response provided. Therefore, in answering the third question, we must ask ourselves: what will be the consequence of these differences? If a researcher has access to a better tool, is more skilled in prompt engineering, or can utilize generative artificial intelligence tools more effectively for data analysis, literature searching, and the preliminary preparation of a manuscript, this small difference can probably lead to greater scientific output. Greater scientific output may lead to higher citation rates, greater prestige, and more success in securing research grants; these successive opportunities, in turn, increase the possibility of accessing better tools and using generative artificial intelligence tools more effectively. Thus, an initial small difference can probably turn into a much larger difference. New findings published in Nature reveal notable points in this regard. In this study, utilizing a dataset comprising over forty million research articles in the field of natural sciences with a unique methodology, the researchers demonstrated that scientists engaged in AI-driven research publish about three times as many papers, receive nearly five times as many citations, and reach research project leadership positions about a year and a half earlier compared to others (6). But are these differences good for the future of science? This is where we must complete our answer to the third question. Unfortunately, the results of this same study published in Nature also show that the deployment of generative artificial intelligence is likely to reduce the overall volume of studied scientific topics by about five percent and collaboration among scientists by about twenty-two percent. Consequently, the use of generative artificial intelligence in science is likely to be accompanied by a paradox: the expansion of the impact scope of scientists who use generative artificial intelligence alongside the contraction of the scope of science (6). We will address this crucial topic and how to cope with it in future editorials.   هوش مصنوعی مولد generative artificial intelligence 443 444 http://journal.rums.ac.ir/browse.php?a_code=A-10-280-196&slc_lang=other&sid=1 Mohsen Rezaeian محسن رضائیان moeygmr2@yahoo.co.uk 0000-0003-3070-0166 Yes دانشگاه علوم پزشکی رفسنجان