رفتن به محتوای اصلی
هوش مصنوعی در علماوپن‌ای‌آی· 6 دقیقه مطالعه· در تحلیل داده

نظرسنجی اوپن‌ای‌آی: هوش مصنوعی زمان اکتشافات علمی را به نصف کاهش می‌دهد

یک مطالعه جدید روی بیش از ۱۸۰۰ دانشمند نشان می‌دهد که ابزارهای هوش مصنوعی زمان انجام کارهای پژوهشی را تقریباً به نصف کاهش داده‌اند. تقریباً تمام پژوهشگران انتظار دارند این فناوری سرعت پیشرفت‌های علمی آینده را به شدت افزایش دهد.

به قلم الوین شادمهر

این خبر را به اشتراک بگذارید

گوش‌ دهید

در حالی که نظرسنجی‌های پیشین عمدتاً بر نگرانی‌های عمومی درباره جایگزینی مشاغل توسط هوش مصنوعی متمرکز بودند، یک تحلیل گسترده جدید تفاوت چشمگیری را نشان می‌دهد. پژوهشگران به جای مقاومت در برابر این فناوری، در حال استفاده روزمره از آن برای تسریع روند اکتشافات خود هستند.[1][3]

تیم پژوهش‌های اقتصادی شرکت «اوپن‌ای‌آی» در تاریخ ۱۶ نوامبر ۲۰۲۶ نتایج مطالعه‌ای را منتشر کرد که رفتار بیش از ۱۸۰۰ دانشمند را بررسی می‌کند. این گزارش نشان می‌دهد که چگونه ابزارهای زبانی در حال تغییر دادن ساختار پژوهش‌های علمی در آزمایشگاه‌های سراسر جهان هستند.[1][5]

این مطالعه بر اساس تحلیل ۵۸۰ هزار و ۱۸۶ پیام علمی مبادله شده توسط ۱۸۱۹ پژوهشگر در فاصله ۲۰ اوت تا ۲۲ سپتامبر ۲۰۲۶ انجام شده است. علاوه بر این، یک نظرسنجی تکمیلی از ۲۵۱ دانشمند در اوایل اکتبر، درک عمیق‌تری از میزان صرفه‌جویی در زمان ارائه داده است.[1][3][5]

نتایج این بررسی جامع حاکی از یک خوش‌بینی بی‌سابقه و گسترده در جامعه علمی است. بر اساس این داده‌ها، ۹۸ درصد از دانشمندان شرکت‌کننده انتظار دارند که هوش مصنوعی سرعت اکتشافات را در حوزه‌های تخصصی آن‌ها به شکل چشمگیری افزایش دهد.[1][4]

تحلیل داده‌های واقعی در برابر تصورات عمومی

یکی از شگفت‌انگیزترین یافته‌های این نظرسنجی، تغییر در زمان‌بندی پیش‌بینی‌شده برای پیشرفت‌های بزرگ است. بیش از یک‌پنجم پژوهشگران (۲۱٫۶ درصد) معتقدند اکتشافی که در حالت عادی ده سال زمان می‌برد، با کمک هوش مصنوعی در کمتر از سه سال محقق خواهد شد.[1][2]

بیش از یک‌پنجم دانشمندان معتقدند اکتشافات ده‌ساله با کمک هوش مصنوعی در سه سال محقق می‌شوند.

دانشمندان تخمین زده‌اند که انجام کارهای مشابه با کیفیت یکسان، بدون دسترسی به هوش مصنوعی حدود ۱٫۹ برابر بیشتر زمان می‌برد. این افزایش بهره‌وری در برخی حوزه‌ها مانند برنامه‌نویسی و توسعه نرم‌افزارهای پژوهشی حتی به ۲٫۸۳ برابر نیز می‌رسد.[1][3]

برخلاف تصور عمومی که هوش مصنوعی را یک عامل کاملاً خودکار می‌داند، داده‌ها نشان می‌دهند که استفاده از آن در کارهای متمرکز و مشخص ریشه دوانده است. پژوهش‌های کاملاً خودکار و مستقل تنها ۰٫۴ درصد از کل پیام‌های علمی را به خود اختصاص داده‌اند.[5]

بیشترین سهم استفاده از این فناوری پیشرفته به خواندن متون پیچیده و کسب دانش اختصاص دارد که ۲۷٫۷ درصد از کل تعاملات را شامل می‌شود. پس از آن، نوشتن مقالات و ارتباطات علمی با ۲۶٫۹ درصد در رتبه دوم قرار گرفته است.[3][5]

تحلیل‌های علمی با ۱۶٫۷ درصد و توسعه کد و نرم‌افزار با ۱۳٫۸ درصد، دیگر کاربردهای اصلی این ابزار را تشکیل می‌دهند. این چهار حوزه در مجموع ۸۵ درصد از کل فعالیت‌های دانشمندان در تعامل با هوش مصنوعی را در بر می‌گیرند.[3][5]

خواندن متون و نوشتن مقالات، بیش از نیمی از کاربردهای هوش مصنوعی را در میان دانشمندان تشکیل می‌دهند.

چگونه هوش مصنوعی به دستیار پژوهشی تبدیل شد

ایده پردازی یکی از جذاب‌ترین بخش‌های این گزارش است، جایی که ۶۸ درصد از دانشمندان از چت‌جی‌پی‌تی برای توسعه ایده‌های پژوهشی خود استفاده کرده‌اند. آن‌ها این ابزار را به عنوان یک شریک فکری برای بررسی فرضیه‌های جایگزین به کار می‌گیرند.[1][4]

در جریان این طوفان‌های فکری، پژوهشگران در ۳۵ درصد مواقع با یک پرسش مشخص به سراغ هوش مصنوعی رفته‌اند. در ۳۶ درصد موارد، آن‌ها ایده‌ای اولیه داشته و خواستار بهبود آن شده‌اند، در حالی که در ۲۳ درصد مواقع از ابزار خواسته‌اند تا یک پرسش پژوهشی جدید پیشنهاد دهد.[2]

تفاوت‌های نسلی نیز در نحوه استفاده از این فناوری مشهود است. دانشمندان جوان‌تر (۱۸ تا ۲۹ سال) ۱۷٫۹ درصد از پیام‌های خود را به برنامه‌نویسی اختصاص داده‌اند، در حالی که این رقم برای پژوهشگران بالای ۴۰ سال تنها ۹٫۸ درصد بوده است.[3]

در مقابل، پژوهشگران مسن‌تر بخش بیشتری از تعاملات خود را صرف کارهای مرتبط با تدریس، راهنمایی دانشجویان و امور اداری پژوهش کرده‌اند. این الگو نشان می‌دهد که هوش مصنوعی چگونه با نیازهای متفاوت در مراحل مختلف مسیر شغلی دانشگاهی سازگار می‌شود.[3]

نقش حیاتی انسان در حلقه اعتبارسنجی

با وجود سرعت بالای تولید محتوا، دانشمندان به هیچ وجه نتایج تولید شده را بدون بررسی نمی‌پذیرند. داده‌های اوپن‌ای‌آی نشان می‌دهد که در حدود ۳۱٫۸ درصد از موارد، پژوهشگران پس از دریافت پاسخ اولیه، درخواست شفاف‌سازی، بررسی مجدد یا اصلاح داده‌اند.[1][4]

این میزان از بازبینی انسانی در کارهای تخصصی‌تر حتی بیشتر نیز بوده است. در وظایفی که نیازمند تخصص پیشرفته بوده‌اند، میزان پیگیری و اصلاح توسط دانشمندان به طور متوسط ۶٫۵ درصد بالاتر از کارهای عمومی‌تر ثبت شده است.[5]

نوشتن و ارتباطات علمی با ۳۸ درصد، بیشترین میزان درخواست برای اصلاح را به همراه داشته است. پس از آن، تحلیل‌های علمی با ۳۴٫۴ درصد و توسعه نرم‌افزار با ۳۳٫۷ درصد قرار دارند که نشان‌دهنده دقت بالای پژوهشگران در اعتبارسنجی خروجی‌ها است.[5]

در واقع، ۴۵٫۴ درصد از پاسخ‌دهندگان به نظرسنجی اعلام کرده‌اند که زمان مورد نیاز برای بررسی و اصلاح خروجی‌های هوش مصنوعی، یکی از چالش‌های اصلی آن‌ها در استفاده بهینه از این ابزار است. این موضوع اهمیت تخصص انسانی را در هدایت پژوهش‌ها برجسته می‌کند.[5]

دانشمندان در حدود ۳۲ درصد از موارد، خروجی‌های تولید شده توسط هوش مصنوعی را بازبینی و اصلاح می‌کنند.

محدودیت‌های فیزیکی و مالی در مسیر اکتشاف

اگرچه هوش مصنوعی می‌تواند نوشتن مقالات و تحلیل داده‌ها را تسریع کند، اما تبدیل این ایده‌ها به اکتشافات واقعی نیازمند منابع فیزیکی است. بیش از نیمی از دانشمندان (۵۱٫۸ درصد) کمبود زمان یا نیروی انسانی را مانع اصلی پیشرفت دانسته‌اند.[1][4]

همچنین ۴۳٫۸ درصد از پژوهشگران، محدودیت‌های مالی و بودجه‌ای را به عنوان یک گلوگاه جدی معرفی کرده‌اند. این آمار نشان می‌دهد که سرعت بخشیدن به جریان‌های کاری دیجیتال، به تنهایی نمی‌تواند محدودیت‌های ظرفیت آزمایشگاهی و تجهیزات فیزیکی را جبران کند.[1][4]

برای غلبه بر بخشی از این موانع دسترسی، اوپن‌ای‌آی اعلام کرده است که برنامه اعطای دسترسی رایگان خود را به شکل چشمگیری گسترش می‌دهد. این شرکت در تاریخ ۲۳ نوامبر ۲۰۲۶، پنجاه هزار کمک‌هزینه جدید را برای پژوهشگران دانشگاهی فعال خواهد کرد.[2][3]

گسترش دسترسی و آینده پژوهش‌های علمی

هر یک از این کمک‌هزینه‌های جدید، دسترسی به نسخه «پلاس» چت‌جی‌پی‌تی را برای پژوهشگر اصلی و حداکثر دو همکار او فراهم می‌کند. این ابتکار عمل می‌تواند در این مرحله تا ۱۵۰ هزار دانشمند را در سراسر جهان تحت پوشش قرار دهد.[3][5]

هدف نهایی این برنامه، رسیدن به آمار ۲۰۰ هزار پژوهشگر است که دو برابر هدف‌گذاری اولیه در زمان آغاز طرح آزمایشی در ماه ژوئیه محسوب می‌شود. تاکنون ۲۰ هزار دانشمند از ۳۳ کشور مختلف در این طرح آزمایشی شرکت کرده‌اند.[5]

تصمیم برای ارائه نسخه «پلاس» به جای نسخه گران‌تر «پرو»، پس از آن اتخاذ شد که داده‌های طرح آزمایشی نشان داد بیشتر پژوهشگران هرگز به سقف محدودیت‌های نسخه پلاس نمی‌رسند. این تغییر به شرکت اجازه می‌دهد تا منابع خود را میان تیم‌های بیشتری توزیع کند.[2]

تصمیم برای ارائه نسخه «پلاس» به جای نسخه گران‌تر «پرو»، پس از آن اتخاذ شد که داده‌های طرح آزمایشی نشان داد بیشتر پژوهشگران هرگز به سقف محدودیت‌های نسخه پلاس نمی‌رسند.

در نهایت، این گزارش جامع تصویری روشن از آینده علم ارائه می‌دهد؛ آینده‌ای که در آن هوش مصنوعی جایگزین دانشمندان نمی‌شود، بلکه به عنوان یک شتاب‌دهنده قدرتمند، به آن‌ها کمک می‌کند تا پرسش‌های پیچیده‌تری را مطرح کرده و مرزهای دانش بشری را سریع‌تر جابه‌جا کنند.[1][6]

نکات کلیدی

  • نظرسنجی جدید اوپن‌ای‌آی نشان می‌دهد که ۹۸ درصد از دانشمندان انتظار دارند هوش مصنوعی سرعت اکتشافات علمی را در حوزه‌های تخصصی آن‌ها افزایش دهد.
  • پژوهشگران تخمین زده‌اند که انجام کارهای مشابه با کیفیت یکسان، بدون استفاده از هوش مصنوعی حدود ۱٫۹ برابر بیشتر زمان می‌برد.
  • بیش از ۸۵ درصد از کاربردهای این فناوری در میان دانشمندان به خواندن متون، نوشتن مقالات، تحلیل داده‌ها و توسعه کدهای نرم‌افزاری اختصاص دارد.
  • با وجود سرعت بالا، نقش انسان همچنان حیاتی است؛ دانشمندان در حدود ۳۲ درصد از موارد، خروجی‌های هوش مصنوعی را بازبینی و اصلاح می‌کنند.

آنچه نمی‌دانیم

  • آیا صرفه‌جویی در زمان کارهای روزمره، لزوماً به معنای افزایش تعداد اکتشافات بنیادین و تغییردهنده پارادایم‌های علمی خواهد بود؟
  • چگونه محدودیت‌های فیزیکی مانند ظرفیت آزمایشگاه‌ها و بودجه‌های پژوهشی، سرعت تئوریک ایجاد شده توسط هوش مصنوعی را در عمل مهار خواهند کرد؟
خوش‌بینان فناوری 40%پژوهشگران واقع‌گرا 40%ناظران روش‌شناسی 20%
خوش‌بینان فناوری
معتقدند هوش مصنوعی زمان اکتشافات علمی را به شدت کاهش می‌دهد.
پژوهشگران واقع‌گرا
بر محدودیت‌های فیزیکی و نیاز به اعتبارسنجی انسانی در کنار هوش مصنوعی تاکید دارند.
ناظران روش‌شناسی
نسبت به خطاهای احتمالی و نیاز به بازبینی دقیق خروجی‌های هوش مصنوعی هشدار می‌دهند.

دیدگاه‌هایی که این گزارش پوشش نداده

  • سیاست‌گذاران علمی دولتی
  • مدیران آزمایشگاه‌های فیزیکی

منابع

پوشش منابع

6 منبع

3 دیدگاه شناسایی‌شده

خوش‌بینان فناوری 40%پژوهشگران واقع‌گرا 40%ناظران روش‌شناسی 20%
  1. [1]OpenAIپژوهشگران واقع‌گرا

    Science at the Frontier: How more than 1,800 scientists used ChatGPT

    مطالعه در OpenAI →
  2. [2]DailyAIناظران روش‌شناسی

    OpenAI study finds scientists use ChatGPT to speed research

    مطالعه در DailyAI →
  3. [3]The Rundown AIپژوهشگران واقع‌گرا

    OpenAI's study of 1,819 scientists highlights reading, writing and coding

    مطالعه در The Rundown AI →
  4. [4]ET Enterprise AIناظران روش‌شناسی

    98% of scientists expect AI to speed up research

    مطالعه در ET Enterprise AI →
  5. [5]Unite.aiخوش‌بینان فناوری

    OpenAI Expands Free Researcher Access

    مطالعه در Unite.ai →
  6. [6]Emergentخوش‌بینان فناوری

    1,800 Scientists Reveal How They Use ChatGPT in Research

    مطالعه در Emergent →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار تحلیل داده با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.