خبر کامل
تأثیر هوش مصنوعی بر مشاغل علمی: فرصت‌ها و چالش‌ها
ظهور هوش مصنوعی نه تنها آینده، بلکه حال حاضر بازار کار علمی را دستخوش تغییرات عمیقی کرده است. بسیاری از پژوهشگران معتقدند که تقاضا برای مهارت‌های پایه مانند کدنویسی و تحلیل داده، که پیش‌تر توسط دانشجویان و پژوهشگران تازه‌کار انجام می‌شد، به شدت کاهش یافته است.
تأثیر هوش مصنوعی بر مشاغل پایه
نشریه معتبر نیچر با گفت‌وگو با بیش از ۴۰ پژوهشگر دانشگاهی و صنعتی به بررسی این پدیده پرداخته است. شوآن‌هه ژائو، مهندس مکانیک در موسسه فناوری ماساچوست، تأکید می‌کند که منسوخ شدن برخی نقش‌های پایه در حوزه‌هایی مانند مدل‌سازی رایانه‌ای، دیگر بحث آینده نیست و همین حالا در حال وقوع است. او دلیل این امر را توانایی هوش مصنوعی در انجام این وظایف، بسیار بهتر از دانشمندان تازه‌کار می‌داند.
- کاهش تقاضا: هوش مصنوعی نیاز به پژوهشگرانی که کد می‌نویسند یا تحلیل داده پایه انجام می‌دهند را کاهش داده است.
- مشاغل در خطر: وظایف صرفاً شناختی مانند ترجمه مقالات، اولین مشاغلی هستند که با خطر حذف مواجه‌اند.
آنتون کورینک، اقتصاددان دانشگاه ویرجینیا، پیش‌بینی می‌کند که مشاغلی که شامل وظایف صرفاً شناختی هستند، نخستین مواردی خواهند بود که حذف می‌شوند و به زودی توسط هوش مصنوعی تصاحب خواهند شد.
نیروی مخرب در بازار کار علمی
در حال حاضر، توانایی هوش مصنوعی در تولید کد و پردازش داده، بیشترین اختلال را در بازار کار علمی ایجاد کرده است. برایان های، زیست‌شناس محاسباتی، اشاره می‌کند که با ظهور هوش مصنوعی، مشاغلی مانند برنامه‌نویسان پژوهشی که بسته‌های کدی برای دانشمندان می‌نوشتند، منسوخ شده‌اند.
هانا ویمنت استیل، زیست‌شناس محاسباتی در دانشگاه ویسکانسین مدیسون، می‌گوید: «اگر پنج سال پیش در حال راه‌اندازی آزمایشگاهم بودم، فکر می‌کردم استخدام یک برنامه‌نویس پژوهشی واقعاً عالی است... اما حالا واقعاً نیازی به آن نمی‌بینم، زیرا هوش مصنوعی می‌تواند حتی کدنویسی سنگین را انجام دهد.»
این روند حتی به محدود کردن موقعیت‌های جدید نیز منجر شده است. نانشو لو، مهندس مواد در دانشگاه تگزاس، اذعان دارد که به دلیل عدم قطعیت‌ها در مورد حمایت‌های مالی و به ویژه هوش مصنوعی، در استخدام دستیاران پژوهشی و پسادکتری آینده بسیار محافظه‌کارتر شده‌اند.
هشدار درباره فروپاشی زنجیره تربیت نیرو
برخی دانشمندان نگرانند که این تغییرات، دانشجویان کارشناسی و تحصیلات تکمیلی را از دستیابی به مشاغل آزمایشگاهی دانشگاهی، که سکوی پرتابی برای موقعیت‌های علمی بالاتر هستند، محروم کند.
کلاس ویک، زیست‌شناس محاسباتی در دانشگاه تگزاس، هشدار می‌دهد: «ممکن است موقتاً به ازای هر دلار، پژوهش بیشتری انجام دهید، اما هزینه آن فروپاشی زنجیره تربیت نیرو و افول بلندمدت خواهد بود.»
نمونه‌های عملی از دست رفتن مشاغل
شواهد ملموس نشان می‌دهد که هوش مصنوعی در برخی حوزه‌ها منجر به از دست رفتن شغل شده است. با بهبود و گسترش مترجمان مبتنی بر هوش مصنوعی، انجمن مترجمان آمریکا در کمتر از دو سال و نیم، شاهد کاهش ۲۶ درصدی عضویت در بخش علم و فناوری خود بوده است.
جیمی راسل، مترجم سابق اسناد کارآزمایی‌های بالینی، اکنون به ترجمه گفت‌وگوهای شفاهی میان بیماران و پزشکان روی آورده است، اما او مترجمان سابق زیادی را می‌شناسد که اکنون به عنوان راننده سرویس تحویل غذا کار می‌کنند.
محدودیت‌های هوش مصنوعی
با این حال، بسیاری از پژوهشگران معتقدند که هوش مصنوعی هنوز نمی‌تواند وظایف سطح بالاتری را که دانشمندان انجام می‌دهند، از جمله تصمیم‌گیری درباره ایده‌های پژوهشی، انجام دهد.
جاناتان اوپنهایم، فیزیکدان کوانتومی در دانشگاه کالج لندن، می‌گوید: «هوش مصنوعی واقعاً قادر به ارائه ایده‌های نو نیست.»
کارو سانکارالینگام، دانشمند علوم رایانه، بهترین راه برای ایده‌پردازی را ترکیب داده‌های انسانی و هوش مصنوعی می‌داند، چرا که تولید فرضیه نیازمند حضور انسان برای مهندسی پرامپت‌های دقیق و جلوگیری از «توهمات» هوش مصنوعی است.
با وجود این، آنتون کورینک بر این باور است که حتی مشاغل پژوهشی ارشد که بر شناخت متمرکز هستند، آسیب‌پذیرند و انتظار دارد ریاضیدانان در سال تحصیلی آینده تأثیر آن را مشاهده کنند، هرچند ریاضیدانان این دیدگاه را رد می‌کنند.
امنیت نسبی مشاغل عملی
در مقایسه، متخصصان آزمایشگاه و پژوهشگرانی که آزمایش‌های «آزمایشگاه مرطوب» انجام می‌دهند، دست‌کم فعلاً در موقعیت امن‌تری قرار دارند. آزمایشگاه‌های خودکار مبتنی بر هوش مصنوعی و رباتیک هنوز در انجام بسیاری از وظایف و تفسیر نتایج مشکل دارند.
اوپنهایم می‌گوید: «هوش مصنوعی برای مدتی نسبتاً طولانی تأثیر زیادی بر کار آزمایشگران نخواهد داشت.»
مطالعه‌ای در ماه فوریه در حوزه زیست‌شناسی ساختاری نشان داد که ابزار هوش مصنوعی آلفافولد ۲ (AlphaFold2) قادر به پیش‌بینی ساختار حدود ۴۰ درصد از پروتئین‌های شناخته‌شده با اطمینان بسیار بالاست. با این حال، روش‌های دستی تصویربرداری از ساختار پروتئین همچنان مورد استفاده قرار می‌گیرند، به ویژه برای پروتئین‌هایی که هوش مصنوعی در درک آن‌ها مشکل دارد، که نشان‌دهنده مزیت نسبی انسان‌ها در این حوزه‌هاست.
پژوهشگران معتقدند که انعطاف‌پذیری و سازگاری با هوش مصنوعی، مسیر آینده علم را رقم خواهد زد.
ترنس تائو، ریاضیدان دانشگاه کالیفرنیا در لس آنجلس، اظهار می‌دارد: «اگر با هوش مصنوعی سازگار شویم که فکر می‌کنم مجبور به این کار باشیم، آن‌گاه دوام خواهیم آورد و در برخی موارد، حتی می‌توان شکوفا شد.»
درباره هوش‌مصنوعی دست‌اول:
تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
زمان انتشار:
۲۳:۰۰ - ۱۴۰۴/۱۲/۰۲