Η τεχνητή νοημοσύνη μειώνει θέσεις σε ανάλυση δεδομένων, προγραμματισμό και μετάφραση, περιορίζει προσλήψεις στην επιστήμη, αλλά ο ανθρώπινος ρόλος παραμένει κρίσιμος

Η τεχνητή νοημοσύνη διευρύνει συνεχώς το αποτύπωμά της και θέτει υπό πίεση όλο και περισσότερα επαγγέλματα, με τον επιστημονικό χώρο να μην αποτελεί εξαίρεση. Ποιες ειδικότητες, όμως, βρίσκονται πιο εκτεθειμένες;

Αναζητώντας απαντήσεις, το Nature συνομίλησε με πάνω από 40 ερευνητές από πανεπιστήμια και τη βιομηχανία, οι οποίοι ήδη αξιοποιούν την τεχνητή νοημοσύνη στην εργασία τους. Πολλοί επισημαίνουν ότι η ανάγκη για ερευνητές που ασχολούνται με συγγραφή κώδικα ή βασική ανάλυση δεδομένων παρουσιάζει ήδη αισθητή υποχώρηση.

Οι συγκεκριμένες αρμοδιότητες ανατίθεντο συχνά σε υποψήφιους διδάκτορες, μεταδιδακτορικούς συνεργάτες ή εργαζομένους χωρίς υψηλό ερευνητικό τίτλο. Πλέον, σε αρκετές περιπτώσεις η τεχνητή νοημοσύνη εκτελεί αυτά τα καθήκοντα ταχύτερα και με χαμηλότερο κόστος. Ο μηχανολόγος του Τεχνολογικού Ινστιτούτου Μασαχουσέτης (MIT) Xuanhe Zhao τονίζει ότι η υποβάθμιση ορισμένων βασικών ρόλων, ιδίως σε πεδία όπως η υπολογιστική μοντελοποίηση, «δεν ανήκει στο μέλλον. Συμβαίνει ήδη».

Παρόμοια πίεση καταγράφεται και σε επαγγέλματα που σχετίζονται με την επιστήμη, χωρίς να βρίσκονται στον πυρήνα της έρευνας. Χαρακτηριστικό παράδειγμα αποτελούν οι μεταφραστές επιστημονικών κειμένων. Με τη ραγδαία εξέλιξη των μεταφραστικών εργαλείων που βασίζονται σε AI, αρκετοί επαγγελματίες βλέπουν το αντικείμενό τους να συρρικνώνεται με ταχείς ρυθμούς. Η Αμερικανική Ένωση Μεταφραστών κατέγραψε μείωση 26% στα μέλη του τμήματος Επιστήμης και Τεχνολογίας σε λιγότερο από δυόμισι χρόνια. Ορισμένοι μεταφραστές αναγκάστηκαν να στραφούν αλλού: κάποιοι έγιναν ιατρικοί διερμηνείς, άλλοι εγκατέλειψαν πλήρως τον κλάδο.

Μεγάλο πλήγμα για τους προγραμματιστές

Το πιο άμεσο πλήγμα στην επιστημονική αγορά εργασίας, σύμφωνα με πολλούς ερευνητές, αφορά κυρίως δύο πεδία: τη συγγραφή κώδικα και την επεξεργασία δεδομένων. Εργαστήρια που παλαιότερα προσλάμβαναν εξειδικευμένους προγραμματιστές για την ανάπτυξη λογισμικού, πλέον επανεξετάζουν αν τέτοιες θέσεις παραμένουν απαραίτητες. Η υπολογιστική βιολόγος Hannah Wayment-Steele από το Πανεπιστήμιο του Ουισκόνσιν-Μάντισον σημειώνει ότι αν ξεκινούσε το εργαστήριό της πριν από πέντε χρόνια, θα θεωρούσε κρίσιμη την πρόσληψη ερευνητή-προγραμματιστή. «Αλλά τώρα, πραγματικά δεν βλέπω την ανάγκη για κάτι τέτοιο», αναφέρει, καθώς η AI μπορεί να αναλάβει ακόμη και σύνθετο προγραμματιστικό έργο.

Αχρείαστοι οι φοιτητές στα εργαστήρια

Αντίστοιχη εικόνα παρατηρείται και σε άλλους τομείς. Η μηχανικός υλικών Nanshu Lu από το Πανεπιστήμιο του Τέξας στο Όστιν επισημαίνει ότι τα εργαστήρια εμφανίζονται πλέον πολύ πιο συγκρατημένα στις προσλήψεις νέων μεταπτυχιακών βοηθών και μεταδιδακτορικών ερευνητών, όχι μόνο λόγω αβεβαιότητας στη χρηματοδότηση, αλλά και εξαιτίας της τεχνητής νοημοσύνης. Ακόμη και χωρίς άμεσες απολύσεις, η AI φαίνεται ήδη να περιορίζει τον αριθμό των νέων θέσεων που δημιουργούνται.

Ορισμένοι επιστήμονες προειδοποιούν για κινδύνους εάν προπτυχιακοί και μεταπτυχιακοί φοιτητές, καθώς και τεχνικό προσωπικό, δεν μπορούν πλέον να εξασφαλίσουν θέσεις σε ακαδημαϊκά εργαστήρια, οι οποίες λειτουργούν ως εφαλτήριο για άλλες επιστημονικές καριέρες. «Μπορεί να πετύχετε προσωρινά περισσότερη έρευνα για κάθε δολάριο που δαπανάτε», σημειώνει ο Claus Wilke, υπολογιστικός βιολόγος στο Πανεπιστήμιο του Τέξας στο Όστιν, «αλλά το τίμημα θα είναι η διάλυση της ροής εργασίας σας και η μακροπρόθεσμη υποχώρηση».

Παρά τη ραγδαία εξέλιξη των συστημάτων AI, πολλοί ερευνητές υπογραμμίζουν ότι εξακολουθούν να υπάρχουν σαφή όρια. Η τεχνητή νοημοσύνη μπορεί να συνοψίζει βιβλιογραφία, να διορθώνει κείμενα, να παράγει κώδικα ή να αναλύει δεδομένα, όμως δεν έχει αποδείξει ότι μπορεί να αντικαταστήσει τον άνθρωπο στα πιο απαιτητικά επίπεδα της επιστημονικής εργασίας, όπως η διατύπωση νέων ερευνητικών ερωτημάτων ή η σύλληψη πρωτότυπων ιδεών. Ο κβαντικός φυσικός Jonathan Oppenheim του University College στο Λονδίνο χρησιμοποιεί AI για να δημιουργεί δοκιμαστικές αξιολογήσεις των άρθρων του πριν τα υποβάλει. Θεωρεί τις παρατηρήσεις χρήσιμες, αλλά τονίζει ότι η τεχνητή νοημοσύνη «δεν μπορεί να εντοπίσει πραγματικά καινοτόμες ιδέες».

Ακόμη και όσοι αναγνωρίζουν μεγαλύτερες δυνατότητες στην AI επιμένουν ότι ο ανθρώπινος παράγοντας παραμένει κρίσιμος.

Οι πιο ασφαλείς ειδικότητες

Πιο προστατευμένοι εμφανίζονται, προς το παρόν, όσοι δραστηριοποιούνται σε πειραματική εργασία και πρακτικές διαδικασίες εργαστηρίου. Τα αυτοματοποιημένα συστήματα και τα ρομποτικά εργαστήρια δεν μπορούν ακόμη να εκτελέσουν πολλές σύνθετες χειρωνακτικές εργασίες ούτε να ερμηνεύσουν αποτελέσματα με την ευελιξία ενός έμπειρου επιστήμονα. Μια πρόσφατη μελέτη στη δομική βιολογία δίνει μάλιστα κάποια αισιοδοξία: παρότι το εργαλείο AI AlphaFold2 έχει αλλάξει την πρόβλεψη πρωτεϊνικών δομών, οι απαιτητικές χειροκίνητες τεχνικές απεικόνισης παραμένουν απαραίτητες, ιδίως όπου η AI υστερεί.

Αυτή η προσαρμοστικότητα ίσως αποτελεί το κλειδί για το μέλλον της επιστήμης, σημειώνουν οι ερευνητές. «Αν προσαρμοστούμε — και πρέπει — τότε θα αντέξουμε», αναφέρει ο Terence Tao, μαθηματικός στο Πανεπιστήμιο της Καλιφόρνιας στο Λος Άντζελες. «Και σε ορισμένες περιπτώσεις, μπορούμε ακόμη και να ευημερήσουμε».

Πηγή: newmoney.gr

ΔΙΑΒΑΣΤΕ ΑΚΟΜΑ

Ντάιμον: Η JPMorgan μπορεί να εισέλθει στη αγορά προβλέψεων