Με την άφιξη των «επιστημόνων τεχνητής νοημοσύνης», είναι καλό να θυμόμαστε ότι η ανθρώπινη σοφία, η ενσυναίσθηση και η εγγενής επιστημονική «ακαταστασία» είναι εξίσου σημαντικές με τη μεθοδολογία και την αποτελεσματικότητα.
Η τεχνητή νοημοσύνη μπορεί να επιταχύνει θεαματικά την επιστημονική έρευνα, αλλά δεν μπορεί να αντικαταστήσει τους ανθρώπους.
Όσο εντυπωσιακή κι αν μοιάζει η άνοδος των λεγόμενων «AI scientists», η πραγματική πρόοδος εξακολουθεί να εξαρτάται από κάτι πολύ πιο δύσκολο να αναπαραχθεί αλγοριθμικά, από την ανθρώπινη κρίση, τη διαίσθηση, την εμπειρία και ακόμη και την ακατάστατη φύση της επιστημονικής δημιουργικότητας.
Το ερώτημα δεν είναι πλέον αν η ανθρωπότητα χρειάζεται την επιστήμη, αλλά αν η επιστήμη μπορεί να υπάρξει χωρίς την ανθρωπότητα. Και η απάντηση, τουλάχιστον σήμερα, είναι ξεκάθαρη: «όχι!».
Δύο νέες μελέτες που δημοσιεύθηκαν στο επιστημονικό περιοδικό Nature παρέχουν μια γεύση από αυτό που ορισμένοι ερμηνεύουν ως τον συρρικνούμενο ρόλο της ανθρωπότητας στην επιστημονική ανακάλυψη.
Και στις δυο, συστήματα τεχνητής νοημοσύνης αποτελούμενα από συνδεδεμένους «agents» κατάφεραν να αναλύσουν επιστημονική βιβλιογραφία, να διατυπώσουν υποθέσεις, να ερμηνεύσουν δεδομένα και να προτείνουν πιθανά φάρμακα για σοβαρές ασθένειες. Για πολλούς, αυτά τα συστήματα μοιάζουν με τα πρώτα βήματα προς έναν πλήρως αυτόνομο μηχανικό επιστήμονα.
Η πραγματικότητα όμως είναι πιο σύνθετη
Στην πρώτη μελέτη, η μη κερδοσκοπική εταιρεία FutureHouse από το Σαν Φρανσίσκο χρησιμοποίησε ένα AI σύστημα με την ονομασία Robin για να αναζητήσει θεραπεία για την ξηρή μορφή ηλικιακής εκφύλισης της ωχράς κηλίδας. Το Robin ανέλυσε επιστημονικές δημοσιεύσεις, πρότεινε θεραπευτικές στρατηγικές, επέλεξε υποψήφια μόρια και σχεδίασε πειράματα. Τα πειράματα όμως δεν τα εκτέλεσε το ίδιο. Εκεί μπήκαν οι άνθρωποι. Ερευνητές πραγματοποίησαν τις δοκιμές στο εργαστήριο και επέστρεψαν τα αποτελέσματα στο σύστημα, ώστε αυτό να συνεχίσει την ανάλυση και να σχεδιάσει τα επόμενα βήματα.
Σύμφωνα με την ομάδα, η διαδικασία ολοκληρώθηκε περίπου 200 φορές γρηγορότερα συγκριτικά με μια συμβατική ερευνητική ροή εργασίας.
Σε άλλη μελέτη, η Google χρησιμοποίησε το Co-Scientist, ένα AI σύστημα για να αναζητήσει μέσα σε ήδη εγκεκριμένα φάρμακα κάποια που θα μπορούσαν να επαναχρησιμοποιηθούν για τη θεραπεία μορφών λευχαιμίας, ενώ παράλληλα εντόπισε πιθανούς θεραπευτικούς στόχους για την ηπατική ίνωση. Οι άνθρωποι παρείχαν πληροφορίες καθ’ όλη τη διάρκεια της διαδικασίας, βοηθώντας στην ιεράρχηση υποθέσεων και προσεγγίσεων.
Η ομάδα ζήτησε επίσης από τους «agents» να αναπτύξουν μια υπόθεση για να εξηγήσουν γιατί πολλά είδη βακτηρίων μοιράζονται μια συγκεκριμένη σειρά γονιδίων αντοχής στα αντιβιοτικά. Το εντυπωσιακότερο ίσως στοιχείο ήταν ότι το σύστημα κατέληξε μέσα σε λίγες ημέρες στην ίδια υπόθεση με επιστήμονες που μελετούσαν επί σχεδόν δέκα χρόνια το ίδιο μυστήριο για τα γονίδια ανθεκτικότητας βακτηρίων στα αντιβιοτικά, χωρίς αν έχουν προχωρήσει σε δημοσιεύσεις.
Αυτές οι εξελίξεις είναι πράγματι εντυπωσιακές. Δείχνουν ότι η AI μπορεί να λειτουργήσει ως ένας πανίσχυρος επιταχυντής της επιστήμης. Όμως υπάρχει μια κρίσιμη λεπτομέρεια που συχνά χάνεται μέσα στον ενθουσιασμό: τα συστήματα αυτά δεν εργάστηκαν ποτέ πραγματικά μόνα τους.
Σε κάθε στάδιο υπήρχε ανθρώπινη παρέμβαση. Οι άνθρωποι καθόρισαν τα αρχικά ερευνητικά ερωτήματα, αξιολόγησαν τις υποθέσεις, σχεδίασαν ή εκτέλεσαν πειράματα, έλεγξαν τα αποτελέσματα και διόρθωσαν πιθανές παρερμηνείες. Και αυτό δεν αποτελεί αδυναμία της τεχνολογίας, αλλά θεμελιώδες χαρακτηριστικό της επιστημονικής διαδικασίας.
Η επιστήμη δεν απλή επεξεργασία πληροφορίας
Η ιδέα ενός πλήρως αυτόνομου AI ερευνητή παραμένει εξαιρετικά δύσκολη. Όχι μόνο επειδή απαιτείται ο συντονισμός αμέτρητων εξειδικευμένων agents σε σύνθετες, πολυετείς διαδικασίες, αλλά και επειδή η επιστήμη δεν είναι απλή επεξεργασία πληροφορίας. Είναι επίσης κρίση, αμφιβολία, ένστικτο και εμπειρία.
Ακόμη και τα πιο προηγμένα συστήματα AI μπορούν να παρερμηνεύουν, να επινοούν δεδομένα ή να βγάζουν λανθασμένα συμπεράσματα. Χωρίς ανθρώπινη επίβλεψη, τέτοια λάθη μπορούν να αποκτήσουν καταστροφικές συνέπειες, ιδιαίτερα σε τομείς όπως η ιατρική και η φαρμακευτική ανάπτυξη.
Υπάρχει όμως και κάτι βαθύτερο που δύσκολα μεταφράζεται σε κώδικα: η ίδια η ανθρώπινη φύση της επιστήμης.
Οι μεγάλες ανακαλύψεις σπάνια προκύπτουν μέσα από απόλυτα ορθολογικές και αποδοτικές διαδικασίες. Συχνά γεννιούνται από αποτυχίες, παρακάμψεις, εμμονές, παιχνίδι, περιέργεια ή ακόμη και τυχαία λάθη.
Η επιστήμη εξελίσσεται επειδή οι άνθρωποι σκέφτονται ανορθόδοξα, συγκρούονται, αμφισβητούν και αλλάζουν γνώμη. Η «ακαταστασία» της ανθρώπινης δημιουργικότητας δεν είναι εμπόδιο στην πρόοδο, είναι προϋπόθεσή της.
Επιπλέον, η επιστήμη δεν αφορά μόνο την παραγωγή γνώσης αλλά και τη μετάδοσή της. Οι ερευνητές εκπαιδεύουν νέες γενιές επιστημόνων, μεταφέρουν εμπειρία, διαμορφώνουν ηθική και καλλιεργούν κουλτούρα συνεργασίας. Είναι αμφίβολο αν οποιοδήποτε AI σύστημα μπορεί να αναπαραγάγει αυτή τη συλλογική ανθρώπινη σοφία που χτίζεται μέσα σε δεκαετίες.
Η συζήτηση γύρω από την τεχνητή νοημοσύνη συχνά εγκλωβίζεται σε δύο ακραίες αφηγήσεις. Από τη μία, υπάρχει η ουτοπική υπόσχεση μιας εποχής όπου η AI θα θεραπεύσει ασθένειες, θα λύσει την κλιματική κρίση και θα πολλαπλασιάσει την επιστημονική πρόοδο. Από την άλλη, οι δυστοπικές προειδοποιήσεις για έναν κόσμο γεμάτο ψευδή επιστημονικές δημοσιεύσεις, άνεργους ερευνητές και έρευνα χωρίς ηθικούς φραγμούς.
Η αλήθεια βρίσκεται πιθανότατα κάπου ανάμεσα
Η AI μπορεί να γίνει το ισχυρότερο εργαλείο που απέκτησε ποτέ η επιστήμη. Μπορεί να απαλλάξει τους ερευνητές από χρονοβόρες εργασίες, να επιταχύνει ανακαλύψεις και να μειώσει δραματικά το κόστος ανάπτυξης νέων φαρμάκων. Δεν σημαίνει όμως ότι οι άνθρωποι καθίστανται περιττοί.
Το μέλλον της επιστήμης δεν θα είναι ούτε αποκλειστικά ανθρώπινο ούτε αποκλειστικά μηχανικό. Είναι συνεργατικό. Και σε αυτή τη συνεργασία, ο ρόλος του ανθρώπου, παρά την ατέλειά του παραμένει αναντικατάστατος, ακριβώς εξαιτίας αυτής της ατέλειας.
