Τα επιστημονικά επαγγέλματα που απειλεί η τεχνητή νοημοσύνη, σύμφωνα με το Nature

Σε αναζήτηση απαντήσεων, το περιοδικό Nature μίλησε με περισσότερους από 40 ερευνητές από την ακαδημαϊκή κοινότητα και τη βιομηχανία, οι οποίοι ήδη χρησιμοποιούν τεχνητή νοημοσύνη στη δουλειά τους. Πολλοί από αυτούς αναφέρουν ότι ήδη η ζήτηση για ανθρώπινους ερευνητές που γράφουν κώδικα ή κάνουν βασική ανάλυση δεδομένων αρχίζει να μειώνεται αισθητά.

Οι συγκεκριμένες εργασίες ανατίθεντο συχνά σε υποψήφιους διδάκτορες, μεταδιδακτορικούς ερευνητές ή σε εργαζομένους χωρίς ανώτερο ερευνητικό τίτλο. Τώρα, όμως, σε αρκετές περιπτώσεις η τεχνητή νοημοσύνη αναλαμβάνει αυτά τα καθήκοντα ταχύτερα και φθηνότερα. Ο μηχανολόγος του Τεχνολογικού Ινστιτούτου Μασαχουσέτης (MIT) Xuanhe Zhao δηλώνει ότι η απαξίωση ορισμένων βασικών ρόλων, ιδιαίτερα σε πεδία όπως η υπολογιστική μοντελοποίηση, «δεν είναι καν θέμα του μέλλοντος. Συμβαίνει τώρα».

-26% οι μεταφραστές επιστημονικών κειμένων

Ανάλογη πίεση φαίνεται να δέχονται και επαγγέλματα που κινούνται γύρω από την επιστήμη, χωρίς να ανήκουν στον σκληρό πυρήνα της έρευνας. Ένα χαρακτηριστικό παράδειγμα είναι οι μεταφραστές επιστημονικών κειμένων. Με τη ραγδαία βελτίωση των μεταφραστικών εργαλείων που βασίζονται σε AI, ορισμένοι επαγγελματίες βλέπουν το αντικείμενό τους να συρρικνώνεται γρήγορα. Η Αμερικανική Ένωση Μεταφραστών κατέγραψε πτώση 26% στα μέλη του τμήματος Επιστήμης και Τεχνολογίας μέσα σε λιγότερο από δυόμισι χρόνια. Ορισμένοι μεταφραστές αναγκάστηκαν να στραφούν σε άλλες δουλειές: κάποιοι έγιναν ιατρικοί διερμηνείς, άλλοι εγκατέλειψαν εντελώς τον χώρο.

Μεγάλο πλήγμα για τους προγραμματιστές

Το πιο άμεσο πλήγμα στην επιστημονική αγορά εργασίας, σύμφωνα με πολλούς ερευνητές, αφορά δύο κυρίως πεδία: τη συγγραφή κώδικα και την επεξεργασία δεδομένων. Εργαστήρια που στο παρελθόν προσλάμβαναν εξειδικευμένους προγραμματιστές για να δημιουργούν πακέτα λογισμικού, σήμερα επανεξετάζουν αν τέτοιες θέσεις είναι ακόμη αναγκαίες. Η υπολογιστική βιολόγος Hannah Wayment-Steele από το Πανεπιστήμιο του Ουισκόνσιν-Μάντισον δηλώνει ότι αν ξεκινούσε το εργαστήριό της πριν από πέντε χρόνια, θα θεωρούσε εξαιρετικά χρήσιμη την πρόσληψη ερευνητή-προγραμματιστή. «Αλλά τώρα, πραγματικά δεν βλέπω την ανάγκη για κάτι τέτοιο», λέει, καθώς η AI μπορεί να αναλάβει ακόμη και απαιτητικό προγραμματιστικό έργο.

Αχρείαστοι οι φοιτητές στα εργαστήρια

Παρόμοια είναι και η εικόνα σε άλλα πεδία. Η μηχανικός υλικών Nanshu Lu από το Πανεπιστήμιο του Τέξας στο Όστιν σημειώνει ότι τα εργαστήριά τους γίνονται πλέον πολύ πιο συντηρητικά στις προσλήψεις νέων μεταπτυχιακών βοηθών και μεταδιδακτορικών ερευνητών, όχι μόνο εξαιτίας της αβεβαιότητας στη χρηματοδότηση, αλλά και λόγω της AI.

Ακόμη και όταν δεν υπάρχουν άμεσες απολύσεις, η τεχνητή νοημοσύνη φαίνεται ήδη να περιορίζει τις νέες θέσεις που ανοίγουν.

Ορισμένοι επιστήμονες προειδοποιούν για πιθανούς κινδύνους εάν οι προπτυχιακοί φοιτητές, οι μεταπτυχιακοί φοιτητές και οι τεχνικοί δεν μπορούν πλέον να εξασφαλίσουν θέσεις εργασίας σε ακαδημαϊκά εργαστήρια, οι οποίες αποτελούν σκαλοπάτι για άλλες επιστημονικές θέσεις. «Μπορεί να πετύχετε προσωρινά περισσότερη έρευνα για κάθε δολάριο που ξοδεύετε», λέει ο Claus Wilke, υπολογιστικός βιολόγος στο Πανεπιστήμιο του Τέξας στο Όστιν, «αλλά το κόστος θα είναι η κατάρρευση της ροής της δουλειάς σας και η μακροπρόθεσμη παρακμή».

Απαραίτητος ο «άνθρωπος στον βρόχο»

Παρά την ταχύτατη πρόοδο των συστημάτων AI, πολλοί ερευνητές τονίζουν ότι υπάρχουν ακόμη σαφή όρια. Η τεχνητή νοημοσύνη μπορεί να συνοψίζει βιβλιογραφία, να διορθώνει άρθρα, να παράγει κώδικα ή να επεξεργάζεται δεδομένα, αλλά δεν έχει αποδείξει ότι μπορεί να αντικαταστήσει τον άνθρωπο στα πιο απαιτητικά ανώτερα καθήκοντα της επιστήμης, όπως η διατύπωση πραγματικά νέων ερευνητικών ερωτημάτων ή η σύλληψη πρωτότυπων ιδεών. Ο κβαντικός φυσικός Jonathan Oppenheim του University College στο Λονδίνο χρησιμοποιεί AI για να δημιουργεί δοκιμαστικές αναφορές αξιολόγησης των άρθρων του πριν τα υποβάλει σε περιοδικά. Βρίσκει τις παρατηρήσεις χρήσιμες, αλλά η τεχνητή νοημοσύνη «δεν είναι σε θέση να βρει πραγματικά καινοτόμες ιδέες», λέει.

Ακόμη και όσοι βλέπουν μεγαλύτερες δυνατότητες στην AI επιμένουν ότι ο άνθρωπος παραμένει αναγκαίος. Ο επιστήμονας υπολογιστών Karu Sankaralingam από το Πανεπιστήμιο του Ουισκόνσιν-Μάντισον υποστηρίζει ότι ο καλύτερος τρόπος για να προκύψουν νέες ερευνητικές κατευθύνσεις είναι ο συνδυασμός ανθρώπινης σκέψης και τεχνητής νοημοσύνης. Η διατύπωση σωστών υποθέσεων, λέει, απαιτεί «άνθρωπο στον βρόχο», ικανό να χτίσει προσεκτικά τις κατάλληλες εντολές και να αποτρέψει τις λεγόμενες «παραισθήσεις» των μοντέλων.

Οι πιο ασφαλείς ειδικότητες

Πιο ασφαλείς εμφανίζονται, προς το παρόν, όσοι ασχολούνται με πειραματική εργασία και πρακτικές εργαστηριακές διαδικασίες. Οι αυτοματοποιημένες πλατφόρμες και τα ρομποτικά εργαστήρια δεν μπορούν ακόμη να εκτελέσουν πολλές σύνθετες χειρωνακτικές εργασίες ούτε να ερμηνεύσουν αποτελέσματα με την ευελιξία ενός έμπειρου ερευνητή. Μια πρόσφατη μελέτη στον τομέα της δομικής βιολογίας προσφέρει μάλιστα κάποια ανακούφιση: παρότι το εργαλείο τεχνητής νοημοσύνης AlphaFold2 έχει μεταμορφώσει την πρόβλεψη πρωτεϊνικών δομών, οι επίπονες χειροκίνητες μέθοδοι απεικόνισης εξακολουθούν να χρησιμοποιούνται, ιδίως εκεί όπου η AI δυσκολεύεται.

Αυτή η ευελιξία μπορεί να είναι ο δρόμος προς τα εμπρός για την επιστήμη, λένε οι ερευνητές. «Αν προσαρμοστούμε — και νομίζω ότι πρέπει — τότε θα επιβιώσουμε», λέει ο Terence Tao, μαθηματικός στο Πανεπιστήμιο της Καλιφόρνιας στο Λος Άντζελες. «Και σε ορισμένες περιπτώσεις, μπορείς να ευημερήσεις».