توسط : هوش مصنوعی بسیاری از مشاغل را در معرض تهدید قرار داده است و به نظر میرسد حوزه علم هم از این قاعده مستثنا نباشد. اما کدام نقشها بیشتر در خطرند؟ پرسشی که این روزها در میان پژوهشگران و مدیران تحقیقوتوسعه جدیتر از همیشه مطرح میشود، بهویژه وقتی بحث این است که هوش مصنوعی مشاغل علمی را تهدید میکند.
برای یافتن پاسخ، مجله Nature با چندین پژوهشگر از دانشگاه و صنعت که در کار خود از AI استفاده میکنند گفتوگو کرده است. بسیاری از آنها میگویند رشد سریع هوش مصنوعی همین حالا هم باعث کاهش نیاز به پژوهشگران انسانی در کارهایی شده که شامل کدنویسی یا تحلیل دادههای پایه است؛ وظایفی که معمولاً توسط دانشجویان تحصیلات تکمیلی، پژوهشگران پسادکتری یا افراد بدون آموزش پیشرفته دانشگاهی انجام میشد.
به گفته «شوانهه ژائو» (Xuanhe Zhao)، مهندس مکانیک در مؤسسه فناوری ماساچوست (MIT) در کمبریج، کنار رفتن برخی نقشهای پایه در حوزههایی مثل مدلسازی رایانهای «حتی مربوط به آینده نیست؛ همین الان در حال رخ دادن است»، چون «هوش مصنوعی این کارها را خیلی بهتر از دانشمندان سطح ورودی انجام میدهد». همچنین برخی مشاغل نزدیک به علم، مثل ترجمه مقالات از زبانی به زبان دیگر نیز نشانههایی از کاهش فرصتهای شغلی و عقبنشینی مسیر حرفهای را تجربه میکنند.
با این حال، بسیاری از پژوهشگران معتقدند موقعیتهایی که به آزمایشهای عملی و کارهای دستبهکارانه وابستهاند، امنتر هستند؛ همچنین نقش دانشمندان ارشد که پروژههای تحقیقاتی را سازماندهی و هماهنگ میکنند. اما گروهی هشدار میدهند که هوش مصنوعی در حال نزدیک شدن به توانایی انسان حتی در همین وظایف سطح بالاتر نیز هست.
«آنتون کورینک» (Anton Korinek)، اقتصاددان دانشگاه ویرجینیا در شارلوتزویل، میگوید مشاغلی که «صرفاً وظایف شناختی» دارند، اولین گروهی هستند که حذف میشوند. او تأکید میکند اینها همان کارهاییاند که به طور سنتی بیشترین پیوند را با پژوهش علمی داشتهاند و «بهزودی توسط هوش مصنوعی جایگزین خواهند شد».
نیروی برهمزننده
پژوهشگران همین حالا هم از ابزارهای هوش مصنوعی برای کارهای مختلف استفاده میکنند؛ از ویرایش مقاله گرفته تا خلاصهسازی منابع و مرور ادبیات. با این حال، به گفته بسیاری از پژوهشگران، در وضعیت فعلی بیشترین اثر «برهمزننده» هوش مصنوعی بر بازار کار علمی مربوط به توانایی آن در تولید کد و پردازش داده است؛ جایی که هوش مصنوعی مشاغل علمی را تهدید میکند و نقشهای انسانی را تحت فشار قرار میدهد.
برای نمونه، برخی آزمایشگاههای دانشگاهی «برنامهنویس پژوهشی» استخدام میکنند تا بستهها و ابزارهای کدنویسی بسازند که سایر دانشمندان از آنها استفاده کنند. «برایان هی» (Brian Hie)، زیستشناس محاسباتی در دانشگاه استنفورد کالیفرنیا، میگوید با ظهور هوش مصنوعی چنین شغلهایی «حالا دیگر منسوخ شدهاند». «شوانهه ژائو» (Zhao) نیز همنظر است و میگوید نقشهایی که بر ساخت شبیهسازیها و تحلیل دادهها تمرکز دارند، اکنون میتوانند با کمک AI پر شوند.
حتی اگر هوش مصنوعی هنوز به اخراج گسترده این نیروها منجر نشده باشد، به گفته برخی پژوهشگران همین حالا هم باعث کاهش ایجاد موقعیتهای شغلی جدید در علم شده است. «هانا وایمنت-استیل» (Hannah Wayment-Steele)، زیستشناس محاسباتی در دانشگاه ویسکانسین–مدیسن، میگوید اگر پنج سال قبل میخواست آزمایشگاهش را راهاندازی کند، «فکر میکرد استخدام یک برنامهنویس پژوهشی ایده فوقالعادهای است». اما امروز «واقعاً نیازی نمیبیند»، چون هوش مصنوعی حتی از پس کدنویسی سنگین هم برمیآید.
«نانشو لو» (Nanshu Lu)، مهندس مواد در دانشگاه تگزاس در آستین، نیز این روند را تأیید میکند و میگوید: «ما در استخدام دستیاران پژوهشی تحصیلات تکمیلی و پژوهشگران پسادکتری در آینده بسیار محافظهکارتر شدهایم.» او دلیل این احتیاط را هم عدم قطعیتهای مالی و هم «قطعاً هوش مصنوعی» میداند.
برخی دانشمندان همچنین درباره پیامدهای بلندمدت هشدار میدهند؛ دانشجویان کارشناسی، تحصیلات تکمیلی و تکنسینها ممکن است دیگر نتوانند در آزمایشگاههای دانشگاهی شغل پیدا کنند، شغلهایی که معمولاً سکوی پرتاب آنها به سمت موقعیتهای علمی دیگر است. «کلاوس ویلک» (Claus Wilke)، زیستشناس محاسباتی در دانشگاه تگزاس در آستین، میگوید شاید «موقتاً خروجی پژوهشی بیشتری به ازای هر دلار» به دست آید، اما هزینه آن میتواند «فروپاشی مسیر تربیت نیرو و افت بلندمدت» باشد.
از دست رفتن شغلها
شواهد نشان میدهد هوش مصنوعی از همین حالا در برخی حوزههای مرتبط با علم باعث از دست رفتن شغل شده است. با بهتر شدن و گسترش مترجمهای مبتنی بر AI، «انجمن مترجمان آمریکا» (American Translators Association) گزارش کرده که عضویت در بخش «علم و فناوری» این انجمن در مدت کمی کمتر از دو سالونیم، ۲۶٪ کاهش داشته است. این نمونهای روشن از این است که هوش مصنوعی مشاغل علمی را تهدید میکند.
برخی مترجمان مسیر شغلی خود را تغییر دادهاند. برای مثال «جیمی راسل» (Jaime Russell) در چاپلهیلِ کارولینای شمالی که قبلاً اسناد کارآزماییهای بالینی را ترجمه میکرد، اکنون به عنوان «مترجم پزشکی» فعالیت میکند و مکالمات گفتاری بین بیمار و پزشک را ترجمه میکند. اما او میگوید برخی از مترجمان سابق را میشناسد که حالا راننده سرویس تحویل غذا DoorDash شدهاند. او میگوید: «واقعاً ناراحتکننده است.»
محدودیتهای مدلها
با این حال، بسیاری از پژوهشگران میگویند هوش مصنوعی هنوز نمیتواند وظایف سطح بالاترِ علمی را بهخوبی انجام دهد؛ مانند انتخاب اینکه کدام ایدهها ارزش دنبال کردن به عنوان سؤال پژوهشی را دارند. «جاناتان اوپنهایم» (Jonathan Oppenheim)، فیزیکدان کوانتوم در University College London، با هوش مصنوعی کاملاً آشناست: او قبل از ارسال مقاله به مجله، از AI میخواهد برای هر دستنوشته یک گزارش داوریِ آزمایشی تولید کند. او نقدهای AI را مفید میداند، اما میگوید هوش مصنوعی «واقعاً نمیتواند ایدههای نو تولید کند».
حتی کسانی که نگاه خوشبینانهتری به توانایی AI در پیشنهاد ایدههای پژوهشی دارند، معتقدند انسان همچنان نقش کلیدی دارد. «کارو سانکارالینگام» (Karu Sankaralingam)، دانشمند علوم کامپیوتر در دانشگاه ویسکانسین–مدیسن، میگوید بهترین روش برای ایدهپردازی مسیرهای تحقیقاتی، ترکیب بینش انسان و AI است؛ چون تولید فرضیه معمولاً به «انسان در حلقه» نیاز دارد تا پرامپتهای دقیق و مرحلهبهمرحله طراحی کند. او میگوید: «زمان بسیار زیادی صرف فکر کردن درباره پرامپت میکنم.» این دقت برای جلوگیری از «توهم» (hallucination) ضروری است؛ خروجیهای ساختگی و نادرستی که برخی سیستمهای هوش مصنوعی تولید میکنند.
با این وجود، «کورینک» (Korinek) معتقد است حتی شغلهای پژوهشیِ ارشد هم اگر عمدتاً بر فعالیتهای شناختی متکی باشند، در معرض خطر قرار میگیرند. او میگوید انتظار دارد «ریاضیدانها قطعاً سال تحصیلی آینده اثر آن را ببینند»، هرچند بسیاری از ریاضیدانها با این نظر مخالفاند و معتقدند هوش مصنوعی هنوز به جایگزینی آنها نزدیک نیست.
کارهای عملی و آزمایشگاهی
در مقایسه با مشاغل مبتنی بر تحلیل و کدنویسی، تکنسینهای آزمایشگاه و پژوهشگران تازهکار که آزمایشهای «wet lab» انجام میدهند، دستکم فعلاً در موقعیت امنتری قرار دارند. آزمایشگاههای خودکارِ مبتنی بر هوش مصنوعی و رباتیک هنوز از انجام بسیاری از کارها ناتواناند و در تفسیر نتایج نیز با مشکل مواجه میشوند. «جاناتان اوپنهایم» (Oppenheim) میگوید هوش مصنوعی «برای مدت قابل توجهی تأثیر زیادی بر کار پژوهشگران تجربی نخواهد گذاشت». با این حال، بحث اصلی همچنان پابرجاست: هوش مصنوعی مشاغل علمی را تهدید میکند، اما شدت این تهدید در همه نقشها یکسان نیست.
یک مطالعه در ماه فوریه ۲۰۲۶ درباره زیستشناسی ساختاری (structural biology) نیز تا حدی اطمینانبخش است و نشان میدهد برخی مشاغل حتی با ورود هوش مصنوعی هم باقی میمانند. ابزار هوش مصنوعی AlphaFold2 یکی از دشوارترین مسائل این حوزه را انجام میدهد: پیشبینی ساختار پروتئین از روی توالی اسیدهای آمینه. طبق گزارش این مطالعه، AlphaFold2 توانسته ساختار حدود ۴۰٪ از پروتئینهای شناختهشده را با اطمینان «بسیار بالا» پیشبینی کند.
با وجود این، این پری پرینت نشان میدهد روشهای دستی و زمانبر برای تصویربرداری و تعیین ساختار پروتئین همچنان استفاده میشوند. بسیاری از پروتئینهایی که بهصورت دستی مشخص شدهاند، همانهایی بودهاند که ابزار هوش مصنوعی در درک آنها مشکل داشته است. «جری چیان» (Jerry Qian)، اقتصاددان دانشگاه ویرجینیا و نویسنده این پیشچاپ، این موضوع را نشانهای از تغییر مسیر پژوهشگران به سمت مسائلی میداند که انسان در آنها «مزیت نسبی» دارد. او بر اساس دادههای خود نتیجه میگیرد که «هوش مصنوعی دانشمندان را بیاهمیت نمیکند». البته این مطالعه هنوز داوری علمی (peer-review) نشده است.
به گفته پژوهشگران، همین انعطافپذیری میتواند مسیر آینده علم باشد: جابهجایی از کارهایی که هوش مصنوعی بهتر انجام میدهد به سمت حوزههایی که هنوز نیاز جدی به قضاوت انسانی، مهارت عملی و تفسیر دقیق دارند، حتی در شرایطی که هوش مصنوعی مشاغل علمی را تهدید میکند.
در همین چارچوب، «ترنس تائو» (Terence Tao)، ریاضیدان دانشگاه کالیفرنیا در لسآنجلس، میگوید: «اگر سازگار شویم، که فکر میکنم مجبوریم، پس دوام میآوریم. و در بعضی موارد حتی میتوانیم رشد کنیم.»
