Prispevek na spletnem portalu Nature v rubriki News o članku (Gao J & Wang D (2024) Quantifying the use and potential benefits of artificial intelligence in scientific research. Nature Hum. Behav. 8, 2281–2292 – https://doi.org/10.1038/s41562-024-02020-5) o tem, da analiza več deset milijonov člankov kaže, katera področja so z navdušenjem sprejela orodja umetne inteligence in katera so bila pri tem počasnejša.
Raziskava, objavljena v reviji Nature, ugotavlja, da znanstveni članki, ki v svojih povzetkih ali naslovih omenjajo umetno inteligenco, dosegajo znatno večji uspeh pri citiranju. Analiza milijonov del razkriva, da se takšne študije pogosteje uvrščajo med pet odstotkov najvplivnejših del na svojem področju. Poleg splošne priljubljenosti ti prispevki pritegnejo tudi večjo pozornost strokovnjakov iz drugih disciplin, kar spodbuja medpredmetno sodelovanje. Čeprav so nekatere vede hitreje sprejele te sodobne metode, se vpliv strojnega učenja vztrajno širi po celotni akademski skupnosti. Besedilo hkrati izpostavlja naraščajoč pomen tehnoloških orodij pri oblikovanju prihodnosti raziskovanja in znanstvenega založništva.
V nadaljevanju podajamo kratek povzetek prispevka.
Vpliv na citiranost
- Povečanje citiranosti: Članki, ki v naslovih ali povzetkih omenjajo metode umetne inteligence (UI), imajo bistveno večjo verjetnost, da se uvrstijo med 5 % najbolj citiranih del na svojem področju.
- Meddisciplinarna pozornost: Študije, ki se sklicujejo na umetno inteligenco, običajno prejmejo večje število citatov zunaj svoje specifične discipline v primerjavi s članki, ki ne vključujejo UI.
- Neenakost: Ta “pospešek pri citiranosti” ni enakomerno porazdeljen; raziskovalci iz zgodovinsko premalo zastopanih skupin pri uporabi UI ne beležijo enakega povečanja števila citatov, kar nakazuje, da bi lahko sprejemanje UI poglobilo obstoječe neenakosti v znanosti.
Sprejemanje in metodologija
- Obseg: Študija je analizirala približno 75 milijonov člankov na 19 področjih, objavljenih med letoma 1960 in 2019. Podatki ne vključujejo nedavnih velikih jezikovnih modelov (angl. Large language model – LLM), kot je ChatGPT.
- Razlike med področji: Uporaba in potencialne koristi so največje v računalništvu, matematiki in inženirstvu. Najmanjša uporaba je v zgodovini, umetnosti in politologiji, medtem ko se naravoslovne vede (geologija, fizika, biologija) uvrščajo v sredino.
- Metoda ocenjevanja: Raziskovalci so sledili parom “glagol–samostalnik” (npr. “analizirati podatke”), da bi uskladili zmožnosti UI z razvijajočimi se potrebami različnih raziskovalnih področij.
Skrbi strokovnjakov in omejitve
- Izkrivljene spodbude: Strokovnjaki opozarjajo, da bi korelacija med UI in citiranostjo lahko spodbudila znanstvenike k uporabi orodij UI zgolj za povečanje vidnosti in ne za izboljšanje kakovosti raziskav, kar bi lahko izrinilo druge veljavne metodologije.
- Omejitve glede nians: Kritiki opozarjajo, da čeprav študija ugotavlja, kje UI lahko opravlja naloge, široka analiza podatkov ne potrjuje nujno, ali je UI dejansko koristna ali vsebinsko primerna za te specifične raziskovalne cilje.
Povzetek prispevka v obliki predstavitve z zdrski.