هوش مصنوعی میتواند پژوهش را سریعتر کند؛ اما اگر مسئلهسازی، جستوجو، ارزیابی و نوشتن را یکجا به آن بسپاریم، ممکن است محصولی تحویل بگیریم بدون آنکه توان پژوهش در ما رشد کرده باشد.
برای دانشجو یا پژوهشگر، جذابیت استفاده از هوش مصنوعی قابلدرک است: پیشنهاد کلیدواژه، توضیح یک مفهوم دشوار، خلاصهکردن متن، کمک به کدنویسی و ویرایش زبان. مشکل از جایی شروع میشود که سرعت خروجی با اعتبار آن اشتباه گرفته شود یا پژوهشگر دیگر نتواند مسیر رسیدن از سؤال به نتیجه را توضیح دهد.
هدف «هوشزیست پژوهش» منع استفاده نیست. هدف این است که هوش مصنوعی از بار کار بکاهد، اما مالکیت فکری، قضاوت علمی و مسئولیت نتیجه همچنان نزد پژوهشگر بماند.
سه چیزی که نباید واگذار شوند
۱. صورتبندی مسئله: مدل میتواند صورتهای مختلف یک سؤال را پیشنهاد دهد، اما تشخیص اینکه کدام پرسش ارزشمند، قابلپژوهش و متناسب با زمینه است، یک تصمیم علمی است.
۲. ارزیابی شواهد: یک خلاصهٔ روان ممکن است تفاوت میان مطالعهٔ کوچک، مرور نظاممند، پیشچاپ و مقالهٔ داوریشده را پنهان کند. پژوهشگر باید منبع را واقعاً باز کند، بخواند و ارزیابی کند.
۳. مسئولیت نتیجه: هوش مصنوعی نمیتواند پاسخگوی خطا، روش، تفسیر یا پیامد یک ادعای علمی باشد. به همین دلیل بسیاری از سیاستهای نشر علمی، ابزارهای AI را نویسنده نمیپذیرند و مسئولیت را کاملاً انسانی میدانند [۱].
نقشهٔ سبز، زرد و قرمز استفاده از AI
پیشنهاد کلیدواژه، توضیح اصطلاح، تبدیل یادداشت به جدول، بررسی خوانایی، تمرین پرسشوپاسخ، کمک به خطایابی کد و پیشنهاد ساختار؛ به شرط آنکه خروجی بررسی شود.
خلاصهٔ مقاله، پیشنهاد روش، ساخت پرسشنامه، تحلیل آماری، ترجمهٔ تخصصی و ترکیب و جمعبندی پیشینهٔ پژوهش. این خروجیها ممکن است دقیق به نظر برسند اما خطای مفهومی، حذف محدودیت یا ارجاع ساختگی داشته باشند.
ساخت داده یا منبع، تولید نتیجه بدون تحلیل معتبر، بارگذاری دادهٔ حساس یا متن محرمانه، داوری مقالهٔ دیگران در ابزار عمومی، و نسبتدادن مسئولیت علمی به مدل.
الگوی «بدون AI، با AI، بدون AI»
- بدون AI مسئله را بنویسید: سؤال، دلیل اهمیت، فرضها و چیزهایی را که نمیدانید با زبان خودتان ثبت کنید.
- با AI دامنه را گسترش دهید: کلیدواژههای جایگزین، دیدگاههای مخالف، متغیرهای مغفول و ایرادهای احتمالی را بخواهید.
- منابع را بیرون از AI پیدا کنید: عنوان، نویسنده، DOI و متن اصلی را در پایگاه معتبر بررسی کنید. صرفِ آمدن یک ارجاع در پاسخ مدل، وجود واقعی آن را ثابت نمیکند.
- با AI فرایند را نقد کنید: از آن بخواهید منطق روش یا تحلیل شما را به چالش بکشد، نه اینکه نتیجهٔ دلخواهتان را تأیید کند.
- بدون AI جمعبندی کنید: یافتهها، محدودیتها و نتیجه را خودتان بازسازی کنید و مسئولیت تکتک ادعاها را بپذیرید.
راهنمای یونسکو برای هوش مصنوعی مولد در آموزش و پژوهش، رویکرد انسانمحور، حفاظت از داده و ارزیابی اخلاقی و آموزشی ابزارها را ضروری میداند [۲]. سیاستهای Nature نیز بر شفافیت استفاده، ممنوعیت نویسندگی AI و مسئولیت انسانی تأکید دارند [۱][۳].
پنج کنترل پیش از استفاده از خروجی
- کنترل وجود: آیا منبع، DOI، ابزار یا دادهای که ذکر شده واقعاً وجود دارد؟
- کنترل تطابق: آیا متن اصلی واقعاً همان ادعایی را پشتیبانی میکند که مدل به آن نسبت داده است؟
- کنترل روش: آیا پیشنهاد آماری یا روششناختی با نوع داده و طراحی مطالعه تناسب دارد؟
- کنترل محرمانگی: آیا چیزی را وارد ابزار میکنید که متعلق به مشارکتکننده، نویسنده یا مؤسسه است؟
- کنترل مالکیت: آیا میتوانید خروجی را بدون کمک مدل توضیح دهید، دفاع کنید و در صورت خطا اصلاح کنید؟
یک پرامپت محافظ کوتاه برای پژوهش
«نقش تو انجام کامل این پژوهش نیست. ابتدا سؤالها و ابهامهایی را که باید خودم دربارهشان تصمیم بگیرم مشخص کن. میان اطلاعات قطعی، استنباط و پیشنهاد تفکیک بگذار. هیچ منبعی را بدون امکان بررسی نساز. برای هر ادعای مهم بگو چه نوع شاهدی لازم است و در پایان، بخشهایی را که باید مستقلاً بررسی کنم فهرست کن.»
این پرامپت خطا را حذف نمیکند. فقط شکل همکاری را تغییر میدهد: از «انجام کار بهجای پژوهشگر» به «کمک برای دیدن بهتر مسئله».
پرسش پایانی: اگر استاد یا داور از شما بخواهد مسیر رسیدن به هر ادعا را نشان دهید، کدام بخشهای کارتان را میتوانید مستقل توضیح دهید و کدام بخش فقط به این دلیل در متن است که AI آن را پیشنهاد کرده؟
منابع
- Nature Portfolio. Artificial Intelligence policies and authorship principles. سیاستهای تحریریه
- UNESCO. Guidance for Generative AI in Education and Research. 2023. لینک راهنما
- Hosseini M, et al. Guidelines for ethical use and acknowledgement of large language models in academic writing. Nature Machine Intelligence. 2024. لینک مقاله
این مطلب بخشی از پروژهٔ «هوشزیست» روانای است. سیاست دانشگاه، مجله، نهاد پژوهشی یا محل کار شما ممکن است محدودیتهای دقیقتری داشته باشد و در استفادهٔ واقعی باید در اولویت قرار گیرد.
