مشاوره کارشناسان
با گذشت سه ماه از بهره برداری از ChatGPT، دسترسی و استفاده از آن به همراه طیف وسیعی از تلاش ها و تحقیقات برای درک و پیش بینی جنبه های مثبت و منفی استفاده از هوش مصنوعی برای انجام کارهایی که معمولاً انسان ها انجام می دهند، همچنان افزایش می یابد.
کارشناسان دانشگاه میشیگان برای بحث در مورد نقش ChatGPT در تحقیقات علمی، آموزش، علوم کامپیوتر، مهندسی و تجارت به همراه پیامدهای اخلاقی در دسترس هستند.
تیموتی سرناک استادیار شیمی دارویی در دانشکده داروسازی و استادیار شیمی در دانشکده ادبیات، علوم و هنر است. تیم آزمایشگاهی او قبلاً از اشکال دیگری از هوش مصنوعی برای ساده کردن کارهای تکراری و وقت گیر استفاده کرده است. اخیراً، آنها ChatGPT را به نرم افزار خود به نام phactor متصل کردند که برای انجام آزمایش های شیمی با استفاده از روبات ها استفاده می شود.
اولین تلاش آنها با استفاده از ChatGPT و فاکتور با هم منجر به ایجاد یک واکنش بسیار مولد با یک محصول شیمیایی با بازده 84٪ شد. افزودن ChatGPT به آزمایشگاه های شیمی مانند Cernak’s نویدبخش تحقیقات علمی ساده و صرفه جویی در زمان است.
او گفت: “یک مزیت حیاتی در ذهن من، سرعت بخشیدن به توسعه داروها، به عنوان مثال، از طریق پلتفرم های هوش مصنوعی مانند ChatGPT است.” «ادبیات علمی در این مرحله به قدری گسترده است که یک شیمیدان انسانی نمی تواند هر مقاله در مورد یک موضوع را بخواند. اگرچه ChatGPT می تواند. این می تواند فرآیندهای وقت گیر و معمولی را انجام دهد تا محققان بتوانند روی فرآیندهایی تمرکز کنند که به تفکر عمیق تر و ظریف تر انسانی نیاز دارند.
مخاطب: tcernak@umich.edu
شوبیتا پارتاساراتی استاد دانشکده سیاست عمومی فورد و مدیر برنامه علم، فناوری و سیاست عمومی است. تحقیقات او بر سیاست و سیاست های مرتبط با علم و فناوری متمرکز است. او به چگونگی توسعه نوآوری – و سیاست نوآوری – برای دستیابی بهتر به اهداف منافع عمومی و عدالت اجتماعی علاقه مند است.
تحقیقات ما نشان می‌دهد که مدلهای زبانی بزرگ مانند ChatGPT احتمالاً نابرابری را تقویت می‌کنند، پراکندگی اجتماعی را تقویت می‌کنند، نیروی کار و تخصص را بازسازی می‌کنند، تشنگی برای داده‌ها را تسریع می‌کنند و بی‌عدالتی زیست‌محیطی را تسریع می‌کنند، به دلیل همگنی چشم‌انداز توسعه، ماهیت مجموعه‌های داده، و عدم شفافیت در الگوریتم‌هایی که به آنها قدرت می‌دهد.» این اقدام سیاست ملی و بین‌المللی را حیاتی‌تر می‌کند.»
مخاطب: shobita@umich.edu
بنجامین کویپرس استاد علوم و مهندسی کامپیوتر در کالج مهندسی است که رباتیک هوشمند، از جمله اخلاق در هوش مصنوعی و روباتیک را مطالعه می کند.
«ChatGPT یک توسعه مهم است. در حال حاضر به طور همزمان چشمگیر و دست و پا چلفتی است، اما ما با اطمینان می‌توانیم انتظار داشته باشیم که در آینده نرم‌تر و متخصص‌تر شود – اگرچه تخصص واقعی منتظر پیشرفت‌های بیشتر در هوش مصنوعی است.
«در مطالعات تحقیقاتی، من برای هر نشریه ای ضروری می دانم که شامل یک بحث روش شناختی صریح در مورد استفاده از ChatGPT، از جمله اینکه چگونه تیم تحقیقاتی نقص های آن را مدل می کند، و چگونه آنها از یکپارچگی آزمایش خود در برابر خطاهای احتمالی محافظت می کنند. از ChatGPT.
تقریباً هر ابزار تحقیقاتی دیگری نیز دارای ایراداتی است، و ما از دانشمندان انتظار داریم که نحوه محافظت از نتایج خود را در برابر این موارد مستند کنند. نحوه انجام این کار با هوش مصنوعی در حال حاضر توسط نویسندگان علمی ابداع شده است، اما ما باید چند سال دیگر روش های پذیرفته شده ای داشته باشیم.
مخاطب: kuipers@umich.edu
نایجل ملویل دانشیار سیستم های اطلاعاتی در دانشکده بازرگانی راس و مدیر برنامه علوم طراحی است.
او گفت: «هوش مصنوعی و فناوری‌های مرتبط به همان اندازه که به فناوری‌های جدید مربوط می‌شوند، در مورد مردم نیز هستند. “تحقیق و دیدگاه من بر این تمرکز دارد که چگونه می توان از این قابلیت های ماشین جدید توسط افراد برای پیشبرد نتایج مثبت و در عین حال به حداقل رساندن نتایج منفی استفاده کرد. قابلیت‌های ماشین‌های مرتبط با هوش مصنوعی سریع‌ترین پلتفرم‌های اپلیکیشن در تاریخ هستند که رشد می‌کنند و ما باید مکالمات بیشتری داشته باشیم تا همه بتوانند بخشی از توسعه راه‌حل‌های بهتر برای همه باشند.
مخاطب: npmelv@umich.edu
نیکولا بانوویچ استادیار مهندسی برق و علوم کامپیوتر در کالج مهندسی است که هوش مصنوعی قابل اعتماد را مطالعه می کند.
او گفت: «ما در دوره‌ای پر از هیاهو هستیم زیرا این سیستم‌های نوظهور مبتنی بر هوش مصنوعی – از جمله مدلهای زبان بزرگ‌تر جدیدتر مانند ChatGPT – بدون آزمایش خوب وارد بازار مصرف می‌شوند. حتی زمانی که مردم با این پلتفرم‌ها در تعامل بوده‌اند، ارتشی از برنامه‌نویسان نیز در پشت صحنه کار می‌کنند و سیستم‌ها را بهبود و اصلاح می‌کنند تا بتوانند از طوفان‌های روابط عمومی ناشی از «گفتن» یا انجام کارهای اشتباه مدل‌ها عبور کنند.»
برای آینده، ما نیاز به توسعه ابزارهایی داریم که سیاستگذاران، گروه‌های حمایت از مصرف‌کننده و حتی خود مصرف‌کنندگان بتوانند از آنها استفاده کنند تا بفهمند این مدل‌ها چه می‌کنند و چرا، علاوه بر آنچه که نمی‌توانند و نباید انجام دهند. برای محافظت از مردم در برابر هوش مصنوعی غیرقابل اعتماد که ممکن است بهترین منافع مصرف کنندگان را در ذهن نداشته باشد، ترکیبی از سیاست و سواد هوش مصنوعی نیاز دارد – به طوری که عموم مردم بتوانند توانایی ها و محدودیت های ابزارهای هوش مصنوعی را ارزیابی کنند.
مخاطب: nbanovic@umich.edu
ایو دینوف استاد دانشکده پرستاری و استاد پزشکی محاسباتی و بیوانفورماتیک دانشکده پزشکی است. او می‌گوید که شباهت‌ها و تفاوت‌هایی بین بحث‌های استفاده از فناوری‌هایی مانند ماشین حساب و لپ‌تاپ در کلاس‌های درس در دهه‌های 1980، 1990 و 2000 و نظرات متناقض فعلی در مورد هوش مصنوعی وجود دارد.
دینوف گفت: “به جای توصیف یک فناوری تغییرناپذیر یا یک پلت فرم محاسباتی خاص، هوش مصنوعی مولد معاصر به یک فناوری بسیار گسترده، بی شکل، به سرعت در حال تکامل و بسیار قوی اشاره دارد.” جامعه دانشگاهی می‌گوید: «به جای تلاش برای محدود کردن، کنترل، به تأخیر انداختن یا مهار تکثیر هوش مصنوعی مولد، حداقل سه جهت مهم وجود دارد که جامعه دانشگاهی می‌تواند روی آن تمرکز کند.
ابتدا مربی را آموزش دهید—به نظر می رسد اولین برداشت ها و بیشترین دانشی که یادگیرندگان Gen-Z در مورد هوش مصنوعی مولد به دست می آورند از منابع تصادفی باشد. آموزش اعضای هیئت علمی در مورد ارکان فنی هوش مصنوعی مولد، و وعده‌های عظیم و مشکلات احتمالی آن، راه درازی را به سوی ایجاد یک آموزش قابل اعتماد، سازگار و مسئولانه به رهبری دانش‌آموزان در توسعه و استفاده اخلاقی هوش مصنوعی خواهد برد.
دوم، سطح بازی را هموار کنید – در حال حاضر، یک شکاف بزرگ هوش مصنوعی بین دارندگان و نداشته‌ها وجود دارد. برخی از دانش‌آموزان ابزاری برای دسترسی به هوش مصنوعی مولد بسیار قدرتمند دارند یا ممکن است از طریق منابع آزمایشگاهی تخصصی به چنین خدماتی دسترسی داشته باشند، در حالی که دیگران این امکان را ندارند.
و سوم، اشتراک رایگان و آزاد منابع مولد هوش مصنوعی (داده ها، الگوریتم ها، مدل ها، خدمات) را تایید کنید. به مزایای اجتماعی و دستاوردهای بهره وری عظیمی که در چند دهه گذشته ازطراحی، اجرا، اشتراک گذاری و حمایت جامعه از زیرساخت های باز زیربنای شبکه جهانی وب پی برده شده است، فکر کنید. با پشتیبانی قوی دانشگاهی از هوش مصنوعی مولد آزاد و باز، این تأثیر ممکن است به طور تصاعدی افزایش یابد.
مخاطب: statistics@umich.edu
Paramveer Dhillon استادیار دانشکده اطلاعات است. تحقیقات او حول توسعه تکنیک‌های جدید یادگیری ماشین و استنتاج علی برای برنامه‌های انسان محور است. او همچنین علاقه مند به بررسی تأثیر فناوری های اینترنتی بر افراد و اقتصاد است. تحقیقات او به دنبال درک تعاملات پیچیده بین فناوری و رفتار انسان است، با هدف نهایی توسعه مداخلات و سیاست‌های مؤثر برای رسیدگی به فرصت‌ها و چالش‌های ارائه‌شده توسط عصر دیجیتال.
مخاطب: dhillonp@umich.edu
