Sparčiai į akademinę kasdienybę besiskverbiantys dirbtinio intelekto (DI) įrankiai keičia ne tik tai, kaip ieškoma ir analizuojama mokslinė informacija, bet ir pačią mokslinio darbo logiką. Greitis, apimtys ir technologinis patogumas tampa naujuoju standartu, tačiau kartu stiprėja poreikis atsakyti į esminius klausimus – kiek galima pasitikėti DI generuojamais rezultatais, kaip užtikrinti jų skaidrumą ir kur baigiasi technologijos galimybės bei prasideda tyrėjo atsakomybė.

Lietuvos mokslo tarybos (LMT) finansuotos Studentų tyrimų semestrų metu programos tyrimas „Dirbtinio intelekto įrankių pritaikomumo mokslinės literatūros paieškai ir analizei vertinimas“ šiuos klausimus leidžia įvertinti remiantis konkrečiais empiriniais duomenimis.

Tyrimą atlikusi Vilniaus universiteto (VU) studentė Vanesa Zaicaitė analizavo DI įrankių taikymą skirtinguose mokslinės literatūros paieškos ir analizės etapuose. Tyrimo rezultatai atskleidžia dvilypę realybę – viena vertus, DI įrankiai leidžia reikšmingai pagreitinti procesus, kita vertus, jie kelia naujų iššūkių rezultatų tikslumui ir patikimumui.

Greitis ir tikslumas: neišspręsta įtampa

„Nors DI įrankiai leidžia greičiau surasti, atrinkti ir analizuoti didelius mokslinių publikacijų kiekius, jų taikymas ne visada užtikrina pakankamą rezultatų tikslumą“, – teigia tyrimo vadovė VU profesorė dr. Rasa Subačienė. Pasak jos, DI generuojami rezultatai yra jautrūs užklausų formuluotei: „Naudojant platesnius raktažodžius gali būti pateikiama nemažai neaktualių publikacijų. Tai rodo, kad automatizacija nekeičia esminio principo – mokslinės paieškos procesas išlieka priklausomas nuo tyrėjo kompetencijų ir sprendimų“.

Tyrimas patvirtina, kad šiuo metu vyksta aiškus poslinkis nuo tradicinės, nuoseklios ir aiškiai apibrėžtos paieškos prie labiau automatizuotų sprendimų, tačiau šis perėjimas nėra absoliutus. „Šis procesas negali būti laikomas visiškai savarankišku ir reikalauja nuolatinės DI įrankių naudotojo kontrolės“, – pabrėžia R. Subačienė.

Patikimumo ir skaidrumo klausimai

Nustatyta, kad tradiciniai literatūros paieškos metodai vis dar geriau užtikrina tiek rezultatų tikslumą, tiek jų atkartojamumą, nes remiasi aiškiai apibrėžtais kriterijais ir patikimomis duomenų bazėmis. Tuo tarpu, kaip teigia V. Zaicaitė, DI įrankių veikimas dažnai išlieka ne iki galo skaidrus – ne visada aišku, kaip generuojami rezultatai ar kokie filtravimo principai taikomi. Dėl šios priežasties skirtingi įrankiai ar jų versijos gali pateikti nevienodus rezultatus, o tai apsunkina tyrimų palyginamumą.

Praktinė patirtis: efektyvumas su papildoma kaina

„Vienas didžiausių netikėtumų buvo tai, kad DI įrankiai itin efektyviai pagreitino pirminę mokslinės literatūros paiešką ir leido greitai identifikuoti potencialiai susijusius straipsnius“, – pažymi studentė V. Zaicaitė. Tačiau ji atkreipia dėmesį, kad šis efektyvumas nėra absoliutus: „Jų pateikiamos publikacijos ne visada tiksliai atitiko tyrimo temą, todėl reikėjo papildomo vertinimo straipsnių atrankos procese“.

Tyrimo metu taip pat fiksuotos situacijos, kai DI pateikti rezultatai kėlė abejonių. „Buvo momentų, kai teko sąmoningai nepasitikėti DI rezultatais“, – pripažįsta studentė. Tokiais atvejais, pasakoja studentė, sprendimai buvo priimami remiantis papildoma analize – vertinant straipsnių pavadinimus, santraukas ir jų atitikimą tyrimo problematikai.

Kintantis tyrėjo vaidmuo

Šie rezultatai išryškina platesnę tendenciją – keičiasi mokslininko vaidmuo ir reikalingos kompetencijos. Didėja gebėjimo kritiškai vertinti DI pateikiamą informaciją, tiksliai formuluoti užklausas ir atsakingai interpretuoti rezultatus svarba. Kaip pažymi R. Subačienė, atsakomybė už DI sugeneruotą turinį ir rezultatą bei jo validavimą teko ir teks šiuos įrankius naudojančiam tyrėjui.

Vertinant DI įrankių pritaikomumą skirtingoms naudotojų grupėms, tyrimas rodo, kad jie yra naudingi tiek pradedantiesiems, tiek pažengusiems tyrėjams, tačiau jų teikiama nauda skiriasi. „Pradedantiesiems jie padeda greičiau susiorientuoti nagrinėjamoje temoje, o pažengusiems tyrėjams – optimizuoti tyrimo procesus“, – teigia V. Zaicaitė, kartu pabrėždama, kad efektyvus jų naudojimas neatsiejamas nuo tyrimo proceso išmanymo.

Ateities kryptis: papildymas, o ne pakeitimas

Tyrimo išvados leidžia daryti nuosaikią, tačiau aiškią išvadą – dirbtinio intelekto įrankiai artimiausiu metu nepakeis tradicinių mokslinės literatūros paieškos ir analizės metodų, tačiau taps vis svarbesne jų dalimi. Technologinė pažanga didins efektyvumą, tačiau kartu stiprins reikalavimus skaidrumui, patikimumui ir akademinei atsakomybei – būtent šioje įtampoje tarp inovacijos ir kontrolės šiandien formuojasi nauja mokslinių tyrimų realybė.

Pranešimas spaudai.