ເປັນຫຍັງນັກວິຊາການຈຶ່ງລັງເລທີ່ຈະຍອມຮັບວ່າໄດ້ໃຊ້ AI?

GD&TĐ - ເຖິງແມ່ນວ່າປັນຍາປະດິດ (AI) ກຳລັງມີຄວາມນິຍົມເພີ່ມຂຶ້ນເລື້ອຍໆ, ແຕ່ມີນັກວິທະຍາສາດໜ້ອຍຄົນທີ່ຍອມຮັບວ່າໃຊ້ເຄື່ອງມືນີ້ເມື່ອຂຽນບົດຄົ້ນຄວ້າ.

ສິ່ງນີ້ເຮັດໃຫ້ເກີດຄຳຖາມກ່ຽວກັບຄວາມໂປ່ງໃສ ແລະ ມາດຕະຖານທາງວິຊາການໃໝ່.

ການສຶກສາໃໝ່ໂດຍນັກວິຊາການຢູ່ມະຫາວິທະຍາໄລປັກກິ່ງໃນປະເທດຈີນສະແດງໃຫ້ເຫັນວ່າມີພຽງ 0.1% ຂອງເອກະສານ ວິທະຍາສາດ ຫຼາຍກວ່າ 75,000 ສະບັບທີ່ຈັດພິມນັບຕັ້ງແຕ່ປີ 2023 ເທົ່ານັ້ນທີ່ຍອມຮັບຢ່າງເປີດເຜີຍວ່າໄດ້ໃຊ້ເຄື່ອງມືການຂຽນທີ່ໃຊ້ AI ເຊັ່ນ ChatGPT.

ຕົວເລກນີ້ເທົ່າກັບ 76 ບົດຄວາມ, ເຖິງແມ່ນວ່າປະມານ 70% ຂອງວາລະສານມີນະໂຍບາຍ ຫຼື ແນວທາງກ່ຽວກັບການເຜີຍແຜ່ການນຳໃຊ້ AI. ອີງຕາມຜູ້ຂຽນ Yongyuan He ແລະ Yi Bu, ສຳລັບທຸກໆ 40 ບົດຄວາມທີ່ມີຫຼັກຖານທາງສະຖິຕິທີ່ຊີ້ບອກເຖິງການນຳໃຊ້ AI ທີ່ມີທ່າແຮງ, ມີພຽງແຕ່ບົດຄວາມດຽວເທົ່ານັ້ນທີ່ຍອມຮັບຢ່າງເປັນທາງການ.

ອັດຕາການຮັບຮອງເອົາໄດ້ເພີ່ມຂຶ້ນເທື່ອລະກ້າວຕາມການເວລາ, ຈາກ 0.01% ທັນທີຫຼັງຈາກ ChatGPT ເປີດຕົວໃນທ້າຍປີ 2022 ເປັນ 0.43% ໃນໄຕມາດທີ 1/2025. ເຖິງຢ່າງໃດກໍ່ຕາມ, ການເພີ່ມຂຶ້ນນີ້ຍັງບໍ່ສອດຄ່ອງກັບອັດຕາການຮັບຮອງເອົາເຄື່ອງມືການຂຽນ, ການແກ້ໄຂ ແລະ ການຄົ້ນຫາເອກະສານ (LLM) ທີ່ໃຊ້ AI ຊ່ວຍເຫຼືອໃນການປະຕິບັດຕົວຈິງ.

ນັກຄົ້ນຄວ້າແນະນຳວ່າຄວາມຢ້ານກົວຕໍ່ການຖືກດູຖູກອາດເປັນສາເຫດຫຼັກອັນໜຶ່ງ. ໃນສະພາບການທີ່ມະນຸດສ້າງມາດຕະຖານ AI, ຜູ້ຂຽນຫຼາຍຄົນກັງວົນວ່າການຮັບຮູ້ການນຳໃຊ້ເຄື່ອງມືນີ້ຈະສ້າງຄວາມສົງໄສຕໍ່ການປະກອບສ່ວນທາງປັນຍາຂອງເຂົາເຈົ້າ, ເຊິ່ງນຳໄປສູ່ການກວດສອບທີ່ເຂັ້ມງວດຂຶ້ນໃນລະຫວ່າງການທົບທວນຄືນໂດຍຜູ້ຊ່ຽວຊານ ຫຼື ສົ່ງຜົນກະທົບທາງລົບຕໍ່ຊື່ສຽງສ່ວນຕົວຂອງເຂົາເຈົ້າ.

ໃນຄວາມເປັນຈິງແລ້ວ, ສຳນັກພິມສ່ວນໃຫຍ່ບໍ່ໄດ້ຫ້າມ AI ຢ່າງສິ້ນເຊີງ. ເກືອບທັງໝົດຂອງວາລະສານ 5,100 ສະບັບທີ່ໄດ້ສຳຫຼວດອະນຸຍາດໃຫ້ໃຊ້ AI ສຳລັບຈຸດປະສົງການຂຽນ ແລະ ການແກ້ໄຂ. 63% ອະນຸຍາດໃຫ້ໃຊ້ມັນເພື່ອການກວດສອບພາສາ ແລະ ໄວຍາກອນ. ຢ່າງໃດກໍຕາມ, ຄວາມບໍ່ແນ່ນອນກ່ຽວກັບ “ລະດັບການນຳໃຊ້ທີ່ຄວນເປີດເຜີຍ” ເຮັດໃຫ້ຜູ້ຂຽນຫຼາຍຄົນເລືອກທີ່ຈະບໍ່ເວົ້າຫຍັງ.

ໃນຂະນະດຽວກັນ, ການສຶກສາອີກອັນໜຶ່ງຈາກມະຫາວິທະຍາໄລ Cornell ເຊິ່ງໄດ້ຕີພິມໃນວາລະສານ Science ສະແດງໃຫ້ເຫັນວ່າ AI ກຳລັງປັບໂຄງສ້າງລະບົບນິເວດການພິມເຜີຍແຜ່ທາງວິທະຍາສາດ. ທີມງານຄົ້ນຄວ້າໄດ້ວິເຄາະບົດຄວາມຫຼາຍກວ່າ 2 ລ້ານບົດຄວາມໃນເວທີກ່ອນການພິມເຜີຍແຜ່ຄື arXiv, bioRxiv ແລະ SSRN ລະຫວ່າງປີ 2018 ແລະ 2024, ແລະ ສ້າງເຄື່ອງມືກວດຈັບຂໍ້ຄວາມທີ່ສາມາດສ້າງເນື້ອຫາໂດຍໃຊ້ເຄື່ອງມືການຂຽນ, ການແກ້ໄຂ ແລະ ການດຶງເອກະສານ (LLM) ທີ່ຊ່ວຍເຫຼືອໂດຍ AI. ຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນວ່ານັກວິທະຍາສາດທີ່ໃຊ້ LLM ມີຜົນຜະລິດຫຼາຍຂຶ້ນຢ່າງຫຼວງຫຼາຍ. ໂດຍສະເພາະ, ຈຳນວນເອກະສານຄົ້ນຄວ້າໄດ້ເພີ່ມຂຶ້ນປະມານໜຶ່ງສ່ວນສາມໃນ arXiv ແລະ ຫຼາຍກວ່າ 50% ໃນ bioRxiv ແລະ SSRN.

ຜົນປະໂຫຍດແມ່ນເຫັນໄດ້ຊັດເຈນໂດຍສະເພາະສຳລັບນັກວິທະຍາສາດທີ່ບໍ່ແມ່ນຄົນພື້ນເມືອງ. ໃນສະຖາບັນຕ່າງໆຂອງອາຊີ, ຈຳນວນສິ່ງພິມໄດ້ເພີ່ມຂຶ້ນຈາກ 43% ເປັນເກືອບ 90% ຫຼັງຈາກປ່ຽນໄປຮຽນວິຊາ LLM. AI ໄດ້ຊ່ວຍໃຫ້ພວກເຂົາເອົາຊະນະອຸປະສັກດ້ານພາສາ, ປັບປຸງຄວາມຊັດເຈນ ແລະ ຄວາມສະດວກໃນການອ່ານ, ແລະ ຂະຫຍາຍການເຂົ້າເຖິງເອກະສານອ້າງອີງຂອງພວກເຂົາຜ່ານເຄື່ອງມືຄົ້ນຫາທີ່ໃຊ້ AI.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ຜົນປະໂຫຍດດ້ານຜົນຜະລິດມາພ້ອມກັບຜົນສະທ້ອນທີ່ໜ້າເປັນຫ່ວງ. ການຄົ້ນຄວ້າຂອງ Cornell ສະແດງໃຫ້ເຫັນວ່າໃນຂະນະທີ່ບົດເລື່ອງທີ່ໄດ້ຮັບການຊ່ວຍເຫຼືອຈາກ AI ສາມາດບັນລຸຄວາມສັບສົນທາງດ້ານພາສາສູງ, ແຕ່ພວກມັນມີຄວາມເປັນໄປໄດ້ຕ່ຳທີ່ຈະໄດ້ຮັບການຍອມຮັບໃຫ້ພິມເຜີຍແຜ່ເມື່ອທຽບກັບບົດເລື່ອງທີ່ຂຽນໂດຍມະນຸດທີ່ມີຄວາມຊັບຊ້ອນຄ້າຍຄືກັນ. ນີ້ສະແດງໃຫ້ເຫັນເຖິງການເຊື່ອມຕໍ່ລະຫວ່າງຄຸນນະພາບຂອງຂໍ້ຄວາມແລະຄຸນຄ່າທາງວິທະຍາສາດຕົວຈິງ.

ເມື່ອພາສາທີ່ຄ່ອງແຄ້ວບໍ່ແມ່ນຕົວຊີ້ບອກທີ່ໜ້າເຊື່ອຖືຂອງຄຸນນະພາບການຄົ້ນຄວ້າອີກຕໍ່ໄປ, ບັນນາທິການ, ຜູ້ໃຫ້ທຶນ ແລະ ຜູ້ວາງນະໂຍບາຍປະເຊີນກັບສິ່ງທ້າທາຍໃໝ່ຄື: ການປະເມີນຄຸນຄ່າທາງວິທະຍາສາດໃນສະພາບແວດລ້ອມທີ່ AI ສາມາດປັບປຸງຮູບແບບໄດ້ແຕ່ບໍ່ຮັບປະກັນເນື້ອຫາ.

ມະຫາວິທະຍາໄລ ແລະ ວາລະສານສາກົນຍັງບໍ່ທັນໄດ້ຕົກລົງກັນກ່ຽວກັບວິທີການຮຽກຮ້ອງໃຫ້ມີການເປີດເຜີຍການນຳໃຊ້ AI. ເຖິງຢ່າງໃດກໍ່ຕາມ, ຜູ້ຊ່ຽວຊານບາງຄົນໂຕ້ຖຽງວ່າແທນທີ່ຈະຫ້າມມັນ, ຊຸມຊົນວິຊາການຄວນປ່ຽນຈຸດສຸມຂອງຕົນໄປສູ່ການສ້າງຂອບການເຮັດວຽກທີ່ໂປ່ງໃສ ແລະ ຝຶກອົບຮົມທັກສະການນຳໃຊ້ AI ທີ່ມີຄວາມຮັບຜິດຊອບ.

ອີງຕາມການສຶກສາຊັ້ນສູງທີ່ແທ້ຈິງ

ແຫຼ່ງຂໍ້ມູນ: https://giaoducthoidai.vn/vi-sao-gioi-hoc-thuat-ngai-thua-nhan-dung-ai-post768487.html