Namun Hodgkinson khawatir para peneliti di bidangnya akan lebih memperhatikan teknik, dibandingkan sains, ketika mencoba merekayasa balik mengapa ketiganya memenangkan penghargaan tahun ini. “Saya berharap hal ini tidak menyebabkan para peneliti menggunakan chatbot secara tidak tepat, dengan berpikir secara keliru bahwa semua alat AI adalah setara,” katanya.
Ketakutan bahwa hal ini bisa terjadi didasarkan pada ledakan minat terhadap teknologi lain yang dianggap transformatif. “Selalu ada siklus hype, yang terbaru adalah blockchain dan graphene,” kata Hodgkinson. Setelah penemuan graphene pada tahun 2004, 45.000 makalah akademis yang menyebutkan materi tersebut diterbitkan antara tahun 2005 dan 2009, menurut Google Scholar. Namun setelah Andre Geim dan Konstantin Novoselov memenangkan Hadiah Nobel atas penemuan materi tersebut, jumlah makalah yang diterbitkan kemudian melonjak, menjadi 454.000 antara tahun 2010 dan 2014, dan lebih dari satu juta antara tahun 2015 dan 2020. Lonjakan penelitian ini telah bisa dibilang hanya memiliki a sederhana dampak nyata sejauh ini.
Hodgkinson percaya bahwa kekuatan besar dari banyak peneliti yang diakui oleh panel Hadiah Nobel atas karya mereka di bidang AI dapat mendorong peneliti lain untuk mulai berkumpul di bidang tersebut—yang dapat menghasilkan sains dengan kualitas yang dapat berubah. “Apakah ada substansi dalam proposal dan penerapan (AI) adalah masalah lain,” katanya.
Kita telah melihat dampak perhatian media dan publik terhadap AI terhadap komunitas akademis. Jumlah publikasi seputar AI meningkat tiga kali lipat antara tahun 2010 dan 2022, menurut penelitian oleh Universitas Stanforddengan hampir seperempat juta makalah diterbitkan pada tahun 2022 saja: lebih dari 660 publikasi baru setiap hari. Itu sebelum rilis ChatGPT pada November 2022 memulai revolusi AI generatif.
Sejauh mana akademisi cenderung mengikuti perhatian media, uang, dan pujian dari komite Hadiah Nobel adalah pertanyaan yang membuat kesal Julian Togelius, seorang profesor ilmu komputer di Tandon School of Engineering di New York University yang bekerja di bidang AI. “Para ilmuwan pada umumnya mengikuti beberapa kombinasi jalur yang paling sedikit perlawanannya dan paling menguntungkan,” katanya. Dan mengingat sifat kompetitif dunia akademis, di mana pendanaan semakin langka dan terkait langsung dengan prospek kerja para peneliti, nampaknya kombinasi topik trendi yang—mulai minggu ini—berpotensi menghasilkan Hadiah Nobel bagi mereka yang berprestasi. mungkin terlalu menggoda untuk ditolak.
Risikonya adalah hal ini dapat menghambat pemikiran baru yang inovatif. “Mendapatkan lebih banyak data mendasar dari alam, dan menghasilkan teori-teori baru yang dapat dipahami manusia, adalah hal yang sulit dilakukan,” kata Togelius. Namun hal itu memerlukan pemikiran yang mendalam. Jauh lebih produktif bagi para peneliti untuk melakukan simulasi yang dimungkinkan oleh AI yang mendukung teori yang ada dan melibatkan data yang ada—menghasilkan lompatan kecil dalam pemahaman, dibandingkan lompatan besar. Togelius meramalkan bahwa generasi ilmuwan baru akan melakukan hal tersebut, karena lebih mudah.
Ada juga risiko bahwa ilmuwan komputer yang terlalu percaya diri, yang telah membantu memajukan bidang AI, akan mulai melihat karya AI mendapatkan Hadiah Nobel dalam bidang sains yang tidak terkait—dalam hal ini, fisika dan kimia—dan memutuskan untuk mengikuti jejak mereka, melanggar batas wilayah. wilayah orang lain. “Ilmuwan komputer mempunyai reputasi yang baik dalam hal-hal yang tidak mereka ketahui, memasukkan beberapa algoritma, dan menyebutnya sebagai sebuah kemajuan, dalam hal yang lebih baik dan/atau lebih buruk,” kata Togelius, yang mengaku sebelumnya tergoda untuk menambahkan pembelajaran mendalam pada bidang sains lain dan “memajukannya”, sebelum berpikir lebih baik, karena dia tidak tahu banyak tentang fisika, biologi, atau geologi.
