Η ραγδαία εξάπλωση της τεχνητής νοημοσύνης αναδιαμορφώνει την αγορά εργασίας και στον χώρο της επιστήμης, με ορισμένες ειδικότητες να βρίσκονται ήδη υπό πίεση.
Σε εκτενή έρευνα του περιοδικού Nature, περισσότεροι από 40 επιστήμονες από πανεπιστήμια και τη βιομηχανία —όλοι χρήστες εργαλείων AI— περιγράφουν μια σταδιακή αλλά αισθητή μείωση της ζήτησης για ερευνητές που ασχολούνται με βασική ανάλυση δεδομένων ή συγγραφή κώδικα.
Παραδοσιακά, τέτοιες εργασίες αναλαμβάνονταν από υποψήφιους διδάκτορες, μεταδιδακτορικούς ερευνητές ή προσωπικό χωρίς υψηλό ακαδημαϊκό βαθμό. Σήμερα, όμως, πολλά από αυτά τα καθήκοντα εκτελούνται ταχύτερα και με χαμηλότερο κόστος από συστήματα τεχνητής νοημοσύνης. Όπως επισημαίνει ο μηχανολόγος του MIT Xuanhe Zhao, η υποβάθμιση ορισμένων ρόλων —ιδίως στην υπολογιστική μοντελοποίηση— «δεν είναι μελλοντικό σενάριο, αλλά παρούσα πραγματικότητα».
Πίεση και σε συναφή επαγγέλματα
Οι επιπτώσεις δεν περιορίζονται στον στενό πυρήνα της έρευνας. Επαγγέλματα που υποστηρίζουν την επιστημονική δραστηριότητα, όπως η μετάφραση επιστημονικών κειμένων, δέχονται επίσης ισχυρό πλήγμα. Η βελτίωση των εργαλείων αυτόματης μετάφρασης έχει οδηγήσει σε σημαντική συρρίκνωση του κλάδου. Ενδεικτικά, η Αμερικανική Ένωση Μεταφραστών κατέγραψε μείωση 26% στα μέλη του τομέα Επιστήμης και Τεχνολογίας μέσα σε λιγότερο από δυόμισι χρόνια, ωθώντας αρκετούς επαγγελματίες σε αλλαγή καριέρας.
Κώδικας και δεδομένα στο επίκεντρο
Το μεγαλύτερο πλήγμα εντοπίζεται στη συγγραφή κώδικα και την επεξεργασία δεδομένων. Ερευνητικά εργαστήρια που μέχρι πρόσφατα επένδυαν σε εξειδικευμένους προγραμματιστές επανεξετάζουν πλέον τη χρησιμότητα αυτών των θέσεων. Όπως σημειώνει η υπολογιστική βιολόγος Hannah Wayment-Steele, η ανάγκη για ερευνητές-προγραμματιστές μειώνεται, καθώς η AI μπορεί να αναλάβει ακόμη και σύνθετες εργασίες ανάπτυξης λογισμικού.
Λιγότερες ευκαιρίες για νέους επιστήμονες
Παράλληλα, καταγράφεται επιβράδυνση στις προσλήψεις νέων ερευνητών. Εργαστήρια εμφανίζονται πιο φειδωλά στην ένταξη μεταπτυχιακών και μεταδιδακτορικών συνεργατών, όχι μόνο λόγω οικονομικής αβεβαιότητας αλλά και εξαιτίας της αυξανόμενης χρήσης AI.
Αν και οι άμεσες απολύσεις παραμένουν περιορισμένες, η μείωση των νέων θέσεων προκαλεί ανησυχία για το μέλλον της επιστημονικής «δεξαμενής» ταλέντων. Όπως προειδοποιούν ειδικοί, η απώλεια αυτών των ενδιάμεσων σταδίων εκπαίδευσης ενδέχεται να έχει μακροπρόθεσμες συνέπειες για την έρευνα.
Αναγκαίος ο ανθρώπινος παράγοντας
Παρά τις δυνατότητές της, η τεχνητή νοημοσύνη δεν φαίνεται ικανή να αντικαταστήσει πλήρως τον άνθρωπο. Μπορεί να συνοψίζει μελέτες, να γράφει κώδικα ή να επεξεργάζεται δεδομένα, αλλά υστερεί στη διατύπωση πρωτότυπων ιδεών και ερευνητικών ερωτημάτων.
Ο φυσικός Jonathan Oppenheim επισημαίνει ότι, αν και χρησιμοποιεί AI για προκαταρκτικές αξιολογήσεις άρθρων, τα συστήματα αυτά δεν παράγουν πραγματικά καινοτόμες ιδέες. Αντίστοιχα, ο επιστήμονας υπολογιστών Karu Sankaralingam τονίζει ότι η αποτελεσματικότερη προσέγγιση είναι η συνεργασία ανθρώπου και μηχανής, με τον «άνθρωπο στον βρόχο» να καθοδηγεί τη διαδικασία.
Πού υπάρχει μεγαλύτερη ασφάλεια
Σχετικά πιο προστατευμένες εμφανίζονται οι ειδικότητες που βασίζονται σε πειραματική εργασία και πρακτικές δεξιότητες στο εργαστήριο. Παρά την πρόοδο της αυτοματοποίησης, πολλές σύνθετες διαδικασίες εξακολουθούν να απαιτούν ανθρώπινη εμπειρία και κρίση.
Χαρακτηριστικό παράδειγμα αποτελεί η δομική βιολογία: παρότι εργαλεία όπως το AlphaFold2 έχουν φέρει επανάσταση στην πρόβλεψη πρωτεϊνικών δομών, οι παραδοσιακές εργαστηριακές μέθοδοι παραμένουν απαραίτητες.
Οι ερευνητές καταλήγουν ότι η προσαρμογή είναι το κλειδί για το μέλλον της επιστήμης. Όπως σημειώνει ο μαθηματικός Terence Tao, όσοι καταφέρουν να ενσωματώσουν την τεχνητή νοημοσύνη στη δουλειά τους δεν θα επιβιώσουν απλώς — ενδέχεται και να ευημερήσουν.