Polscy badacze z Ośrodka Przetwarzania Informacji potwierdzają to, co wielu z nas intuicyjnie czuje: AI może przyspieszyć naukę, ale odpowiedzialność za jej sens musi pozostać ludzka. Wyniki projektu AIResearchers to nie manifest przeciwników technologii. To bardzo konkretna lista granic.
Kluczowe fakty:
- Projekt AIResearchers, realizowany przez konsorcjum pod przewodnictwem Uniwersytetu Łódzkiego, bada zastosowanie generatywnej AI w środowiskach akademickich, wskazując na jej praktyczną wartość w automatyzacji powtarzalnych zadań, takich jak przeglądy literatury czy opracowywanie raportów.
- Narzędzia generatywnej AI pomagają naukowcom, dla których angielski nie jest językiem ojczystym, w przygotowywaniu publikacji zgodnych ze standardami międzynarodowych czasopism, co realnie wyrównuje szanse dostępu do topowych periodyków naukowych.
- Największym zagrożeniem wskazywanym przez badaczy są halucynacje modeli językowych – generowanie pozornie wiarygodnych, lecz nieprawdziwych informacji – co stanowi poważne ryzyko dla fundamentów nauki opartych na weryfikowalności i rzetelności danych.
Przez ostatnie kilkanaście miesięcy w środowiskach akademickich toczyła się dyskusja, którą można streścić jednym pytaniem: czy AI jest narzędziem naukowca, czy jego zamiennikiem? Odpowiedź, jaką daje projekt AIResearchers realizowany przez konsorcjum pod przewodnictwem Uniwersytetu Łódzkiego, jest bardziej złożona niż większość nagłówków prasowych sugeruje.
Bo naukowcy nie są przeciwko AI. Wręcz odwrotnie.
AI jako wyrównywacz szans w nauce
Badacze dostrzegają praktyczną wartość generatywnej AI szczególnie w zadaniach powtarzalnych i czasochłonnych. I trudno się dziwić. Kto choć raz przygotowywał obszerny przegląd literatury albo musiał z surowych danych złożyć sensowny raport, ten rozumie, ile czasu można zaoszczędzić. Automatyzacja tych procesów to nie degradacja nauki. To uwolnienie badacza od roboty, która nie wymaga jego wyjątkowych kompetencji.
Ale jest jeszcze jeden wymiar, o którym rzadziej się mówi. Narzędzia generatywne pomagają osobom, dla których angielski nie jest językiem ojczystym, lepiej przygotowywać publikacje i dostosowywać je do standardów światowych czasopism. To konkretna, mierzalna zmiana. Naukowiec z Łodzi, Portu czy Barcelony z AI-wspomaganiem ma realnie większe szanse przebicia się do topowych periodyków niż bez niego. To wyrównywanie szans na poziomie globalnym. Prawdziwe, nie deklaratywne.
Prawie co drugi pracownik w Polsce używa AI za plecami swojego szefa. 71% polskich pracowników oszczędza dzięki AI od pół godziny do ponad dwóch godzin dziennie …
Halucynacje w nauce to nie błąd ortograficzny
Jest jednak strona ciemna. I jest poważna.
Największe obawy wśród naukowców budzą halucynacje modeli językowych, czyli generowanie pozornie wiarygodnych, ale nieprawdziwych informacji. W nauce, której fundamentem jest weryfikowalność i rzetelność, stanowi to bardzo duże zagrożenie.
To nie jest problem, który można zbagatelizować. Jeśli model językowy podaje przekonująco brzmiące cytaty z artykułów, które nie istnieją, i badacz nie sprawdzi każdego źródła z osobna, to mamy do czynienia z potencjalnym fałszerstwem naukowym. Nieumyślnym, ale jednak. Kilka głośnych przypadków na zachodnich uczelniach z ostatnich lat pokazało, że ten scenariusz to nie teoria.
Obserwuję tę dyskusję od dawna i widzę w niej poważną pułapkę. Jeśli mówimy, że AI może wspierać naukowca, ale nie może zastąpić jego osądu, to brzmi rozsądnie. Ale kto pilnuje tej granicy w codziennej pracy? Presja na publikowanie, granty, efektywność, sprawia, że pokusa delegowania coraz więcej do maszyny jest realna. Nie twierdzę, że to złe z definicji. Twierdzę, że potrzebujemy nie tylko zasad etycznych, ale też konkretnych mechanizmów weryfikacji, wbudowanych w procesy recenzji i wydawnictw naukowych. Inaczej deklaracje o granicach AI pozostaną teorią.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Czego naukowcy nie oddadzą AI
Wyniki badania AIResearchers pokazują wyraźnie, że naukowcy nie chcą przekazywać AI zadań związanych z ocenianiem studentów, rozstrzyganiem konfliktów, mentoringiem czy podejmowaniem decyzji dotyczących etyki badań, prywatności i własności intelektualnej.
Ta lista jest znamienna. Zwróćmy uwagę, co ją łączy:
- odpowiedzialność za drugiego człowieka (student, mentee),
- rozstrzyganie wartości, a nie tylko faktów,
- decyzje, które mają konsekwencje etyczne i prawne,
- relacja, w której liczy się zaufanie i kontekst.
To nie przypadek. Badacze intuicyjnie wiedzą, gdzie kończy się przetwarzanie danych i zaczyna się coś, czego model językowy nie może udźwignąć. Dr Grzegorz Banerski z OPI ujął to precyzyjnie: „AI może wykonywać proces, ale nie może przejąć sensu. Technologia może wspierać analizę danych czy organizację pracy, ale odpowiedzialność za interpretację wyników i konsekwencje decyzji musi pozostać po stronie człowieka” / „AI can execute a process, but it cannot take over its meaning. Technology can support data analysis or work organization, but responsibility for interpreting results and the consequences of decisions must remain on the human side.”
Presja produktywności jako katalizator
Jest jeszcze jeden wątek, który wybrzmiewa w badaniu OPI. Rozwój AI wpisuje się w rosnącą presję produktywności w szkolnictwie wyższym. Naukowcy muszą publikować szybciej, skuteczniej zdobywać granty i sprawniej analizować dane. Profesor Tomasz Bartosz Kalinowski z Uniwersytetu Łódzkiego, lider projektu, zwraca uwagę na ryzyko nowych nierówności: przewagę mogą zdobyć zespoły mające dostęp do najbardziej zaawansowanych, płatnych modeli AI i instytucjonalnych subskrypcji.
Tę obserwację warto zapamiętać. Jeśli AI wyrównuje szanse dla naukowców z krajów nieanglojęzycznych, ale jednocześnie tworzy nowe podziały na tych, których stać na GPT-4, Claude Opus czy Gemini Ultra, a tych skazanych na darmowe tier’y, to nie mamy do czynienia z demokratyzacją nauki. Mamy do czynienia z nową warstwą nierówności.
Projekt, który wychodzi poza teorię
Całkowita wartość projektu AIResearchers wynosi 400 000 euro. Liderem jest Uniwersytet Łódzki, a partnerami Ośrodek Przetwarzania Informacji, Universidade do Porto, Barcelona School of Management, European E-learning Institute, the Accreditation Council for Entrepreneurial and Engaged Universities oraz Feltech Software Innovations.
To europejska współpraca, która wychodzi poza akademicką dyskusję. Główną formą wsparcia będą praktyczne szkolenia zgodne z założeniami unijnych wytycznych dotyczących godnej zaufania sztucznej inteligencji i odpowiedzialnego wykorzystania generatywnej AI w badaniach, a także europejskich ram kompetencji dla naukowców.
Szkolenia, nie manifesty. To podejście ma sens. Bo debata o granicach AI w nauce jest potrzebna, ale potrzebni są też ludzie, którzy będą wiedzieć, jak te granice egzekwować w praktyce laboratoryjnej, a nie tylko w sekcjach etycznych grantów.
Pyta się dziś coraz częściej, nie czy badacze będą korzystać ze sztucznej inteligencji, bo to już przesądzone, ale co w tym procesie tworzenia wiedzy pozostanie nieodwracalnie ludzkie. Na to pytanie projekt AIResearchers próbuje znaleźć odpowiedź. Całkiem nieźle.
