Разговоры о том, что автоматизация решает или уже практически решила все проблемы, начались с тех пор, как появилась хоть какая-то автоматизация. И во многом эти рассуждения вполне верные, поскольку все мы стали меньше тратить времени на самые простые и довольно скучные занятия. И вот здесь возникает один важный вопрос: все ли? Даже электричество, которое большинством населения планеты воспринимается как привычная данность, не доступно значительной части населения. Не нужно думать об Африке, даже в России есть такие малонаселенные пункты. Да, похоже, что их мало и электричества там может не быть по причине экономической бесполезности проведения туда инфраструктуры, но все же. Бензиновые и солнечные генераторы исправляют ситуацию и там, но в любом случае … даже электричество.
Говорить об ИИ и тем более генеративном ИИ как о данности еще сложнее. Если многим доступно многое, нельзя говорить о том, что всем доступно все. Не так давно из России ушли практически все крупные мировые компании, которые занимаются научной и учебной информацией. Появился даже отдельный бизнес по предоставлению доступа к данным этих компаний. Но предположим, что доступ к Scopus и Web of Science в России остался бы. У кого он остался бы? У тех, кто смог попасть в национальную подписку, то есть далеко не у всех, кто потенциально мог бы им воспользоваться. И вопрос не в том, нужно ли «простым» людям изучать свои профили и цитирования в этих базах. Очевидно, что это не нужно даже самим исследователям. А вот понять, что в какой-то конкретной области исследований происходит, может быть полезно всем. Особенно на фоне еще совсем недавних переживаний о том, что у «широких масс» очень низкий уровень научной грамотности. COVID-19 очень наглядно продемонстрировал, что ни национальные системы образования, ни глобальные игроки толком ничего сделать не могут: многие ничего не знают и ничего знать не хотят о науке. И разделение на hard/soft/self- навыки здесь совершенно бесполезно. А что полезно? Давать доступ к полезным инструментам. Например, к поиску. Особенно это может оказаться эффективным, когда появляется возможность пересказывать результаты языком разного уровня сложности. Если раньше можно было говорить о том, что раскрывать научные инструменты нет смысла, поскольку, всё равно, никто ничего не поймет, то теперь поймут. Даже без проблем, потому что есть не только база данных, но и возможность описывать результаты поиска по ней языком для пятиклассника, студента первого года обучения или нобелевского лауреата. Прекрасно, так ведь.
Но что мы имеем? МЫ (как коллективный субъект с обобщенными недостатками минус индивидуальные преимущества) ничего не имеем. И если у вас лично доступ есть, то толком передать его «массам» не удастся. Почему так? Потому что складывание базы данных, даже если это научные данные и метаданные о научных же публикациях непросто. Поэтому многим хочется получать за это деньги. И стыдно критиковать тех, кто производит такой прекрасный сервис. Но, к сожалению, в данной ситуации выгода частная и общественное благо как-то радикально не соединяются. Учитывая, что ИИ во многом совершенно не нейтральный инструмент (1), да и складываются модели не только волшебством кудесников кода Кремниевой долины (2), многим хотелось бы, чтобы новые инструменты не только тексты и красивые картинки делали для маркетплейсов, но и возвращали что-то обратно тем самым людям, создающие ту информационную почву, на которой только технологии и могут процветать.
https://www.elsevier.com/products/scopus/scopus-ai
(1) Генеративный ИИ: исследование ЮНЕСКО выявило тревожные свидетельства гендерных стереотипов. — https://www.unesco.org/ru/articles/generativnyy-ii-issledovanie-yunesko-vyyavilo-trevozhnye-svidetelstva-gendernykh-stereotipov?hub=343
(2) Murgia, Madhumita Code Dependent: Living in the Shadow of AI. — https://www.panmacmillan.com/authors/madhumita-murgia/code-dependent/9781529097306 (можете послушать подкаст с записью ее выступления — https://www.lse.ac.uk/lse-player?id=1ea831b4-3d9b-4109-bdbb-927cfcf6b740)
Комментариев нет:
Отправить комментарий