Dewan Ilmu Internasional lan Anggota, Asosiasi Ilmu lan Teknologi China (CAST), kanthi kemitraan karo Nature, wis ngluncurake seri podcast enem bagean anyar sing njelajah lanskap karir riset sing berkembang. Ing seri kasebut, peneliti awal lan pertengahan karir bakal ngobrol karo ilmuwan senior, nuduhake pengalaman wutah, kolaborasi, lan ketahanan nalika ngadhepi owah-owahan kanthi cepet.
Ing episode katelu iki, Mercè Crosas, Direktur Ilmu Sosial Komputasi lan Kamanungsan ing Barcelona Supercomputing Center, lan Mohammad Hosseini, Asisten Profesor Etika ing Northwestern University, ngrembug babagan carane AI lan digitalisasi ngowahi karir ilmiah lan proses riset.
Obrolan kasebut nyoroti kesempatan lan tantangan sing digawa AI kanggo peneliti awal lan pertengahan karir. Nalika teknologi anyar mbisakake terobosan lan mbukak dalan anyar kanggo priksaan, padha uga nuwuhake keprihatinan babagan ekuitas akses, gumantung banget marang alat otomatis, lan erosi pamikiran kritis.
Izzie Clarke: 00:01
Sugeng rawuh. Aku wartawan ilmu Izzie Clarke lan ing podcast iki presented ing kemitraan karo Dewan Ilmu Internasional, karo dhukungan saka China Association kanggo Ilmu lan Teknologi, kita bakal ngrembug kekuwatan bantuan digital lan intelijen buatan sing dikenal minangka AI, pentinge kanggo karir ing ilmu pengetahuan, uga ancaman potensial kanggo perusahaan ilmiah.
Dina iki, aku digabung karo Mercè Crosas, Direktur Ilmu Sosial Komputasi lan Kamanungsan ing Pusat Superkomputer Barcelona lan Presiden Komite Data Dewan Ilmu Internasional, sing dikenal minangka CODATA.
Mercè Crossas: 00:42
Hello.
Izzie Clarke: 00:43
Lan Mohammad Hosseini, Asisten Profesor Etika ing Universitas Northwestern ing Chicago, lan anggota Akademi Muda Global.
Mohammad Hosseini: 00:51
Hai, piye kabare?
Izzie Clarke: 00:52
Inggih, matur nuwun. Aku mikir pitakonan kanggo sampeyan loro, kanggo miwiti, apa saiki dadi wayahe kritis kanggo nggambarake kepiye digitalisasi lan AI mbentuk karir ilmiah?
Mohammad Hosseini: 01:05
Aku mikir kita ndeleng liyane lan liyane data-mimpin kaputusan-nggawe dening peneliti, kang kadhangkala uga trickles mudhun kanggo nasional utawa lokal kaputusan-nggawe, kang apik, nanging ing syarat-syarat karir ilmiah, iki tegese kita kudu nglatih peneliti ing skills anyar.
Lan iki wis mesthi. Nanging amarga titik tipping, kahanan dadi cepet banget nganti meh ora bisa nyusul. Mesin dadi bisa dadi bisa ngganti utawa ngganti tenaga kerja manungsa ing ilmu. Saiki kita ana ing wektu kritis kanggo ngrembug digitalisasi lan njelajah sapa sing entuk manfaat saka teknologi kasebut, sing bisa ditinggalake lan kepiye carane bisa njamin transparansi lan ekuitas ing panggunaane.
Izzie Clarke 01:54
Mercè, apa pikiranmu?
Mercè Crossas: 01:56
Salah sawijining perkara sing paling dhisik yaiku AI uga wis digunakake ing ilmu pengetahuan kanggo wektu sing suwe, lan owah-owahan wis saya suwe saya suwe. Pancen saiki ana panggunaan eksponensial AI sing digunakake minangka metode ing akeh produksi ilmiah.
Dadi, saka eksplorasi review literatur kanggo nyoba kanggo nemtokake pitakonan riset, kanggo pangolahan data lan nglumpukake data, banjur analisis dhewe, nanging uga publikasi asil ilmiah. Maksudku, aku kira titik tipping sing diomongake Mohammad, duwe pengaruh sing luwih akeh tinimbang sadurunge.
Izzie Clarke: 02:34
Ana akeh perkara sing kudu dipikirake ing kene. Sampeyan nyebutake publikasi ing kana lan kita bakal langsung ngerti. Nanging babagan kesempatan, apa kesempatan sing sampeyan deleng saka iki kanggo peneliti awal lan pertengahan karir lan kepiye carane ngganti lanskap ilmiah sing didorong AI?
Mohammad Hosseini: 02:55
Aku kira kesempatan biasane nggawe panemuan anyar lan nindakake perkara sing bakal dadi impen limang taun kepungkur. Wilayah apa wae sing bisa entuk manfaat saka modeling, saiki saiki luwih cepet. Iki minangka kesempatan, utamane kanggo peneliti awal lan pertengahan karir sing bisa uga luwih trampil nggunakake AI, nanging ana sawetara trade-off. Nemokake kesempatan ing dinamika anyar iki mbutuhake rasa penasaran anyar sing ora dilatih. Nanging aku kudu nyoba golek tugas ing konteks riset sing ora bisa otomatis lan nyoba unggul ing tugas kasebut.
Contone, area risetku, aku dadi peneliti etika. Nulis kertas sing dibantah kanthi apik wis otomatis. Nanging mentoring, ngajar kelas pribadi, sing uga interaktif lan nyenengake, utawa nganakake wawancara kanggo ngumpulake data lan entuk wawasan anyar saka pengalaman urip wong - iki minangka tugas sing ora bisa diotomatisasi kanthi gampang. Lan aku mikir kita kudu nemokake klompok tugas kasebut ing konteks riset dhewe lan nyoba kanggo unggul.
Izzie Clarke: 04:06
Lan Mercè?
Mercè Crossas: 04:07
Aku ora weruh akeh risiko ilmuwan utawa ilmuwan karir awal, ilmuwan pertengahan karir, bakal diganti. Sing dakdeleng yaiku kesempatan kanggo pitakonan riset anyar sing akeh ilmuwan saka generasi sadurunge ora bisa mikir, ta? Dadi, ora, ora mung iku, saiki kita bisa ngetrapake alat kasebut, nanging kita bisa mikir babagan sawetara lapangan kanthi cara sing beda. Ing biomedicine, ing owah-owahan iklim, ing fisika lan biologi kanggo genetika, sing bisa diganti kanthi nggunakake AI lan jinis data anyar.
Izzie Clarke: 04:39
Aku rumangsa manawa ana macem-macem cara sing bisa digunakake kanggo AI lan ngatasi tugas sing beda-beda, lan kita wis ngomong babagan ketrampilan maneh. Dadi, apa sampeyan mikir peneliti awal lan pertengahan karir ing lapangan ilmiah kudu dieling-eling, lan ing ngendi dheweke bisa njaluk dhukungan?
Mercè Crossas: 04:57
Iku luwih penting tinimbang sadurunge dadi ketat banget ing ilmu lan ngerti yen, ing pungkasan, apa kita nggunakake AI utawa kita nggunakake alat liyane, ilmu iku apa kita apa, lan ilmu iku inferensi lan ilmu kudu umum. Cara, data lan cara sing ditindakake kudu diverifikasi dening wong liya.
Tegese, maneh, kita ora mung nggunakake alat AI kanggo menehi jawaban, nanging kita kudu dadi luwih spesialis babagan cara ngevalidasi jawaban kasebut. Lan kanggo iku, kita isih kudu luwih siyap babagan teori lapangan sing ditindakake riset lan kaku saka output.
Izzie Clarke: 05:33
Ya, maksudku, Mohammad, aku uga seneng karo pikiranmu babagan iki amarga aku ngerti yen iki minangka perkara sing sampeyan gatekake.
Mohammad Hosseini: 05:38
Ya, pancen. Lan aku uga pengin mbalekake apa sing diomongake Mercè ing kene. Ya, penting kanggo mikir babagan teori, lan ing wektu sing padha, ana akeh wong sing saiki mbantah manawa amarga ilmu pengetahuan sing didorong data iki, kita bakal weruh pungkasane teori sosial. Teori ora pati penting amarga wong mung bisa ngumpulake data lan nindakake penggalian data kanggo ndeleng apa sing relevan tanpa duwe hipotesis sadurunge nglumpukake data.
Lan aku mikir iki minangka pangembangan sing luar biasa sing mbutuhake pertimbangan lan perhatian sing ati-ati. Aku salah siji saka tantangan aku uga pengin nyorot kasunyatan sing kita duwe akses kanggo sumber daya beda, gumantung ing lokasi. Kita uga duwe bedane babagan apa sing diwenehake institusi. Aku duwe hak istimewa kanggo adhedhasar ing universitas swasta makmur ing AS sing nawakake akses gratis kanggo macem-macem model AI, nanging iki ora kanggo mayuta-yuta peneliti liyane.
Lan disparitas iki ndadekake akeh wong liya ing posisi sing kurang. Akeh universitas malah ora duwe kabijakan umum kanggo nggunakake model AI. Yen aku ana ing universitas kasebut, aku bakal nyoba ngobrol karo administrasi universitas utawa perpustakaan kanggo njaluk bimbingan lan pelatihan.
Mercè Crossas: 06:54
Kanggo tindakake munggah ing bebaya dadi banget data-driven. Aku ora nampa yen cara sing kudu kita lakoni, ta? Asil kasebut minangka persimpangan antarane model teoretis lan pendekatan data-driven iki. Nanging babagan nggunakake AI generatif utawa alat AI anyar, aku mikir yen Eropa duwe pendekatan sing beda karo papan liya.
Lan saiki lagi ngalami pangembangan strategi anyar AI ing ilmu lan ilmu kanggo AI. Kita kudu ati-ati babagan alat AI apa sing digunakake, apa duwe definisi sing jelas babagan data sing digunakake, apa sumber terbuka, apa fokus ing AI sing bisa dipercaya, lan aku rumangsa penting banget.
Izzie Clarke: 07:36
Aku wanted kanggo Pick ing soko ana uga. Kita ngomong babagan carane nggunakake AI ing karya lan nerbitake uga. Dadi Mohammad, apa sing sampeyan pikirake para peneliti awal lan pertengahan karir kudu dieling-eling nalika nerbitake lan nggunakake AI?
Mohammad Hosseini: 07:54
Ya, aku mikir salah sawijining prekara sing kudu dieling-eling yaiku apa tugas sing bakal ditindakake menyang AI? Apa tugas sing dijaluk AI? Nalika boom AI iki diwiwiti, AI biasane digunakake ing pungkasan proses riset sampeyan, kayata nalika nyunting salinan lan nambah keterbacaan lan liya-liyane.
Nanging saiki kita mbukak tugas penting iki menyang AI, lan mbesuk yen sampeyan pengin mikir babagan pitakonan riset sabanjure, tinimbang mikir luwih jero babagan buku teks sing diwaca utawa artikel anyar sing diwaca, sampeyan kaya, ah, ayo takon apa sing diomongake AI babagan iki. Dadi banget gawe ketagihan, lan aku bakal kasurung peneliti kanggo weruh saka tugas sing delegating lan takon piyambak, apa worth iku?
Saran kula, aja mung nerbitake apa wae kanggo nerbitake apa wae kajaba sampeyan duwe prekara sing penting banget. Coba pikirake sapa sing sampeyan sebutake. Yen sampeyan nggunakake AI kanggo nemokake literatur, priksa manawa sampeyan maca konten sing sampeyan sebutake, amarga asring kutipan kasebut ora relevan.
Izzie Clarke: 09:03
Lan aku mikir sing titik apik. Ya, ana cara sing bisa digunakake kanggo AI sing bisa migunani ing sawetara poin, nanging tetep sawetara katrampilan kasebut aktif lan priksa manawa sampeyan uga nindakake kanthi teliti kanthi cara liya.
Lan aku mikir sing mbokmenawa ndadekke kita menyang diskusi babagan kredibilitas. Dadi, ing lapangan sampeyan lan kanggo masarakat sing luwih akeh, apa sing dibutuhake kanggo njaga kredibilitas ing jaman digital iki? Mercè?
Mercè Crossas: 09:30
Inggih, aku iki gampang banget. Maksudku, sampeyan duwe kredibilitas nalika sampeyan bisa komunikasi, nalika sampeyan ngerti kanthi lengkap lan apa sing sampeyan lakoni lan ora digawe dening liya sing sampeyan ora ngerti. Mbalik maneh menyang nilai-nilai ilmu pengetahuan lan ilmu terbuka, sing transparan sabisane, manawa wong liya bisa verifikasi apa sing wis sampeyan lakoni saka carane sampeyan ngetrapake model AI, metode, data sing sampeyan gunakake, alur kerja, prinsip sing adil kanggo data sing bisa ditemokake, diakses, inter[operable], bisa digunakake maneh. Nanging uga piranti lunak supaya apa sing sampeyan gunakake bisa dienggo bareng, bisa ditemokake dening wong liya lan bisa diverifikasi.
Izzie Clarke: 10:06
Nanging ana macem-macem cara sing bisa dadi alat kanggo ngowahi ilmu pengetahuan lan digitalisasi. Dadi, Mercè, kepiye sampeyan ndeleng peran komunikasi ilmu pengetahuan sing berkembang nalika teknologi uga berkembang?
Mercè Crossas: 10:20
Dadi, ilmu komunikasi, kita isih kudu nindakake akeh karya kanggo masyarakat. Lan wis ana pangarep-arep sing kemungkinan utawa kesempatan kanggo AI kanggo muter peran uga ing bantuan ngringkes akèh output ilmu lan nggawe luwih gampang diakses kanggo pamirsa sing luwih jembar. Dadi, aku mikir sing bisa dadi menarik.
Izzie Clarke: 10:41
Lan pungkasane, apa sing menehi pangarep-arep kanggo masa depan ilmu pengetahuan ing jagad digital iki? Mohammad?
Mohammad Hosseini: 10:47
Aku mikir sing menehi pangarep-arep yaiku generasi peneliti anyar sing ngomong. Kita mirsani generasi anyar sing wani ngomong apa sing dikira lan gelem mbayar regane. Aku ing AS lan aku ndeleng kabeh jinis perusahaan gedhe lan carane bisa pengaruhe lanskap riset lan universitas lan kabeh iku. Dadi, penting banget kanggo aku ndeleng.
Izzie Clarke: 11:12
Lan Mercè?
Mercè Crossas: 11:15
Dadi, aku mikir manawa kita duwe alat liyane kanggo ngerti cara kerja, kepiye kerja sama, pitakon anyar apa sing bisa ditakoni babagan ilmu pengetahuan. Lan aku mikir sing menehi pangarep-arep kanggo ilmu sing luwih apik yen kita ora kelangan apa ilmu lan kita ora kelangan nilai iki saka ilmu mbukak, nanging uga njupuk kauntungan saka jinis anyar saka cara AI iki.
Izzie Clarke: 11:34
Matur nuwun kanthi sanget kanggo gabung karo aku.
Yen sampeyan minangka peneliti awal utawa pertengahan karir lan sampeyan pengin dadi bagian saka obrolan babagan masa depan AI, gabung karo Forum Dewan Ilmu Internasional kanggo para ilmuwan sing berkembang.
Ngunjungi: council.science/forum kanggo ngerteni luwih akeh.
Aku Izzie Clarke, lan sabanjure kita bakal ngrembug babagan carane peneliti awal lan pertengahan karir bisa mbantu nglindhungi segara lan kekuwatan pendekatan transdisipliner kanggo nindakake. Nganti saiki.
Waca liyane babagan Podcast The Science Diplomat: Sir Peter Gluckman babagan saran Sains, kepercayaan, lan watesan bukti Waca liyane babagan Ilmu tanpa wates: Kolaborasi internasional kanggo peneliti generasi sabanjure Waca liyane babagan Rethinking wutah lan daya tahan ing ekosistem riset 