يجب أن يبقى الوصول إلى المعرفة محمياً

يصف تقرير بنجامين سكوز، بعنوان «I Used AI to Fake a Scientific Paper»، مدى سهولة إنتاج نص علمي تقريباً مقبول. وفقاً لإليزا ستريكلاند، رئيسة تحرير الميزات والذكاء الاصطناعي في IEEE Spectrum، فوجئ ببساطة الإجراء. «لقد ضغط ببساطة على ‘run experiment’ و’write paper’. ثم لم يفعل أي شيء آخر. لقد ألقى به فقط في فم نظام النشر»، كما روَت.

وفقاً لبنجامين سكوز، فإن الجمع بين المراجعة البشرية وبرامج التحقق من نزاهة البحث لدى IEEE يسمح، في الوقت الحالي، بمجاراة وتيرة هذه المحاولات، التي تشبه لعبة القط والفأر أمام الأدوات المجانية. ومع ذلك، فإن نماذج اللغة الكبيرة الأكثر تطوراً لم تعد ترتكب الأخطاء الفادحة التي كانت في نسخها المجانية. وهكذا وجد الناشرون أنفسهم في سباق بين محتويات تزداد مصداقية وبين الأنظمة المسؤولة عن اكتشافها. للتذكير، نموذج اللغة الكبيرة، أو LLM، هو برنامج يتم تدريبه على كميات هائلة من النصوص لإنتاج لغة.

ويكيبيديا في الخط الأمامي

ليس الناشرون العلميون وحدهم من يقاومون. تواجه ويكيبيديا المشكلة نفسها. في إطار قسمها «Five Questions»، استجوبت إليزا ستريكلاند إيليا لوبلو، العضو المؤسس لـ WikiProject AI Cleanup، وهي مبادرة تطوعية تهدف إلى اكتشاف وإزالة المحتويات المُولَّدة بالذكاء الاصطناعي على المنصة. يواجه فريقها الصعوبة نفسها التي يواجهها الناشرون التجاريون، لكن بعدد أقل من الأشخاص وأدوات أقل.

بالنسبة لإليزا ستريكلاند، تُعرف ويكيبيديا بأنها مستودع للمعلومات المنتجة من قبل البشر، والمنصة تنوي أن تبقى كذلك. «من يدري كم من الوقت سيستطيعون فعل ذلك؟»، تتساءل.

تتجاوز المسألة إطار هذين الفاعلين. إذا لم نعد نستطيع أن نعتبر جماعياً أن الأدب العلمي موثوق، أو أن الحقائق الأساسية عن العالم دقيقة، فإن فهم ما هو حقيقي يصبح غير مؤكد. هذا اللايقين يُضعف الثقة في المؤسسات المسؤولة عن تحديث رصيد المعرفة البشرية.

تتطرق إليزا ستريكلاند أيضاً إلى منظور أكثر إثارة للقلق. «أليس من الجنون أن يكون لدينا، في مرحلة ما، ذكاء اصطناعي يكتب لذكاء اصطناعي آخر؟ سنُستبعد ببساطة من الحلقة.»