ชุมชนวิทยาศาสตร์กำลังต่อสู้กับการเปลี่ยนแปลงพื้นฐานในวิธีการจัดสรรเงินทุนวิจัย ขณะที่ปัญญาประดิษฐ์เริ่มมีบทบาทในการคัดเลือกผู้รับทุน สิ่งที่เริ่มต้นเป็นแนวทางใหม่ในการระบุงานวิจัยที่มีแนวโน้มดี ได้จุดประกายการถกเถียงอย่างเข้มข้นเกี่ยวกับอนาคตของการให้ทุนสนับสนุนวิทยาศาสตร์ และว่า AI อาจเปลี่ยนแปลงวิธีการสนับสนุนการค้นพบที่ก้าวล้ำได้อย่างพื้นฐานหรือไม่
การอภิปรายมีจุดศูนย์กลางอยู่ที่โครงการ Climate Solutions Catalyst ของ Imperial College London ซึ่งใช้ AI ในการสแกนเอกสารวิจัยหลายพันฉบับและเสนอทุนให้กับนักวิจัยที่มีแนวโน้มดีอย่างเชิงรุก แม้ว่านี่จะเป็นแนวทางใหม่ในการจัดสรรเงินทุน แต่ชุมชนวิทยาศาสตร์มีความเห็นแตกแยกเกี่ยวกับผลกระทบของมัน
รายละเอียดโปรแกรมทุนวิจัย AI ของ Imperial College London:
- เปิดตัวโปรแกรม: 2024
- เงินทุนรวม: £1.6 ล้าน GBP จากมูลนิธิด้านสภาพภูมิอากาศเพื่อการกุศล
- เอกสารที่สแกน: บทคัดย่องานวิจัย 10,000 ฉบับจากนักวิจัยใน UK (2010-ปัจจุบัน)
- การคัดเลือกเบื้องต้นด้วย AI: 160 งานวิจัย
- ผู้ได้รับทุนสุดท้าย: นักวิจัย 3 คน
- จำนวนเงินทุน: £35,000 GBP ต่อผู้รับทุน
- ไม่ต้องการสิทธิ์ในหุ้นหรือสิทธิบัตร
ระบบทุนวิจัยปัจจุบันเสียหายอยู่แล้ว
นักวิจัยหลายคนโต้แย้งว่ากระบวนการสมัครขอทุนที่มีอยู่นั้นมีข้อบกพร่องพื้นฐานและเป็นการสิ้นเปลือง ระบบปัจจุบันต้องการให้นักวิทยาศาสตร์ใช้เวลาหลายเดือนในการร่างข้อเสนอโครงการที่มีรายละเอียด พร้อมกับกำหนดเวลาที่ไม่สมจริงและส่วนต่างๆ ที่เป็นแบบแผนซึ่งไม่มีจุดประสงค์ทางวิทยาศาสตร์
ใครก็สามารถทำแผนภูมิ Gantt ได้ มันเป็นแค่งานเพื่องาน หากมีการกำหนดให้ทำ ผู้สมัครทุกคนจะรวมมันเข้าไป ไม่ว่าจะจริงจังหรือไม่
ความรู้สึกนี้สะท้อนความหงุดหงิดอย่างกว้างขวางต่อข้อกำหนดด้านการบริหารที่กินเวลาวิจัยอันมีค่า นักวิทยาศาสตร์รายงานว่าใช้เวลาถึง 80% ของความพยายามในการเขียนข้อเสนอทุนกับการนำเสนอและองค์ประกอบด้านระบบราชการมากกว่าการวางแผนทางวิทยาศาสตร์จริงๆ กระบวนการนี้บังคับให้นักวิจัยต้องแสร้งทำเป็นว่าพวกเขาสามารถทำนายการค้นพบของตนเองล่วงหน้าหลายปี ซึ่งขัดแย้งกับธรรมชาติที่คาดเดาไม่ได้ของงานวิจัยที่ล้ำสมัย
ความท้าทายของระบบทุนวิจัยในปัจจุบัน:
- ประสิทธิภาพการให้ทุน EU : เงินเพียง ~10% เท่านั้นที่ไปถึงมือนักวิจัย
- ข้อจำกัดข้อเสนอ NIH : 6 ทุนต่อหัวหน้าโครงการต่อปี (ใช้ล่าสุด)
- อัตราความสำเร็จโดยทั่วไป: 10-15% ของใบสมัครที่ได้รับทุน
- เวลาเตรียมใบสมัคร: 1.5-2 ปีของการทำงาน
- ระยะเวลาการพิจารณา: กระบวนการคัดกรองขั้นต่ำ 6 เดือน
- การจัดสรรเวลา: งานธุรการ 80% งานวางแผนทางวิทยาศาสตร์ 20%
AI อาจทำให้เกิดความเท่าเทียมหรือทำให้แย่ลง
ศักยภาพของ AI ในการจัดการกับอคติที่มีอยู่ในการจัดสรรทุนได้ดึงดูดความสนใจ งานวิจัยแสดงให้เห็นว่าประชากรบางกลุ่ม โดยเฉพาะนักวิชาการชายที่มีตำแหน่งประจำ มีความสำเร็จมากกว่าในการได้รับสิทธิบัตรและเงินทุน แม้ว่าคุณภาพงานวิจัยจะคล้ายกัน ระบบ AI ในทางทฤษฎีสามารถระบุนวัตกรรมที่ถูกมองข้ามและเข้าถึงนักวิจัยที่อาจไม่สมัครขอการสนับสนุนการพาณิชย์เคมีได้
อย่างไรก็ตาม นักวิจารณ์กังวลว่า AI จะเสริมรูปแบบที่มีอยู่เท่านั้น เมื่อบริษัทเวนเจอร์แคปิทัลใช้ AI สำหรับการตัดสินใจลงทุน พวกเขามักจะให้ทุนกับสตาร์ทอัพที่คล้ายกับความสำเร็จในอดีตมากกว่าแนวทางที่เป็นนวัตกรรมอย่างแท้จริง ผลกระทบของเครื่องจักรภูมิปัญญาแบบเดิมนี้อาจขัดขวางงานวิจัยที่มีความเสี่ยงสูงและผลตอบแทนสูงที่นำไปสู่การค้นพบที่ก้าวล้ำ
การแข่งขันแบบไม่มีที่สิ้นสุดระหว่าง AI ที่เขียนและ AI ที่ตรวจสอบ
ชุมชนวิทยาศาสตร์คาดการณ์การเพิ่มขึ้นที่น่ากังวลซึ่งเครื่องมือ AI ถูกใช้ทั้งในการเขียนข้อเสนอทุนและการประเมินผล สิ่งนี้สร้างสถานการณ์ที่น่ากังวลหลายประการ: นักวิจัยใช้ AI เพื่อสร้างใบสมัครหลายใบ ทำให้ระบบตรวจสอบล้นหลาม; เทคนิคการต่อต้านที่ออกแบบมาเพื่อหลอก AI ผู้ตรวจสอบ; และการเบี่ยงเบนไปจากคุณธรรมทางวิทยาศาสตร์จริงไปสู่การปรับให้เหมาะสมกับความชอบของอัลกอริทึม
นักวิจัยบางคนใช้ความช่วยเหลือจาก AI สำหรับการเขียนข้อเสนอทุนอยู่แล้ว และเทคโนโลยีนี้เก่งในการผลิตส่วนที่เป็นแบบแผนซึ่งใช้เวลามาก แม้ว่าสิ่งนี้อาจทำให้นักวิทยาศาสตร์มีเวลาโฟกัสกับงานวิจัยจริง แต่ก็ทำให้เกิดคำถามเกี่ยวกับความแท้จริงและอาจนำไปสู่การท่วมท้นของใบสมัครที่สร้างโดย AI ซึ่งทำให้ระบบตรวจสอบเครียด
ความกังวลเรื่องความลับและความไว้วางใจ
หน่วยงานให้ทุนรายใหญ่ได้ใช้ท่าทีระมัดระวังต่อการรวม AI เข้าด้วยกัน National Institutes of Health ของสหรัฐอเมริกาห้ามเครื่องมือ AI ในกระบวนการตรวจสอบทุน ส่วนหนึ่งเนื่องจากความกังวลเรื่องความลับ ระบบ AI เชิงพาณิชย์ส่วนใหญ่ใช้ข้อมูลที่อัปโหลดสำหรับการฝึกอบรม ซึ่งอาจเปิดเผยข้อเสนอวิจัยที่ละเอียดอ่อนให้กับคู่แข่งหรือหน่วยงานต่างประเทศ
สิ่งนี้สร้างความตึงเครียดระหว่างการได้รับประสิทธิภาพและการปกป้องทรัพย์สินทางปัญญา แม้ว่า AI อาจปรับปรุงกระบวนการตรวจสอบได้ แต่ความเสี่ยงในการทำลายแผนวิจัยที่เป็นความลับอาจมีน้ำหนักมากกว่าประโยชน์
ข้อจำกัดด้าน AI จากหน่วยงานให้ทุนวิจัยหลัก:
- US National Institutes of Health (2023): ห้ามใช้เครื่องมือ AI ในกระบวนการพิจารณาทุนวิจัยอย่างสมบูรณ์
- UK Research and Innovation: แนวทางปฏิบัติที่ห้ามผู้ประเมินใช้ AI แบบ generative
- ข้อกังวลหลัก: ความลับของข้อเสนอโครงการวิจัย การใช้ข้อมูลฝึกฝนโดย LLMs เชิงพาณิชย์
แนวทางทางเลือกได้รับการสนับสนุน
การถกเถียงได้ทำให้เกิดความสนใจใหม่ในรูปแบบการให้ทุนทางเลือก นักวิจัยบางคนสนับสนุนการให้ทุนพื้นฐานที่แจกจ่ายโดยการประเมินประวัติส่วนตัวมากกว่าข้อเสนอโครงการ โดยโต้แย้งว่าสิ่งนี้จะมีประสิทธิภาพมากกว่าและสิ้นเปลืองน้อยกว่า คนอื่นๆ แนะนำทุนแบบก้อนหรือระบบลอตเตอรี่อาจให้ผลลัพธ์ที่ดีกว่ากระบวนการแข่งขันปัจจุบัน
รูปแบบการเข้าถึงเชิงรุกที่แสดงโดย Imperial College แสดงทิศทางที่มีแนวโน้มดีอีกทิศทางหนึ่ง แทนที่จะรอใบสมัคร องค์กรให้ทุนสามารถใช้ AI เพื่อระบุงานวิจัยที่มีแนวโน้มดีและเข้าหานักวิทยาศาสตร์โดยตรง คล้ายกับการสืบหาความสามารถในสาขาอื่นๆ
การรวม AI เข้าสู่การให้ทุนทางวิทยาศาสตร์แสดงทั้งโอกาสในการแก้ไขระบบที่เสียหายและความเสี่ยงในการทำให้แย่ลง แม้ว่ากระบวนการทุนปัจจุบันจะสิ้นเปลืองเวลาของนักวิจัยอย่างมหาศาลและอาจขยายอคติต่อไป แต่การรีบเร่าไปสู่โซลูชัน AI โดยไม่พิจารณาอย่างรอบคอบอาจสร้างปัญหาใหม่ ความท้าทายของชุมชนวิทยาศาสตร์คือการหาวิธีใช้ประโยชน์จาก AI ในขณะที่รักษาการตัดสินใจของมนุษย์และความลับที่ยังคงจำเป็นต่อการสนับสนุนนวัตกรรมที่แท้จริง