AI në universitete: Si po transformojnë modelet e mëdha g...

Gjuha e gjeneruar artificialisë, veçanërisht modelet e mëdha të gjuhës (LLMs), paraqet mundësi emocionuese dhe pa precedentë dhe sfida komplekse për kërkimet akademike dhe shkencën.

Ndërsa versionet e ndryshme të LLM-ëve (si ChatGPT, Gemini, Claude, Perplexity.ai dhe Grok) vazhdojnë të shumohen, kërkimi akademik po fillon të përjetojë një transformim të rëndësishëm.

Studentët, kërkuesit dhe instruktorët në arsimin e lartë kanë nevojë për njohuri, kompetenca dhe aftësi të alfabetizmit në AI për të adresuar këto sfida dhe rreziqe.

Në një kohë ndryshimesh të shpejta, studentët dhe akademikët këshillohen të shikojnë tek institucionet, programet dhe njësitë e tyre për politika ose udhëzime të veçanta disiplinore që rregullojnë përdorimin e AI-së.

Përdorimi i AI nga kërkuesit

Një studim i fundit drejtuar nga një kërkues i shkencës së të dhënave zbuloi se të paktën 13.5 përqind e abstrakteve biomedicine vitin e kaluar treguan shenja të tekstit të gjeneruar nga AI.

Lexoni më shumë: Softueri i zbulimit të AI-së nuk është zgjidhja për mashtrimin në klasë — vlerësimi duhet të ndryshojë

Modelet e mëdha të gjuhës mund tani të mbështesin pothuajse çdo fazë të procesit të kërkimit, megjithatë kujdesi dhe mbikëqyrja njerëzore janë gjithmonë të nevojshme për të gjykuar kur përdorimi është i përshtatshëm, etik ose i justifikuar — dhe për të marrë parasysh çështjet e kontrollit të cilësisë dhe saktësisë. LLM-ët mund të:

Ndihmojnë në mendimin e ideve, gjenerimin dhe përmirësimin e ideve kërkimore dhe formulimin e hipotezave;
Dizenjojnë eksperimente dhe kryejnë dhe sintetizojnë rishikime të literaturës;
Shkruani dhe gjejni gabimet në kod;
Analizoni dhe vizualizoni të dhëna cilësore dhe sasiore;
Zhvilloni korniza teorike dhe metodologjike ndërdisiplinore;
Sugjeroni burime dhe citime të rëndësishme, përmbledhni tekste komplekse dhe hartoni përmbledhje;
Mbështetni shpërndarjen dhe prezantimin e rezultateve të kërkimit, në formate popullore.

Megjithatë, ekzistojnë shqetësime të rëndësishme dhe sfida rreth përdorimit të duhur, etik, përgjegjës dhe efektiv të mjeteve gjeneruese të AI-së në kryerjen e kërkimit, shkrimin dhe shpërndarjen e rezultateve të kërkimit. Këto përfshijnë:

Përfaqësimi i gabuar i të dhënave dhe autorësisë;
Vështirësi në riprodhimin e rezultateve të kërkimit;
Parregullsi dhe gabime në të dhëna dhe algoritme;
Privatësia dhe konfidencialiteti i përdoruesit dhe të dhënave;
Cilësia e rezultateve, të dhënave dhe fabrikimi i citimeve;
Dhe shkelja e të drejtave të autorit dhe pronësisë intelektuale.

Asistentët e kërkimit me AI, agjentët e 'kërkimit të thellë' me AI

Ka dy kategori mjete të reja të përmirësuara me LLM që mbështesin kërkimin akademik:

1. Asistentët e kërkimit me AI: Numri i asistentëve të kërkimit me AI që mbështesin aspekte dhe hapa të ndryshëm të procesit të kërkimit po rritet në një shkallë eksponenciale. Këto teknologji kanë potencial për të përmirësuar dhe zgjeruar metodat tradicionale të kërkimit në punën akademike. Shembuj përfshijnë asistentët me AI që mbështesin:

Hartimin e koncepteve (Kumu, GitMind, MindMeister);
Rishikimet e literaturës dhe sistematike (Elicit, Undermind, NotebookLM, SciSpace);
Kërkimi i letërsisë (Consensus, ResearchRabbit, Connected Papers, Scite);
Analiza dhe përmbledhja e letërsisë (Scholarcy, Paper Digest, Keenious);
Dhe zbulimi dhe analiza e temave dhe trendëve të kërkimit (Scinapse, tlooto, Dimension AI).

2. ‘Agjentët e kërkimit të thellë’ AI: Fusha e inteligjencës artificiale po përparon shpejt me rritjen të “kërkimit të thellë” të agjentëve AI. Këta agjentë të gjeneratës së ardhshme kombinojnë LLM-të, gjenerimin e përforcuar me rikuperim dhe korniza të sofistikuara të arsyetimit për të kryer analiza të thelluara, shumë-huajshme.

Kërkimi aktualisht po kryhet për të vlerësuar cilësinë dhe efektivitetin e mjeteve të kërkimit të thellë. Kriteret e reja të vlerësimit po zhvillohen për të vlerësuar performancën dhe cilësinë e tyre.

Kriteret përfshijnë elementë të tillë si kostoja, shpejtësia, lehtësia e redaktimit dhe përvoja e përgjithshme e përdoruesit — si dhe cilësia e citimeve dhe shkrimit, dhe mënyra se si këto mjete të kërkimit të thellë i përmbahen udhëzimeve.

Qëllimi i mjeteve të kërkimit të thellë është të nxjerrë, analizojë dhe sintetizojë me kujdes informacionin shkencor, të dhënat empirike dhe perspektivat e ndryshme nga një gamë e gjerë burimesh online dhe të mediave sociale. Rezultati është një raport i detajuar, i plotë me citime, që ofron njohuri të thelluara mbi tema komplekse.

Në vetëm katër muaj (dhjetor 2024 deri në shkurt 2025), disa kompani (si Google Gemini, Perplexity.ai dhe ChatGPT) prezantuan platformat e tyre të “kërkimit të thellë”.

Instituti Allen për Inteligjencën Artificiale, një institut jo fitimprurës për kërkimin në AI me bazë në Seattle, po eksperimenton me një mjet të ri kërkimi me qasje të hapur të quajtur Ai2 ScholarQA që ndihmon kërkuesit të kryejnë rishikime të literaturës më efikas duke ofruar përgjigje më të thelluara.

Udhëzime të reja

Disa udhëzime janë zhvilluar për të inkurajuar përdorimin përgjegjës dhe etik të AI-së gjeneruese në kërkim dhe shkrim. Shembuj përfshijnë:

Udhëzimi i Qeveria e Kanadas për Përdorimin e Inteligjencës Artificiale Gjeneruese. Ky këshillon institucionet federale dhe akademikët të eksplorojnë përdorimet potenciale të mjeteve të AI-së gjeneruese, dhe të ndjekin një kornizë të rekomanduar për vendimmarrje rreth tyre, duke përfshirë komunikimin përgjegjës dhe transparencën.
Udhëzime nga agjencitë federale të financuara publikisht — të njohura kolektivisht si Agjencia Tri-Kushtetuese — duke ofruar grante kërkimore dhe programe që mbulojnë disiplina të ndryshme kërkimore.

Observatori në Politikat e AI në Arsimin Postsekondar Kanadez

LLMs mbështesin kërkimin ndërdisiplinor

LLMs janë gjithashtu mjetë të fuqishëm për të mbështetur kërkimin ndërdisiplinor. Kërkimi i fundit në zhvillim (ende pa u rishikuar nga kolegët) mbi efektivitetin e LLM-ve për kërkim sugjeron se ato kanë potencial të madh në fusha si shkencat biologjike, shkencat kimike, inxhinierinë, shkencat mjedisore si dhe shkencat shoqërore. Gjithashtu sugjeron se LLM-të mund të ndihmojnë në eliminimin e silo disiplinore duke sjellë së bashku të dhëna dhe metoda nga fusha të ndryshme dhe duke automatizuar mbledhjen dhe gjenerimin e të dhënave për të krijuar të dhëna ndërdisiplinore.

Ndihma në analizimin dhe përmbledhjen e volumit të madh të kërkimeve në fusha të ndryshme mund të ndihmojë bashkëpunimin ndërdisiplinor. Platforma me bazë AI “Eksperti gjetës” mund të analizojë profilet e kërkuesve dhe rrjetet e publikimeve për të hartuar ekspertizën, për të identifikuar bashkëpunëtorë potencialë në fusha të ndryshme dhe për të zbuluar lidhje të papritura ndërdisiplinore.

Ky njohje në zhvillim sugjeron se këto modele do të jenë në gjendje të ndihmojnë kërkuesit të shkaktojnë përparime duke kombinuar njohuri nga fusha të ndryshme — si epidemiologjia dhe fizikë, shkenca e klimës dhe ekonomia ose shkenca shoqërore dhe të dhënat klimatike — për të adresuar probleme komplekse.

Lexoni më shumë: Bota nuk po lëviz mjaft shpejt për ndryshimet klimatike — shkencat shoqërore mund të ndihmojnë të shpjegojnë pse

Shkollimi i AI-së me fokus në kërkime

Universitetet kanadeze dhe partneritetet kërkimore po ofrojnë edukim në shkathtësi të AI-së për njerëzit në universitete dhe më gjerë.

Instituti Alberta Machine Intelligence Institute ofron programim për alfabetizmin e AI-së për K-12 dhe burime të tjera. Instituti është një organizatë jofitimprurëse dhe pjesë e Strategjisë Kanadeze për Inteligjencën Artificiale Pan-Kanadeze.

Shumë universitete janë duke ofruar mundësi arsimore për alfabetizmin e AI-së që fokusohet veçanërisht në përdorimin e mjeteve gjeneruese të AI-së në ndihmën e aktiviteteve kërkimore.

Po ashtu po zhvillohet puna bashkëpunuese në universitete. Për shembull, si nëndekane e Fakultetit të Studimeve të Graduate & Postdoktorale në Universitetin e Albertës (dhe profesoreshë e shkencave të informacionit), kam punuar me dekanë nga Universiteti i Manitobës, Universiteti i Winnipeg dhe Universiteti i Ishullit Vancouver për të zhvilluar udhëzues dhe rekomandime rreth inteligjencës artificiale gjeneruese dhe kërkimeve dhe mbikëqyrjes së graduate dhe postdoktorale.

Duke marrë parasysh fuqinë në rritje dhe kapacitetet e modeleve të mëdha të gjuhës, ekziston një nevojë urgjente për të zhvilluar trajnime për alfabetizmin e AI-së të përshtatura për kërkues akademikë.

Ky trajnim duhet të fokusohet në të dy potencialin dhe kufizimet e këtyre mjeteve në fazat e ndryshme të procesit kërkimor dhe të shkrimit.