Dewan Sains Internasional dan Anggotanya, Asosiasi Sains dan Teknologi Tiongkok (CAST), bekerja sama dengan Alam, telah meluncurkan seri podcast enam bagian baru yang mengeksplorasi lanskap karier penelitian yang terus berkembang. Sepanjang seri, para peneliti awal dan menengah akan berbincang dengan ilmuwan senior, berbagi pengalaman tentang pertumbuhan, kolaborasi, dan ketahanan dalam menghadapi perubahan yang cepat.
Dalam episode ketiga ini, Mercè Crosas, Direktur Ilmu Sosial Komputasi dan Humaniora di Pusat Supercomputing Barcelona, dan Mohammad Hosseini, Asisten Profesor Etika di Northwestern University, membahas bagaimana AI dan digitalisasi mengubah karier ilmiah dan proses penelitian.
Percakapan ini menyoroti peluang sekaligus tantangan yang dihadirkan AI bagi para peneliti di awal dan pertengahan karier. Meskipun teknologi baru memungkinkan terobosan dan membuka jalur penelitian yang benar-benar baru, teknologi ini juga menimbulkan kekhawatiran seputar kesetaraan akses, ketergantungan yang berlebihan pada perangkat otomatis, dan terkikisnya kemampuan berpikir kritis.
Izzie Clarke: 00:01
Halo dan selamat datang. Saya jurnalis sains Izzie Clarke, dan dalam podcast ini, yang dipersembahkan atas kerja sama dengan Dewan Sains Internasional, dengan dukungan Asosiasi Sains dan Teknologi Tiongkok, kita akan membahas kekuatan bantuan digital dan kecerdasan buatan yang dikenal sebagai AI, pentingnya bagi karier di bidang sains, serta potensi ancamannya bagi dunia ilmiah.
Hari ini, saya bergabung dengan Mercè Crosas, Direktur Ilmu Sosial Komputasi dan Humaniora di Pusat Superkomputer Barcelona dan Presiden Komite Data Dewan Sains Internasional, yang dikenal sebagai CODATA.
Mercè Crosas: 00:42
Halo.
Izzie Clarke: 00:43
Dan Mohammad Hosseini, Asisten Profesor Etika di Universitas Northwestern di Chicago, dan anggota Global Young Academy.
Mohammad Hosseini: 00:51
Hai apa kabar?
Izzie Clarke: 00:52
Baiklah, terima kasih. Saya rasa pertanyaan untuk kalian berdua, untuk memulai, adalah mengapa sekarang merupakan momen kritis untuk merenungkan bagaimana digitalisasi dan AI membentuk karier di bidang sains?
Mohammad Hosseini: 01:05
Saya pikir kita melihat semakin banyak pengambilan keputusan berdasarkan data oleh para peneliti, yang terkadang juga menetes ke pengambilan keputusan nasional atau lokal, yang merupakan hal yang baik, tetapi dalam hal karier ilmiah, ini berarti bahwa kita perlu melatih para peneliti dalam keterampilan baru.
Dan memang demikianlah adanya. Namun, karena titik kritis ini, segala sesuatunya bergerak begitu cepat sehingga kita hampir tidak dapat mengejarnya. Mesin menjadi begitu canggih sehingga dapat menggantikan tenaga kerja manusia dalam sains. Kita sekarang berada di momen yang krusial untuk membahas digitalisasi dan mengeksplorasi siapa yang diuntungkan dari teknologi ini, siapa yang mungkin tertinggal, dan bagaimana kita dapat memastikan transparansi dan kesetaraan dalam penggunaannya.
Izzie Clarke 01:54
Mercè, apa pendapat Anda?
Mercè Crosas: 01:56
Salah satu hal pertama adalah bahwa AI juga telah digunakan dalam sains sejak lama, dan perubahannya telah terjadi secara progresif. Memang benar bahwa saat ini terdapat peningkatan eksponensial penggunaan AI sebagai metode dalam banyak produksi ilmiah.
Jadi, mulai dari eksplorasi tinjauan pustaka hingga upaya menemukan pertanyaan penelitian, hingga pemrosesan dan pengumpulan data, lalu analisisnya sendiri, dan juga publikasi hasil ilmiahnya. Maksud saya, titik kritis yang dibicarakan Mohammad itu, dampaknya jauh lebih luas daripada sebelumnya.
Izzie Clarke: 02:34
Ada banyak hal yang perlu dipertimbangkan di sini. Anda menyebutkan publikasi di sana dan kita akan membahasnya sebentar lagi. Namun, dalam hal peluang, apa saja peluang yang Anda lihat muncul dari hal ini bagi para peneliti awal dan menengah karier, dan bagaimana hal itu mengubah lanskap ilmiah yang digerakkan oleh AI?
Mohammad Hosseini: 02:55
Saya rasa peluangnya sebagian besar berkisar pada penemuan-penemuan baru dan melakukan hal-hal yang bahkan hanya mimpi lima tahun lalu. Di bidang apa pun yang bisa mendapatkan manfaat dari pemodelan, kita bergerak jauh lebih cepat sekarang. Ini adalah peluang, terutama bagi peneliti awal dan menengah yang mungkin lebih mahir menggunakan AI, tetapi ada beberapa konsekuensinya. Menemukan peluang dalam dinamika baru ini membutuhkan rasa ingin tahu baru yang belum kita latih. Namun, saya pikir kita harus mencoba menemukan tugas-tugas dalam konteks penelitian yang tidak dapat diotomatisasi dan berusaha untuk unggul dalam tugas-tugas tersebut.
Misalnya, bidang penelitian saya adalah peneliti etika. Menulis makalah yang berargumentasi kuat sudah terotomatisasi. Namun, mentoring, mengajar kelas tatap muka yang interaktif dan menarik, atau melakukan wawancara untuk mengumpulkan data dan mendapatkan wawasan baru dari pengalaman hidup orang-orang—semua ini adalah tugas-tugas yang tidak dapat dengan mudah diotomatisasi. Dan saya pikir kita perlu menemukan kelompok tugas ini dalam konteks penelitian kita sendiri dan mencoba untuk unggul di dalamnya.
Izzie Clarke: 04:06
Dan Mercè?
Mercè Crosas: 04:07
Saya tidak melihat banyak risiko tergantikannya para ilmuwan, baik ilmuwan muda maupun ilmuwan paruh baya. Yang saya lihat adalah peluang untuk pertanyaan penelitian baru yang bahkan tidak terpikirkan oleh banyak ilmuwan dari generasi sebelumnya, bukan? Jadi, bukan hanya karena kita sekarang bisa menerapkan alat-alat ini, tetapi juga karena kita bisa memikirkan beberapa bidang dengan cara yang benar-benar berbeda. Dalam biomedis, perubahan iklim, fisika, dan biologi untuk genetika, hal itu dapat berubah dengan penggunaan AI dan jenis data baru.
Izzie Clarke: 04:39
Saya rasa kita melihat banyak cara berbeda untuk beralih ke AI dan menangani berbagai tugas, dan kita sudah membahas tentang peningkatan keterampilan. Jadi, menurut Anda, apa yang perlu diperhatikan oleh para peneliti di awal dan pertengahan karier di bidang ilmiah, dan di mana mereka bisa mendapatkan dukungan?
Mercè Crosas: 04:57
Lebih penting dari sebelumnya untuk bersikap sangat teliti dalam sains dan memahami bahwa, pada akhirnya, baik kita menggunakan AI maupun alat lain, sains adalah apa yang kita lakukan, dan sains adalah inferensi, dan sains harus bersifat publik. Metode, data, dan cara kita melakukannya harus diverifikasi oleh orang lain.
Artinya, sekali lagi, kita tidak hanya menggunakan perangkat AI untuk memberikan jawaban, tetapi kita perlu menjadi lebih spesialis dalam cara kita memvalidasi jawaban tersebut. Dan untuk itu, kita perlu lebih mempersiapkan diri dengan teori bidang penelitian kita dan ketelitian hasil penelitiannya.
Izzie Clarke: 05:33
Ya, maksudku, Mohammad, aku juga ingin tahu pendapatmu tentang ini karena aku tahu ini adalah sesuatu yang sangat kamu perhatikan.
Mohammad Hosseini: 05:38
Ya, tentu saja. Dan saya juga ingin kembali ke apa yang dikatakan Mercè di sini. Ya, penting untuk memikirkan teori, dan di saat yang sama, banyak orang sekarang berpendapat bahwa karena kebangkitan ilmu pengetahuan berbasis data ini, kita menyaksikan berakhirnya teori sosial. Teori sebenarnya tidak sepenting itu karena orang bisa saja mengumpulkan data dan melakukan penambangan data untuk melihat apa yang relevan tanpa perlu memiliki hipotesis sebelum pengumpulan data.
Dan saya pikir itu perkembangan luar biasa yang membutuhkan banyak pertimbangan dan perhatian yang cermat. Saya pikir salah satu tantangan yang juga ingin saya soroti adalah kenyataan bahwa kita memiliki akses ke berbagai sumber daya, tergantung lokasi. Kita juga memiliki disparitas dalam hal apa yang disediakan oleh institusi. Saya beruntung bisa berkuliah di universitas swasta terkemuka di AS yang menawarkan akses gratis ke berbagai model AI, tetapi hal ini tidak berlaku bagi jutaan peneliti lainnya.
Dan kesenjangan ini menempatkan banyak orang lain pada posisi yang kurang menguntungkan. Banyak universitas bahkan tidak memiliki kebijakan umum untuk penggunaan model AI. Jika saya berada di universitas tersebut, saya akan berusaha keras untuk berbicara dengan pihak administrasi universitas atau perpustakaan untuk meminta mereka memberikan panduan dan pelatihan.
Mercè Crosas: 06:54
Untuk menindaklanjuti bahaya menjadi terlalu berbasis data. Saya tidak setuju bahwa itulah jalan yang harus kita tempuh, bukan? Hasilnya adalah persimpangan antara model teoretis dan pendekatan berbasis data ini. Namun, dalam hal penggunaan AI generatif atau jenis alat AI baru, saya pikir Eropa memiliki pendekatan yang cukup berbeda dibandingkan tempat lain.
Dan kini sedang dikembangkan strategi baru untuk AI dalam sains dan sains untuk AI. Kita perlu berhati-hati tentang jenis alat AI yang kita gunakan, apakah alat tersebut memiliki definisi yang jelas tentang data yang telah digunakan, apakah sumbernya terbuka, apakah berfokus pada AI yang tepercaya, dan saya pikir itu sangat penting.
Izzie Clarke: 07:36
Saya juga ingin membahas sesuatu di sana. Kita membahas bagaimana kita menggunakan AI dalam pekerjaan dan penerbitan. Jadi, Mohammad, apa saja yang menurut Anda perlu diperhatikan oleh peneliti di awal dan pertengahan karier terkait penerbitan dan penggunaan AI?
Mohammad Hosseini: 07:54
Ya, saya rasa salah satu hal yang harus kita perhatikan adalah tugas apa yang kita serahkan kepada AI? Tugas apa yang kita minta AI lakukan? Ketika ledakan AI ini dimulai, AI sebagian besar digunakan di akhir proses riset, seperti pada tahap penyuntingan naskah, peningkatan keterbacaan, dan sebagainya.
Namun kini kita melimpahkan tugas-tugas penting ini kepada AI, dan lain kali ketika Anda ingin memikirkan pertanyaan penelitian berikutnya, alih-alih merenungkan lebih dalam buku teks atau artikel baru yang Anda baca, Anda seperti, ah, coba saya tanya apa kata AI tentangnya. Hal ini menjadi sangat adiktif, dan saya mendorong para peneliti untuk menyadari tugas-tugas yang mereka delegasikan dan bertanya pada diri sendiri, apakah itu sepadan?
Saran saya, jangan menerbitkan sesuatu hanya demi menerbitkan sesuatu kecuali Anda benar-benar memiliki sesuatu yang penting untuk disampaikan. Pikirkan siapa yang Anda kutip. Jika Anda menggunakan AI untuk mencari literatur, pastikan Anda membaca konten yang Anda kutip, karena sering kali kutipan tersebut tidak relevan.
Izzie Clarke: 09:03
Dan saya pikir itu poin yang bagus. Ya, ada cara-cara di mana kita bisa menggunakan AI yang mungkin bermanfaat dalam beberapa hal, tetapi tetaplah aktifkan beberapa keterampilan tersebut dan pastikan Anda juga melakukan uji tuntas dalam hal-hal lain.
Dan saya pikir itu mungkin membawa kita pada diskusi tentang kredibilitas. Jadi, di bidang Anda dan di hadapan publik yang lebih luas, apa yang dibutuhkan untuk mempertahankan kredibilitas di era digital ini? Mercè?
Mercè Crosas: 09:30
Yah, saya pikir itu sangat mudah. ​​Maksud saya, Anda memiliki kredibilitas ketika Anda dapat mengomunikasikannya, ketika Anda sepenuhnya memahaminya dan apa yang sedang Anda kerjakan, dan itu tidak dihasilkan oleh hal lain yang tidak Anda pahami. Kembali ke nilai-nilai sains dan sains terbuka, yaitu setransparan mungkin, bahwa siapa pun dapat memverifikasi apa yang telah Anda lakukan dari cara Anda menerapkan model AI, metode, data yang Anda gunakan, alur kerja, prinsip-prinsip yang adil untuk data yang dapat ditemukan, diakses, interoperabel, dan dapat digunakan kembali. Tetapi juga perangkat lunak sehingga apa yang Anda gunakan dapat dibagikan, dapat ditemukan oleh orang lain, dan dapat diverifikasi.
Izzie Clarke: 10:06
Namun, ada banyak cara menarik yang dapat digunakan untuk mentransformasi sains dan digitalisasi. Jadi, Mercè, bagaimana Anda melihat peran komunikasi sains semakin berkembang seiring perkembangan teknologi?
Mercè Crosas: 10:20
Nah, jadi, komunikasi sains, kita masih perlu melakukan banyak hal untuk masyarakat. Dan sudah ada harapan bahwa AI bisa berperan dalam meringkas banyak hasil sains dan membuatnya lebih mudah diakses oleh khalayak yang lebih luas. Jadi, saya pikir itu bisa menarik.
Izzie Clarke: 10:41
Dan terakhir, apa yang memberi kalian berdua harapan untuk masa depan sains di dunia digital ini? Mohammad?
Mohammad Hosseini: 10:47
Saya rasa yang memberi saya harapan adalah generasi peneliti baru yang berani bersuara. Kita sedang mengamati generasi baru yang berani mengungkapkan pendapatnya dan bersedia membayar harganya. Saya di AS dan melihat berbagai perusahaan besar dan bagaimana mereka dapat memengaruhi lanskap penelitian, universitas, dan sebagainya. Jadi, sangat penting bagi saya untuk melihat hal itu.
Izzie Clarke: 11:12
Dan Mercè?
Mercè Crosas: 11:15
Jadi, saya pikir kita memiliki lebih banyak alat untuk memahami cara kita bekerja, cara kita berkolaborasi, dan pertanyaan-pertanyaan baru apa yang bisa kita ajukan dalam sains. Dan saya pikir itu memberi harapan bagi sains yang lebih baik jika kita tidak kehilangan esensi sains dan nilai-nilai sains terbuka, tetapi juga memanfaatkan metode AI jenis baru ini.
Izzie Clarke: 11:34
Terima kasih banyak telah bergabung dengan saya.
Jika Anda seorang peneliti awal atau pertengahan karier dan ingin menjadi bagian dari percakapan tentang masa depan AI, bergabunglah dengan Forum Dewan Sains Internasional untuk ilmuwan baru.
Kunjungi: dewan.sains/forum untuk mengetahui lebih lanjut.
Saya Izzie Clarke, dan lain kali kita akan membahas bagaimana peneliti muda dan menengah dapat membantu melindungi lautan kita dan kekuatan pendekatan transdisipliner untuk melakukannya. Sampai jumpa.
Baca selengkapnya tentang Sains tanpa batas: Kolaborasi internasional untuk generasi peneliti berikutnya 
Baca selengkapnya tentang Memikirkan kembali pertumbuhan dan ketahanan dalam ekosistem penelitian 
Baca selengkapnya tentang Ilmu Transdisiplin: Karier awal dan menengah membentuk masa depan sains 